فناوری و روندهای بازار خنک کننده هوش مصنوعی

با توجه به افزایش سریع تقاضا برای قدرت محاسباتی هوش مصنوعی، عملکرد و مصرف انرژی تراشه های هوش مصنوعی به طور همزمان به طور قابل توجهی بهبود یافته است. حد بالای مصرف انرژی برای خنک‌سازی سطح چیپ هوا خنک حدود 800 وات است و با رسیدن تراشه هوا خنک به حد مجاز، مقرون به صرفه بودن کاهش می‌یابد. راه حل های خنک کننده قوی تر و موثرتر برای حفظ عملکرد عادی تجهیزات مورد نیاز است.

AI thermal cooling SINK

اگر فقط برای بهبود فناوری مهندسی اتلاف گرما تلاش کنیم و برخی تنظیمات یا بهینه‌سازی‌های جزئی را در طرح اولیه انجام دهیم، سرعت پیشرفت و ارتقا کندتر خواهد بود و شکاف بین ظرفیت اتلاف حرارت ارائه شده و تقاضا برای کارایی بالا و قدرت محاسباتی بالا به طور فزاینده‌ای بزرگ می‌شود. تنها از طریق برخی فناوری‌های خنک‌کننده خلاقانه و مخرب، می‌توانیم اساساً به مقیاس یا چندین برابر بهبود ظرفیت دست یابیم و مشکل افزایش شکاف بین عرضه و تقاضای خنک‌کننده عملکرد چیپ را که در فناوری‌های سنتی با آن مواجه است، حل کنیم.

AI computing thermal sink

از نظر فناوری خنک کننده، ماژول اتلاف حرارت فعلی عمدتاً از فناوری حرارتی هیبریدی فعال و غیرفعال تشکیل شده است. در حال حاضر، ماژول های حرارتی به خنک کننده هوا و خنک کننده مایع تقسیم می شوند:
خنک کننده هوا فرآیند استفاده از هوا به عنوان وسیله ای برای دفع گرما از طریق مواد میانی مانند مواد رابط حرارتی، سینک های حرارتی (VC) یا لوله های حرارتی، از طریق همرفت بین هیت سینک یا فن و هوا است.
اتلاف گرمای خنک کننده مایع از طریق اتلاف گرمای غوطه ور، عمدتاً از طریق همرفت با گرمای مایع برای خنک کردن تراشه حاصل می شود. با این حال، با افزایش و کاهش تولید گرما و حجم تراشه، مصرف برق طراحی حرارتی (TDP) تراشه افزایش می‌یابد و اتلاف گرمای خنک‌کننده هوا به تدریج برای استفاده ناکافی می‌شود.

AI cooling heatsink

و در حال حاضر 2 محلول حرارتی اصلی خنک کننده مایع در بازار آنها وجود دارد، اولین راه حل اصلی خنک کننده مایع از طریق گردش آب است که از طریق پمپ ها و خطوط لوله وارد بدن می شود تا انرژی گرمایی را از بین ببرد. نوع دیگر فناوری غوطه وری است که یک منبع گرما (مانند یک تراشه) را در یک مایع نارسانا قرار می دهد تا انرژی گرمایی را از بین ببرد. بنابراین، به منظور بهبود چگالی توان یک کابینت، از محلول های خنک کننده مایع به طور گسترده استفاده می شود. در مراکز داده در سال های اخیر تقریباً می توان آن را به دو مسیر فنی تقسیم کرد: صفحه سرد و غوطه وری.
اولی به طور غیرمستقیم گرمای دستگاه گرمایش را از طریق یک صفحه سرد به مایع خنک کننده محصور در خط لوله در حال گردش منتقل می کند. دومی مستقیماً دستگاه گرمایش و برد مدار را به عنوان یک کل در مایع قرار می دهد. در مقایسه با محیط هوا، مایع دارای رسانایی حرارتی بالاتر، ظرفیت گرمای ویژه بزرگتر و توانایی جذب گرما قوی تر است. علاوه بر این، خنک کننده مایع نیز مزایای قابل توجهی در عملکرد دارد. هزینه ها

AI liquid cooling

با توجه به افزایش سریع تقاضا برای قدرت محاسباتی هوش مصنوعی، بهبود توان CPU/GPU های مرتبط روندی شتابان را نشان می دهد. اتلاف گرما، صنعتی که قبلاً توجه زیادی به آن نمی شد، به دلیل رشد انفجاری در داده ها و محاسبات که توسط هوش مصنوعی ایجاد شده است، اهمیت فزاینده ای پیدا می کند. ضریب نفوذ خنک کننده مایع تا سال 2025 از کمتر از 10 درصد در حال حاضر به 20 درصد خواهد رسید.

 

شما نیز ممکن است دوست داشته باشید

ارسال درخواست