AI chip termisk styring
I øjeblikket udvider andre teknologigiganter som Microsoft, Google og Meta også deres datacentre til at træne og køre deres kunstige intelligens-modeller. Ifølge rapporter planlægger Microsoft og OpenAI at bygge et datacenterprojekt, der vil omfatte en supercomputer med millioner af dedikerede serverchips, og det nuværende projekt kan koste 115 milliarder dollars, inklusive en kunstig intelligens supercomputer kaldet Stargate, der forventes at blive lanceret i 2028. Meta CEO Mark Zuckerberg udtalte også i januar i år, at virksomhedens computerinfrastruktur vil omfatte 30.000 H100-grafikkort ved udgangen af 2024. Han tilføjede også, 'Hvis andre GPU'er er inkluderet, er der cirka 600.000 H100-ækvivalente beregninger.'.
AIGC er baseret på store modeller og big data. En stor model refererer til en model, der kan tilpasse sig downstream-opgaver efter træning i storskala og bred data. Efter fremkomsten af en stor model, (1) øges modelparametrene i størrelse; (2) Diversificeret efterspørgsel accelererer diversificeret opgradering af computerkraft: Computerkraft kan opdeles i grundlæggende computerkraft, intelligent computerkraft og supercomputerkraft i henhold til efterspørgselsmatching. I 2021 nåede den samlede computerkraft for globale computerenheder 615 EFlops med en vækstrate på 44 %. I 2030 forventes det at stige til 56ZFlops med en CAGR på 65%. Den intelligente computerkraft vil stige fra 232EFlops til 52,5ZFlops, med en CAGR på over 80%; Efter fremkomsten af den store model bragte den en ny trend med vækst i computerkraft, med en gennemsnitlig fordoblingstid på 9,9 måneder for computerkraft.
Bag forbedringen af computerkraften skal chips have højere computereffektivitet og gennemføre flere beregninger på kortere tid, hvilket uundgåeligt fører til en stigning i chipenergiforbruget. Den høje tæthed og høje strømforbrugsegenskaber ved datacentre i supercomputercentre gør problemer med varmeafledning stadig mere fremtrædende. Moderne datacentre, især supercomputing-centre, indeholder typisk et stort antal højeffekt-enheder, der genererer en betydelig mængde varme under drift. Hvis varmen ikke kan spredes rettidigt og effektivt, vil det ikke kun påvirke enhedens ydeevne, men kan også føre til hardwarefejl. Ifølge IDC's rapport bruges omkring 40 % af energiforbruget i datacentre til kølesystemer, hvilket indikerer, at effektive køleløsninger er afgørende for driften af datacentre.
Traditionelle luftkølesystemer er ikke længere i stand til at opfylde de nuværende supercomputeres kølebehov, så flydende køleteknologi er efterhånden blevet det almindelige valg i branchen. Anvendelsen af væskekølingsteknologi gør det muligt for datacentre at rumme flere computerenheder i samme rum, samtidig med at energiforbruget i kølesystemet reduceres. Anvendelsen af væskekølingsteknologi forbedrer ikke kun beregningseffektiviteten, men reducerer også energiforbruget og driftsomkostningerne betydeligt. Væskekøleteknologi kan håndtere flere computeropgaver med samme energiforbrug gennem mere effektiv varmeledning.
Med den stigende efterspørgsel efter AI-træning og højtydende computing, vil væskekølingsteknologi spille en vigtigere rolle i fremtidige supercomputercentre. Det forventes, at væskekølingsteknologi vil blive en standardkonfiguration i supercomputercentre og store datacentre i de kommende år for at imødekomme de voksende computerbehov og varmeafledningsudfordringer.
