Termalno upravljanje AI čipom
Trenutno, drugi tehnološki divovi kao što su Microsoft, Google i Meta također proširuju svoje centre podataka kako bi obučili i pokrenuli svoje modele umjetne inteligencije. Prema izvještajima, Microsoft i OpenAI planiraju izgraditi projekt centra podataka koji će uključivati superkompjuter sa milionima namjenskih serverskih čipova, a trenutni projekat bi mogao koštati 115 milijardi dolara, uključujući superkompjuter s umjetnom inteligencijom pod nazivom Stargate, za koji se očekuje da će biti lansiran 2028. godine. Izvršni direktor Meta Mark Zuckerberg je također izjavio u januaru ove godine da će računarska infrastruktura kompanije uključivati 30000 H100 grafičkih kartica do kraja 2024. On je također dodao: 'Ako su uključeni i drugi GPU-ovi, postoji otprilike 600000 H100 ekvivalentnih izračunavanja.'
AIGC se zasniva na velikim modelima i velikim podacima. Veliki model se odnosi na model koji se može prilagoditi nizvodnim zadacima nakon obuke na velikim i širokim podacima. Nakon pojave velikog modela, (1) parametri modela se povećavaju po veličini; (2) Raznovrsna potražnja ubrzava raznovrsnu nadogradnju računarske snage: računarska snaga se može podeliti na osnovnu računarsku snagu, inteligentnu računarsku snagu i snagu superračunala u skladu sa usklađivanjem potražnje. U 2021. ukupna računarska snaga globalnih računarskih uređaja dostigla je 615 EFlopsa, sa stopom rasta od 44%. Očekuje se da će do 2030. porasti na 56ZFlops, uz CAGR od 65%. Inteligentna računarska snaga će se povećati sa 232EFlops na 52.5ZFlops, sa CAGR koji prelazi 80%; Nakon pojave velikog modela, doneo je novi trend rasta računarske snage, sa prosečnim vremenom udvostručavanja računarske snage od 9,9 meseci.
Iza poboljšanja računarske snage, čipovi moraju imati veću računarsku efikasnost i obaviti više proračuna u kraćem vremenu, što neminovno dovodi do povećanja potrošnje energije čipa. Karakteristike visoke gustine i visoke potrošnje energije centara podataka u superračunarskim centrima čine probleme rasipanje toplote sve istaknutijim. Moderni data centri, posebno superračunarski centri, obično sadrže veliki broj uređaja velike snage koji generišu značajnu količinu toplote tokom rada. Ako se toplota ne može pravovremeno i efikasno odvesti, to ne samo da će uticati na performanse uređaja, već može dovesti i do kvarova na hardveru. Prema IDC-ovom izvještaju, oko 40% potrošnje energije u podatkovnim centrima se koristi za sisteme hlađenja, što ukazuje da su efikasna rješenja za hlađenje ključna za rad podatkovnih centara.
Tradicionalni sistemi za hlađenje vazduha više nisu u stanju da zadovolje potrebe za hlađenjem trenutnih superkompjutera, tako da je tehnologija hlađenja tekućinom postepeno postala glavni izbor u industriji. Primena tehnologije tečnog hlađenja omogućava data centrima da smeste više računarskih uređaja u istom prostoru, uz smanjenje potrošnje energije sistema za hlađenje. Primena tehnologije tekućeg hlađenja ne samo da poboljšava efikasnost računara, već i značajno smanjuje potrošnju energije i operativne troškove. Tehnologija hlađenja tekućinom može podnijeti više računarskih zadataka uz istu potrošnju energije kroz efikasniju provodljivost topline.
Sa sve većom potražnjom za AI obukom i računarstvom visokih performansi, tehnologija hlađenja tekućinom će igrati važniju ulogu u budućim superračunarskim centrima. Očekuje se da će tehnologija tekućeg hlađenja postati standardna konfiguracija u superračunarskim centrima i velikim podatkovnim centrima u narednim godinama kako bi se zadovoljile rastuće zahtjeve za računarstvom i izazovi rasipanje topline.
