人工知能（AI）とクラウドコンピューティング技術が急速に発展している現代では、AIモデルの継続的な反復的なアップグレードが、インテリジェントコンピューティング能力に対する需要の爆発的な増加を促しています。権威あるデータによると、今後40年間の中国のインテリジェントコンピューティング能力の年平均成長率は70％に達すると予想されています。この傾向は連鎖反応を引き起こしています。一方では、コンピューティング能力に対する需要が指数関数的に高まっています。たとえば、32Bモデルをトレーニングする場合、FBFP8形式では少なくとも2.88GBのビデオメモリが必要です。他方では、データスループットが急速に拡大しています。数千のGPUを備えたクラスターは、34,000日あたり最大4EBのデータを処理する必要があり、これは3秒あたり10,000本のXNUMXK映画を送信することに相当します。このような状況において、エネルギー効率比はAIサーバーの性能を測る重要な指標となっています。新世代の液体冷却ソリューションは放熱を最適化し、電気代XNUMX万元あたりXNUMX億モデルの追加トレーニングを可能にし、業界のボトルネックを打破するための中核技術となります。
異なる規模のAIモデルには、ハードウェア構成に対するさまざまな要件があり、これが液体冷却ソリューションの重要性をさらに浮き彫りにしています。Deepseekシリーズのモデルを例にとると、7Bモデルは軽量のテキスト生成と簡単な人間と機械の会話に適しており、4090枚のRTX 20グラフィックカード（ビデオメモリ70GB）で需要を満たすことができます。しかし、複雑な論理的推論や多言語分析などのタスクには、8Bモデルで100枚のH100またはA80 180GBグラフィックカード（合計671GBのビデオメモリ）が必要です。さらに大規模な32Bモデルでは、最大100枚のH20、H200、またはH1.5グラフィックカードが必要で、ビデオメモリの需要は最大XNUMXTBに達します。モデルの複雑さとハードウェアの規模の増加に伴い、サーバーの消費電力は大幅に増加し、従来の空冷効率ではもはや需要を満たすのに十分ではありません。より高い放熱効率を持つ液体冷却技術は、徐々に業界の主流の選択肢になってきました。
AIサーバーの液冷設計は、ますます厳しくなる放熱要件に適応するために技術革新が進められています。新世代の設計では、マルチチャネル並列・多段シャントアーキテクチャを採用しています。複数の冷却チャネルを協調動作させることで、単一点障害のリスクが低減し、より均一な流量分布が実現され、熱蓄積の問題を効果的に低減します。ハードウェア構造の面では、内蔵ディストリビューターやステンレス製シングルカードブラケットなどの設計により、限られたスペース内でのレイアウトが最適化されています。フレキシブルホースとリジッドパイプを組み合わせたパイプライン設計は、柔軟性を確保するだけでなく、液漏れのリスクも低減します。さらに、プラグ式インターフェースと大流量・多径の液冷ブロックの設計により、システムの保守性と放熱効率がさらに向上し、高密度サーバーの導入に確かな保証を提供します。
放熱構造のアップグレードに加え、特殊な冷却液の研究開発も非常に重要です。高密度プレート型液体冷却システム用の冷却液には、-40℃～120℃の広い温度範囲で安定した流体粘度と熱性能を維持し、複雑な流路での効率的な放熱を確保すること、金属やゴム材料との優れた適合性により腐食や漏れを防ぐこと、非イオン性腐食防止剤やイオン防止剤を採用することで金属イオンの沈殿を防ぎ、システムの長期安定稼働を確保すること、そして高い電気安全性と環境保護の要件を満たすことなど、多様な特性が求められます。これらの特性は、冷却液の中核的競争力を構成し、液体冷却技術の有効性を支える重要な要素となります。
AIとクラウドコンピューティング技術の継続的な進化に伴い、液冷技術はデータセンターとサーバーにおいてますます重要な役割を果たすようになります。ハードウェアアーキテクチャから冷却媒体に至るまでの包括的なイノベーションは、高いコンピューティングパワー要件に対応する放熱ソリューションを提供するだけでなく、業界の持続的な発展の基盤を築くことにもなります。今後、液冷技術はボトルネックをさらに打破し、AIサーバーの高性能化と低消費電力化を促進し、デジタル経済時代の重要な技術サポートとなることが期待されます。
