Управління температурою мікросхеми AI
Наразі інші технологічні гіганти, такі як Microsoft, Google і Meta, також розширюють свої центри обробки даних для навчання та запуску своїх моделей штучного інтелекту. Згідно з повідомленнями, Microsoft і OpenAI планують побудувати проект центру обробки даних, який включатиме суперкомп’ютер із мільйонами виділених серверних чіпів, і поточний проект може коштувати 115 мільярдів доларів, включаючи суперкомп’ютер зі штучним інтелектом під назвою Stargate, запуск якого очікується у 2028 році. Генеральний директор Meta Марк Цукерберг також заявив у січні цього року, що до кінця 2024 року обчислювальна інфраструктура компанії включатиме 30 000 відеокарт H100. Він також додав: «Якщо включити інші графічні процесори, буде приблизно 600 000 еквівалентних обчислень H100».
AIGC базується на великих моделях і великих даних. Велика модель відноситься до моделі, яка може адаптуватися до подальших завдань після навчання на великомасштабних і широких даних. Після появи великої моделі (1) параметри моделі збільшуються за величиною; (2) Диверсифікований попит прискорює диверсифіковане оновлення обчислювальної потужності: обчислювальну потужність можна розділити на базову обчислювальну потужність, інтелектуальну обчислювальну потужність і суперкомп’ютерну потужність відповідно до попиту. У 2021 році загальна обчислювальна потужність глобальних обчислювальних пристроїв досягла 615 EFlops із темпом зростання на 44%. Очікується, що до 2030 року він зросте до 56 ZFlops із CAGR 65%. Інтелектуальна обчислювальна потужність зросте з 232 EFlops до 52,5 ZFlops, а CAGR перевищить 80%; Після появи великої моделі з'явилася нова тенденція зростання обчислювальної потужності із середнім часом подвоєння обчислювальної потужності 9,9 місяця.
За підвищенням обчислювальної потужності чіпи повинні мати вищу обчислювальну ефективність і виконувати більше обчислень за коротший час, що неминуче призводить до збільшення споживання енергії чіпом. Висока щільність і високі характеристики енергоспоживання центрів обробки даних у суперкомп’ютерних центрах роблять проблеми розсіювання тепла дедалі більш помітними. Сучасні центри обробки даних, особливо суперкомп’ютерні центри, зазвичай містять велику кількість потужних пристроїв, які під час роботи виділяють значну кількість тепла. Якщо тепло не вдасться своєчасно й ефективно відвести, це не лише вплине на продуктивність пристрою, але й може призвести до збоїв обладнання. Згідно зі звітом IDC, близько 40% споживаної енергії в центрах обробки даних використовується для систем охолодження, що свідчить про те, що ефективні рішення для охолодження є вирішальними для роботи центрів обробки даних.
Традиційні системи повітряного охолодження більше не в змозі задовольнити потреби в охолодженні сучасних суперкомп’ютерів, тому технологія рідинного охолодження поступово стала основним вибором у галузі. Застосування технології рідинного охолодження дозволяє центрам обробки даних розміщувати більше обчислювальних пристроїв в одному просторі, одночасно знижуючи енергоспоживання системи охолодження. Застосування технології рідинного охолодження не тільки покращує обчислювальну ефективність, але й значно знижує енергоспоживання та експлуатаційні витрати. Технологія рідинного охолодження може впоратися з більшою кількістю обчислювальних завдань з однаковим енергоспоживанням завдяки більш ефективному відведенню тепла.
Зі зростанням попиту на навчання ШІ та високопродуктивні обчислення технологія рідинного охолодження відіграватиме більш важливу роль у майбутніх суперкомп’ютерних центрах. Очікується, що технологія рідинного охолодження стане стандартною конфігурацією в суперкомп’ютерних центрах і великих центрах обробки даних у найближчі роки, щоб задовольнити зростаючі обчислювальні вимоги та проблеми з розсіюванням тепла.
