خنک کننده مایع: ماژول نوری بعدی در عصر هوش مصنوعی

Oct 04, 2024

پیام بگذارید

I. خنک کننده مایع از «اختیاری» به «ضروری» تغییر کرده است

 

1. افزایش تقاضا برای توان محاسباتی و ماژول های نوری

در چشم انداز به سرعت در حال تحول هوش مصنوعی (AI)، تقاضا برای قدرت محاسباتی به ارتفاعات بی سابقه ای رسیده است. ظهور مدل های بزرگ، مانند مدل های مورد استفاده در ChatGPT OpenAI، شکاف قابل توجهی در قدرت محاسباتی لازم ایجاد کرده است. OpenAI گزارش می دهد که نرخ رشد قدرت محاسباتی مدل ده برابر از پیشرفت های سخت افزاری هوش مصنوعی پیشی می گیرد. با گسترش مدل‌های بزرگ به تریلیون‌ها پارامتر، نیاز به بهبود عملکرد تراشه‌های آموزشی هوش مصنوعی حیاتی شده است و انتظارات را برای انتقال سریع‌تر داده‌ها افزایش می‌دهد.

 

این رشد تصاعدی در مقیاس محاسباتی، ارتباط متقابل در مراکز داده را به یک موضوع اصلی تبدیل کرده است. با پیشرفت آموزش هوش مصنوعی، محدودیت های محاسبات تک کارتی/سرور آشکار می شود. اتصال تراشه به تراشه به عنوان یک اولویت ظاهر شده است و ماژول های نوری کارآمد و پرسرعت را برای تسهیل تبادل سریع داده ها ضروری می کند. در نتیجه، استقرار ماژول‌های نوری پرسرعت برای افزایش کارایی اتصال ضروری است، به‌ویژه زمانی که مراکز داده معماری‌های قدرت محاسباتی خود را ارتقا می‌دهند.

 

Optical modules facilitating high-speed data transmission in data centers

▲ ماژول های نوری که انتقال داده ها را با سرعت بالا در مراکز داده تسهیل می کند

2. نقطه عطف برای خنک کننده مایع

خنک‌سازی مایع به عنوان عنصر حیاتی بعدی در زیرساخت‌های هوش مصنوعی، به موازات تکامل ماژول‌های نوری، تبدیل می‌شود. با ادامه پیشرفت محصولات الکترونیکی، نیاز به سیستم های خنک کننده کارآمد غیرقابل انکار می شود. درست همانطور که مسیر ماژول های نوری از یک لوکس به یک ضرورت تبدیل شده است، فناوری خنک کننده مایع نیز از همین مسیر پیروی می کند.

 

از لحاظ تاریخی، راه‌حل‌های خنک‌کننده از روش‌های غیرفعال مانند خنک‌کننده طبیعی هوا و سینک‌های حرارتی به فناوری‌های پیشرفته‌تر، از جمله تهویه مطبوع و در نهایت، خنک‌کننده مایع تکامل یافته‌اند. این انتقال نشان‌دهنده روند گسترده‌تری در بخش الکترونیک است که در آن مدیریت حرارتی برای اطمینان از عملکرد بهینه و طول عمر قطعات مهم است.

 

3. چرا خنک کننده مایع اکنون ضروری است؟

چیپس

تاثیر دمای محیط بر تراشه های نیمه هادی بسیار مهم است. دمای بالا می تواند به طور قابل توجهی عملکرد و طول عمر قطعات الکترونیکی را کاهش دهد. محیط‌های حرارتی بالا منجر به انبساط حرارتی در موادی مانند خازن‌ها و مقاومت‌ها می‌شود که ممکن است باعث خرابی‌های مکانیکی شود و مانع عملکرد عادی شود. بر اساس گزارش‌های ANJIE، خنک‌کننده هوای سنتی تنها می‌تواند اتلاف گرما را تا 800 وات مدیریت کند، آستانه‌ای که چندین محصول NVIDIA از آن فراتر رفته‌اند.

