BLOG
2026/10/12Klik：50
Perkembangan cepat kecerdasan buatan mendorong pusat data menuju tingkat kepadatan komputasi yang lebih tinggi.
Modern AI server dilengkapi dengan GPU kinerja tinggi menghasilkan jauh lebih panas daripada peralatan komputasi tradisional. Untuk menjaga suhu operasi yang stabil, banyak pusat data generasi berikutnya mengadopsi sistem pendingin cair langsung.
Namun, sistem pendingin cair tidak hanya tentang menambahkan pendingin di sekitar sumber panas.
Sistem harus memberikan jumlah pendingin yang benar pada laju aliran yang benar.
Jika aliran pendingin terlalu rendah:
Jika aliran pendingin tidak perlu tinggi:
Oleh karena itu, pemahaman kebutuhan aliran pendingin sangat penting ketika merancang infrastruktur pendingin AI yang dapat diandalkan.
Dalam sistem pendingin cair, pendingin melakukan satu fungsi utama:
Transport panas jauh dari high-power komponen.
Proses pendinginan berikut:
GLOBALGenerasi Panas GPU / CPU
↓
Transfer Panas Lempeng Dingin
↓
Panas Absorbs Pendingin
↓
Penjual Hose Memasak Pendingin
↓
CDU Menghapus Panas
↓
Pemulihan Pendingin ke ServerEfisiensi proses ini tergantung pada:
Tingkat aliran pendingin mengacu pada jumlah cairan yang melewati lingkaran pendingin selama periode tertentu.
Hal ini umumnya dinyatakan sebagai:
Laju aliran yang dibutuhkan bergantung pada:
Beban panas yang lebih tinggi umumnya membutuhkan kemampuan sirkulasi pendingin yang lebih besar.
Hubungan dasarnya adalah:
Panas Dihapus =
Coolant Flow × Specific Heat × Temperatur PerbedaanDalam istilah praktis:
Kekuatan GPU yang lebih tinggi:
↓
Generasi panas lainnya:
↓
Persyaratan pendinginan tinggi:
↓
Permintaan aliran pendingin lebih tinggi
Inilah sebabnya mengapa pusat data AI membutuhkan putaran pendingin secara hati-hati.
Sebuah sistem pendingin AI khas berisi beberapa jalur pendingin.
Misalnya:
CDU
↓
Manifold Rack
↓
Multiple GPU Server
↓
Piring Dingin
↓
Loop KembaliSetiap cabang harus menerima aliran pendingin yang sesuai.
Keseimbangan aliran yang buruk dapat menyebabkan:
Proper flow management improvisasi:
Meskipun selang tidak aktif perangkat pendingin, mereka langsung mempengaruhi kinerja aliran.
Faktor selang penting termasuk:
Diameter internal mempengaruhi:
Diameter yang lebih kecil dapat meningkatkan tekanan drop.
Diameter yang lebih besar dapat meningkatkan ukuran sistem dan biaya.
Ukuran yang benar tergantung pada desain pendingin keseluruhan.
Tekanan terjadi ketika pendingin kehilangan energi saat mengalir melalui sistem.
Faktor mempengaruhi penurunan tekanan termasuk:
Tekanan penurunan berlebihan dapat meningkatkan beban pompa.
Tata letak instalasi mempengaruhi kinerja aliran.
Sharp membungkuk atau routing tidak tepat mungkin:
Alat pendingin Fleksibel memungkinkan para insinyur untuk mengoptimalkan routing sambil menjaga koneksi yang dapat diandalkan.
Pilihan ukuran hidung seharusnya dipertimbangkan:
Determine volume pendingin yang diperlukan oleh sistem pendingin.
Evaluasi:
Pertimbangkan:
Sebuah desain selang praktis harus memungkinkan:
CDU mengontrol peredaran pendingin di seluruh sistem.
Ini berhasil:
Selang yang menghubungkan CDU ke server komponen pendingin harus mendukung kondisi aliran yang diperlukan.
Selang yang dipilih buruk dapat membatasi kinerja sistem bahkan ketika CDU dirancang dengan benar.
Ukuran konektor yang cocok tidak selalu berarti kinerja aliran optimal.
Selang mungkin cocok secara fisik tapi membuat perlawanan yang tidak perlu.
Lebih lama jalur selang meningkat:
Infrastruktur AI berkembang dengan cepat.
Desain pendingin harus mempertimbangkan peningkatan kepadatan rak masa depan.
Selang pendingin CJAN LCH dirancang untuk aplikasi yang diperlukan:
Aplikasi termasuk:
Opsi produk:
Cocok untuk aplikasi pendingin cairan umum.
Fitur:
Dirancang untuk aplikasi yang membutuhkan pertimbangan keamanan yang meningkat.
Cocok untuk:
Dirancang untuk:
Manajemen aliran pendingin adalah bagian dasar dari pusat data AI desain pendingin cair.
Sistem pendingin yang sukses memerlukan keseimbangan yang tepat antara:
Cairan pendingin selang memainkan peran penting dengan menjaga stabil transportasi pendingin antara komponen pendingin.
Ketika daya komputasi AI terus meningkat, manajemen aliran pendingin yang tepat akan menjadi semakin penting untuk mempertahankan efisien dan dapat diandalkan operasi pusat data.
Mobile
