افزایش تقاضا برای هوش مصنوعی راه حل خنک کننده مایع را محبوب تر خواهد کرد

در حال حاضر، ماژول حرارتی عمدتاً از فناوری اتلاف حرارت هیبریدی فعال و غیرفعال شامل لوله های حرارتی تشکیل شده است. ماژول خنک کننده لوله حرارتی با اجزایی مانند پخش کننده هوا، سینک حرارتی و لوله های حرارتی طراحی و ترکیب شده است که می تواند محیط عملیاتی اتلاف حرارتی یکنواخت را برای قطعات الکترونیکی داخلی فراهم کند و عملکرد تجهیزات الکترونیکی را پایدارتر کند. با روند محصولات الکترونیکی ترمینال چند منظوره و سبک وزن، کارخانه ماژول حرارتی به طراحی راه حل های حرارتی عمدتاً بر اساس محفظه بخار و لوله حرارتی روی آورده است.

ماژول هیت سینک به دو نوع "هیت سینک خنک کننده با هوا" و "هیت سینک خنک کننده مایع" تقسیم می شود. در میان آنها، محلول خنک‌شده با هوا، استفاده از هوا به‌عنوان واسطه، از طریق مواد واسطه‌ای مانند مواد رابط حرارتی، اتاق بخار (VC) یا لوله‌های حرارتی است و با همرفت بین هیت سینک یا فن و هوا پخش می‌شود. خنک شدن مایع عمدتاً از طریق همرفت با مایع حاصل می شود و در نتیجه تراشه خنک می شود، اما با افزایش تولید گرما و حجم تراشه، مصرف انرژی طراحی حرارتی (TDP) تراشه افزایش می یابد و استفاده از هوا خنک می شود. اتلاف گرما به تدریج ناکافی می شود.

با توسعه اینترنت اشیاء، محاسبات لبه و برنامه های کاربردی 5G، هوش مصنوعی داده قدرت محاسباتی جهانی را به دوره ای از رشد سریع سوق داده است. به گفته شرکت تحقیقاتی TrendForce، حجم حمل و نقل سرورهای هوش مصنوعی مجهز به GPGPU (GPUs عمومی) در سال 2022 حدود 1٪ بود. با این حال، در سال 2023، با هدایت برنامه های ChatGPT، انتظار می رود که حجم ارسال سرورهای AI رشد کند. با 38.4 درصد، و نرخ رشد مرکب سالانه کلی محموله های سرورهای هوش مصنوعی از سال 2022 تا 2026 به 29 درصد خواهد رسید.
دو جهت اصلی برای طراحی نسل بعدی ماژول های هیت سینک وجود دارد. یکی ارتقاء ماژول های اتلاف حرارت موجود با محفظه بخار سه بعدی (3DVC) و دیگری معرفی یک سیستم خنک کننده مایع با استفاده از مایع به عنوان محیط همرفتی برای بهبود بازده حرارتی. بنابراین، تعداد موارد تست خنک کننده مایع در سال 2023 به میزان قابل توجهی افزایش خواهد یافت، اما 3DVC تنها یک راه حل انتقالی است. تخمین زده می شود که از سال 2024 تا 2025 وارد عصر خنک سازی موازی گازی و خنک کننده مایع شویم.

با ظهور ChatGPT، هوش مصنوعی مولد محموله‌های سرور را افزایش داده است، همراه با الزامات ارتقای مشخصات ماژول‌های هیت سینک، آنها را به سمت راه‌حل‌های خنک‌کننده مایع هدایت می‌کند تا نیازهای سخت‌گیرانه سرورها برای اتلاف گرما و پایداری را برآورده کنند. در حال حاضر، صنعت بیشتر از فناوری خنک کننده غوطه وری تک فاز در خنک کننده مایع برای حل مشکل اتلاف گرما سرورها یا قطعات گرمایش با چگالی بالا استفاده می کند، اما هنوز حد بالایی 600 وات وجود دارد، زیرا ChatGPT یا سرورهای مرتبه بالاتر به ظرفیت اتلاف حرارت بیش از 700W برای مقابله.

با توجه به اینکه سیستم خنک کننده تقریباً 33 درصد از کل انرژی مصرفی در مرکز داده را به خود اختصاص می دهد، کاهش کل برق مصرفی و کاهش راندمان مصرف برق شامل بهبود سیستم خنک کننده، تجهیزات اطلاعاتی و استفاده از انرژی های تجدیدپذیر است. ظرفیت گرمایی آب چهار برابر هوا است. بنابراین، هنگام معرفی یک سیستم خنک کننده مایع، تنها 1U فضا برای صفحه خنک کننده مایع مورد نیاز است. طبق آزمایش NVIDIA، برای دستیابی به قدرت محاسباتی یکسان، می توان تعداد کابینت های مورد نیاز برای خنک کننده مایع را تا 66 درصد کاهش داد مصرف انرژی را می توان تا 28 درصد کاهش داد، PUE را از 1.6 به 1.15 کاهش داد و راندمان محاسباتی را می توان بهبود بخشید. .

محاسبات سریع منجر به بهبود مستمر در TDP می شود و سرورهای هوش مصنوعی نیازمندی های بالاتری برای اتلاف گرما دارند. خنک کننده سنتی لوله های حرارتی به مرز خود نزدیک می شود و معرفی محلول های حرارتی خنک شونده با مایع اجتناب ناپذیر است.