 

مراکز داده

مراکز داده با هوا خنک معمولاً از چگالی 8-10 کیلووات در هر کابینت پشتیبانی می‌کنند. با این حال، از آنجایی که پیش‌بینی می‌شود تا سال 2025 قدرت محاسباتی خوشه‌ای هوش مصنوعی به 20-50 کیلووات در هر کابینت برسد، محدودیت‌های خنک‌کننده هوا کاملاً مشهود می‌شوند. افزایش چگالی توان نیازمند روش‌های خنک‌کننده کارآمدتر است و خنک‌کننده مایع را به عنوان جایگزین برتر قرار می‌دهد.

 

An AI data center designed for high-density computing, utilizing advanced liquid cooling systems

▲ مرکز داده هوش مصنوعی با چگالی بالا که از فناوری های خنک کننده مایع استفاده می کند

 

 

II. سیاست های خنک کننده مایع یک "محرک" به بازار تزریق می کند

 

PUE (کارآیی مصرف انرژی) به عنوان یک معیار کلیدی برای ارزیابی کارایی انرژی مراکز داده عمل می کند. PUE کمتر نشان دهنده یک مرکز داده سبزتر و کارآمدتر است، زیرا نسبت کل انرژی مصرف شده توسط یک مرکز را به انرژی مصرف شده صرفاً توسط بارهای IT منعکس می کند. در مراکز داده معمولی، تجهیزات فناوری اطلاعات تقریباً 50٪ از مصرف انرژی را تشکیل می دهند، در حالی که سیستم های خنک کننده حدود 35٪ مصرف می کنند.

 

فن‌آوری‌های خنک‌کننده مایع در مقایسه با خنک‌کننده هوای سنتی، مقادیر PUE بسیار پایین‌تری را نشان می‌دهند. به عنوان مثال، در حالی که خنک کننده هوای سنتی یک PUE را در حدود 1.3 حفظ می کند، روش های خنک کننده مایع می توانند بسته به فناوری خاص مورد استفاده، این مقدار را بین 1.05 و 1.2 کاهش دهند.

 

Graph comparing PUE values of air cooling and various liquid cooling technologies in data centers

▲ مقایسه PUE بین فن آوری های خنک کننده هوا و خنک کننده مایع

 

 

سوم. رشد استراتژیک Vertiv از طریق خنک کننده مایع

 

Vertiv با خرید CoolTera گام های مهمی در افزایش قابلیت های خنک کننده مایع خود برداشته است. این شرکت مستقر در بریتانیا در زیرساخت های خنک کننده مایع تخصص دارد و چندین سال با Vertiv در چندین مرکز داده و پروژه های ابررایانه همکاری داشته است. انتظار می رود این خرید موقعیت Vertiv را در بازار مدیریت حرارتی تقویت کند و آن را قادر می سازد راه حل های قوی تری را متناسب با نیازهای در حال تحول مراکز داده ارائه دهد.

 

 

IV. زنجیره ارزش اصلی خنک کننده مایع

1. درک خنک کننده مایع

خنک کننده مایع به روش هایی اشاره دارد که برای حفظ دمای عملیاتی بهینه برای سیستم های کامپیوتری استفاده می شود. این فناوری با استفاده از ظرفیت گرمایی ویژه مایعات، به طور موثر گرمای تولید شده توسط اجزای داخلی را به محیط بیرون منتقل می کند. سیستم های خنک کننده مایع را می توان به روش های خنک کننده مستقیم و غیر مستقیم طبقه بندی کرد. خنک‌سازی غیرمستقیم، مانند سیستم‌های صفحه سرد، تضمین می‌کند که مایع خنک‌کننده مستقیماً با اجزای گرم شده تماس پیدا نمی‌کند، در حالی که روش‌های خنک‌کننده مستقیم شامل خنک‌سازی غوطه‌وری می‌شود که در آن محیط خنک‌کننده مستقیماً با اجزای گرم شده در تعامل است.

