为什么却说液体冷却是未来AI发展的一个关键点？

多才取而代之闻记者 邵文

在过去几年中所，大规模人工智能或数据分析的受限制因素首先是硬件意志力，其次是繁复软件框架的可扩展性。最后一个受限制与计数模块的关系不大，而与汽化晶片组、加速器和磁盘有关。而随着对计数生产力的持续增长，以及对削减电力费用，降越来越极高减排的只必需，确实意味著我们要对计数系统对汽化作法旋即理性。

《The Next Platform》在全因的一篇报道中所指出，固体汽化是未来人工智能工业发展的下一个举例来说。其指出，之所以没越来越较广地讨论这一点，是因为数据中所心早已具备充足的汽化意志力，一般而言配备空调发电厂和标准的冷连接线、刺连接线实施方案。对于只必需一个或两个CPU的一般大企业领域程序，这是可以接受的。

然而，AI专业训练系统对不是两个CPU，而是多于有两个中端CPU和额外的四到八个 GPU。功耗从除此以外大企业级链接的500坎到700坎，到单个AI专业训练链表的2500坎到4500坎彼此之间。

想象一下这样的功耗下所致的刺量，然后想象一个空调设备当做冷刺空气汽化它。对于这种每滑轨的计数和刺量极高密度，显然很明确，那就是没适时吹出足够的刺空气来充分汽化差不多一些最昂贵、极高性能的链接设备。这会所致计数类型受到受限制，或在极端情况下所致关闭。

同时，刺空气是一个糟糕的刺液晶，比如在寒冷的冬天，人们会觉得裸露在场内的金属块比刺空气越来越寒冷，这是因为金属是良好的刺液晶，它比刺空气从你手上所抛下的刺量要多。同时，比起的水来说，刺空气也无法容量大量的刺。

这时就要回避另一个因素：链接滑轨极高密度。

SARS期间，由于大企业安心办公处、学校远程教育及“有益码”等大量领域，数据生产力量攀升。据《Wealth Management》的报道，数据中所心的后门生产力处于历史记录最多的水平，最大化极高密度的生产力刚刚推动在此之后链接科技，但汽化只能通过在滑轨（可以待命越来越多系统对的地方）留出空隙来让刺空气维持赶上。在这些情况下，刺空气汽化所能完成任务，同时会所致每个滑轨的计数量减少，链接后门空间浪费越来越多。

对于在双CPU链接上具单核扫雷的除此以外大企业系统对，问题确实不会不久繁复化。但是对于密集的AI专业训练坦克部队，只必需大量的光子来引入冷刺空气，在后端猎捕刺量，并将其稳定下来到合理的熔点。这种消耗远远越来越极高于了为系统对本身供电所只需的消耗。

那么固体汽化如何呢？联想 HPC（High Performance Computing，极高性能计数）和AI欧洲、南亚和非洲地区总监Noam Rosen理解道，“当你适用温的水、低温的水来散刺来汽化模块时，你不只必需汽化任何东西，只需投入自然资源来降越来越极高盐份。当你给予开展大规模AI专业训练的国家实验室和数据中所心的链表数时，这将变得更加重要。”

Rosen在《NLP中所深度学习的光子和措施回避因素》（Energy and Policy Considerations for Deep Learning in NLP）中所，通过对几种常见大型AI模型的专业训练开展生命周期评估，指出表征细节以比较一般大企业滑轨级设备生产力与AI专业训练所只需的设备生产力。他们有益检查了自然语言妥善处理（NLP）的模型专业训练现实生活，发现NLP专业训练现实生活可以二氧化硅数百吨硅，相当于一辆除此以外的汽车整个寿命周期减排的近五倍。

“从头开始专业训练取而代之模型或将模型领域于取而代之数据集时，由于调整现有模型所只需的周期和计数意志力，该现实生活会二氧化硅越来越多的硅。因此，研究人员建议行业和大企业齐心协力，适用越来越极高效、运行所只需自然资源越来越长的硬件。”Rosen表示。

Rosen实际比较了温的水汽化与刺空气汽化，“今天，可以在一个滑轨上装设一百多个Nvidia A100 GPU，但唯一的原理是用温的水汽化。相同的极高密度在风扇滑轨中所是不确实的，因为所有空插槽都可以让刺空气汽化模块，即便如此，它也确实无法解决那么多GPU所致的刺量。”

根据链接配置，温的水汽化可以抛下85%到95%的刺量。Rosen理解道，由于的水的允许走道熔点曾达45°C，在许多情况下，不只必需耗能的冷的水机，这意味著越来越大的提高效率、越来越越来越极高的总费用和越来越长的减排。

用的水来汽化并不取而代之鲜，它在大型PC业务范围中所的适用早已历经几十年。但随着大型PC在数据中所心中所的领域慢慢减少，的水冷也业已被无缘。但目前，由于刺空气早已所能汽化极高功率极高密度设备，的水或者说是固体汽化旋即被提起，并被认作未来汽化数据中所心的关键。

福州白癜风治疗费用是多少
贵阳男科医院哪家最好
江苏前列腺炎治疗哪家好
儿童咽炎吃再林阿莫西林颗粒行吗
膝关节肿胀治疗药物
牙病治疗
癫痫治疗
儿童风热感冒咳嗽嗓子疼吃什么药
内科
变态反应科