Infrastruktur til AI

AI-arbejde stiller krav til infrastrukturen, som almindelige servere ikke gør: grafikprocessorer, strøm og køling i en anden størrelse og data, der skal ligge tæt på regnekraften. Artiklerne her handler om den infrastruktur, AI kører på: hvor I kan få GPU-kapacitet, hvad det kræver at stille den i eget rack, og hvordan data og lager skal placeres. Valget af model og tjeneste er et andet emne og hører ikke hjemme her.

Kapacitet og placering

• GPU-kapacitet i Europa: hvad kan en virksomhed købe? Leje, reservation, eget rack og AI-fabrikker.
• AI-datacentre i Danmark og EU’s gigafabrikker Det, der er belagt, og det, der mangler.

Drift og data

• GPU i eget rack: køling, strøm, netværk og vagt Kravene til rummet og holdet.
• Data og lagring til AI: det, der skal ligge tæt på Objektlager, adgang og placering.

Sådan bruger I siden

Begynd med behovet: hvor meget regnekraft skal bruges, hvor ofte, og hvor ligger de data, den skal arbejde på? Et kortvarigt eller ujævnt behov taler for leje, mens et stabilt behov kan tale for reservation eller eget udstyr. Har I data, der ikke må forlade huset, skal regnekraften komme til dem, og det ændrer valget af placering. Eget rack kræver, at rummet kan levere strøm og køling i den størrelse, en GPU-server trækker, og at nogen kan passe udstyret. Markedet for GPU ændrer sig hurtigt, så læs udbydernes egne sider med dato, før I beslutter.

Fra prøve til fast drift

Mange AI-opgaver begynder som en prøve på lejet kapacitet. Bliver opgaven fast, ændrer regnestykket sig, fordi forbruget bliver jævnere og data skal ligge et sted varigt. Planlæg overgangen fra prøve til drift, så I ikke ender med en løsning, der blev valgt til et forsøg. Skriv ned, hvornår I tager valget af placering op igen, og hvilke tal fra prøven der skal ligge til grund.

Hvad det kræver, og hvad det koster at lade være

GPU-kapacitet kræver en klar beskrivelse af behovet og en vurdering af, om data kan flyttes til regnekraften. Posterne i ord er leje efter forbrug eller reservation, eller hardware, strøm, køling, plads og vagt ved eget udstyr. Hertil kommer lager tæt på regnekraften og udgående data, hvis data skal hentes hjem. Sæt jeres egne tal på, og sammenhold formerne over den periode, I regner med at bruge kapaciteten.

Køber I udstyr uden at have regnet på rummet, kan det stå ubrugt, fordi strøm eller køling ikke rækker. Lejer I uden at se på data, kan placeringen af data blive den post, der vejer tungest.

Det skal I lade være med

• At købe GPU før rummet er regnet igennem · strøm og køling sætter grænsen.
• At glemme, hvor data ligger · regnekraften skal være tæt på.
• At bruge en markedsbeskrivelse uden dato · udbuddet ændrer sig hurtigt.

Det skal valget kunne vise

• ☐ Behovet beskrevet i mængde, varighed og hyppighed.
• ☐ Hvor data ligger, og om de må flytte.
• ☐ Den valgte form: leje, reservation eller eget udstyr.
• ☐ Rummets kapacitet til strøm og køling, hvis I vælger eget.

Senest gennemgået: november 2026.

Næste skridt

Skriv ned, hvor de data ligger, jeres første AI-opgave skal bruge. Det afgør, hvor regnekraften skal stå.

• GPU-kapacitet i Europa: hvad kan en virksomhed købe?
• Data og lagring til AI

Læs også: Datacenter og colocation · Backup og lagring

→ Kontakt · Tlf. 70 13 63 23 · Jurisdiktions- og afhængighedsvurdering hos Nielco IT