液冷算力服務器是一種采用液體冷卻技術來散熱的服務器,相比傳統(tǒng)風冷服務器,在應對高算力需求場景下的散熱問題時具有顯著優(yōu)勢,以下為您詳細介紹:
冷板式液冷:通過在服務器的發(fā)熱部件(如 CPU、GPU 等)上安裝冷板,冷板內部有冷卻液循環(huán)通道。冷卻液吸收發(fā)熱部件的熱量后,通過循環(huán)系統(tǒng)將熱量帶走,最終在外部散熱設備中釋放熱量 。
浸沒式液冷:將服務器的硬件組件完全浸沒在絕緣冷卻液中,冷卻液直接與硬件接觸,吸收熱量后通過熱交換器將熱量傳遞給外部環(huán)境 。
- 高效散熱:液冷技術能夠更有效地帶走服務器產生的熱量,確保服務器在高負載運行時保持較低的溫度,從而提高服務器的性能和穩(wěn)定性。特別是對于高性能計算、人工智能等算力需求大且芯片功耗高的應用場景,液冷服務器能夠更好地滿足散熱需求,避免因過熱導致的性能下降或硬件損壞 。
- 節(jié)能降耗:液冷服務器減少了對傳統(tǒng)風冷散熱所需的大量風扇等設備的依賴,降低了風扇能耗。同時,液冷系統(tǒng)的散熱效率高,使得數據中心的制冷系統(tǒng)能耗也相應降低,有助于提高數據中心的能源利用效率,降低運營成本 。
- 降低噪音:由于不需要大量風扇進行散熱,液冷服務器運行時產生的噪音大幅降低,為數據中心創(chuàng)造了更安靜的工作環(huán)境,也減少了噪音對服務器硬件和周邊設備的潛在影響 。
- 節(jié)省空間:液冷服務器的散熱模塊通常比風冷散熱模塊更加緊湊,在相同的機柜空間內,可以容納更多的液冷服務器,提高數據中心的空間利用率,有助于數據中心實現(xiàn)更高的算力密度 。
- 人工智能與深度學習:如訓練大規(guī)模的神經網絡模型,像 GPT 這樣的大型語言模型訓練,需要大量的計算資源和極高的算力支持,液冷服務器能夠有效應對長時間高負載運行下的散熱挑戰(zhàn),保證訓練過程的穩(wěn)定和高效 。
- 高性能計算(HPC):在科學研究、金融分析、氣象預測等領域的高性能計算任務中,涉及到大量的數據處理和復雜的計算,液冷服務器可以提供持續(xù)穩(wěn)定的高性能算力輸出,確保計算任務的快速完成 。
- 數據中心:隨著數據中心規(guī)模的不斷擴大和功率密度的增加,傳統(tǒng)風冷散熱方式面臨著越來越大的挑戰(zhàn)。液冷服務器為數據中心提供了一種更高效、節(jié)能的散熱解決方案,有助于降低數據中心的 PUE 值,實現(xiàn)綠色節(jié)能的數據中心運營 。
- 市場增長迅速:據 IDC 報告,中國液冷服務器市場在 2023 年繼續(xù)保持快速增長,市場規(guī)模達 15.5 億美元,同比增長 52.6%,預計在 2023-2028 年,年復合增長率將達45.8%,2028 年市場規(guī)模將達到 102 億美元 。
- 技術不斷創(chuàng)新:液冷技術不斷發(fā)展,如超聚變的 FusionPoD for AI 新一代全液冷整機柜 GPU 服務器,實現(xiàn)了節(jié)點級全液冷,采用分布式 CDU,具備高效和極簡部署等優(yōu)勢 。
- 超聚變 FusionPoD for AI:新一代全液冷整機柜 GPU 服務器,重構集群管理系統(tǒng),兼容英偉達和其他廠商的 GPU 或加速器,基于超聚變柔性冷板技術實現(xiàn)節(jié)點級全液冷,還可升級為分布式 CDU,具有高效、節(jié)能、靜音等優(yōu)點。
- 寧暢原生全液冷通用機架服務器:實現(xiàn)原生全液冷,對服務器內解熱需求的部件進行原生基因式、標準化的液冷設計,包含 CPU、DIMM、SSD/HDD、GPU、PCIe 卡、PSU 等,并通過 OCP UQD/UQDB 液體連接器以及特殊高分子材料管路實現(xiàn)整機液冷的全面、解耦覆蓋。