کولپلیتهای جدید LiquidJet شرکت Frore برای مدیریت توان تا 4400 وات از پردازندههای گرافیکی هوش مصنوعی Feynman انویدیا طراحی شدهاند
شرکت Frore Systems محصول LiquidJet را معرفی کرده است، یک کولپلیت که از پردازندههای گرافیکی هوش مصنوعی موجود مانند Blackwell انویدیا با توان طراحی حرارتی 1400 وات پشتیبانی میکند. این محصول میتواند عملکرد خود را برای پردازندههای نسل بعدی مانند Feynman انویدیا که دارای توان کلی 4400 وات خواهند بود، افزایش دهد. کولپلیتهای جدید دارای ریزساختارهای کانال جت سهبعدی با حلقه کوتاه هستند که چگالی توان نقطه داغ را تا 600 وات بر سانتیمتر مربع افزایش داده و افت فشار را چهار برابر در مقایسه با کولپلیتهای معمولی کاهش میدهند. در نهایت، LiquidJet شرکت Frore برای پردازندههای گرافیکی هوش مصنوعی چند کیلوواتی که در سالهای آینده عرضه خواهند شد، آماده است.
پردازندههای گرافیکی هوش مصنوعی مدرن مانند سیستم-روی-تراشه (SoC) Blackwell انویدیا، مقدار زیادی انرژی مصرف میکنند و بنابراین به خنککننده مایع نیاز دارند. کولپلیتهای مسی مدرن دارای میکروکانالهای دوبعدی نسبتاً بلندی با مقاطع کوچک هستند که با ماشینکاری CNC یا برش از بلوکهای مسی با خلوص بالا ساخته میشوند. از آنجا که این میکروکانالها بلند هستند، مایع باید مسافت بیشتری را طی کند و با سطح بیشتری تماس پیدا کند که مقاومت هیدرولیکی را افزایش داده و فشار را کاهش میدهد و بر عملکرد تأثیر میگذارد. Frore میگوید که کولپلیتهای LiquidJet آن با ریزساختارهای کانال جت سهبعدی با حلقه کوتاه، مقاومت هیدرولیکی را کاهش داده و بنابراین فشار بالاتری را در داخل حفظ میکنند تا عملکرد را افزایش دهند.
Frore میگوید که “ساخت نیمهرسانا را با ویفرهای فلزی” (که احتمالاً شامل حکاکی و اتصال ویفرهای فلزی میشود) تطبیق داده است و میتواند ریزساختارهای کانال جت سهبعدی با حلقه کوتاه را تولید کند که با نقشههای نقاط داغ پردازندههای خاص تنظیم میشوند و عملکرد و کارایی را به شدت بهبود میبخشند، اما با هزینهای بالاتر نسبت به روشهای تولید سنتی. علاوه بر این، از آنجا که ما در مورد تولید به سبک کارخانههای نیمهرسانا صحبت میکنیم، LiquidJet ممکن است در صورت نیاز یک کاربرد خاص، ویژگیهای در ابعاد میکرون داشته باشد.
به گفته Frore، نتایج بسیار خیرهکننده هستند. LiquidJet چگالی نقطه داغ 600 وات بر سانتیمتر مربع را در دمای ورودی 40 درجه سانتیگراد حفظ میکند که دو برابر کولپلیتهای استاندارد است. حذف حرارت LiquidJet به ازای دبی جریان 50 درصد افزایش مییابد، در حالی که افت فشار چهار برابر کاهش مییابد، از تقریباً 0.94 psi به 0.24 psi. در نتیجه، به گفته Frore، LiquidJet دماهای پایینتر و عملکرد قابل پیشبینیتری را برای پردازنده Blackwell Ultra انویدیا تحت بار کامل فراهم میکند. این واحد با طراحیهای موجود سازگار است.
در همین حال، طراحی LiquidJet برای پردازندههای آینده انویدیا، مانند Rubin (1800 وات)، Rubin Ultra (3600 وات) و Feynman (4400 وات) مقیاسپذیر و قابل انطباق است. همچنین میتوان آن را برای هر پردازنده دیگری تنظیم کرد، زیرا روش تولید Frore از نظر انطباقپذیری با نقشه نقاط داغ خاص، بسیار انعطافپذیر است. علاوه بر خنک کردن پردازندههای گرافیکی نسل بعدی که داغتر هستند، LiquidJet شرکت Frore مزایای دیگری را نیز فراهم میکند. به عنوان مثال، خنککنندگی بهتر فرکانسهای پایدارتری را امکانپذیر میسازد، به این معنی که توکنهای هوش مصنوعی بیشتری در هر ثانیه با همان بودجه توان تولید میشود. همچنین، نیازهای فشار کمتر، انرژی پمپ را کاهش میدهد و کارایی مصرف انرژی (PUE) و کل هزینه مالکیت (TCO) را بهبود میبخشد.
سشو مادهاواپدی، مدیرعامل و بنیانگذار Frore Systems گفت: “معماری سهبعدی منحصر به فرد LiquidJet، با ریزساختارهای کانال جت با حلقه کوتاه سفارشی، معیار جدیدی را برای عملکرد حرارتی کولپلیتها تعیین میکند.” “همانطور که AirJet خنککنندگی فعال را برای دستگاههای مصرفکننده و لبه بازتعریف کرد، LiquidJet کولپلیتها را به یک پلتفرم آماده برای آینده برای کارخانه هوش مصنوعی تبدیل میکند.”
مصرف برق و اتلاف حرارت شتابدهندههای هوش مصنوعی طبق برآوردهای KAIST، یک موسسه تحقیقاتی برجسته کرهای، انتظار میرود در کمتر از یک دهه 10 برابر افزایش یابد. در نتیجه، این شتابدهندههای هوش مصنوعی آینده — متشکل از چندین چیپلت محاسباتی و دارای دهها پشته حافظه HBM — به روشهای خنککننده کاملاً جدیدی نیاز خواهند داشت که شامل ساختارهای خنککننده تعبیهشده هم برای چیپلتهای محاسباتی و هم برای حافظه باشد. این شاید زمانی باشد که کولپلیتهای بسیار بهینهشده مانند LiquidJet به جای یک لوازم جانبی سازگار، بخشی از بستهبندی پردازنده شوند. اما این یک داستان کاملاً متفاوت است.
- کولبات
- مهر 24, 1404
- 42 بازدید






