liquid cooling

vertiv p2p liquid cooling

Innovatív hűtési megoldások – Hogyan lesz AI-ready és jövőálló az adatközpont?  

Innovatív hűtési megoldások – Hogyan lesz AI-ready és jövőálló az adatközpont?   800 450 H1 Systems Mérnöki Szolgáltatások Kft.

Az adatközpontok világában a hűtés mindig is kulcsfontosságú tényező volt, azonban a mesterséges intelligencia (AI) terjedésével és a GPU-k extrém teljesítménynövekedésével ez a kihívás új szintre lépett. A modern AI processzorok – például az AMD MI300X (750 W), a Gaudi HL-2080 (600 W), vagy az NVIDIA Blackwell GPU, amely már eléri a 2000 W hőtervezési teljesítményt (TDP) – olyan hőterhelést generálnak, amelyet a hagyományos levegős hűtési megoldások egyre kevésbé képesek hatékonyan kezelni.

A Vertiv, a H1 Systems stratégiai partnere, élen jár az olyan új generációs hűtési technológiák fejlesztésében, amelyek biztosítják az AI-ready és jövőálló adatközponti infrastruktúrát. Legújabb fejlesztéseik közé tartozik a pumped two-phase (P2P) direct-to-chip hűtés, amely forradalmasítja a nagy teljesítményű IT-rendszerek hőmenedzsmentjét.

Miért van szükség új hűtési megoldásokra az AI korában? 

Az AI adatközpontok energiafogyasztásának akár 40%-át is a hűtés emésztheti fel. A P2P direct-to-chip hűtési technológia révén azonban a hűtési energiafelhasználás akár 82%-kal csökkenthető, miközben biztosítható a magas teljesítményű rendszerek folyamatos és stabil működése.

Ez nem csupán technológiai kérdés, hanem stratégiai döntés is: a jövő adatközpontjainak képesnek kell lenniük kezelni a HPC (High Performance Computing) és AI terhelések által generált extrém hőmennyiséget – energiahatékony, skálázható és üzembiztos módon.

Hogyan működik a Vertiv pumped two-phase direct-to-chip hűtés? 

A P2P rendszer lényege, hogy közvetlenül a legnagyobb hőforrásokra helyezett cold plate-ek vonják el a keletkező hőt. A működés alapja a hűtőközeg fázisváltása:

  • a CDU (Coolant Distribution Unit) pumpálja a folyadékot a hőtermelő komponensekhez,
  • a folyadék elnyeli a hőt, majd gőzzé alakul,
  • a gőz visszakerül a CDU kondenzátorába, ahol ismét folyadékká hűl, és a körfolyamat újraindul.

Ez a zárt hurkú, kétfázisú rendszer nemcsak kiemelkedő hatásfokkal működik, hanem rugalmasan illeszthető különböző adatközponti környezetekhez.

Vertiv megoldások típusai

A Vertiv két fő P2P direct-to-chip rendszert kínál, amelyek különböző adatközponti igényeket szolgálnak ki:

  • Refrigerant-to-Air (R2A):
    • akár 40 kW hűtési kapacitás rackenként,
    • ideális átmeneti megoldás levegőhűtésről folyadékhűtésre váltó adatközpontokban.
  • Refrigerant-to-Liquid (R2L):
    • közvetlen integráció a létesítmény hűtőrendszeréhez,
    • nagy teljesítménysűrűségű AI és HPC környezetekhez a leghatékonyabb megoldás.

Mindkét rendszer bizonyítottan stabil működést biztosít akár 170 kW IT hőterhelés mellett, és támogatja a hot-swapping műveleteket, vagyis a szerverek leállás nélküli cseréjét.

Mit jelent ez a gyakorlatban? 

  • Energiahatékonyság és költségcsökkentés – a hűtési energiafelhasználás drasztikus mérséklése.
  • AI-ready infrastruktúra – biztonságos működés a legnagyobb teljesítményű GPU-k mellett is.
  • Skálázhatóság és jövőállóság – a rendszer készen áll a következő generációs IT-terhelések fogadására.
  • Üzembiztonság – folyamatos működés és hőstabilitás változó IT-terhelés mellett is.

