地主家“算力”也不夠了，怎么才能“可持續(xù)”？

近日，ChatGPT官網(wǎng)一度停止Plus付費項目的購買，原因是“需求量過大”。業(yè)內(nèi)推測這是由于ChatGPT背后的算力資源出現(xiàn)明顯缺口，導(dǎo)致OpenAI不得不暫時踩下用戶增長的“剎車”。盡管截止本文發(fā)稿時這一服務(wù)項目已恢復(fù)，但算力告急確是現(xiàn)實情況。

算力催生數(shù)據(jù)中心規(guī)模擴張，高效變革在即

類ChatGPT大模型迅速引爆各類AI應(yīng)用需求的同時，也對算力提出巨大需求，同時帶來了嚴峻的能源問題，如何實現(xiàn)可持續(xù)的算力增長成為未來發(fā)展的關(guān)鍵。

以ChatGPT為例，業(yè)內(nèi)對其電量需求進行過相關(guān)測算。根據(jù)OpenAI公開信息披露，ChatGPT訓(xùn)練階段總算力消耗約為3640PF-days(即以1PetaFLOP/s的效率運行3640天)，對應(yīng)數(shù)據(jù)中心裝機功率需求2.68萬千瓦。據(jù)Similarweb數(shù)據(jù)，截至今年1月，ChatGPT日活約1300萬人，每人平均1000字左右的問題，對應(yīng)運行階段每日算力消耗約為3000PF-days，對應(yīng)數(shù)據(jù)中心裝機功率需求66.3萬千瓦，對應(yīng)全年用電量需求約 22 億千瓦時。

隨著模型迭代、參數(shù)量的擴大，以及日活人數(shù)的擴大，相關(guān)算力需求將成倍增加，也將進一步推升數(shù)據(jù)中心的規(guī)模擴張趨勢。

從我國數(shù)據(jù)中心的發(fā)展和建設(shè)方向來看，工業(yè)和信息化部、發(fā)展改革委等七部門聯(lián)合發(fā)布《信息通信行業(yè)綠色低碳發(fā)展行動計劃 (2022-2025 年)》(以下簡稱《行動計劃》)，2025 年，全國新建大型、超大型數(shù)據(jù)中心電能利用效率(PUE)降到 1.3 以下，改建核心機房PUE降到1.5以下。

另外，根據(jù)“東數(shù)西算”工程要求，內(nèi)蒙古、貴州、甘肅、寧夏四處集群樞紐設(shè)立的數(shù)據(jù)中心集群PUE應(yīng)控制在1.2以內(nèi)；京津冀、長三角、粵港澳大灣區(qū)、成渝四處集群樞紐設(shè)立的數(shù)據(jù)中心集群PUE則要控制在1.25以下。

除了政策層面的嚴苛要求，技術(shù)層面的變革也迫在眉睫：

當(dāng)前，芯片功耗與服務(wù)器功耗逐步上升，特別是人工智能需求的通用 GPU 功耗急劇增加，使得單機柜功率密度正不斷增大。根據(jù)《2021-2022 年度中國數(shù)據(jù)中心基礎(chǔ)設(shè)施產(chǎn)品市場總報告》，2021 年我國單機柜功率在10kW以上的數(shù)據(jù)中心市場規(guī)模增速超過10%，其中 30kW以上增速達31%。

如果采用風(fēng)冷散熱方式，通常要把單機柜功率控制在12kW以內(nèi)，以確保散熱系統(tǒng)能夠為IT設(shè)備提供合適的工作溫度。但是，隨著服務(wù)器單位功耗不斷增大，單機柜功率15kW基本成為空氣對流散熱能力的天花板，一旦超越這一數(shù)值，處于高溫狀態(tài)工作的 IT 設(shè)備將出現(xiàn)運行不穩(wěn)、加劇老化甚至頻繁宕機等后果。

在政策與技術(shù)的雙重驅(qū)動下，高效低碳的液冷技術(shù)不僅是散熱方式的改變，更有可能變革整個數(shù)據(jù)中心生態(tài)。

AI服務(wù)器液冷滲透率將更快、更高

什么是PUE？PUE（Power Usage Effectiveness）是用于測量數(shù)據(jù)中心能源效率的指標，是用數(shù)據(jù)中心總能耗除以IT設(shè)備能耗得來?？偰芎陌琁T設(shè)備能耗和制冷、配電等系統(tǒng)能耗，PUE數(shù)值越靠近1說明非IT設(shè)備的能耗越少，能效水平越高。

當(dāng)前，在PUE目標不斷降低，且CPU功耗逐年上升的背景下，業(yè)內(nèi)正在大力推行采用液冷方案來降低服務(wù)器整機功耗和數(shù)據(jù)中心PUE。

