Системы с жидкостным охлаждением всё активнее внедряются в инфраструктуру для AI, однако многие компании ещё не адаптировали свои решения под эту технологию. В то время как GPU и CPU уже перешли на жидкостное охлаждение, системы хранения продолжили полагаться на воздушные потоки, создавая неэффективную гибридную архитектуру.
Гибридная архитектура и её недостатки
Как отметил Хардийп Сингх, управляющий командой тепло-механического оборудования в Solidigm, «гибридный подход к охлаждению — это операционно неэффективная ситуация». Существуют расходы на поддержку двух разных систем охлаждения, что приводит к высокой стоимости эксплуатации.
Жидкостные охладители требуют насосов, распределительных шлангов и контейнеров с охладителем, а воздушные — установки CRAC, холодные коридоры и испарительные башни. При этом организации, пытаясь внедрить гибридные решения, сталкиваются с высокими дополнительными затратами, не извлекая полной выгоды из их общего TCO.
Тепловые проблемы и нагрузки
Однако проблема не ограничивается только затратами. Жидкостное охлаждение создает физические преграды для потоков воздуха внутри серверов, что ухудшает работу компонентов, зависимых от вентиляции. Как результат, HDD и другие элементы системы подвергаются повышенному термическому стрессу.
По словам Сингха, растущее значение AI-нагрузок ставит под угрозу устойчивость старых систем. Традиционные воздушные системы могут потреблять миллионы галлонов воды за время эксплуатации, что делает их экологически и экономически невыгодными.
Хранение как активный компонент
С переходом на системы с жидкостным охлаждением задачи по масштабированию AI зависят от интеграции хранения этих в эти архитектуры. По этим Скотта Шадли, директора по стратегиям в Solidigm, «кто сможет поддерживать свои системы в холоде, тот и выиграет». При этом старые подходы к хранению этих становятся частью ограничения.
Эффективное масштабирование теперь требует, чтобы системы хранения работали на одном уровне с другими компонентами и обеспечивали оптимальные условия для GPU. Это значит, что системы хранения больше не могут быть просто пассивными. Их успешная интеграция в современные архитектуры станет решающим фактором для организаций, стремящихся к оптимизации своих AI-систем.
Выводы для бизнеса
Для компаний, занимающихся разработкой AI, критически важно переосмыслить свои архитектурные решения. Если ваша инфраструктура зависит от изменений в хранении и охлаждении, стоит начать адаптацию к новым требованиям системы для повышения её эффективности и сокращения затрат.
Следующий шаг в развитии AI-инфраструктуры — это устранение старых моделей хранения и оптимизация систем для работы в условиях жидкостного охлаждения.