AI is uitgegroeid tot een hoeksteen van het technologisch concurrentievermogen en de strategische autonomie van Europa.
Van slimme steden en decarbonisatie van de industrie tot gezondheidszorg en financiële dienstverlening: AI geeft organisaties en de bredere Europese economie een nieuwe vorm. Het AI Continent-actieplan van de Europese Commissie en de Cloud and AI Development Act stellen geavanceerde, duurzame datacenterinfrastructuur centraal in deze ambitie, met onder meer de doelstelling om de capaciteit van EU-datacenters binnen de komende vijf tot zeven jaar minstens te verdrievoudigen ter ondersteuning van baanbrekende AI en soevereine cloud-workloads.
Naarmate AI-initiatieven in de hele EU in een stroomversnelling komen en op grotere schaal worden uitgevoerd is een cruciale vraag hoe datacenters van de volgende generatie moeten worden ontworpen en geëxploiteerd om tegemoet te komen aan de unieke beperkingen en kansen van Europa. AI-infrastructuur verschilt fundamenteel van traditionele IT: ze werkt op grotere schaal, met een hogere dichtheid en een aanzienlijk hogere energiebehoefte, terwijl ze tegelijkertijd te maken heeft met strenge EU-regels op het gebied van energie-efficiëntie en duurzaamheid. AI-workloads kunnen niet zomaar worden toegevoegd aan bestaande datacenterarchitecturen; ze vereisen een nieuw soort infrastructuur die vanaf de basis is ontworpen om prestaties, efficiëntie en schaalbaarheid te leveren, terwijl tegelijkertijd wordt voldaan aan de Europese eisen inzake het gebruik van hernieuwbare energie, hergebruik van restwarmte en transparante energierapportage.
Geïntegreerde oplossingen op rackscale
Traditioneel worden datacenters gebouwd als verzamelingen van afzonderlijke servers die onafhankelijk van elkaar worden geoptimaliseerd en tot clusters worden samengevoegd. Om te voldoen aan de eisen voor het opschalen van AI-ready infrastructuur onderzoekt de sector in toenemende mate sterk geïntegreerde rackscale architecturen waarin rekenkracht, geheugen, netwerken en software gezamenlijk worden ontworpen als één geïntegreerd systeem. Deze platforms brengen algemene processors, AI-versnellers, highspeednetwerken en een steeds opener wordende softwarestack samen in een samenhangende architectuur die specifiek is ontworpen voor AI-workloads.
Door dit integratieniveau worden AI-prestaties niet langer alleen beperkt door rekenkracht. Steeds vaker ligt de bottleneck in de efficiëntie waarmee gegevens door het systeem kunnen worden verplaatst. Naarmate modellen in omvang en complexiteit toenemen, worden geheugenbandbreedte, interconnectie-efficiëntie en orkestratie op systeemniveau cruciale factoren. Kortom, het verplaatsen van gegevens kan meer stroom verbruiken dan de berekening zelf. Daarom zijn rackscale-oplossingen ontworpen om de prestaties per watt en de prestaties per verplaatste byte te optimaliseren, in plaats van alleen de ruwe prestaties. Deze maatstaven zijn essentieel voor schaalbare AI.
Tegelijkertijd neemt de rekenkrachtdichtheid drastisch toe. Bij bepaalde AI-workloads kan één enkel rack AI-prestatieniveaus leveren waarvoor voorheen meerdere serverclusters nodig waren. Deze verschuiving transformeert het datacenter zelf, waarbij het rack de fundamentele bouwsteen van de AI-infrastructuur wordt. Door processors, versnellers, netwerken en software op rackniveau te integreren stelt rackscale-architectuur organisaties in staat om AI-infrastructuur efficiënter in te zetten, voorspelbaarder op te schalen en de prestaties in het gehele systeem te optimaliseren. Deze aanpak pakt ook een van de meest urgente uitdagingen voor AI van dit moment aan: energie.
