Koppar eller aluminium, vilket är bättre för flytande kyllösning

Med den snabba utvecklingen av artificiell intelligensteknologi, särskilt inom områden som djupinlärning och storskaliga språkmodeller, har efterfrågan på datorkraft ökat avsevärt. Dagens AI-modeller, som GPT-4o, har tiotals eller till och med miljarder parametrar och kräver enorma datorresurser för utbildning. Att träna dessa modeller kräver ett stort antal GPU- eller TPU-kluster, som genererar en betydande mängd värme vid full belastning. Dessutom, för att ge realtidssvar i applikationer, kräver många AI-system kontinuerlig drift. Dessa system är vanligtvis utplacerade i datacentret eller edge computing-enheter, som också står inför utmaningar med hög strömförbrukning och kylning.

Med chipteknologins framsteg och den snabba tillväxten av serverns datorkraft har byggandet av stora datacenter med hög densitet och hög energiförbrukning blivit ett nödvändigt val för att balansera datorkraft och miljöbestämmelser. Kylsystemet är en av de viktiga infrastrukturerna i datacenter. I datacenterdrift med hög densitet möter traditionell luftkylning problem med otillräcklig värmeavledning och allvarlig energiförbrukning. Vätskekylningsteknik har blivit den optimala lösningen för att minska PUE i datacenter, med mer ekonomiska fördelar på 15kW/skåp och över.

Teknik för flytande kylplattor är en termisk lösning som indirekt överför värmen från komponenter till en kylvätska som är innesluten i en cirkulerande rörledning genom en kall platta (en sluten hålighet som består av metaller med hög värmeledningsförmåga som koppar och aluminium) och sedan använder kylningen. vätska för att ta bort värmen.

Liquid Cold plate är den tidigaste använda vätskekylningsmetoden, med hög mognad och relativt lågt pris. Enligt forskningsdata står vätskekylning med kall plattor för 90% av marknadsandelen i Kina. Kylplattans vätskekylning uppnås genom att den kalla plattan tätt fästs vid värmeelementet, och överför värmen från värmeelementet till kylvätskan i den kalla plattan. Det är enkelt, grovt, men effektivt. Penetrationshastigheten för vätskekylningsteknik i datacenter förväntas vara cirka 5 % till 8 % 2022, med luftkylning som fortfarande har över 90 % av marknadsandelen.

Värmeledningsförmågan för koppar är cirka 400 W/mK, och värmeledningsförmågan för aluminium är cirka 235 W/mK. Värmeledningsförmågan hos koppar är mycket högre än för aluminium. Därför kan kopparkylplattor teoretiskt sett överföra värmen som genereras av servrar snabbare till kylvätskan, och därigenom uppnå en effektivare värmeavledning. Även om aluminiumets värmeledningsförmåga inte är lika bra som koppar, är dess värmeledningsförmåga relativt hög, vilket är tillräckligt för att tillgodose värmeavledningsbehoven hos de flesta vätskekylda servrar.

Kopparens densitet är relativt hög, cirka 8,96 g/cm³, vilket gör kopparkylplattan relativt tung. Detta kan innebära vissa utmaningar för den strukturella designen och installationen av servern. Aluminium har en lägre densitet på cirka 2,70 g/cm³, vilket är mycket lättare än koppar, så kalla aluminiumplattor har en betydande fördel i vikt. Den låga densiteten hos aluminium gör kallplattor av aluminium lättare. Detta är inte bara fördelaktigt för att minska serverns totala vikt, utan kan också förbättra serverns strukturella styrka i viss utsträckning. Dessutom är aluminiummaterialet lättare, vilket är fördelaktigt för att minska servrarnas totala vikt och sänka transport- och installationskostnaderna.

Koppar och aluminium kalla plattor har sina egna fördelar och nackdelar vid användning av vätskekylda servrar. I situationer där de termiska kraven är höga och kostnaden inte är den viktigaste faktorn, kan kopparkylplattor vara mer lämpliga; I jakten på kostnadseffektivitet och lättvikt kan kallplattor av aluminium ha fler fördelar. Det specifika urvalet måste övervägas ingående baserat på kraven och begränsningarna för det specifika tillämpningsscenariot. Om vi ​​kan ha en detaljerad förståelse för de specifika situationerna som värmebelastning, budget, viktbegränsningar etc. i applikationsscenariot, kan det hjälpa oss att göra mer exakta val.