ด้วยความต้องการการฝึกอบรมโมเดล AI ขนาดใหญ่ที่เพิ่มขึ้นอย่างรวดเร็ว NVIDIA GPU ได้สร้างสถิติใหม่อย่างต่อเนื่องในด้านการใช้พลังงานในการประมวลผล-ไปจนถึง-การใช้พลังงาน ซึ่งผลักดันการระบายความร้อนด้วยอากาศแบบเดิมถึงขีดจำกัดทางกายภาพ เพื่อจัดการกับความท้าทายนี้ NVIDIA ได้เปลี่ยนไปใช้โซลูชันระบายความร้อนด้วยของเหลวอย่างสมบูรณ์ในสถาปัตยกรรม GB200, GB300 ล่าสุด และแม้แต่สถาปัตยกรรม Rubin ระบายความร้อนด้วยของเหลวเต็มรูปแบบ- ภายใน-ระบบนิเวศที่มีประสิทธิภาพสูงนี้ การระบายความร้อนด้วยของเหลวอย่างรวดเร็ว-เปลี่ยนตัวเชื่อมต่อ-เช่น UQD ที่สอดคล้องกับ OCP- และ NVQD ที่เป็นกรรมสิทธิ์ของ NVIDIA- ทำหน้าที่เป็นสายใยชีวิตที่สำคัญ
ยกตัวอย่างสถาปัตยกรรมการระบายความร้อนด้วยของเหลวของเซิร์ฟเวอร์ NVIDIA ทั่วไป แกน GPU พลังงานสูง-ถูกปกคลุมไปด้วยแผ่นทำความเย็นที่มีความแม่นยำและแน่นหนา จุดเชื่อมต่อที่สำคัญที่เชื่อมต่อแผ่นทำความเย็นเหล่านี้กับท่อร่วมระดับ-ของตู้เป็นขั้วต่อที่เปลี่ยน-ของเหลวประสิทธิภาพสูง-ระบายความร้อน-อย่างรวดเร็ว ขั้วต่อมุมขวาโลหะที่มีความแม่นยำ-ดังที่แสดงในภาพทำหน้าที่เป็นการเชื่อมต่อของเหลวที่รวมอยู่ในระบบท่อที่ซับซ้อน ตัวเชื่อมต่อเหล่านี้ต้องทนทานต่อการเปลี่ยนแปลงของอุณหภูมิที่รุนแรงและสภาวะความดันสูง- ด้วยวัสดุ เช่น สแตนเลส 316L และการปรับสภาพพื้นผิว เช่น การขัดเงาด้วยไฟฟ้า ที่ออกแบบมาเพื่อตอบสนองข้อกำหนดที่เข้มงวดของศูนย์ข้อมูลด้านความสะอาดและความต้านทานการกัดกร่อนในระดับสูง
ในการปฏิบัติงานจริงของศูนย์ข้อมูล คุณค่าของแอปพลิเคชันของตัวเชื่อมต่อที่เปลี่ยนแปลงอย่างรวดเร็ว-มีความโดดเด่นเป็นพิเศษ รองรับ "การเสียบแบบซ่อน" และ "การเสียบ/การถอดแบบใช้แรงดัน" ช่วยให้วิศวกรสามารถบำรุงรักษาฮาร์ดแวร์หรือเปลี่ยนโหนด GPU โดยไม่ต้องระบายสารหล่อเย็นราคาแพง ทำให้เกิดการรั่วไหลเป็นศูนย์อย่างแท้จริงและ-การสลับร้อน- ซึ่งช่วยเพิ่มประสิทธิภาพการดำเนินงานและความน่าเชื่อถือของโรงงาน AI อย่างมีนัยสำคัญ
นอกจากนี้ ครีบกระจายความร้อนแบบอะลูมิเนียมขนาดใหญ่และโครง-โลหะหล่อที่แสดงให้เห็นในแผนภาพเป็นส่วนประกอบที่สำคัญของระบบทำความเย็นอิเล็กทรอนิกส์สมัยใหม่ ซึ่งใช้กันอย่างแพร่หลายในโซลูชันการควบคุมอุณหภูมิสำหรับอุปกรณ์อิเล็กทรอนิกส์ที่มี-กำลัง-ความหนาแน่นสูง การทำงานควบคู่กับโมดูลระบายความร้อนด้วยของเหลวหลัก ทั้งสองโมดูลร่วมกันสร้างรากฐานที่แข็งแกร่งเพื่อรองรับพลังการประมวลผล AI ที่เพิ่มขึ้นในอนาคต
