AI トレーニングは同期的であるため、何千もの GPU がコンピューティング中にスパイクし、通信中にサグします。集約すると、グリッドの「悪い周波数」を励起できる大きくリズミカルなパワースイングが生まれます。電力会社は、(1)電力がどれだけ速く/どれだけ遠く移動するか(時間領域)、および(2)敏感な周波数帯域(周波数領域)にどれだけのビートが存在するかの両方に制限を設け始めています。 過去の出来事は、低Hzの振動が植物/グリッドを伝播し、ストレスを与える可能性があることを示しています。AI トレーニングの負荷では、強制関数が大きくなります。したがって、電力会社は臨界周波数+振幅制限(たとえば、0.1〜20Hzの広いガードバンドと0.2〜3HzのAIワークロードFFT)を設定し、1つのサイトの狭いビートがグリッドを支配できないようにします。 コンプライアンスの潜在的な修正: トレードオフを予想してください: エネルギー消費 (最初の 2 つ) と設備投資/スペース (後者)。 -ソフトウェアのスムージング(電力が低下したときに制御された「フィラー」作業を追加)、 -GPUファームウェアシェーピング(ランプ制限、最小電力フロアの維持) -小刻みを吸収/供給するためのラックレベルのストレージ。リアルタイムFFT監視はバックストップとして機能します。 ファームウェアだけでは不十分な場合が多いのはなぜですか?現在のGPUでは、MPFはTDPの~90%(最大ppwer)を上回り、最小ショートスパイク設定(EDP)は~1.1×TDP =少なくとも~20%のスイングが残っています。ユーティリティの制限が厳しい場合(例:~10%)、通常、ファームウェアとソフトウェアソリューション(ハイブリッド修正など)に加えて、ラックレベルのストレージが必要です。