所謂液冷，通俗來講就是通過液體代替空氣，把CPU、內(nèi)存等IT發(fā)熱器件產(chǎn)生的熱量帶走，就好似給服務(wù)器局部冷卻、整體“淋浴”甚至全部浸沒。 就液冷技術(shù)分類而言，根據(jù)液體冷媒和發(fā)熱源的接觸方式可分為——冷板式（間接接觸）、噴淋式（直接接觸）、浸沒式（直接接觸）。相較于風(fēng)冷，液冷的優(yōu)勢主要體現(xiàn)在以下方面：

第一，可以帶走更多熱量。相較于空氣，水的比熱容高達4.2x10的三次方焦/千克·攝氏度，導(dǎo)熱效率十分高，因此無論是冷板式還是浸沒式的液冷，都能帶走更多的熱量。

第二，噪音品質(zhì)更好。作為生產(chǎn)噪音的“專業(yè)戶”，數(shù)據(jù)中心機房的噪音往往成為擾民的存在，在同等條件下，液冷的噪音要比風(fēng)冷小很多。

第三，耗電節(jié)能更省。冷卻效率提高的同時，整體循環(huán)效率也在變高，這樣產(chǎn)品級的電消耗，實際上節(jié)約了整個空調(diào)系統(tǒng)和循環(huán)系統(tǒng)的電耗。

第四，物理占用空間小。受限于風(fēng)冷散熱系統(tǒng)的限制，迎風(fēng)面積總是有限的，如果想要實現(xiàn)更高的密度，就需要在單位體積內(nèi)實現(xiàn)更高的冷卻容量，這也是液冷才可以實現(xiàn)的。

寧暢首席技術(shù)官趙雷認為，風(fēng)冷技術(shù)的極限值基本是在300W-350W之間，目前數(shù)據(jù)中心已經(jīng)慢慢觸碰到這個極限值，而隨著CPU功耗的增長，推進液冷技術(shù)發(fā)展已經(jīng)成為行業(yè)發(fā)展的重要推動力。

新華三服務(wù)器產(chǎn)品線系統(tǒng)部總監(jiān)鄭國良表示，“東數(shù)西算”項目正式落地后，對數(shù)據(jù)中心PUE的要求非常明確，數(shù)據(jù)中心對于液冷技術(shù)需求的迫切性都提到比較高的位置。因此對于當(dāng)前和下一代平臺，包括浸沒式液冷都會加大投入和加快發(fā)布的進度。

針對當(dāng)前火爆的AI服務(wù)器市場，浪潮信息服務(wù)器產(chǎn)品線總經(jīng)理趙帥表示，“短期內(nèi)，AIGC對數(shù)據(jù)中心訓(xùn)練需求是爆炸式的增長。長遠來看，推理市場也會是爆炸性的增長”。

相比于通用服務(wù)器，AI服務(wù)器功耗更高，單臺服務(wù)器約10千瓦?！艾F(xiàn)在10千瓦的服務(wù)器是6U高，單U要解決1.5千瓦到2千瓦的散熱量，如果單純用風(fēng)冷技術(shù)，需要把服務(wù)器做成10U高，幾乎不可能實現(xiàn)”， 趙帥認為，“液冷技術(shù)在AI服務(wù)器的滲透率會更快、更高?！?/p>

液冷大規(guī)模部署面臨重重挑戰(zhàn)

盡管推動數(shù)據(jù)中心向液冷發(fā)展已經(jīng)成為行業(yè)共識，但是，液冷技術(shù)從小規(guī)模驗證走向大規(guī)模量產(chǎn)仍面臨挑戰(zhàn)：一是缺乏技術(shù)行業(yè)標準、規(guī)范等指引，產(chǎn)業(yè)協(xié)同度不高，難以標準化適配和部署;二是由于缺乏長周期、大規(guī)模部署驗證，液冷數(shù)據(jù)中心的可靠性問題存在一定爭議，用戶有使用疑慮;三是產(chǎn)業(yè)鏈協(xié)同性差，缺乏具備高度整合能力的企業(yè)，資源配置效率低、浪費大，產(chǎn)業(yè)發(fā)展速度受阻。

針對上述挑戰(zhàn)，業(yè)界頭部企業(yè)已經(jīng)開始了技術(shù)創(chuàng)新，并通過產(chǎn)業(yè)合作推動相關(guān)產(chǎn)品標準、驗證標準的建立。

例如針對漏液等安全方面的顧慮，浪潮信息首創(chuàng)了液環(huán)式真空 CDU，可實現(xiàn)僅依靠真空泵通過不同傳感器控制幾個腔室的功能切換即可實現(xiàn)流體的循環(huán)流動，水泵則僅起到輔助提高系統(tǒng)壓差作用。這項技術(shù)創(chuàng)新，突破了業(yè)界目前負壓液冷循環(huán)系統(tǒng)必須同時依靠真空泵和水泵，才能實現(xiàn)液體循環(huán)流動的“定律”，在降低技術(shù)成本的同時，也實現(xiàn)了技術(shù)極簡化，進一步推動冷板式液冷技術(shù)的普及。

