为什么AI数据中心冷却需要变得更智能

　　数据中心冷却系统的核心功能很简单：将多余的热量从不需要的地方带走，并转移至可以安全释放热量的地方。然而，人工智能(AI)的兴起使这一任务变得愈发艰巨——机架功率已突破100千瓦，预计未来几年内，部分AI集群的功率甚至将超过1兆瓦。对于竞相部署AI算力的运营方而言，既要实现快速部署，又要确保系统正常运行时间、管控能耗并保护昂贵的硬件设备，是一项严峻的挑战。

　　针对AI数据中心，并不存在单一的冷却方案。最合适的架构取决于机架功率、工作负载以及设施的具体需求。工程师通常会为AI机架配备最先进的液冷技术，而对于标准工作负载或缺乏水冷基础设施的场所，则会采用其他冷却方案。尽管液冷技术的重要性日益凸显，但多种冷却方式并存也带来了额外的复杂性：既要防范泄漏风险，又要同时支持多种架构，还要确保冷却系统能够根据热负荷的变化做出精准响应。

　　仅实现更高效的热量输送已远远不够。下一步是通过实时电机控制、精确流量感测以及高效电源管理，使冷却系统变得更加智能化。这些技术相辅相成，不仅能提升冷却系统的响应能力、降低能耗并最大化正常运行时间，还为实现基于人工智能的预测性维护奠定了基础。

　　为何更智能的控制至关重要

　　试想一下，当液冷机柜发生泄漏时会发生什么。目前许多机柜系统采用的是“开关式”阀门——一旦传感器检测到泄漏，阀门便会切断冷却液供应，导致整个机柜被迫停机，直到技术人员找到并修复泄漏源。由于涉及整个机柜的运行，泄漏检测必须足够可靠。然而，最常用的泄漏传感器(即湿敏电阻式感应绳)在检测精度和响应速度方面往往存在局限性。

　　一种更智能的方案能够更迅速地检测到泄漏，并实现服务器托盘级的冷却液流量控制，从而确保机柜中未受影响的部分能够继续正常运行。这需要三项关键能力的协同配合：实时电机控制、精确流量感测以及高效电源管理。

　　实时电机控制确保冷却液持续循环

　　在冷却液分配单元(CDU)内部，泵和风扇构成了冷却回路的“机械心脏”，其可靠性至关重要。根据CDU的部署位置，一旦某个泵发生故障，可能会导致整个机柜——甚至整排——AI计算设备被迫下线。

　　实时电机控制有助于维持系统的稳定运行。微控制器负责处理传感器数据并据此调整性能，而电机驱动器则确保泵和风扇能够高效运转。

　　电机控制技术也应用于服务器托盘(servertray)层面。冷却分配单元(CDU)处的阀门通常仅负责开启或关闭，而托盘级的线性阀则能更精确地调节冷却液流量。随着托盘内部功率密度的不断攀升，这种精确度变得愈发重要。

　　通过精确的流量传感技术，可实现对托盘内冷却液的精准监测。精确的流量控制离不开精确的流量测量，因此，托盘上的线性阀需与高精度流量传感器配合使用。二者协同工作，能够对GPU和CPU芯片的温度进行更精细的调控。

　　传感器的安装方式同样至关重要。传统的流量传感器需接入冷却液管路，这会额外增加潜在的泄漏风险。而采用非侵入式的超声波传感技术，则可规避这一风险，同时使安装过程变得更加简便、快捷。

　　目前，湿敏电阻式感应绳仍被广泛用于泄漏检测。然而，鉴于对检测精度和响应速度的考量，工程师们正积极探索其他替代方案，例如湿度传感器、电容式传感器以及采用负压设计的冷却分配单元(CDU)。

　　流量读数也有助于构建更全面的运行概况。结合温度、湿度和压力传感器，它们能够帮助发现仅凭单一传感器可能无法察觉的变化。

　　高效电源管理助力实现精简高效的冷却系统

　　用于冷却AI机架的泵和风扇本身也会消耗电力，因此其效率至关重要。在泵驱动系统中，电源管理与电机控制相辅相成;与传统的硅基器件相比，氮化镓(GaN)功率器件不仅能将泵系统的整体效率提升高达2%，还能实现更紧凑的设备尺寸。在同时采用风冷和液冷的服务器机架中，风扇依然发挥着关键作用;目前，许多风扇正从12V供电转向48V供电，以降低功耗并提高效率。

　　供电方式也在不断演进。冷却分配单元(CDU)中的泵目前已支持从48V直流(DC)到380V交流(AC)的多种输入电压。随着800V高压直流(HVDC)配电方案在行业内部分领域逐渐普及，运营商将需要能够支持该电压标准的泵设备。

　　边缘AI为预测性维护奠定基础

　　传感技术亦可实现“预测性”功能。边缘AI能够处理来自冷却系统全套传感器阵列的数据——这种方法被称为“传感器融合”——从而实现更快的响应速度和更低的延迟。

　　这一点对于泄漏检测尤为重要，因为泄漏检测目前仍是实现可靠液冷系统的瓶颈之一。通过传感器融合，可以提升检测的速度与准确性。

　　此外，这也为泵及其他关键机械组件的预测性维护开启了大门。结合机架级的流量控制，边缘AI与传感器融合技术正推动冷却系统向智能化演进：系统能够感知环境变化、预判潜在问题，并进行自动调节。

　　为各类架构注入智能

　　没有哪一种单一的冷却设计能够适用于所有的AI数据中心，未来很长一段时间内，混合架构仍将是行业的主流选择。然而，无论是后门式热交换器还是浸没式冷却槽，各类架构在底层构建模块上往往是共通的：包括用于监测运行状态的传感器;用于驱动泵、风扇和阀门的电机控制系统;用于实现高效供电的电源管理系统;以及负责协调整个系统的处理器。

　　当这些组件协同运作，构成一个统一的系统时，效益便随之显现。精确的流量感知功能可引导各托架处的线性阀进行调节;实时电机控制系统能根据工况变化调整泵和风扇的运行;而更高效的动力设备则降低了输送冷却介质所需的能耗。通过传感器融合技术，系统能够及早识别泄漏或组件故障，从而让运维人员有充裕的时间采取应对措施。

　　人工智能将持续推动计算密度的提升。那些能够跟上这一趋势的数据中心，必须配备足够智能的冷却系统——既能实现实时响应，又具备极强的韧性，能够在问题影响正常运行时间之前就预先察觉并防患于未然。