JAKARTA – Schneider Electric, pengelola energi dan automasi untuk transformasi digital, mengatakan bahwa mereka telah mempercepat solusi data center yang mendukung teknologi Kecerdasan Buatan (AI).
Perusahaan ini berkolaborasi dengan NVIDIA untuk membuat desain referensi data center baru yang mendukung klaster AI berkapasitas tinggi. Data center ini dioptimalkan untuk membuat chip GB200 NVL72 dan Blackwell milik NVIDIA.
Schneider Electric menjelaskan bahwa desain referensi data center ini akan mempermudah perencanaan dan penerapan dengan arsitektur yang terbukti dan tervalidasi. Selain itu, desain ini dapat mengatasi tantangan penggunaan pendinginan cair dalam skala besar.
"Membangun masa depan komputasi dan AI membutuhkan kecepatan serta fondasi yang kuat," kata CEO NVIDIA Jensen Huang. "Kerja sama kami dengan Schneider Electric memungkinkan pelanggan merancang kemajuan teknologi dunia di atas infrastruktur yang stabil dan tangguh."
Huang menambahkan bahwa kolaborasi ini akan menciptakan data center AI yang dapat mengakselerasi cloud dan mendukung arsitektur kompleks yang sangat penting. Dengan begitu, data center ini dapat menghadirkan kecerdasan digital bagi perusahaan dan industri.
BACA JUGA:
Desain referensi yang dikembangkan oleh Schneider Electric dan NVIDIA ini akan mendukung klaster AI dengan pendinginan cair. Data center ini diharapkan dapat mengatasi tantangan pengelolaan data berskala besar, penyewaan ruang server di fasilitas pihak ketiga, serta data center yang dikelola perusahaan untuk kebutuhan internal.
Dari kemitraan ini, Schneider Electric mengatakan bahwa desain referensi ini akan mencakup opsi untuk Coolant Distribution Units (CDUs) cair-ke-cair dan pendinginan cair langsung ke chip. Selain itu, desain referensi ini dilengkapi dengan rencana mekanikal serta elektrikal yang komprehensif untuk memastikan operasi yang lebih efisien.
Desain referensi data center ini dikembangkan menggunakan perangkat lunak Schneider Electric, termasuk Ecodial dan EcoStruxure IT Design CFD. Desain data center ini telah disesuaikan dengan kebutuhan beban kerja AI yang mendukung efisiensi energi.