June 26, 2026
数十から数十億のパラメータを持つ大型言語モデル (LLM) のトレーニングサイクルではAIコンピューティングセンターの核心痛みは 純粋なコンピューティング冗長から 高密度熱管理へと 徐々に移行しています複数のコアグラフィックカード (GPU) 制限された範囲内での長時間,全負荷で動作する$4U$シングルチップの瞬間的な熱設計電力 (TDP) は$700W$空気特異的な熱容量の物理的限界により,従来の空気冷却は,簡単に空気の内部に熱蓄積を引き起こす.サーバーチップの熱圧縮メカニズムを誘発し コンピューティング出力の連続性と一貫性を直接損なう
この業界共通の課題に取り組むためにスーパーマイクロ次世代の高密度GPUに 深くカスタマイズされた冷板液体冷却ソリューションを導入しましたサーバーこのソリューションは,高熱発生部品の正確な温度制御に焦点を当てています.
材料 と 工芸: 高熱伝導性の純銅冷板は,GPUチップとHigh Bandwidth Memory (HBM) の表面に直接塗装されます.マイクロチャネル構造設計により,熱消耗接触面積は35%$.
労働条件: 厳しい工業環境下では,入口冷却液の温度は$32^circtext{C}$システムでは,安定して GPU の動作温度を下回る$75^circtext{C}$.
信頼性基準:パイプラインのインターフェースは 航空用級の滴水防止の快速コネクタを使用し 厳格な圧力パルスと耐腐蝕試験によって認証されていますIT機器の使用寿命中に冷却液漏洩のリスクを排除する.
Supermicro液体冷却装置を導入することでサーバー実験データによると,AIコンピューティングの作業負荷が同一である場合,液体冷却は,データセンター全体の電力使用効率 (PUE) を$1.6$標準的な空気冷却で$1.15$大規模な分散型訓練クラスターの安定した運用を保証し,長期的に運用電力コストを大幅に削減します