Vertiv + H1 Systems = AI-ready adatközpont 

A mesterséges intelligencia rohamos fejlődése nemcsak az adatfeldolgozásban, hanem az adatközponti infrastruktúrában is új szintet igényel. A Vertiv pumped two-phase direct-to-chip hűtési megoldásai lehetővé teszik, hogy a vállalatok energiahatékony, skálázható és jövőálló adatközpontokat építsenek ki.

A H1 Systems szakmai tapasztalatával és a Vertiv innovatív technológiájával partnereink biztosak lehetnek abban, hogy adatközpontjaik készen állnak a nagy teljesítményű AI és HPC igények kiszolgálására – most és a jövőben egyaránt.

Az AI gyár és ami mögötte van – interjú a svéd RISE ICE adatközpont kutatóintézet igazgatójával

Az AI gyár és ami mögötte van – interjú a svéd RISE ICE adatközpont kutatóintézet igazgatójával 768 465 H1 Systems Mérnöki Szolgáltatások Kft.

Tor Björn Minde az adatközpont iparág egyik legelismertebb szakembere, aki több, mint 30 évet töltött az Ericsson K+F részlegén, mielőtt belevágott a jövő adatközpont technológiáinak gyakorlati kutatásába. Az észak-svédországi Lulea-ban található laborjukban a piac kiemelt szereplői – Meta, Ericsson, ABB, Vertiv, Castrol – végeznek kutatás fejlesztési és tesztelési feladatokat, így széleskörű ismeretekkel rendelkeznek az előttünk álló időszak technológiai kihívásaival és a fejlődés irányával. Februárban keynote előadóként üdvözölhettük székházunkban és előadását követően rendelkezésünkre állt egy beszélgetésre is.

Manapság sok vita folyik az energiadrágulásról Európában. Egyrészről itt van az energia költségeinek emelkedése, másrészről meg a generatív AI-re összpontosító adatközpontok egyre növekvő energiaigénye. Nem a legjobb kombináció… Mi lehetne a megoldás? Hogyan tudják az adatközpontüzemeltetők megoldani ezt a látszólag megoldhatatlan problémát?

Az energia költségeinek növekedése valós probléma. Azonban ez nem mindenhol és nem mindig érvényes. Az egyik dolog, ami szerintem megvalósul majd, hogy a nagy AI-modellek „tréningjét” végző adatközpontok olyan régiókba fognak kerülni, ahol alacsony az energia ára. Ez viszonylag könnyen megtörténhet, mert ezek jóval messzebb is lehetnek. Nem muszáj abban a városban lenniük, amelyet kiszolgálnak, mert csak a modellt képzik. A mai AI modelleknél azt látjuk, hogy egy chatablakba írva utasíthatjuk az AI-t, ami rövid időn belül válaszol – na, ez egy másik történet. Itt elengedhetetlen a gyors reakció, ezért a szervereknek közel kell lenniük a végfelhasználóhoz.

Ahhoz, hogy egy mesterséges intelligencia rendszer megfelelően működhessen, a fejlesztőknek be kell tanítaniuk a modellt, fel kell tölteni azt rengeteg tartalommal – ezt a folyamatot azonban máshol is el lehet végezni. Ha sok felhasználó van, az energiaköltség mindkét esetben – a tréning és a használat során is – nagyjából azonos. Az igazi növekedés abból adódik, hogy nagyon sok vállalat fogja elkezdeni használni ezeket az AI modelleket. Fontos, hogy nemcsak chatelésre, hanem sok más célra is használhatók lesznek.

Tudna néhány példát mondani?