針對用戶對液冷產(chǎn)品規(guī)模化部署的疑慮，浪潮信息與京東云聯(lián)合發(fā)布了天樞(ORS3000S)液 冷整機柜服務(wù)器，它支持冷板式液冷，散熱效率提升50%；滿足多節(jié)點供電需求的同時，通過電源均衡優(yōu)化技術(shù)，可以使電源一直工作在最高效率，相比于分布式電源模式，整體效率提升10%;支持一體化交付，高效運維部署，交付速度提高5-10倍。

阿里云約從2016年開始大規(guī)模部署液冷技術(shù)。英特爾與阿里巴巴圍繞浸入式液冷所面臨的材料兼容性、電氣信號完整性、芯片散熱特性、服務(wù)器系統(tǒng)散熱特性、服務(wù)器及機柜結(jié)構(gòu)設(shè)計等課題，展開了深入合作，從處理器定制和服務(wù)器系統(tǒng)開發(fā)與優(yōu)化著手，突破芯片功耗墻功耗和冷卻兩大影響算力提升的關(guān)鍵問題，使得液冷服務(wù)器在阿里巴巴數(shù)據(jù)中心成功大規(guī)模部署，在2018年建成首個互聯(lián)網(wǎng)液冷數(shù)據(jù)中心，在2020年投產(chǎn)首個5A級綠色液冷數(shù)據(jù)中心，每年可以節(jié)省電能至少達千萬級的同時，使得服務(wù)器系統(tǒng)的故障率相比風(fēng)冷服務(wù)器下降約53％，有效降低了數(shù)據(jù)中心總體擁有成本。

寧暢也在與英特爾的合作中，進一步改善了冷板式液冷設(shè)計中的漏液檢測、材料兼容性、生產(chǎn)工藝等核心技術(shù)要點，并在浸沒式液冷中的安裝運維、液體揮發(fā)與滲漏、材料兼容性等難點問題上實現(xiàn)了突破。

不過，在數(shù)據(jù)中心服務(wù)器實施液冷技術(shù)畢竟是系統(tǒng)級工程，需要由點到面、循序漸進地推進。僅以高速I/O連接器為例，當(dāng)整個傳輸鏈路置于液冷材料環(huán)境時，由于其周圍介電常數(shù)的變化，傳輸鏈路對應(yīng)的高頻參數(shù), 譬如阻抗、插損等會受到影響并在一定程度上變差，因此還需要專門在冷卻液環(huán)境中進行信號完整性測試，便于校準由于環(huán)境引入的偏差，使系統(tǒng)信號裕量符合預(yù)期。

2025年，液冷滲透率有望超過20%

國內(nèi)液冷產(chǎn)業(yè)總體發(fā)展現(xiàn)狀如何？趙帥表示，液冷技術(shù)本身，及其加工、焊接、產(chǎn)品工藝等已比較成熟?，F(xiàn)在迫在眉睫的是打通產(chǎn)業(yè)鏈的工作，形成可批量化、可復(fù)制化、可規(guī)?；男?yīng)。

浪潮信息數(shù)據(jù)中心產(chǎn)品部副總經(jīng)理李金波表示，推進液冷產(chǎn)業(yè)化的關(guān)鍵是建立標準，對于液冷部件來說，主要是兩類：一類是設(shè)計標準，要讓所有研究團隊通過公認的標準，慢慢形成標準的技術(shù)體系；一類是測試標準，要把原來的設(shè)計準則在測試環(huán)節(jié)中一一地實現(xiàn)、被行業(yè)所認可，這時整體的標準、規(guī)范才能打通。

“中國的液冷發(fā)展會是逐步迭代的過程，到2022、2023年液冷滲透率可能只在5%左右，但是到2025年，我們認為會超過20%”，趙帥表示。

總體而言，我國液冷當(dāng)前的滲透率還較低。從整體現(xiàn)狀來看，主要是一些創(chuàng)新型的數(shù)據(jù)中心在積極應(yīng)用，東部地區(qū)數(shù)據(jù)中心整體PUE要求較高，液冷使用相對多。此外，不同行業(yè)客戶對于液冷產(chǎn)品與方案具有多樣化需求。

“在國內(nèi)當(dāng)前的應(yīng)用環(huán)境下，沒有最好的液冷，只有最適合用的液冷，這是我們的一個核心理念”， 趙帥談到。

寫在最后

如何高效建設(shè)液冷數(shù)據(jù)中心？這是全產(chǎn)業(yè)都在探究的方向。當(dāng)前不僅需要將各類服務(wù)器全面適配液冷方案，更需要在打通算力層面的基礎(chǔ)上，提升液冷的產(chǎn)業(yè)化能力。畢竟液冷仍處于商業(yè)化的初級階段，產(chǎn)業(yè)提速的核心在于標準化建設(shè)、產(chǎn)業(yè)鏈整合，從產(chǎn)品技術(shù)、生產(chǎn)組織、品質(zhì)標準等產(chǎn)業(yè)要素入手，才能讓液冷技術(shù)走向更多數(shù)據(jù)中心。