Actuellement, l'industrie mondiale de l'IA connaît une expansion rapide de la puissance de calcul. La consommation de courant des puces à grand modèle à itération continue de croître. La densité thermique d'une seule armoire continue de dépasser la limite supérieure d'origine. La dissipation de chaleur de refroidissement de l'air traditionnelle a atteint la limite des performances physiques. La technologie de refroidissement liquide est passée d'une solution optionnelle pour les centres de données à une exigence rigide pour une infrastructure informatique intelligente.
Le système de refroidissement liquide est responsable de la mission de refroidissement de base du groupe de calcul AI. L'équilibre et la stabilité de la distribution de liquide de refroidissement déterminent directement si le matériel informatique de base comme GPU peut libérer en toute sécurité ses performances. Cependant, dans un grand nombre de projets de calcul intelligents en cours de construction et de rénovation, la gestion thermique a longtemps eu le statu quo de «réorganiser la machine et ignorer la détection» : CDU, la plaque froide et le matériel de pipeline sont entièrement pris en considération, mais la liaison de détection de flux est facile à former des points aveugles de données. Le personnel de fonctionnement et d'entretien n'a souvent accès qu'aux données de débit de conduite principale, et l'état de l'approvisionnement en liquide réel des branches de l'armoire et des extrémités de la plaque froide ne peut pas être visualisé en temps réel; les dangers cachés tels que le blocage de pipeline, la compensation de valves et la distribution de médias déséquilibrés ne peuvent pas être identifiés à l'avance.
Tout comme l'idée de base de , l'industrie de l'énergie électrique se dirige vers l'automatisation non liée, la destruction des silos de données et la libération de la valeur des données est également la direction de développement des centres informatiques intelligents refroidis par liquide. L'architecture d'automatisation de nouvelle génération n'est plus satisfaite des alarmes de seuil simples, mais s'appuie sur un réseau de perception complet pour étendre les données sur site en pleine dimension comme le débit, la pression et la température de la boucle principale CDU à la fin de chaque plaque froide serveur pour former une vue numérique complète, fournissant une source de données fiable pour le fonctionnement et la maintenance prédictifs, la régulation assistée par l'IA et la comptabilité de la consommation d'énergie.
Les besoins de l'industrie sont de forcer l'itération des produits d'instruments de mesure. Les débitmètres traditionnels à usage général sont difficiles à adapter aux conditions de travail uniques du refroidissement liquide : face à des contraintes pratiques telles que les petites branches de diamètre, les débits extrêmement faibles, les milieux à faible conductivité tels que l'eau désionisée/éthylène glycol, et les espaces d'installation compacts dans les salles d'ordinateurs, les compteurs ordinaires sont sujets à des problèmes tels que la petite inexactitude du débit, la dérive du signal, la perte de pression excessive et l'entretien fréquent, et ne peuvent pas répondre aux exigences de fonctionnement continu 24/7 des centres informatiques intelligents.
Face au marché de la puissance de calcul en pleine expansion, Doweston compte sur des années d'accumulation d'automatisation des processus et de technologie de détection intelligente pour lancer une gamme complète de solutions de mesure de débit pour les scénarios de refroidissement de liquide intelligent de calcul AI, couvrant la boucle principale de la CDU, les conduites de branchement et les points de mesure à plusieurs niveaux à l'extrémité de la plaque froide. Il convient aux deux principaux circuits de refroidissement liquide de type plaque froide et de type immersion. Le produit est spécialement optimisé pour le refroidissement par eau désionisée et par mélange d'éthylène glycol, en tenant compte des capacités de mesure de large gamme et de faible débit, en réduisant la perte de pression de pipeline et en réduisant la consommation d'énergie supplémentaire de l'unité de pompe.
Plus que la collecte de données brutes, la solution complète intègre la reconnaissance de motifs et les capacités d'apprentissage des machines pour comparer les idées de maintenance prédictive dans le domaine industriel. Le système apprend en permanence la base de référence normale du système de refroidissement liquide et compare les données en temps réel sur le débit, la pression et la température afin d'identifier les dangers cachés précoces tels que le blocage du filtre, la dérive de la résistance du pipeline, les anomalies de la valve, le déséquilibre de la distribution des médias, etc., la transformation du dépannage post-événement en pré-avertissement.
Comme l'IA générative continue d'évoluer, l'échelle des centres informatiques intelligents continuera de s'étendre et les systèmes de refroidissement liquide vont évoluer vers des architectures distribuées plus complexes. Tout comme la transformation de l'automatisation de l'industrie de l'électricité, la concurrence dans l'infrastructure informatique n'est pas seulement une concurrence de puissance informatique matérielle, mais aussi une concurrence de perception automatisée, de gouvernance des données et de capacités de fonctionnement intelligentes.
Doweston continuera à explorer le domaine de la mesure de la puissance de calcul refroidie par liquide et utilisera une architecture d'automatisation ouverte et compatible pour aider les clients de l'informatique intelligente à ouvrir un lien complet entre la perception de bas niveau et les applications intelligentes de niveau supérieur, et à protéger le développement sûr, efficace et durable de l'industrie de l'énergie de calcul AI.
Communiqués de presse - Doweston

Parlez-nous de votre tâche de mesure et nous vous aiderons dans la sélection des produits et les questions techniques.info@doweston.com