Чому досвід HPC визначає майбутнє центрів обробки даних

Протягом останніх п’ятнадцяти років індустрія високопродуктивних обчислень (HPC) пройшла шлях від перших проривів петафлопсного рівня до створення екзафлопсних систем, таких як Frontier, Aurora та El Capitan. Кожне нове покоління таких рішкнь підтверджувало одну й ту саму істину: продуктивність сучасних систем обмежена не лише архітектурою процесорів, а здатністю ефективно відводити тепло, яке генерують сервери. Сьогодні цей досвід стає критично важливим для сегмента штучного інтелекту, де щільність потужності на стійку досягає безпрецедентних показників.

Коли наприкінці 2000-х років обчислення петафлопсного рівня стали реальністю, потужність IT-стійок почала перевищувати межу у 20–50 кВт, що виснажувало можливості традиційного повітряного охолодження. Перехід до екзафлопсних систем став можливим лише завдяки впровадженню рідинного охолодження, оскільки щільність навантаження зросла до 300–400 кВт на стійку. Сучасні центри обробки даних, орієнтовані на АІ, фактично тиражують ці термальні профілі не в одиничних суперкомп’ютерах, а в масштабах десятків тисяч стійок. Фізика процесів залишається незмінною: графічні процесори (GPU) потребують прецизійного охолодження для роботи на пікових частотах, проте складність завдань зросла експоненціально через масштаби впровадження.

Ефективність AI-фабрики сьогодні залежить від трьох фундаментальних параметрів: перепаду тиску, дельти температур (Delta T) та швидкості потоку теплоносія. Надлишковий опір у системі створює нерівномірне охолодження чипів і перевантажує насосне обладнання, що знижує загальну ефективність. У свою чергу, стабілізація показника Delta T є критичною для підтримки тактової частоти графічних прискорювачів: занадто малий показник свідчить про неефективне використання потужностей системи охолодження, а занадто великий - виводить кремній за межі безпечних температурних діапазонів.

Сучасні прискорювачі вимагають специфічних профілів потоку - приблизно від 1 до 1,5 літра на хвилину на кожен кіловат потужності при тиску менше 3 PSI. Недотримання цих параметрів призводить до примусового зниження продуктивності (throttling) окремих вузлів, що в масштабах дата-центру означає деградацію обчислювальної потужності всієї інфраструктури. Прецизійне налаштування блоків розподілу холодоагенту (CDU) та колекторів дозволяє усунути цю невизначеність, гарантуючи роботу систем на номінальному піку.

У сфері HPC помилка в проєктуванні контуру охолодження могла коштувати мільйони доларів. У контексті AI-фабрик, де цикли навчання моделей споживають ресурси вартістю в мільярди, ризики зростають у геометричній прогресії. Головний урок епохи екзафлопсних обчислень полягає в тому, що кожен ват обчислювальної потужності потребує більше одного вата зусиль на планування охолодження.

Сьогодні успіх розгортання глобальних АІ-проєктів залежить від створення модульної інфраструктури, яка піддається швидкому масштабуванню та сервісному обслуговуванню. Технології рідинного охолодження, включаючи холодні плити (cold plates) та спеціалізовані двері-теплообмінники, дозволяють нарощувати потужність від окремих стійок до багатомегаватних кампусів.

Подальші дорожні карти виробників напівпровідників, таких як Nvidia та AMD, чітко вказують на рух у бік ще більшої щільності ядер та впровадження передової пам’яті HBM, що робить перехід на рідинне охолодження неминучим. Саме термальний менеджмент сьогодні визначає стелю технічних можливостей. Революція штучного інтелекту не буде визначена лише архітектурою чипів, її успіх залежатиме від інженерних систем, які дозволять цьому кремнію працювати на повну потужність.

Стратегія охолодження ЦОД для епохи AI