طراحی Rubin انویدیا با استفاده از دمای بالاتر، به مصرف آب نزدیک به صفر دست مییابد
با شتاب گرفتن انقلاب هوش مصنوعی، ردپای زیستمحیطی مراکز داده عظیم تحت نظارت شدید قرار گرفته است. انویدیا با طراحی مرجع نسل جدید Rubin خود که وعده میدهد مصرف آب را تا نزدیک به ۱۰۰ درصد کاهش دهد، مستقیماً با این چالش مقابله میکند.
گذار به سیستم خنککننده مایع با دمای بالا
مراکز داده سنتی به شدت به برجهای خنککننده متکی هستند که مقادیر عظیمی از آب را برای دفع گرمای تولید شده توسط تراشههای با کارایی بالا مصرف میکنند. استراتژی جدید انویدیا با گذار به یک معماری ۱۰۰٪ خنکشونده با مایع، این مدل را تغییر میدهد. برخلاف سیستمهای خنککننده با هوا که با چگالی حرارتی بارهای کاری مدرن هوش مصنوعی دست و پنجه نرم میکنند، طراحی انویدیا گرما را مستقیماً در سطح تراشه جذب میکند.
این سیستم با انتقال گرما از طریق حلقههای مایع که در دماهای بسیار بالاتر — تا ۱۱۳ درجه فارنهایت (۴۵ درجه سانتیگراد) — کار میکنند، میتواند از خنککنندههای خشک بیرونی برای دفع گرما استفاده کند. این رویکرد اجازه انعطافپذیری بسیار بیشتری را در برابر تغییرات دمای هوای محیط میدهد و فرآیند خنکسازی را در بخش بزرگی از سال، بدون نیاز مداوم به تبخیر آب، کارآمد میسازد.
کاهش چشمگیر در مصرف آب
مقیاس بهبود کارایی خیرهکننده است. به گفته جاش پارکر، مدیر بخش پایداری انویدیا، سیستمهای سنتی مبتنی بر برج خنککننده میتوانند سالانه تقریباً ۲.۶ میلیون گالن آب به ازای هر مگاوات مصرف کنند. انویدیا ادعا میکند که طراحی مرجع مبتنی بر Rubin میتواند این رقم را به «نزدیک به صفر» کاهش دهد.
این گذار صرفاً یک بهینهسازی تئوری نیست؛ انویدیا تأکید میکند که هر ارائهدهنده خدمات ابری و اپراتور مرکز دادهای که در حال ساخت زیرساخت برای نسل Rubin است، هماکنون در حال گذار به این استاندارد خنککننده مایع میباشد. این تغییر، نشاندهنده یک چرخش حیاتی در نحوه مدیریت تقاضاهای پرمصرفِ منابع برای آموزش و استقرار مدلهای هوش مصنوعی در مقیاس بزرگ است.
بافت صنعت و چالشهای باقیمانده
اگرچه حرکت به سمت تحمل دمای بالاتر، پیروزی بزرگی برای حفظ منابع آب محسوب میشود، اما بخشی از یک روند گستردهتر در صنعت است. آمازون اخیراً تلاشهای مشابهی را برای افزایش تحمل حرارتی در تأسیسات خود که عمدتاً با هوا خنک میشوند، جهت افزایش کارایی برجسته کرده است. با این حال، جهش انویدیا به سمت خنککننده مایع کامل، نشاندهنده یک تغییر معماری رادیکالتر است.
با وجود این پیشرفتها، صنعت هوش مصنوعی همچنان با موانع زیستمحیطی قابل توجهی روبروست. منتقدان خاطرنشان میکنند که اگرچه خنککننده مایع به مصرف آب در مرحله عملیاتی میپردازد، اما میزان عظیم آب و انرژی مورد نیاز در مرحله ساخت این تأسیسات و همچنین تأثیرات زیستمحیطی تولید برق مورد نیاز برای راهاندازی آنها را در نظر نمیگیرد. علاوه بر این، هزینههای سرمایهای (CAPEX) مورد نیاز برای ساخت مراکز داده خنکشونده با مایع در مقایسه با مراکز سنتی خنکشونده با هوا، همچنان یک پرسش حیاتی برای اپراتورها است.
چرا این موضوع برای چشمانداز هوش مصنوعی اهمیت دارد
از آنجایی که مدلهای زبانی بزرگ (LLMs) و مدلهای پیچیده هوش مصنوعی به خوشههای محاسباتی فشردهتری نیاز دارند، مدیریت حرارتی سختافزار به یک گلوگاه اصلی برای مقیاسپذیری تبدیل میشود. توانایی انویدیا در حل «مشکل آب» از طریق مهندسی حرارتی، تضمین میکند که نسل بعدی رشد هوش مصنوعی حتی در مناطقی که با کمبود آب مواجه هستند، بتواند ادامه یابد. این طراحی، معیار فنی جدیدی برای محاسبات با کارایی بالا (HPC) پایدار تعیین میکند.
نکات کلیدی
- مصرف آب نزدیک به صفر: طراحی مرجع Rubin انویدیا با هدف کاهش مصرف آب از ۲.۶ میلیون گالن در هر مگاوات در سال به تقریباً صفر طراحی شده است.
- خنککننده مایع با دمای بالا: با اجرای سرورها در دماهای بالا تا ۱۱۳ درجه فارنهایت (۴۵ درجه سانتیگراد)، این سیستم از حلقههای مایع و خنککنندههای خشک برای دفع کارآمد گرما استفاده میکند.
- پذیرش در سطح صنعت: انویدیا ادعا میکند که تمام ارائهدهندگان بزرگ خدمات ابری که در حال ساخت زیرساخت برای نسل Rubin هستند، به سمت این معماری خنکشونده با مایع حرکت میکنند.