آیا همه مراکز محاسباتی هوش مصنوعی سیستم‌های خنک‌کننده مایع حلقه بسته-را می‌پذیرند؟

با گسترش سریع آموزش مدل‌های زبان بزرگ، استنتاج AI مولد و خوشه‌های{0}}GPU با چگالی بالا، خنک‌کننده هوای سنتی و برج‌های خنک‌کننده تبخیری باز دیگر نمی‌توانند نیازهای مدیریت حرارتی مراکز محاسباتی هوش مصنوعی مدرن را برآورده کنند.

 

در حال حاضر، هاب‌های ابررایانه‌ای در مقیاس بزرگ-هوش مصنوعی، پایگاه‌های هوش مصنوعی فروشنده ابر مقیاس بزرگ وخوشه‌های GPU{0}}خود سازمانی ساخته شده استهمه می گیرندخنک‌کننده مایع حلقه بسته-به عنوان سیستم پشتیبانی استاندارد، در حالی که اتاق‌های محاسبات هوش مصنوعی در مقیاس کوچک-همچنان ممکن است خنک‌کننده هوا را به عنوان یک طرح انتقالی حفظ کنند. خنک‌سازی حلقه بسته به زیرساخت اجباری اصلی برای سناریوهای محاسباتی هوش مصنوعی{4}}بالا تبدیل شده است و روند محبوبیت کامل- آن در صنعت غیرقابل برگشت است.

 

 

 

 

دلیل اصلی تسلط سیستم های حلقه بسته-خنک کننده هوش مصنوعی دروغ می گویددر افزایش شدید بار حرارتی تراشه. نسل جدید تراشه‌های-هوش مصنوعی مانند NVIDIA Blackwell، AMD MI300X و پردازنده‌های گرافیکی داخلی{3}با کارایی بالا، دارای توان حرارتی تک تراشه‌ای بیش از 700 وات هستند و یک کابینت استاندارد می‌تواند بارهای حرارتی 80 تا 150 کیلووات را حمل کند که بسیار بیشتر از حد مجاز هوای 10kW{0} کابینت ها

 

خنک کننده هوا برای انتقال گرما به همرفت هوا متکی است، با راندمان انتقال حرارت کم و مصرف انرژی زیاد فن، که PUE کلی مرکز داده را به 1.3-1.5 می رساند.

 

خنک‌کننده مایع با حلقه بسته از خطوط لوله مهر و موم شده برای گردش مایع خنک‌کننده به‌طور مستقیم به صفحات سرد متصل به تراشه‌ها استفاده می‌کند، با راندمان انتقال حرارت بیش از 85 درصد، کاهش مصرف برق خنک‌کننده تا 30% تا 40% و فشار دادن PUE به زیر 1.1، و آخرین طرح 45 درجه گرم بسته{{6}.

 

این مزیت صرفه جویی در انرژی به طور مستقیم هزینه عملیاتی پایگاه های بزرگ هوش مصنوعی را کاهش می دهد:محاسبات هوش مصنوعی در مقیاس فوق العاده 50 مگاواتیمرکز می تواند پس از تغییر به سیستم خنک کننده حلقه بسته، بیش از 4 میلیون دلار آمریکا در قبض برق سالانه صرفه جویی کند.

 

 

 

 

 

فشار منابع آب یکی دیگر از محرک‌های کلیدی برای پذیرش کامل سیستم‌های حلقه بسته-در مراکز هوش مصنوعی است. برج‌های خنک‌کننده باز برای اتلاف گرما به تبخیر آب متکی هستند و هر سال میلیون‌ها گالن آب شیرین را به ازای هر مگاوات توان محاسباتی مصرف می‌کنند و محدودیت‌های نظارتی شدیدی را در مناطق کمبود آب ایجاد می‌کنند.

 

خنک کننده حلقه بسته دو چرخه مهر و موم شده مستقل را تشکیل می دهد: مدار داخلی که صفحات سرد سرور را به هم متصل می کند وبرج های خنک کننده بستهبه طور کامل از محیط خارجی جدا شده است، با مایع خنک کننده یک بار پر شده و برای کل چرخه زندگی بازیافت می شود، تقریباً اتلاف تبخیر در طول عملیات عادی صفر است.

 

موارد صنعتی از جمله پایگاه آموزشی OpenAI Stargate AI و{0}}پارک محاسباتی نسل جدید مایکروسافت، همگی از معماری حلقه بسته{{1} استفاده می‌کنند، مصرف سالانه آب را به سطح یک رستوران کوچک کاهش می‌دهند، و اساساً نقطه درد مصرف آب "هوش مصنوعی" را حل می‌کنند.

 

برج های خنک کننده بسته مطابق با سیستم، آب فرآیند داخلی و آب اسپری خارجی را از طریق کویل های فولادی ضد زنگ جدا می کنند، بنابراین آب در گردش تمیز هرگز با گرد و غبار، جلبک ها و ناخالصی های موجود در هوا تماس نمی گیرد و از پوسته پوسته شدن و خوردگی صفحات سرد سرور جلوگیری می کند و عمر سرویس سرورهای خنک کننده مایع را بیش از 5 سال در مقایسه با سیستم های باز افزایش می دهد.

