KI-Chip-Wärmemanagement
Derzeit erweitern auch andere Technologiegiganten wie Microsoft, Google und Meta ihre Rechenzentren, um ihre Modelle der künstlichen Intelligenz zu trainieren und zu betreiben. Berichten zufolge planen Microsoft und OpenAI den Bau eines Rechenzentrumsprojekts, das einen Supercomputer mit Millionen dedizierter Serverchips umfassen wird. Das aktuelle Projekt könnte 115 Milliarden US-Dollar kosten, einschließlich eines Supercomputers mit künstlicher Intelligenz namens Stargate, der voraussichtlich im Jahr 2028 auf den Markt kommt. Mark Zuckerberg, CEO von Meta, erklärte im Januar dieses Jahres außerdem, dass die Computerinfrastruktur des Unternehmens bis Ende 2024 30.000 H100-Grafikkarten umfassen wird. Er fügte außerdem hinzu: „Wenn andere GPUs einbezogen werden, gibt es ungefähr 600.000 H100-äquivalente Berechnungen.“
AIGC basiert auf großen Modellen und Big Data. Ein großes Modell bezieht sich auf ein Modell, das sich nach dem Training mit umfangreichen und umfassenden Daten an nachgelagerte Aufgaben anpassen kann. Nach der Entstehung eines großen Modells werden (1) die Modellparameter größer; (2) Eine diversifizierte Nachfrage beschleunigt eine diversifizierte Aufrüstung der Rechenleistung: Die Rechenleistung kann je nach Bedarfsanpassung in Basisrechenleistung, intelligente Rechenleistung und Superrechenleistung unterteilt werden. Im Jahr 2021 erreichte die Gesamtrechenleistung globaler Computergeräte 615 EFlops, mit einer Wachstumsrate von 44 %. Bis 2030 wird ein Anstieg auf 56ZFlops mit einer CAGR von 65 % erwartet. Die intelligente Rechenleistung wird von 232EFlops auf 52,5ZFlops steigen, mit einer CAGR von über 80 %; Nach dem Aufkommen des großen Modells brachte es einen neuen Trend zum Wachstum der Rechenleistung mit einer durchschnittlichen Verdoppelungszeit der Rechenleistung von 9,9 Monaten.
Hinter der Verbesserung der Rechenleistung müssen Chips eine höhere Recheneffizienz aufweisen und mehr Berechnungen in kürzerer Zeit durchführen, was zwangsläufig zu einem Anstieg des Energieverbrauchs der Chips führt. Die hohe Dichte und der hohe Stromverbrauch von Rechenzentren in Supercomputing-Zentren machen Probleme mit der Wärmeableitung immer wichtiger. Moderne Rechenzentren, insbesondere Supercomputing-Zentren, enthalten typischerweise eine große Anzahl leistungsstarker Geräte, die während des Betriebs eine erhebliche Menge Wärme erzeugen. Wenn die Wärme nicht rechtzeitig und effektiv abgeführt werden kann, beeinträchtigt dies nicht nur die Leistung des Geräts, sondern kann auch zu Hardwareausfällen führen. Laut IDC-Bericht werden etwa 40 % des Energieverbrauchs in Rechenzentren für Kühlsysteme verwendet, was darauf hinweist, dass effektive Kühllösungen für den Betrieb von Rechenzentren von entscheidender Bedeutung sind.
Herkömmliche Luftkühlungssysteme sind nicht mehr in der Lage, den Kühlbedarf aktueller Supercomputer zu decken, weshalb sich die Flüssigkeitskühlungstechnologie nach und nach zur Mainstream-Wahl in der Branche entwickelt hat. Durch den Einsatz der Flüssigkeitskühlungstechnologie können Rechenzentren mehr Computergeräte auf demselben Raum unterbringen und gleichzeitig den Energieverbrauch des Kühlsystems senken. Der Einsatz der Flüssigkeitskühlungstechnologie verbessert nicht nur die Recheneffizienz, sondern senkt auch den Energieverbrauch und die Betriebskosten erheblich. Die Flüssigkeitskühlungstechnologie kann durch eine effizientere Wärmeleitung mehr Rechenaufgaben bei gleichem Energieverbrauch bewältigen.
Angesichts der steigenden Nachfrage nach KI-Training und Hochleistungsrechnen wird die Flüssigkeitskühlungstechnologie in zukünftigen Supercomputing-Zentren eine immer wichtigere Rolle spielen. Es wird erwartet, dass die Flüssigkeitskühlungstechnologie in den kommenden Jahren zur Standardkonfiguration in Hochleistungsrechenzentren und großen Rechenzentren werden wird, um den wachsenden Rechenanforderungen und Herausforderungen bei der Wärmeableitung gerecht zu werden.