 

2. اکوسیستم صنعت خنک کننده مایع: سیستم های صفحه سرد

صنعت خنک کننده مایع شامل اجزا و سیستم های مختلفی می باشد که عبارتند از:

  • واحدهای RCM (تامین و بازگشت مبرد):این واحدها توزیع و جمع آوری مبرد را در کابینت های خنک کننده مایع مدیریت می کنند.
  • واحدهای توزیع خنک کننده (CDUs):CDU ها جداسازی مبردهایی را که وارد اجزای صفحه سرد می شوند از آب خنک کننده در سمت منبع سرد تسهیل می کنند.
  • LCM ها (ماژول های گردش مایع):این ماژول ها حمل و نقل و بازگشت مبرد را در سراسر سیستم خنک کننده مدیریت می کنند.

 

مبردهای مورد استفاده می توانند متفاوت باشند، با گزینه هایی از جمله آب دیونیزه و محلول های مبتنی بر گلیکول، که هر دو به انتقال حرارت موثر کمک می کنند.

 

 Diagram depicting the various components of a liquid cooling ecosystem in data centers

▲ مروری بر اکوسیستم خنک کننده مایع در مراکز داده

 

 

V. شناسایی شرکت های ذینفع در زنجیره تامین خنک کننده مایع

1. شرکت های ذینفع: اجزای داخلی سرور

زنجیره تامین خنک کننده مایع را می توان به سه دسته اصلی تقسیم کرد: اجزای سرور داخلی، ساخت خنک کننده مایع و ارائه دهندگان زیرساخت خنک کننده مایع. اجزای داخلی شامل سیستم‌های صفحه سرد و قطع‌های سریع هستند که برای افزایش عملکرد تراشه‌های هوش مصنوعی با قدرت بالا حیاتی هستند. شرکت هایی مانند هواوی و انویدیا بازیگران اصلی این بخش هستند.

 

2. ساخت و ساز خنک کننده مایع

ساخت و ساز خنک کننده مایع شامل ارائه دهندگان راه حل های زنجیره ای کامل و تولید کنندگان سرور می شود. ارائه‌دهندگان زنجیره کامل، مانند Vertiv، راه‌حل‌های جامعی را ارائه می‌دهند، اما ممکن است سرورها را مستقیماً عرضه نکنند، که نیاز به همکاری با تولیدکنندگان تراشه دارد.

 

3. ساخت و ساز IDC

تولیدکنندگان IDC مسئول ساخت مراکز داده و توسعه راه حل های خنک کننده مایع متناسب با نیاز مشتری هستند. این سازندگان به طور فزاینده ای فناوری های خنک کننده مایع را در طرح های خود ادغام می کنند تا عملکرد را بهینه کنند.

 

4. ارائه دهندگان زیرساخت

ارائه دهندگان زیرساخت اجزای خنک کننده مایع خاص مانند CDU و LCM را ارائه می دهند. با افزایش تقاضا برای این فناوری‌ها، پیش‌بینی می‌شود که هم حجم و هم قیمت این محصولات افزایش یابد که نشان‌دهنده اهمیت فزاینده خنک‌کننده مایع در طراحی مرکز داده است.

 

 

نتیجه گیری

 

تغییر از خنک‌کننده هوا به خنک‌کننده مایع در زیرساخت‌های هوش مصنوعی تنها یک روند نیست، بلکه یک تحول اساسی است که ناشی از افزایش تقاضای محاسباتی است. با گسترش مدل‌های بزرگ و ضرورت مدیریت حرارتی کارآمد، فناوری‌های خنک‌کننده مایع نقشی محوری در آینده مراکز داده ایفا می‌کنند. از آنجایی که شرکت هایی مانند Vertiv توانایی های خود را از طریق خرید و مشارکت استراتژیک افزایش می دهند، بازار خنک کننده مایع برای رشد قابل توجهی آماده است. این انتقال در نهایت به محیط های محاسباتی کارآمدتر، پایدارتر و با کارایی بالا کمک خواهد کرد.

 

 

 

 

ارسال درخواست