AI mikroshēmas siltuma vadība
Pašlaik arī citi tehnoloģiju giganti, piemēram, Microsoft, Google un Meta, paplašina savus datu centrus, lai apmācītu un vadītu savus mākslīgā intelekta modeļus. Saskaņā ar ziņojumiem Microsoft un OpenAI plāno izveidot datu centra projektu, kurā tiks iekļauts superdators ar miljoniem speciālu serveru mikroshēmu, un pašreizējais projekts varētu izmaksāt 115 miljardus ASV dolāru, ieskaitot mākslīgā intelekta superdatoru ar nosaukumu Stargate, kas tiks palaists 2028. gadā. Meta izpilddirektors Marks Cukerbergs šā gada janvārī arī paziņoja, ka uzņēmuma skaitļošanas infrastruktūrā līdz 2024. gada beigām tiks iekļautas 30 000 H100 grafisko karšu. Viņš arī piebilda: “Ja ir iekļauti citi GPU, ir aptuveni 600 000 H100 ekvivalentu aprēķinu.
AIGC pamatā ir lieli modeļi un lieli dati. Liels modelis attiecas uz modeli, kas var pielāgoties pakārtotajiem uzdevumiem pēc liela mēroga un plašu datu apmācības. Pēc liela modeļa rašanās (1) modeļa parametri tiek palielināti; (2) Daudzveidīgs pieprasījums paātrina daudzveidīgu skaitļošanas jaudas uzlabošanu: skaitļošanas jaudu var iedalīt pamata skaitļošanas jaudā, viedajā skaitļošanas jaudā un superskaitļošanas jaudā atbilstoši pieprasījuma saskaņošanai. 2021. gadā globālo skaitļošanas ierīču kopējā skaitļošanas jauda sasniedza 615 EFlops, pieaugot par 44%. Paredzams, ka līdz 2030. gadam tas palielināsies līdz 56 ZFlops ar CAGR 65%. Viedā skaitļošanas jauda palielināsies no 232EFlops līdz 52,5ZFlops, CAGR pārsniedzot 80%; Pēc lielā modeļa parādīšanās tas ienesa jaunu skaitļošanas jaudas pieauguma tendenci, ar vidējo skaitļošanas jaudas dubultošanās laiku 9,9 mēneši.
Aiz skaitļošanas jaudas uzlabošanas mikroshēmām ir jābūt ar augstāku skaitļošanas efektivitāti un jāpabeidz vairāk aprēķinu īsākā laikā, kas neizbēgami noved pie mikroshēmu enerģijas patēriņa pieauguma. Lielais blīvums un lielais enerģijas patēriņa raksturlielumi datu centru superskaitļošanas centros padara siltuma izkliedes problēmas arvien svarīgākas. Mūsdienu datu centros, īpaši superskaitļošanas centros, parasti ir liels skaits lieljaudas ierīču, kas darbības laikā rada ievērojamu siltuma daudzumu. Ja siltumu nevarēs izkliedēt savlaicīgi un efektīvi, tas ne tikai ietekmēs ierīces veiktspēju, bet arī var izraisīt aparatūras kļūmes. Saskaņā ar IDC ziņojumu aptuveni 40% no enerģijas patēriņa datu centros tiek izmantoti dzesēšanas sistēmām, kas liecina, ka efektīvi dzesēšanas risinājumi ir ļoti svarīgi datu centru darbībai.
Tradicionālās gaisa dzesēšanas sistēmas vairs nespēj apmierināt pašreizējo superdatoru dzesēšanas vajadzības, tāpēc šķidruma dzesēšanas tehnoloģija pakāpeniski ir kļuvusi par galveno izvēli nozarē. Šķidruma dzesēšanas tehnoloģijas pielietojums ļauj datu centriem vienā telpā izvietot vairāk skaitļošanas ierīču, vienlaikus samazinot dzesēšanas sistēmas enerģijas patēriņu. Šķidruma dzesēšanas tehnoloģijas pielietošana ne tikai uzlabo skaitļošanas efektivitāti, bet arī ievērojami samazina enerģijas patēriņu un ekspluatācijas izmaksas. Šķidruma dzesēšanas tehnoloģija var veikt vairāk skaitļošanas uzdevumu ar tādu pašu enerģijas patēriņu, pateicoties efektīvākai siltuma vadīšanai.
Pieaugot pieprasījumam pēc mākslīgā intelekta apmācības un augstas veiktspējas skaitļošanas, šķidruma dzesēšanas tehnoloģijai būs lielāka nozīme nākotnes superskaitļošanas centros. Paredzams, ka nākamajos gados šķidruma dzesēšanas tehnoloģija kļūs par standarta konfigurāciju superskaitļošanas centros un lielajos datu centros, lai apmierinātu pieaugošās skaitļošanas prasības un siltuma izkliedes problēmas.
