Vermogensbehoefte van AI-servers: wat moderne datacenters moeten weten

Vermogensbehoefte van AI-servers | Datacenter gids.

Hoeveel vermogen gebruiken AI-servers?

AI-servers verbruiken aanzienlijk meer energie dan traditionele IT-apparatuur, voornamelijk door het gebruik van GPU’s en accelerators.

Typische waarden:

• Traditionele servers: 300–800 W per server

• GPU-servers: 2–10 kW per server

• AI-racks: 20–100+ kW per rack

Moderne AI-platformen, waaronder systemen van NVIDIA, AMD en GPU-gebaseerde servers van fabrikanten zoals Supermicro, zorgen voor deze toename. Afhankelijk van de configuratie kan één systeem al meerdere kilowatts continu verbruiken.

Op schaal leidt dit tot extreem hoge vermogensdichtheid per rack.

Waarom AI de energieverdeling volledig verandert

AI-workloads hebben een ander profiel dan traditionele IT:

• Hogere vermogensdichtheid

• 3-fase stroom wordt de norm

• Dynamische belasting (fluctuerend verbruik)

• Sterke koppeling tussen power en koeling

Hierdoor zijn traditionele oplossingen voor energieverdeling vaak niet meer toereikend.

Belangrijkste uitdagingen in AI-omgevingen

1. Overbelasting van racks

Hoge vermogens verhogen het risico op overbelasting van circuits, met mogelijke downtime of schade als gevolg.

2. Fase-onbalans

Ongelijke belasting over de fasen leidt tot inefficiëntie en extra belasting van componenten.

3. Gebrek aan inzicht

Veel datacenters meten alleen op rack- of PDU-niveau. Voor AI is dat niet meer voldoende.

Meten op outlet-niveau wordt essentieel om exact te zien waar energie wordt verbruikt.

4. Complexe rackconfiguraties

AI-racks bevatten vaak een mix van systemen, zoals:

• GPU-servers van Supermicro

• AI-systemen van NVIDIA of AMD

• Storage en networking

Dit maakt load balancing en capaciteitsplanning complexer.

Hoe ontwerp je racks voor AI-workloads?

Om AI-infrastructuur goed te ondersteunen, moet het rackdesign mee evolueren.

Belangrijke aandachtspunten:

• 3-fase 32A of 63A voedingen

• Redundante A/B feeds

• Hoge outlet-dichtheid

• Realtime monitoring

• Schaalbaarheid voor groei

Zonder deze basis ontstaan al snel bottlenecks.

Eisen aan PDU’s voor AI-infrastructuur

De PDU wordt een cruciaal onderdeel binnen AI-datacenters.

Belangrijke eigenschappen:

• Hoge vermogenscapaciteit

• Betrouwbare outlet-verbindingen (locking)

• Outlet-level meting

• Remote switching

• Snelle meetverversing (real-time inzicht)

• Integratie met DCIM/software

Daarnaast wordt modulariteit steeds belangrijker, zodat functionaliteit kan meegroeien met de infrastructuur.

De rol van monitoring en software

Naarmate vermogens toenemen, wordt inzicht cruciaal.

Moderne datacenters vertrouwen op:

• Realtime monitoring

• Historische data-analyse

• Alarmen en drempelwaarden

• Integratie met DCIM

Dit helpt om energieverbruik te optimaliseren, risico’s te beperken en te voldoen aan regelgeving (zoals ESG/CSRD).

Conclusie

AI verandert het datacenter fundamenteel. Wat eerst een compute-uitdaging was, is nu net zo goed een energie-uitdaging.

Zonder de juiste power distributie, monitoring en controle kunnen AI-omgevingen niet veilig of efficiënt opschalen.

Door de vermogensbehoefte van AI-servers goed te begrijpen en hierop te ontwerpen, blijven datacenters toekomstbestendig.

European Commission – Energy Efficiency: https://energy.ec.europa.eu/topics/energy-efficiency_en