AI chip termisk styring
For øyeblikket utvider også andre teknologigiganter som Microsoft, Google og Meta datasentrene sine for å trene og kjøre sine kunstige intelligensmodeller. Ifølge rapporter planlegger Microsoft og OpenAI å bygge et datasenterprosjekt som vil inkludere en superdatamaskin med millioner av dedikerte serverbrikker, og det nåværende prosjektet kan koste 115 milliarder dollar, inkludert en kunstig intelligens superdatamaskin kalt Stargate, som forventes å lanseres i 2028. Meta-sjef Mark Zuckerberg uttalte også i januar i år at selskapets datainfrastruktur vil omfatte 30 000 H100-grafikkort innen utgangen av 2024. Han la også til: 'Hvis andre GPUer er inkludert, er det omtrent 600 000 H100-ekvivalente beregninger.'.
AIGC er basert på store modeller og store data. En stor modell refererer til en modell som kan tilpasse seg nedstrømsoppgaver etter opplæring på storskala og bred data. Etter fremveksten av en stor modell, (1) økes modellparametrene i størrelse; (2) Diversifisert etterspørsel akselererer diversifisert oppgradering av datakraft: Datakraft kan deles inn i grunnleggende datakraft, intelligent datakraft og superdatakraft i henhold til etterspørselsmatching. I 2021 nådde den totale datakraften til globale dataenheter 615 EFlops, med en vekstrate på 44 %. Innen 2030 forventes det å øke til 56ZFlops, med en CAGR på 65%. Den intelligente datakraften vil øke fra 232EFlops til 52,5ZFlops, med en CAGR som overstiger 80 %; Etter fremveksten av den store modellen, brakte den en ny trend med vekst i datakraft, med en gjennomsnittlig doblingstid på 9,9 måneder for datakraft.
Bak forbedringen av datakraft må brikker ha høyere dataeffektivitet og gjennomføre flere beregninger på kortere tid, noe som uunngåelig fører til en økning i brikkeenergiforbruket. Den høye tettheten og høye strømforbruksegenskapene til datasentre i superdatasentre gjør problemer med varmespredning stadig mer fremtredende. Moderne datasentre, spesielt superdatasentre, inneholder vanligvis et stort antall høyeffektsenheter som genererer en betydelig mengde varme under drift. Hvis varmen ikke kan spres på en rettidig og effektiv måte, vil det ikke bare påvirke ytelsen til enheten, men kan også føre til maskinvarefeil. I følge IDCs rapport brukes om lag 40 % av energiforbruket i datasentre til kjølesystemer, noe som indikerer at effektive kjøleløsninger er avgjørende for driften av datasentre.
Tradisjonelle luftkjølesystemer er ikke lenger i stand til å møte kjølebehovene til dagens superdatamaskiner, så væskekjølingsteknologi har gradvis blitt hovedvalget i bransjen. Anvendelsen av væskekjølingsteknologi gjør at datasentre kan romme flere dataenheter på samme plass, samtidig som energiforbruket til kjølesystemet reduseres. Anvendelsen av væskekjølingsteknologi forbedrer ikke bare beregningseffektiviteten, men reduserer også energiforbruket og driftskostnadene betydelig. Væskekjølingsteknologi kan håndtere flere dataoppgaver med samme energiforbruk gjennom mer effektiv varmeledning.
Med den økende etterspørselen etter AI-trening og høyytelses databehandling, vil væskekjølingsteknologi spille en viktigere rolle i fremtidige superdatabehandlingssentre. Det forventes at væskekjølingsteknologi vil bli en standardkonfigurasjon i superdatasentre og store datasentre i de kommende årene for å møte de økende databehovene og varmespredningsutfordringene.