AI-architectuur optimaliseren
De beschikbaarheid van energie wordt in rap tempo een potentiële beperking bij de implementatie van AI-datacenters. Naarmate faciliteiten opschalen naar gigawatt-niveaus, moeten digitale initiatieven en fysieke infrastructuur gelijke tred houden met nationale en regionale energiesystemen. Tegelijkertijd neemt de rekenkrachtdichtheid drastisch toe, wat nieuwe benaderingen vereist op het gebied van koeling, stroomvoorziening en systeemarchitectuur.
Hier wordt architectonisch evenwicht essentieel. AI-prestaties worden niet langer bepaald door één enkele component, zoals een versneller. In plaats daarvan zijn ze afhankelijk van de naadloze integratie van processors, versnellers, netwerken, geheugen en software. Om aan de stroom- en prestatie-eisen van AI te voldoen, moet de juiste rekenengine aan de juiste taak worden toegewezen, of dat nu een CPU, GPU, gespecialiseerde versneller of een combinatie daarvan is, die samenwerken in een evenwichtig systeem. GPU’s en andere sterk parallelle versnellers spelen een cruciale rol bij werkbelastingen zoals het trainen van grote taalmodellen en AI-inferentie met hoge doorvoercapaciteit op grote schaal. CPU’s blijven essentieel voor het coördineren van gegevensverplaatsingen, het beheren van workflows en het afhandelen van algemene en latentiegevoelige taken.
Even belangrijk is energie-efficiëntie op componentniveau. Prestaties per watt en prestaties per verplaatste byte worden bepalende maatstaven voor energie-geoptimaliseerde AI-oplossingen. Hardwarefabrikanten zoals AMD spelen hierop in met efficiëntere processors, versnellers, geheugensystemen en interconnects, terwijl systeemontwerpers het volledige platform optimaliseren in plaats van zich op één enkele component te richten. Dit stelt organisaties in staat om AI op te schalen en tegelijkertijd de impact op het energieverbruik, de koelingsbehoeften en de totale exploitatiekosten te beperken.
Op weg naar een open AI-toekomst
Wat AI-versnelling betreft ligt de toekomst open. Ontwikkelaars hebben software-ecosystemen nodig zoals AMD ROCm, die toegankelijke tools, bibliotheken, frameworks en mogelijkheden voor prestatie-optimalisatie bieden, terwijl ze tegelijkertijd de mogelijkheid hebben om hardware te kiezen op basis van werklast, beschikbaarheid, kosten en strategische vereisten. Open standaarden en draagbare software kunnen helpen om vendor lock-in te verminderen en infrastructuurinvesteringen aanpasbaar te houden naarmate technologieën evolueren.
Om zijn ware potentieel te realiseren moet AI alomtegenwoordig worden, van het datacenter en de cloud tot de netwerkrand en eindapparaten. We zien nog steeds snelle vooruitgang op het gebied van generatieve AI en agentische AI, maar er is ook fysieke AI, die realtime intelligentie naar systemen in de echte wereld brengt. AI gaat verder dan digitale omgevingen en wordt rechtstreeks ingebed in machines en apparaten van eindgebruikers, van AI-pc’s tot industriële systemen en robots. Om deze toekomst mogelijk te maken moet AI-infrastructuur niet alleen ontworpen zijn voor schaalbaarheid, maar ook voor distributie, waardoor open software-ecosystemen, interoperabele interfaces en efficiënte implementatiemodellen steeds belangrijker worden.
De vraag draait steeds meer om hoe AI industrieën en economieën zal transformeren en hoe we de infrastructuur bouwen om AI op grote schaal te ondersteunen, terwijl we een evenwicht vinden tussen prestaties, flexibiliteit en eisen op het gebied van rekenkracht en energie-efficiëntie. Voor Europa betekent dit een belangrijke kans: het ontwikkelen van AI-infrastructuur die krachtig en duurzaam is en tegelijkertijd open, veerkrachtig en aanpasbaar blijft aan een veranderend technologielandschap.
Dit is een aangeleverde bijdrage van Rob de Bruin, Head of Channel Benelux AMD. Voor meer informatie over AMD kan je hier terecht.