優(yōu)化數(shù)據中心——實現(xiàn)人工智能時代的綠色可持續(xù)發(fā)展

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)據中心基礎設施的擴張。據估計，人工智能的采用將占據數(shù)據中心基礎設施總量的10-15%，因此企業(yè)有必要在優(yōu)化數(shù)據中心設備性能的同時，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。

人工智能和機器學習（ ML）應用需要高性能的設備和設置，而這些設備和設置除了需要更高的功耗外，還對冷卻提出了嚴苛的要求。僅人工智能系統(tǒng)產生的多余熱量就很難通過傳統(tǒng)的空氣冷卻技術來降低。盡管液體冷卻已成為一種解決方案，據報道每年可降低數(shù)據能源成本 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)據中心工作負載

數(shù)據中心在處理人工智能和高級分析等處理密集型應用時，充分理解特定的工作負載要求至關重要。每種工作負載可能需要不同的計算能力，從而導致產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和解決方案來減輕數(shù)據中心對環(huán)境的負面影響，同時優(yōu)化性能。在設置服務器時，有許多組件和配置可供選擇，每個應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 時需要不同的服務器。
傳統(tǒng)的通用服務器設計之初的目標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生的目標。

在人工智能領域，可以利用具備特定硬件選擇的平臺來提升性能，從而改善機器學習工作負載。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存（HBM）的硬件，可比其他內存更快速地傳輸數(shù)據到 CPU。盡管考慮硬件選項對于提升目標應用速度至關重要，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，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，即使在為目標工作負載定制了最佳性能和效率的設備之后，仍然可以通過采用更進一步的步驟和技術來進一步優(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)在新技術方面取得了長足的進步，這些新技術有助于減少對環(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)據中心的新型冷卻設計，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，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設施。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，并能更快地通風和冷卻，將能夠提高暖通空調系統(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)據中心，最常見和有效的解決方案就是采用液體冷卻技術。特別是隨著人工智能時代對性能需求的大幅提升，液冷技術的采用已成為數(shù)據中心發(fā)揮其優(yōu)勢的關鍵一步。

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

D2C 冷卻是相當常見的選擇，因為它與數(shù)據中心已有的傳統(tǒng)風冷解決方案和基礎設施的集成更為簡單。D2C 是指冷卻液流經發(fā)熱的電子設備，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，在那里用風扇冷卻，將熱量排出系統(tǒng)。

另一種，將服務器完全浸沒在充滿非導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)據中心的企業(yè)來說，就需要探索新的方法和技術，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)據中心的設計，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習應用的云客戶來說，內存是一筆不小的開支，但內存并不總是被完全需要或一直被使用。CXL 技術為數(shù)據中心的內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)在任何時候都能準確地利用所需的內存，無論比系統(tǒng)獨立擁有的內存多或少。

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

這些都意味著數(shù)據中心作為一個整體可以采用更加分散的架構，減少對每臺服務器都必須擁有最佳內存和計算資源的依賴。這也為采用不同組件的專用服務器設計提供了可能，改變了服務器的制造和銷售方式，因為將計算、內存、存儲、網絡等全部打包在一個單元中的傳統(tǒng)服務器構建方式可能不再是優(yōu)選或必要的。
?
數(shù)據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)據中心的運營。通過考慮長期因素和更換重要組件，數(shù)據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)據中心更環(huán)保，需要優(yōu)化系統(tǒng)架構、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。通過使用傳感器和機器學習進行實時控制，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。

有了這些措施，數(shù)據中心就能在人工智能驅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，共赴綠色未來。
?