OCP‑richtlijnen voor AI‑clusters beloven efficiëntie voor zowel hyperscalers als kleinere datacenters

Het Open Compute Project (OCP) heeft een whitepaper gepubliceerd waarin een gestandaardiseerde aanpak voor AI‑clusters wordt gepresenteerd. Hoewel de ontwerpen oorspronkelijk zijn afgestemd op de behoeften van hyperscalers, tonen ze ook  mogelijkheden voor kleinere, Europese AI‑datacenters die hun infrastructuur willen moderniseren zonder de enorme kapitaalinvesteringen van de grootste spelers.

De publicatie, getiteld “Open Cluster Designs for AI”, beschrijft een modulair model dat bestaat uit twee kernonderdelen: de Open Pod Group (OPG‑M) en het xPU Open Cluster (XOC‑N). Een OPG‑M vormt de bouwsteen – een pod of xPU‑node met alle benodigde netwerken, opslag en beheercomponenten. Afhankelijk van de koelingsstrategie kan een pod luchtgekoeld (maximaal acht xPUs) of vloeistofgekoeld (64 + xPUs) zijn. Meerdere OPG‑M’s worden vervolgens samengevoegd tot een XOC‑N, een volledig cluster dat wordt ondersteund door spine‑ en aggregatieswitches, management‑ en opslaglagen. 

Voor hyperscalers biedt deze aanpak een manier om de enorme complexiteit van AI‑infrastructuren te reduceren. Door gestandaardiseerde en herbruikbare modules kunnen ze hun datacenters sneller opschalen, de operationele kosten onder controle houden en de afhankelijkheid van individuele leveranciers beperken. Maar OCP heeft expliciet aangegeven dat dezelfde voordelen ook relevant zijn voor kleinere spelers. De modulariteit en open‑source componenten maken het mogelijk om een AI‑cluster van enkele tientallen xPUs op te zetten, terwijl men toch profiteert van de efficiëntie‑ en schaalbaarheidsprincipes die normaal alleen bij hyperscalers voorkomen. 

Een belangrijk aspect van de nieuwe richtlijn is de nadruk op open standaarden. Netwerkoperating‑systemen zoals SONiC, beheerinterfaces via Redfish en hardware‑monitoring met OpenBMC vormen de software‑basis. Deze open source-oplossingen stellen datacenter managers in staat om verschillende leveranciers te combineren, zonder te vervallen in lock-in‑scenario’s. Bovendien maakt de beschikbaarheid van gedetailleerde Redfish‑profielen en UBB‑profielen (voor het beheer van accelerators) automatisering en integratie met bestaande orkestratietools eenvoudiger. 

De whitepaper bevat tevens concrete cijfers over vermogens‑ en koelbehoeften, waardoor Europese bedrijven beter hun budgetten kunnen plannen. Door nauwkeurig te berekenen hoeveel stroom, koeling en vloeroppervlak een bepaalde configuratie vereist, kunnen ze hun ecologische voetafdruk en hun TCO optimaliseren. 

Voor de praktijk betekent dit dat een middelgroot AI‑datacenter – bijvoorbeeld een onderzoeksinstelling of een gespecialiseerde cloudprovider – nu een gestandaardiseerde “lego‑set” heeft om een schaalbaar cluster op te bouwen. Ze kunnen beginnen met een paar luchtgekoelde pods, de infrastructuur uitbreiden met vloeistofgekoelde units zodra de vraag toeneemt, en daarbij profiteren van een consistente netwerk‑ en beheerarchitectuur.