Persze. Vegyünk példaként egy vállalatot, amely a számára szükséges összes eszköz használati kézikönyvét egy mesterséges intelligencia rendszerbe táplálja. Amikor a mérnök a múltban meg akart javítani valamit, kellett neki a kézikönyv, hogy fellapozza és ellenőrizze, mi hogyan kapcsolódik az adott eszközben. A mesterséges intelligenciának hála jóval egyszerűbben megtudhatja, hogy egy adott sorozatszámú eszköz esetén mi lehet a probléma és hogy tudja elhárítani azt. A kézikönyvek alapján képzett AI megkönnyíti a berendezések javítását. Ez az egyik felhasználási lehetőség, de nézzünk egy másikat. Képzeljük el, hogy vezetjük a Volvónkat, és hirtelen megjelenik egy figyelmeztető üzenet, hogy a fékek javításra szorulnak. Vagy szimplán vezetés közben furcsának érezzük az autónkat. A megfelelően betanított rendszer ebben is a segítségünkre lehet. A felhasználási lehetőségek száma tehát végtelen. Egy közös van bennük: minden esetben be kell tanítani a rendszert, de ezt a feladatot a világ bármely pontján elvégezhetjük.

Melyek a generatív AI adatközpontok tervezési és/vagy teljesítmény követelményei?

A sűrűség minden adatközpontban növekedni fog. Amikor azt mondom, hogy sűrűség, akkor a szerverenkénti és rackenkénti energiaigényre gondolok. Lassan a tízszeresére nő, ami az adatközpontban általában egy rackre jut. Ezekbe a rack-ekbe áramot kell vezetni és nem szabad megfeledkezni arról, hogy a keletkező hőt is el kell vezetni valahogy. Ez rengeteg energiát jelent: az energiasűrűség és a hősűrűség is nőni fog. Természetesen az eddig használt hűtőrendszereket is át kell tervezni, és mindent a tízszeresére kell növelni.

Beszéljünk egy kicsit a hűtésről! Számos cikkben olvastam, hogy az egyik fő kérdés ezekkel az AI-fókuszú adatközpontokkal kapcsolatban a hűtési rendszer. Tudna néhány részletet mondani az e téren történt legújabb fejlesztésekről?

Persze. Arról is beszéltem az előadásban, hogy az egyik legfontosabb dolog az úgynevezett hőáramlás sűrűség. Ez a mikroprocesszor által termelt hő áramlása. Ezt a hőt általában hűvös levegővel próbálják elvezetni, ami átmegy a chipkészleten. A hőáram sűrűség szintje most talán 400, 500 watt négyzetméterenként. A következő chip-generációnál már 800 watt lesz négyzetméterenként, és ez így fog növekedni 1 kilowattra, 2 kilowattra, 2,5 kilowattra és így tovább. Ez hatalmas növekedésnek számít.

Azt hiszem, ezek a számok nem mondanak sokat. De hadd mondjak valamit, hogy kontextusba helyezzem. 2,4 kilowatt négyzetméterenként.  Milyen hő ez? Ez egy atomerőmű hője. Egy atomerőműé, ami ennek a kis chipnek a felületén van. Hogyan távolítjuk el ezt a hőmennyiséget erről a kis helyről? Először azt gondolhatjuk, hogy hasonlóan az eddigiekhez, hideg levegővel hűthetjük le, de a számítások azt mondják, hogy ez képtelenség, nem fog működni. A chip egyszerűen el fog égni.

Mi lehet a megoldás erre a problémára?

A levegőnél hatékonyabb hőátadásra képes közegre van szükség, és ez a folyadék. Általában a víz a legjobb folyadék mindenhez, de sajnos elektromos eszközökön egyáltalán nem használható. A megoldás valamilyen olajalapú folyadékhűtés lehet. Vagy egy fürdőbe helyezed a szervereket, vagy a mikroprocesszorok tetejére teszed a hűtőfolyadékot, és valahogy elszállítod. Esetleg van egy másik megoldás is: felforralod a folyadékot. A hűtőfolyadék felforr, a gáz pedig az elnyelt hővel együtt eltávozik. A gőz ezután visszasűrűsödik folyadékká, és a ciklus kezdődik elölről. Elméletileg ez a leghatékonyabb módja a hűtésnek. Ezt hívják kétfázisú chip-hűtésnek.

Ezek a megoldások még kísérleti vagy már kifejlesztett fázisban vannak?

