在過去的幾年中，人工智能（AI）的需求達到了前所未有的高峰，推動了支持其的數(shù)據(jù)中心基礎(chǔ)設(shè)施的擴張。據(jù)估計，人工智能的采用將占據(jù)數(shù)據(jù)中心基礎(chǔ)設(shè)施總量的10-15%，因此企業(yè)有必要在優(yōu)化數(shù)據(jù)中心設(shè)備性能的同時，盡量減少職能運營成本的增加，以及對環(huán)境的進一步影響。

人工智能和機器學(xué)習(xí)（ ML）應(yīng)用需要高性能的設(shè)備和設(shè)置，而這些設(shè)備和設(shè)置除了需要更高的功耗外，還對冷卻提出了嚴(yán)苛的要求。僅人工智能系統(tǒng)產(chǎn)生的多余熱量就很難通過傳統(tǒng)的空氣冷卻技術(shù)來降低。盡管液體冷卻已成為一種解決方案，據(jù)報道每年可降低數(shù)據(jù)能源成本 10%，但能源使用的增加及其對環(huán)境的影響依然存在，這意味著還有更多的提升空間。
?
為人工智能量身定制數(shù)據(jù)中心工作負載

數(shù)據(jù)中心在處理人工智能和高級分析等處理密集型應(yīng)用時，充分理解特定的工作負載要求至關(guān)重要。每種工作負載可能需要不同的計算能力，從而導(dǎo)致產(chǎn)生不同程度的能耗和熱量。

通過深入了解其工作負載，企業(yè)可以利用一系列技術(shù)和解決方案來減輕數(shù)據(jù)中心對環(huán)境的負面影響，同時優(yōu)化性能。在設(shè)置服務(wù)器時，有許多組件和配置可供選擇，每個應(yīng)用都需要一個最能支持其工作負載的系統(tǒng)。例如，處理人工智能與處理 5G 時需要不同的服務(wù)器。
傳統(tǒng)的通用服務(wù)器設(shè)計之初的目標(biāo)就是處理多方位的各種常見需求，而這時常會使其顯得過于繁雜。相反，專為特定工作負載量身定制的優(yōu)化系統(tǒng)提供了更多的選擇，以滿足目標(biāo)工作負載的性能需求。這些改進通過去除非必要的功能，實現(xiàn)了節(jié)約成本、降低功耗，并大限度地減少熱量產(chǎn)生的目標(biāo)。

在人工智能領(lǐng)域，可以利用具備特定硬件選擇的平臺來提升性能，從而改善機器學(xué)習(xí)工作負載。例如，某些 CPU 提供了專門的人工智能加速器功能和硬件，以優(yōu)化人工智能工作負載，或者包含具備高帶寬內(nèi)存（HBM）的硬件，可比其他內(nèi)存更快速地傳輸數(shù)據(jù)到 CPU。盡管考慮硬件選項對于提升目標(biāo)應(yīng)用速度至關(guān)重要，但這些選項也會帶來一些妥協(xié)。其中一些選項，包括 HBM 在內(nèi)，可能引入新的熱量限制，需要通過額外的冷卻手段來解決。
?
大限度提高數(shù)據(jù)中心效率

考慮到系統(tǒng)將擴展到數(shù)百、數(shù)千甚至數(shù)萬臺設(shè)備，在整個部署過程中，即使是組件選擇帶來的微小效率也會在整個規(guī)模中顯著體現(xiàn)。同樣，服務(wù)器的電源效率也會隨著時間的推移帶來巨大的成本節(jié)約。然而，即使在為目標(biāo)工作負載定制了最佳性能和效率的設(shè)備之后，仍然可以通過采用更進一步的步驟和技術(shù)來進一步優(yōu)化性能和能耗。

為了追求更高的效率和可持續(xù)性，并滿足日益增長的人工智能需求，IT 行業(yè)在新技術(shù)方面取得了長足的進步，這些新技術(shù)有助于減少對環(huán)境的影響，同時優(yōu)化資源利用率。從更密集、更高效的機架規(guī)模部署方法，到數(shù)據(jù)中心的新型冷卻設(shè)計，甚至是分解硬件資源以提高靈活性和利用率。如今，業(yè)界有多種可選方案，可幫助大小企業(yè)取得更高性能、降低成本和改善環(huán)境之間的平衡。
?
采用合適的液體冷卻方法

現(xiàn)在，企業(yè)可以通過一些基本方式來實現(xiàn)這些目標(biāo)，即在提高性能的同時減少開銷和對環(huán)境的影響。對于希望實現(xiàn)這些平衡目標(biāo)的企業(yè)來說，提高機架密度是最有效的投資之一，因為這樣可以更有效地利用已部署的冷卻基礎(chǔ)設(shè)施。同樣，通過將冷卻排氣裝置合并到一個較小的區(qū)域來操作冷熱通道，使其更易于管理，并能更快地通風(fēng)和冷卻，將能夠提高暖通空調(diào)系統(tǒng)的效率和效益。

然而，要實現(xiàn)更高性能和更環(huán)保的數(shù)據(jù)中心，最常見和有效的解決方案就是采用液體冷卻技術(shù)。特別是隨著人工智能時代對性能需求的大幅提升，液冷技術(shù)的采用已成為數(shù)據(jù)中心發(fā)揮其優(yōu)勢的關(guān)鍵一步。