 

 

 

خنک کننده حلقه بسته همچنین شرایط عملیاتی پایدار را برای محاسبات AI به ارمغان می آورد. آموزش مدل بزرگ به 7×24 ساعت کنترل دمای پایدار و بدون وقفه نیاز دارد. نوسانات دما باعث کاهش فرکانس GPU می شود که منجر به وقفه در آموزش و از دست دادن محاسبات بزرگ می شود.

 

حلقه کاملاً مهر و موم شده سیستم‌های حلقه بسته مجهز به پمپ‌های تبدیل فرکانس هوشمند، ماژول‌های سنجش دما و کنترل بای‌پس خودکار است که می‌تواند نوسان دمای منبع خنک‌کننده را در تمام طول سال در محدوده ۰.۵± درجه حفظ کند.

 

در بهار، پاییز و شب‌های{0}در دمای پایین، سیستم به‌طور خودکار به حالت تغییر می‌کندحالت خنک کننده رایگان طبیعیخاموش کردن چیلرها برای کاهش بیشتر مصرف انرژی. در تابستان با دمای بالا-با تبرید کمکی همکاری می‌کند تا اتلاف گرما را بدون تأثیر گرد و غبار حفظ کند،شن و ماسه و رطوبت بالادر محیط خارجی

 

در مقابل، برج‌های خنک‌کننده باز مستعد گرفتگی خطوط لوله هستند که نیاز به دوز شیمیایی منظم و جایگزینی آب دارند، و پایداری دما ضعیف است، که نمی‌تواند کارهای آموزشی طولانی مدت بدون وقفه هوش مصنوعی را پشتیبانی کند.

 

 

 

با این حال، همه اتاق‌های محاسباتی مرتبط با هوش مصنوعی به‌طور کامل از سیستم‌های خنک‌کننده حلقه بسته{{1} استفاده نمی‌کنند. گره‌های محاسباتی AI لبه کوچک-، تجهیزات استنتاج سبک وزن آفلاین واتاق‌های تست با چگالی پایین-با قدرت رک زیر 20 کیلووات، همچنان از خنک کننده هوا یا برج های خنک کننده ساده باز برای کنترل سرمایه گذاری اولیه استفاده می کنند.

 

چنین سناریوهایی دارای بار گرمایی کم، زمان عملیات مداوم کوتاه و حساسیت کم نسبت به مصرف آب هستند، بنابراین سیستم‌های حلقه بسته هزینه‌های ساخت و نگهداری زیادی را به همراه خواهند داشت.

 

اما برای مراکز محاسباتی هوش مصنوعی در مقیاس متوسط ​​و بزرگ با بیش از 10 کابینت GPU، استانداردهای صنعت ملی برای مراکز محاسباتی هوشمند به وضوح خنک کننده مایع حلقه بسته را به عنوان طرح منبع سرد ترجیحی در نظر گرفته اند و پروژه های ابر محاسباتی جدید برای پیکربندی لازم است.خنک کننده حلقه بسته-برج ها به عنوان تجهیزات پشتیبانی استاندارد

 

 

 

 

 

از منظر تکرار صنعتی، خنک‌سازی حلقه بسته به استاندارد طراحی یکپارچه زیرساخت جهانی هوش مصنوعی تبدیل شده است. طراحی مرجع کارخانه DSX AI NVIDIA، معماری اصلی فروشندگان ابری، 100٪ خنک کننده مایع حلقه بسته کامل را برای همه پلتفرم های محاسباتی GPU مشخص می کند و فن های خنک کننده داخلی سرورها را به طور کامل لغو می کند.

 

داخلیشرق-داده-غرب-محاسبه iهاب‌های محاسباتی هوشمند، پایگاه‌های آموزشی هوش مصنوعی انرژی جدید و پلت‌فرم‌های محاسباتی مواد دارویی، همگی از برج خنک‌کننده بسته منطبق با خنک‌کننده مایع حلقه بسته-و تحقق اهداف دوگانه صرفه‌جویی در انرژی، صرفه‌جویی در مصرف آب و محاسبات با چگالی بالا استفاده می‌کنند.

 

با ارتقای مداوم قدرت تراشه هوش مصنوعی، آستانه استقرار اجباریسیستم های حلقه بسته-کاهش بیشتری خواهد یافت و طرح های خنک کننده هوای انتقالی به تدریج در سناریوهای محاسباتی متوسط ​​و بزرگ حذف خواهند شد.

 

 

 

به طور خلاصه، تجهیزات هوش مصنوعی لبه کوچک ممکن است به طور موقت از خنک کننده هوا استفاده کنند، اما همه مراکز رسمی محاسبات هوش مصنوعی متوسط ​​و بزرگ، کلاسترهای آموزشی فوق العاده و هاب های محاسباتی هوشمند فوق مقیاس باید از آن استفاده کنند.خنک کننده مایع حلقه بسته-سیستم هایی که توسط برج های خنک کننده بسته پشتیبانی می شوند.

 

 

این راه حل سه نقطه درد اصلی بار حرارتی بالا، مصرف آب بیش از حد و کنترل دمای ناپایدار محاسبات هوش مصنوعی را حل می کند و به تنها مسیر مدیریت حرارتی پایدار برای توسعه-در مقیاس بزرگ صنعت هوش مصنوعی تبدیل شده است.