راه حل آنها محاسبات هوش مصنوعی

برنامه های کاربردی هوش مصنوعی تکامل مراکز داده را به سمت تراکم بالا تسریع می کنند. در مواجهه با رشد انفجاری داده ها و محاسبات ناشی از هوش مصنوعی، و با کمبود روزافزون منابع مرکز داده، به ویژه در شهرهای سطح اول، تنها با بهبود توان محاسباتی، ذخیره سازی و قابلیت های انتقال در واحد سطح اتاق کامپیوتر می توان ارزش مرکز داده حداکثر شود. معرفی تراشه‌های هوش مصنوعی محاسباتی بالا روند تکامل سرور با چگالی توان بالا را تسریع خواهد کرد.

همانطور که ChatGPT دور جدیدی از اشتیاق را برای برنامه های کاربردی هوش مصنوعی برانگیخته است، مراکز داده داخلی و خارجی و تولیدکنندگان تجارت ابری شروع به ترویج ساخت زیرساخت هوش مصنوعی کرده اند و نسبت ارسال سرورهای هوش مصنوعی در همه سرورها به تدریج در حال افزایش است. طبق داده‌های TrendForce، حجم ارسال سالانه سرورهای هوش مصنوعی مجهز به GPGPU در سال 2022 تقریباً 1٪ از کل سرورها را تشکیل می‌داد. در سال 2023، با پشتیبانی از برنامه‌های هوش مصنوعی مانند ChatGPT، انتظار می‌رود حجم ارسال سرورهای هوش مصنوعی افزایش یابد. 8 درصد نسبت به سال قبل انتظار می رود از سال 2022 تا 2026، حجم حمل و نقل CAGR به 10.8٪ برسد. پردازنده‌های گرافیکی عمدتاً برای سرورهای هوش مصنوعی، عمدتاً Nvidia H100، A100، A800 (عمدتاً به چین ارسال می‌شوند) و همچنین سری‌های AMD MI250 و MI250X استفاده می‌شوند، نسبت NVIDIA و AMD تقریباً 8:2 است.

تاثیر سرعت فن بیش از 4000r/min بر مقاومت حرارتی محدود است. طبق گزارش CNKI، در سیستم خنک‌کننده هوا، سرعت فن از 1000r/min به 4000r/min افزایش می‌یابد و همرفت بر اتلاف حرارت چیپ غالب است. با افزایش سرعت جریان، ضریب انتقال حرارت همرفتی به طور قابل توجهی افزایش می یابد. خنک کننده هوا می تواند به طور موثری مسائل مربوط به اتلاف حرارت تراشه را بهبود بخشد. هنگامی که سرعت فن از 4000r/min تجاوز می کند، کاهش مقاومت انتقال حرارت نسبتاً ملایم است و افزایش سرعت تنها می تواند انتقال حرارت با هوا را بهبود بخشد و در نتیجه اثر اتلاف گرما را کاهش دهد. خنک کننده مایع سطح تراشه روند توسعه آینده است. در فضای سرور 2U، 250W تقریباً حد خنک کننده هوا و اتلاف گرما است. خنک کننده هوای بالاتر از 4U می تواند به 400-600 W; TDP تراشه‌های هوش مصنوعی معمولاً از 400 وات فراتر می‌رود که عمدتاً از 4-8U استفاده می‌کنند. اتلاف گرمای هوا خنک سنتی به حد خود رسیده است. کنترل دمای تراشه به ویژه برای عملکرد پایدار و مداوم، با حداکثر دمایی که بیش از 85 درجه نیست، مهم است. دمای بیش از حد می تواند باعث آسیب تراشه شود. در عرض 70-80 درجه، هر 10 درجه افزایش دمای یک قطعه الکترونیکی، قابلیت اطمینان سیستم را تا 50% کاهش می‌دهد. بنابراین، در شرایط افزایش قدرت، سیستم خنک کننده به خنک کننده مایع سطح تراشه ارتقا می یابد.

در مقایسه با خنک کننده هوا، خنک کننده مایع نه تنها می تواند نیازهای اتلاف حرارت کابینت های با چگالی بالا را برآورده کند، بلکه به PUE کمتر و توان خروجی بالاتر (GUE) نیز می رسد. در مقایسه با خنک‌کننده هوای سنتی، PUE خنک‌کننده مایع صفحه سرد معمولاً 1.1 برابر با GUE بیش از 75٪ است، در حالی که PUE خنک‌کننده مایع غوطه‌وری می‌تواند به 1.{5}}x با یک GUE کمتر باشد. بیش از 80 درصد همزمان با استفاده از فناوری خنک کننده مایع می توان برخی یا حتی تمام فن های تجهیزات فناوری اطلاعات را حذف کرد (معمولاً مصرف انرژی فن نیز در مصرف انرژی تجهیزات سرور محاسبه می شود). برای خنک‌سازی مایع غوطه‌ور، حذف فن سرور می‌تواند مصرف انرژی سرور را تا حدود 4% کاهش دهد -15%.

بلوغ فعلی فن آوری خنک کننده مایع صفحه سرد نسبتاً بالا است و در مسیر فناوری خنک کننده مایع جریان اصلی است. با فرض اینکه نسبت فعلی 80 درصد باشد. در آینده، با بلوغ فن آوری خنک کننده مایع غوطه وری، انتظار می رود نسبت کلی به تدریج افزایش یابد. بر اساس محاسبات جامع، آموزش و استنتاج مدل های بزرگ هوش مصنوعی فضای بازار خنک کننده مایع را با 4 میلیارد یوان به ارمغان می آورد. با افزایش پارامترهای مدل و ارتقای استفاده، بازار خنک کننده مایع نرخ رشد سالانه مرکب 60% را طی چهار سال آینده تجربه خواهد کرد.

ما بر این باوریم که انتظار می‌رود مدل بزرگ هوش مصنوعی منجر به ارتقای تقاضای توان محاسباتی شود، ساخت مراکز محاسباتی هوشمند و ابررایانه‌ای با چگالی توان بالا را هدایت کند، به معرفی امکانات پشتیبانی مانند سیستم‌های خنک‌کننده مایع به بازار و در آینده سرعت بخشد. ، با ساخت مراکز داده جدید و تغییر مراکز داده موجود، انتظار می رود ضریب نفوذ کلی به سرعت افزایش یابد. در حال حاضر، صنعت خنک کننده مایع هنوز در مراحل اولیه توسعه خود است و نسبت به تولیدکنندگانی با طرح پیشرو در فناوری و ظرفیت تولید خوش بین است.