找到 1 条结果

排序:
储能系统技术 储能系统 机器学习 ★ 4.0

理解数据中心液冷对机器学习与人工智能工作负载能效和性能的影响

Understanding the Impact of Data Center Liquid Cooling on Energy and Performance of Machine Learning and Artificial Intelligence Workloads

Bharath Ramakrishnan · Cam Turner · Husam Alissa · Dennis Trieu 等13人 · Journal of Electronic Packaging · 2025年1月 · Vol.147

传统上,数据中心采用风冷方式为IT设备散热,但随着图形处理器(GPU)功耗的持续上升,对冷却技术提出了更高要求。为提升能效,直接液冷(DLC)成为一种有前景的解决方案。本文评估了在执行人工智能/机器学习(AI/ML)任务的微软G50 GPU服务器上,DLC相较于传统风冷的性能表现。实验结果表明,DLC显著提升了GPU计算性能,增强了能效,并有效降低了系统热阻,为高密度计算场景下的散热设计提供了重要参考。

解读: 该液冷技术研究对阳光电源PowerTitan大型储能系统和数据中心储能方案具有重要应用价值。研究证实直接液冷可显著提升GPU高功率密度场景下的能效和性能,这与储能变流器功率模块散热需求高度契合。对于ST系列储能变流器,可借鉴液冷方案优化SiC/GaN功率器件的热管理,降低系统热阻,提升功率密度和转换...