其中的重點因素在于選擇最適合特定數(shù)據(jù)中心的液體冷卻方法。實施液體冷卻技術(shù)有多種方法，其中有兩種頗為流行：直接冷卻芯片（D2C）和浸沒式冷卻。

D2C 冷卻是相當(dāng)常見的選擇，因為它與數(shù)據(jù)中心已有的傳統(tǒng)風(fēng)冷解決方案和基礎(chǔ)設(shè)施的集成更為簡單。D2C 是指冷卻液流經(jīng)發(fā)熱的電子設(shè)備，使液體吸收芯片的熱量。然后，液體被循環(huán)到另一個區(qū)域，在那里用風(fēng)扇冷卻，將熱量排出系統(tǒng)。

另一種，將服務(wù)器完全浸沒在充滿非導(dǎo)電液體的水箱中的方式則被稱為浸沒式冷卻。在這種部署方式中，系統(tǒng)實際上是浸沒在液體冷卻劑（通常是某種礦物油、合成油或生物油）中。這種液體可以循環(huán)使用，排出熱量（類似于 D2C 冷卻），或者利用在一個閉環(huán)系統(tǒng)中的冷卻槽，液體通過蒸發(fā)散熱成氣體，氣體通過熱交換器回收和冷凝（冷卻）后返回冷卻槽。

除了具有成本效益和減少電力產(chǎn)生的溫室氣體特點以外，液體冷卻還能提高性能。冷卻效果改善后，電子元件不太可能達到熱極限，這意味著它們能夠更長時間地高性能運行，而不會出現(xiàn)節(jié)流現(xiàn)象。這對于需要更高性能水平的尖端人工智能應(yīng)用的企業(yè)來說尤為重要。
但是，對于那些希望通過大刀闊斧的改變來實現(xiàn)更好、更環(huán)保的數(shù)據(jù)中心的企業(yè)來說，就需要探索新的方法和技術(shù)，比如Compute Express Link? (CXL?) ?。

?
利用 CXL 實現(xiàn)可持續(xù)性和成本效益

CXL將徹底改變數(shù)據(jù)中心的設(shè)計，因為它可以實現(xiàn)更好的資源分配，并且不再依賴于每臺服務(wù)器上的本地計算資源。一直以來，對于追求高端人工智能和機器學(xué)習(xí)應(yīng)用的云客戶來說，內(nèi)存是一筆不小的開支，但內(nèi)存并不總是被完全需要或一直被使用。CXL 技術(shù)為數(shù)據(jù)中心的內(nèi)存資源提供了大幅改進、靈活性和效率。這包括讓各個系統(tǒng)在任何時候都能準(zhǔn)確地利用所需的內(nèi)存，無論比系統(tǒng)獨立擁有的內(nèi)存多或少。

CXL 的許多功能有望為數(shù)據(jù)中心和服務(wù)器帶來顯著的變革。例如，它將實現(xiàn) CPU 與加速器、圖形處理器和內(nèi)存設(shè)備等附屬設(shè)備之間的無縫內(nèi)存集成。這樣，CPU 和設(shè)備都可以直接訪問內(nèi)存，無需軟件干預(yù)或同步。此外，CXL 還擴展了內(nèi)存功能，使 CPU 能夠利用附加設(shè)備上的更大內(nèi)存池，提供卓越的速度和帶寬。這一進步提高了內(nèi)存容量，增強了性能，尤其適用于人工智能/機器學(xué)習(xí)應(yīng)用。

這些都意味著數(shù)據(jù)中心作為一個整體可以采用更加分散的架構(gòu)，減少對每臺服務(wù)器都必須擁有最佳內(nèi)存和計算資源的依賴。這也為采用不同組件的專用服務(wù)器設(shè)計提供了可能，改變了服務(wù)器的制造和銷售方式，因為將計算、內(nèi)存、存儲、網(wǎng)絡(luò)等全部打包在一個單元中的傳統(tǒng)服務(wù)器構(gòu)建方式可能不再是優(yōu)選或必要的。
?
數(shù)據(jù)中心的未來將是一片綠色

人工智能是未來不可或缺的一部分，因此必須采用可持續(xù)的方法來實現(xiàn)數(shù)據(jù)中心的運營。通過考慮長期因素和更換重要組件，數(shù)據(jù)中心運營商可以提高性能、降低成本并減少對環(huán)境的影響。

為了使數(shù)據(jù)中心更環(huán)保，需要優(yōu)化系統(tǒng)架構(gòu)、采用創(chuàng)新的液體冷卻解決方案、以及引入如CXL的新興技術(shù)。通過使用傳感器和機器學(xué)習(xí)進行實時控制，減少冷卻能耗，企業(yè)終將能夠達成降低能源成本，減少碳足跡的綠色目標(biāo)。

有了這些措施，數(shù)據(jù)中心就能在人工智能驅(qū)動的世界中與其相輔相成，蓬勃發(fā)展，同時實現(xiàn)可持續(xù)發(fā)展目標(biāo)，共赴綠色未來。
?