Upravljanje temperaturom u podatkovnim centrima prestalo je biti jednostavan tehnički detalj i postalo je centralna osa koja definiše održivost umjetne inteligencije. S eksplozijom generativne umjetne inteligencije, vidimo ormare čija gustoća snage prelazi 50 kW, što tradicionalne klima uređaje čini neadekvatnim i potpuno neizvodljivim. Ovo nije spora promjena, već nagli prelazak na tečno hlađenje direktno procesoru, što više nije laboratorijski eksperiment, već osnova svake instalacije koja želi ostati konkurentna.
U ovom novom scenariju, koncept hlađenje toplom vodomUpotreba sistema za hlađenje gdje rashladna tečnost ulazi na temperaturama većim od 40 ili čak 45°C, potpuno mijenja dizajn podatkovnih centara. Ovo nije samo pitanje promjene rashladne tečnosti; to je fundamentalna promjena. preispitivanje električne arhitekture i distributivnih sistema. Danas se uspjeh ne mjeri isključivo PUE, već procjenom koliko se stvarne računarske snage može iscijediti iz svakog kilovata priključenog na električnu mrežu, što termalnu efikasnost čini pitanjem... Čista i jednostavna profitabilnost za poslovanje.
Tehnički skok: Zašto koristiti toplu vodu?
Na prvi pogled, hlađenje čipsa vodom od 45°C zvuči ludo, gotovo kao korištenje vode iz vruće kade, ali upravo tu leži magija efikasnosti. Logika je jednostavna: što je viša temperatura tekućine koja cirkulira, Lakše je izbaciti toplotu prema van bez potrebe za korištenjem kompresora ili hladnjaka koji troše ogromne količine energije. To omogućava podatkovnim centrima da koriste suhi rashladni uređaji zatvorenog kruga, praktično eliminirajući ovisnost o isparavanju i smanjujući potrošnju vode gotovo na nulu u povoljnim klimatskim uvjetima.
Da bi ovo funkcionisalo, neophodno je sljedeće: napredne hladne ploče s unutrašnjim mikrostrukturamaOve visokoprecizne komponente omogućavaju da se 80% do 90% toplote direktno uhvati u GPU ili CPU. Ako je matična ploča osrednja, sistem ne radi; ako je visokog kvaliteta, toplota se može upravljati na nivou čipa tako efikasno da se energetski budžet koji se ranije trošio na hlađenje vazduhom sada može preusmjeriti. preusmjeravanje za napajanje više GPU-ovaTo se prevodi u povećanje računarske snage i usklađeno je sa revolucija termalnog hardvera trenutna
Kritične komponente: CDU i mrežna arhitektura
Srce ovog sistema su jedinice za distribuciju rashladnog sredstva ili Pametne CDU jediniceOve jedinice ne samo da pomjeraju tečnost, već djeluju i kao mozak koji koordinira hlađenje s električnom arhitekturom. Kada su oba sistema dizajnirana zajedno, Mnogo veća pouzdanost od čipa do mrežesprečavanje da CDU postane operativno usko grlo.
- Hladne ploče: Dizajniran za rukovanje termalnom snagom do 1.500 W, kompatibilan sa NVIDIA, AMD ili Intel silikonskim procesorima.
- Inteligentne CDU jedinice: Oni upravljaju protocima i kapacitetima u rasponu od 105 kW do 2,3 MW.
- Razvodnici regala: Kolektori od nehrđajućeg čelika koji osiguravaju nesmetan i bez curenja protok između ploča i CDU-a.
- Izmjenjivači toplote na zadnjim vratima (RDHx): Rješenja koja uklanjaju toplinu pomoću tekućinom hlađenog zraka s kapacitetom do 75 kW.
Implementacija ovih tehnologija omogućava tečno hlađenje. do 3.000 puta efikasniji od zraka za prikupljanje toplotne energije. Nadalje, smanjenjem buke i emisije ugljika stvaraju se mnogo održivija i sigurnija radna okruženja, smanjujući ovisnost o teškoj infrastrukturi poput CRAH-ova ili tradicionalnih kondenzatora.
Ekonomski uticaj i vizija "AI fabrika"
Prelazimo s toga da podatkovni centar posmatramo kao hladnu sobu punu servera na to da ga shvatamo kao optimizirano industrijsko postrojenjeOvaj koncept "AI fabrike" ima za cilj maksimiziranje proizvodnje tokena i obuku masivnih modela. Prema podacima iz industrije, integracija naprednog tečnog hlađenja može predstavljati ušteda energije između 20% i 40%, što direktno utiče na bilans uspjeha.
Strategija giganata poput NVIDIA-e, s njihovim referentnim platformama poput DSX-a i Rubin generacije, ukazuje na... 100% tečno hlađena infrastrukturaOvo uključuje potpuno uklanjanje unutrašnjih ventilatora, integraciju umrežavanja, računarstva i napajanja u jedinstveni ekosistem. Optimizacijom termalnog dizajna moguće je postići do [percent missing]. 33% više računarskog učinka po električnom priključku, što omogućava da se više energije spakuje na manje kvadratnih metara.
Iako se ovo čini kao čarobni štapić, prelazak sa dobro podešenog sistema za hlađenje zrakom na sistem za hlađenje tekućinom nosi operativne rizike i znatnu složenost integracije. Međutim, kada rackovi prelaze 50 kW, Hlađenje tečnošću više nije opcionoTo više nije luksuz za HPC ili naučno računarstvo, već neophodan uslov za održavanje radnog opterećenja modela velikih jezičkih jezika (LLM) bez kvarova opreme zbog pregrijavanja ili smanjenja njenog vijeka trajanja.