I. Tekućinsko hlađenje prešlo je s "opcionalnog" na "neophodno"

 

1. Porast potražnje za računalnom snagom i optičkim modulima

U krajoliku umjetne inteligencije (AI), koji se brzo razvija, potražnja za računalnom snagom dosegla je neviđene visine. Pojava velikih modela, poput onih korištenih u OpenAI-jevom ChatGPT-u, stvorila je značajan jaz u potrebnoj računskoj snazi. OpenAI izvještava da stopa rasta računalne snage modela nadmašuje napredak hardvera umjetne inteligencije za nevjerojatnih deset puta. Kako se veliki modeli proširuju na trilijune parametara, potreba za poboljšanim performansama čipova za obuku AI postala je kritična, potičući očekivanja za brži prijenos podataka.

 

Ovaj eksponencijalni rast računalne skale učinio je međupovezanost unutar podatkovnih centara središnjim problemom. Kako obuka AI napreduje, ograničenja rada s jednom karticom/poslužiteljem postaju očita. Međusobno povezivanje između čipova postalo je prioritet, zahtijevajući učinkovite i brze optičke module kako bi se olakšala brza razmjena podataka. Posljedično, implementacija brzih optičkih modula ključna je za poboljšanje učinkovitosti međusobnog povezivanja, posebno kako podatkovni centri nadograđuju svoje arhitekture računalne snage.

 

▲ Optički moduli koji olakšavaju prijenos podataka velikom brzinom u podatkovnim centrima

2. Prekretnica za hlađenje tekućinom

Tekuće hlađenje spremno je postati sljedeći kritični element u AI infrastrukturi, usporedno s evolucijom optičkih modula. Kako elektronički proizvodi napreduju, potreba za učinkovitim sustavima hlađenja postaje neporeciva. Baš kao što je putanja optičkih modula prešla iz luksuza u potrebu, tehnologija tekućeg hlađenja slijedi taj primjer.

 

Povijesno gledano, rješenja za hlađenje razvila su se od pasivnih metoda poput prirodnog hlađenja zrakom i hladnjaka do naprednijih tehnologija, uključujući klimatizaciju i konačno hlađenje tekućinom. Ovaj prijelaz odražava širi trend u sektoru elektronike gdje je upravljanje toplinom najvažnije za osiguranje optimalnih performansi i dugovječnosti komponenti.

 

3. Zašto je hlađenje tekućinom sada neophodno

Čips

Utjecaj temperature okoliša na poluvodičke čipove je kritičan. Povišene temperature mogu značajno pogoršati performanse i životni vijek elektroničkih komponenti. Visoka toplinska okruženja dovode do toplinskog širenja materijala kao što su kondenzatori i otpornici, što može uzrokovati mehaničke kvarove i ometati normalan rad. Prema izvješćima iz ANJIE-a, tradicionalno zračno hlađenje može upravljati disipacijom topline samo do 800 W, što je prag koji premašuje nekoliko NVIDIA proizvoda.

 

Podatkovni centri

Zrakom hlađeni podatkovni centri obično podržavaju gustoću od 8-10 kW po ormariću. Međutim, budući da se predviđa da će računalna snaga AI klastera doseći 20-50 kW po ormariću do 2025. godine, ograničenja zračnog hlađenja postaju izrazito očita. Sve veća gustoća snage zahtijeva učinkovitije metode hlađenja, pozicionirajući hlađenje tekućinom kao superiornu alternativu.

 

▲ AI podatkovni centar visoke gustoće koji koristi tehnologije tekućeg hlađenja

 

 

II. Politike tekućeg hlađenja Ubrizgajte "stimulans" na tržište

 

PUE (Power Usage Effectiveness) služi kao ključna metrika za procjenu energetske učinkovitosti podatkovnih centara. Niži PUE označava zeleniji, učinkovitiji podatkovni centar, budući da odražava omjer ukupne energije koju troši objekt i one koju troše isključivo IT opterećenja. U tipičnim podatkovnim centrima IT oprema čini približno 50% potrošnje energije, dok rashladni sustavi doprinose s oko 35%.

 

Tehnologije hlađenja tekućinom obično pokazuju znatno niže vrijednosti PUE u usporedbi s tradicionalnim hlađenjem zrakom. Na primjer, dok tradicionalno hlađenje zrakom održava PUE od oko 1,3, metode hlađenja tekućinom mogu ga smanjiti na između 1,05 i 1,2, ovisno o specifičnoj korištenoj tehnologiji.

