AI-chip termisk hantering
För närvarande utökar andra teknikjättar som Microsoft, Google och Meta också sina datacenter för att träna och köra sina modeller för artificiell intelligens. Enligt rapporter planerar Microsoft och OpenAI att bygga ett datacenterprojekt som kommer att inkludera en superdator med miljontals dedikerade serverchips, och det nuvarande projektet kan kosta 115 miljarder dollar, inklusive en superdator med artificiell intelligens kallad Stargate, som förväntas lanseras 2028. Metas VD Mark Zuckerberg uttalade också i januari i år att företagets datorinfrastruktur kommer att innehålla 30 000 H100-grafikkort i slutet av 2024. Han tillade också, "Om andra GPU:er ingår finns det ungefär 600 000 H100-ekvivalenta beräkningar."
AIGC bygger på stora modeller och big data. En stor modell avser en modell som kan anpassa sig till nedströmsuppgifter efter utbildning på storskalig och bred data. Efter uppkomsten av en stor modell, (1) ökas modellparametrarna i storlek; (2) Diversifierad efterfrågan påskyndar diversifierad uppgradering av datorkraft: Datorkraft kan delas in i grundläggande datorkraft, intelligent datorkraft och superdatorkraft enligt efterfrågematchning. År 2021 nådde den totala datorkraften för globala datorenheter 615 EFlops, med en tillväxt på 44 %. År 2030 förväntas den öka till 56ZFlops, med en CAGR på 65%. Den intelligenta beräkningskraften kommer att öka från 232EFlops till 52,5ZFlops, med en CAGR som överstiger 80 %; Efter uppkomsten av den stora modellen medförde den en ny trend för tillväxt av datorkraft, med en genomsnittlig fördubblingstid på 9,9 månader för datorkraft.
Bakom förbättringen av datorkraften måste chip ha högre beräkningseffektivitet och göra fler beräkningar på kortare tid, vilket oundvikligen leder till en ökning av chipenergiförbrukningen. Den höga densiteten och höga strömförbrukningsegenskaperna hos datacenter i superdatorcenter gör att problem med värmeavledning blir alltmer framträdande. Moderna datacenter, särskilt superdatorcenter, innehåller vanligtvis ett stort antal högeffektsenheter som genererar en betydande mängd värme under drift. Om värmen inte kan avledas i tid och effektivt kommer det inte bara att påverka enhetens prestanda, utan kan också leda till hårdvarufel. Enligt IDC:s rapport används cirka 40 % av energiförbrukningen i datacenter till kylsystem, vilket tyder på att effektiva kyllösningar är avgörande för driften av datacenter.
Traditionella luftkylningssystem kan inte längre möta kylbehoven hos nuvarande superdatorer, så flytande kylningsteknik har gradvis blivit det vanliga valet i branschen. Tillämpningen av vätskekylningsteknik gör det möjligt för datacenter att rymma fler datorenheter i samma utrymme, samtidigt som energiförbrukningen för kylsystemet minskar. Tillämpningen av vätskekylningsteknik förbättrar inte bara beräkningseffektiviteten, utan minskar också avsevärt energiförbrukningen och driftskostnaderna. Vätskekylningsteknik kan hantera fler datoruppgifter med samma energiförbrukning genom effektivare värmeledning.
Med den ökande efterfrågan på AI-träning och högpresterande datorer kommer flytande kylningsteknik att spela en viktigare roll i framtida superdatorcenter. Det förväntas att teknik för vätskekylning kommer att bli en standardkonfiguration i superdatorcenter och stora datacenter under de kommande åren för att möta de växande datorkraven och värmeavledningsutmaningarna.