Jelenleg még nagyon is a kísérleti, fejlesztési fázisban vannak. A nagy teljesítményű számítástechnikai berendezések, mint például a CERN vagy bármely más HPC-berendezés, mind – vagy legalábbis a legtöbbjük – folyadék alapú chiphűtéssel működik. A technológia már egy ideje létezik, de lassan terjed. Most még csak egy-egy szuperszámítógép van országonként, ami nem túl nagy dolog. De hamarosan 10, 20 nagy teljesítményű adatközpont lesz több tucat országban. Az már egy teljesen más történet lesz. A lényeg, hogy rengeteg új vállalat és innováció érkezik.

Amikor egy iparág éretté válik, az innováció lelassul, és végül egy, kettő, három, négy vállalat lesz versenyben egymással. De amikor egy új területre érünk és egymást érik az innovációk, akkor egyszerre több száz vállalat jelenik meg a piacon. Ezt látjuk most a folyadékhűtés területén is. Rengeteg új vállalat áll elő új ötletekkel, új megoldásokkal, de még senki sem tudja, melyik a legjobb. És itt jövünk a képbe mi, vagyis a RISE. Sok vállalat fordul hozzánk azzal a kéréssel, hogy meg tudnánk-e vizsgálni ezt vagy azt. Úgy érzem, mi fogjuk megteremteni azt a tudásbázist, ami a leghatékonyabban szolgálja majd a vállalatokat.

Milyen szerepet játszik a RISE a H1 Systems által vezetett HEATWISE projektben, illetve hogyan működnek együtt a H1 Systems-szel?

Ezekben az uniós projektekben általában olyan konzorciumok jönnek létre, amelyben különböző szerepek vannak: egyesek a disszeminációban, mások az operatív felhasználásban, a technológiafejlesztésben és a megoldások tanulmányozásában játszanak szerepet. A HEATWISE projektben a RISE a műszaki megoldásokat fogja tanulmányozni, értékelni és az egész rendszerrel kapcsolatban megfelelő, tényeken alapuló kutatást végezni. Ez ugyanaz a feladatkör, mint amit néhány évvel ezelőtt a H1 Systems-zel közösen megvalósított bodeni adatközpont projektben láttunk el. Kiegészítjük a H1 Systems-et. A magyar cég koordinál és felügyel mindent az egész projekt kapcsán. Úgy is mondhatnánk, hogy mi a H1 Systems kutatási ága vagyunk ebben a projektben.

Úgy tűnik, hogy a legtöbb RISE-projekt valamilyen módon a fenntartható jövőre összpontosít. Hogyan látja az adatközpontok, pontosabban a generatív mesterséges intelligenciára összpontosító adatközpontok szerepét a fenntartható jövőben?

Itt több dolgot is figyelembe kell venni. Az egyik az, hogy az ilyen típusú mesterséges intelligencia-módszerek más iparágak javítására is felhasználhatók. Csökkenthetik az energiaköltségeket, hatékonyabbá tehetik a működést. Az adatközpont működtetéséért fizetsz, de valójában ott jelentkezik az előny, ahol használod azt.

A másik dolog az, hogy bár az energia növekedése elég nagynak tűnik, az is igaz, hogy az ilyen típusú adatközpontok valószínűleg jobb szerepet játszhatnak az integrációban. Legalábbis azok az adatközpontok, ahol az AI-modelleket tréningezik, azok jobban integrálhatók az energiarendszerekbe. Ezek az energiarendszerek általában elég jól működnek.  Amikor azonban szokatlanul nagy az igénybevétel, például hideg napokon, akkor bizony nagy nyomás nehezedik rájuk. Ilyenkor az AI tréninget végző adatközpontok egyszerűen kikapcsolhatók, hiszen a működésük nem kritikus jelentőségű. A napi használatú AI más, az kritikus, amit nem lehet kikapcsolni. De a tréning adatközpontok viszonylag szabadon ki- és bekapcsolhatók. Ezáltal sokkal jobb szerepet játszhatnak az energiarendszer stabilizálásában. Olyanok lehetnek, mint egy akkumulátor. Támogathatják a hálózati frekvenciastabilitást, és ezáltal nagy szerepet játszhatnak a társadalmi energiarendszer fenntarthatóságának javításában is.