Kobber eller aluminium, som er bedre til flydende køleopløsning

Med den hurtige udvikling af kunstig intelligens-teknologi, især inden for områder som deep learning og store sprogmodeller, er efterspørgslen efter computerkraft steget markant. Nutidens AI-modeller, såsom GPT-4o, har titusinder eller endda milliarder af parametre og kræver enorme computerressourcer til træning. Træning af disse modeller kræver et stort antal GPU- eller TPU-klynger, som genererer en betydelig mængde varme, når de kører med fuld belastning. Derudover kræver mange AI-systemer kontinuerlig drift for at give realtidsrespons i applikationer. Disse systemer er normalt installeret i datacentret eller edge computing-enheder, som også står over for et højt strømforbrug og kølingsudfordringer.

Med fremskridtene inden for chipteknologi og den hurtige vækst i servercomputerkraft er bygning af store datacentre med høj tæthed og højt energiforbrug blevet et nødvendigt valg for at balancere computerkraft og miljøbestemmelser. Kølesystemet er en af ​​de vigtige infrastrukturer i datacentre. I datacenterdrift med høj tæthed står traditionel luftkøling over for problemer med utilstrækkelig varmeafledning og alvorligt energiforbrug. Væskekølingsteknologi er blevet den optimale løsning til at reducere PUE i datacentre, med flere økonomiske fordele ved 15kW/kabinet og derover.

Flydende kølepladeteknologi er en termisk løsning, der indirekte overfører varmen fra komponenter til en kølevæske indesluttet i en cirkulerende rørledning gennem en kold plade (et lukket hulrum bestående af metaller med høj varmeledningsevne såsom kobber og aluminium), og derefter bruger kølingen væske for at fjerne varmen.

Flydende kold plade er den tidligst anvendte væskekølingsmetode med høj modenhed og relativt lav pris. Ifølge forskningsdata tegner koldplade-væskekøling sig for 90% af markedsandelen i Kina. Koldpladevæskekøling opnås ved at fastgøre koldpladen tæt til varmeelementet, hvorved varmen overføres fra varmeelementet til kølevæsken i koldpladen. Det er enkelt, groft, men effektivt. Penetrationshastigheden for væskekølingsteknologi i datacentre forventes at være omkring 5 % til 8 % i 2022, hvor luftkøling stadig har over 90 % af markedsandelen.

Den termiske ledningsevne af kobber er omkring 400 W/mK, og den termiske ledningsevne af aluminium er omkring 235 W/mK. Den termiske ledningsevne af kobber er meget højere end for aluminium. Derfor kan kobberkolde plader teoretisk overføre den varme, der genereres af servere, hurtigere til kølevæsken og derved opnå en mere effektiv varmeafledning. Selvom den termiske ledningsevne af aluminium ikke er så god som kobber, er dens varmeledningsevne relativt høj, hvilket er tilstrækkeligt til at imødekomme varmeafledningsbehovet for de fleste væskekølede servere.

Densiteten af ​​kobber er relativt høj, omkring 8,96 g/cm³, hvilket gør kobberkolden relativt tung. Dette kan udgøre visse udfordringer for det strukturelle design og installation af serveren. Aluminium har en lavere densitet på omkring 2,70 g/cm ³, hvilket er meget lettere end kobber, så kolde aluminiumsplader har en væsentlig fordel i vægt. Den lave densitet af aluminium gør koldplader af aluminium lettere. Dette er ikke kun gavnligt for at reducere serverens samlede vægt, men kan også forbedre serverens strukturelle styrke til en vis grad. Derudover er aluminiumsmaterialet lettere, hvilket er gavnligt for at reducere den samlede vægt af servere og sænke transport- og installationsomkostninger.

Kobber og aluminium kolde plader har deres egne fordele og ulemper ved brugen af ​​væskekølede servere. I situationer, hvor de termiske krav er høje, og omkostningerne ikke er hovedovervejelsen, kan kobberkolde plader være mere egnede; I jagten på omkostningseffektivitet og letvægt kan koldplader i aluminium have flere fordele. Den specifikke udvælgelse skal overvejes grundigt baseret på kravene og begrænsningerne i det specifikke anvendelsesscenarie. Hvis vi kan have en detaljeret forståelse af de specifikke situationer såsom varmebelastning, budget, vægtbegrænsninger osv. i ansøgningsscenariet, kan det hjælpe os med at træffe mere præcise valg.