 

▲ PUE usporedba između tehnologija hlađenja zrakom i hlađenja tekućinom

 

 

III. Strateški rast tvrtke Vertiv kroz hlađenje tekućinom

 

Vertiv je napravio značajne korake u poboljšanju svojih mogućnosti tekućeg hlađenja kupnjom CoolTere. Ova tvrtka sa sjedištem u Ujedinjenom Kraljevstvu specijalizirana je za infrastrukturu za tekuće hlađenje i nekoliko je godina surađivala s Vertivom na višestrukim projektima podatkovnih centara i superračunala. Očekuje se da će ova akvizicija ojačati Vertivov položaj na tržištu upravljanja toplinom, omogućujući mu da ponudi robusnija rješenja prilagođena rastućim potrebama podatkovnih centara.

 

 

IV. Osnovni lanac vrijednosti hlađenja tekućinom

1. Razumijevanje hlađenja tekućinom

Hlađenje tekućinom odnosi se na metode koje se koriste za održavanje optimalne radne temperature računalnih sustava. Iskorištavanjem visokog specifičnog toplinskog kapaciteta tekućina, ova tehnologija učinkovito prenosi toplinu koju generiraju unutarnje komponente u vanjsko okruženje. Sustavi tekućeg hlađenja mogu se kategorizirati u izravne i neizravne tehnike hlađenja. Neizravno hlađenje, poput sustava s hladnim pločama, osigurava da rashladna tekućina ne dolazi u izravan kontakt s grijanim komponentama, dok izravne metode hlađenja uključuju hlađenje uranjanjem, gdje rashladni medij izravno komunicira s grijanim komponentama.

 

2. Industrijski ekosustav hlađenja tekućinom: Sustavi hladne ploče

Industrija tekućeg hlađenja sastoji se od različitih komponenti i sustava, uključujući:

• Jedinice RCM (dovod i povrat rashladnog sredstva):Ove jedinice upravljaju distribucijom i prikupljanjem rashladnog sredstva unutar ormara za hlađenje tekućinom.
• Jedinice za distribuciju hlađenja (CDU):CDU-ovi olakšavaju odvajanje rashladnih sredstava koja ulaze u komponente hladne ploče od rashladne vode na strani izvora hladnoće.
• LCM (moduli cirkulacije tekućine):Ovi moduli upravljaju transportom i povratom rashladnog sredstva kroz sustav hlađenja.

 

Rashladna sredstva koja se koriste mogu varirati, s opcijama koje uključuju deioniziranu vodu i otopine na bazi glikola, a obje pridonose učinkovitom prijenosu topline.

 

▲ Pregled ekosustava tekućeg hlađenja u podatkovnim centrima

 

 

V. Identificiranje tvrtki korisnika u lancu opskrbe tekućinskim hlađenjem

1. Tvrtke korisnici: Interne komponente poslužitelja

Opskrbni lanac tekućeg hlađenja može se podijeliti u tri primarne kategorije: unutarnje komponente poslužitelja, konstrukcija tekućeg hlađenja i pružatelji infrastrukture tekućeg hlađenja. Unutarnje komponente uključuju sustave hladnih ploča i brze spojeve, koji su ključni za poboljšanje performansi snažnih AI čipova. Tvrtke kao što su Huawei i NVIDIA ključni su igrači u ovom sektoru.

 

2. Konstrukcija hlađenja tekućinom

Konstrukcija tekućeg hlađenja obuhvaća pružatelje rješenja u punom lancu i proizvođače poslužitelja. Pružatelji usluga punog lanca, poput Vertiva, isporučuju sveobuhvatna rješenja, ali možda neće izravno isporučivati ​​poslužitelje, zbog čega je potrebna suradnja s proizvođačima čipova.

 

3. IDC konstrukcija

Proizvođači IDC-a odgovorni su za izgradnju podatkovnih centara i razvoj rješenja za tekuće hlađenje prilagođenih potrebama klijenata. Ovi će proizvođači sve više integrirati tehnologije tekućeg hlađenja u svoje dizajne kako bi optimizirali performanse.

 

4. Pružatelji infrastrukture

Pružatelji infrastrukture nude specifične komponente za tekuće hlađenje kao što su CDU i LCM. Kako potražnja za ovim tehnologijama raste, očekuje se da će i obujam i cijena ovih proizvoda porasti, odražavajući sve veću važnost tekućeg hlađenja u dizajnu podatkovnog centra.

 

 

Zaključak

 

Prijelaz sa zračnog hlađenja na tekuće hlađenje u AI infrastrukturama nije samo trend već bitna evolucija potaknuta rastućim računalnim zahtjevima. Uz širenje velikih modela i potrebu za učinkovitim upravljanjem toplinom, tehnologije tekućeg hlađenja igraju ključnu ulogu u budućnosti podatkovnih centara. Dok tvrtke poput Vertiva unapređuju svoje sposobnosti kroz strateške akvizicije i partnerstva, tržište tekućeg hlađenja je spremno za značajan rast. Ovaj će prijelaz u konačnici doprinijeti učinkovitijim, održivijim računalnim okruženjima visokih performansi.