AI 연산 수요 증가로 확대되는 액체냉각 계측 | 지능형 유량계를 활용한 데이터센터 열관리 데이터 연계

현재 글로벌 AI 산업은 컴퓨팅 힘의 급속한 확장을 경험하고 있습니다.대형 모델 반복 구동 칩의 전력 소비량은 계속 증가하고 있습니다.단일 캐비넷의 열 밀도는 원래의 상한을 계속 초과합니다.전통적인 공기 냉각 열 분산은 물리적 성능의 경계에 도달했습니다.액체 냉각 기술은 데이터 센터에 대한 선택적 솔루션에서 지능형 컴퓨팅 인프라에 대한 엄격한 요구 사항으로 변경되었습니다. 전력 산업의 자동화 변화의 논리와 비슷하게 컴퓨팅 인프라도 자동화 아키텍처의 재구조를 진행하고 있습니다. 고밀도 액체 냉각 시스템이 대규모로 배포되고 있지만, 대규모 운영 데이터가 수집, 분석 및 적용되는 방법은 지능형 컴퓨팅 센터의 안정적인 운전, 에너지 효율 최적화 및 저탄소 목표의 구현을 제한하는 주요 문제가 되었습니다.

액체 냉각 시스템은 AI 연산 클러스터의 핵심 냉각 기능을 담당합니다. 냉각수 순환과 분배의 균형 및 안정성은 GPU 등 핵심 연산 하드웨어가 안전하게 성능을 발휘하는 데 직접적인 영향을 줍니다. 그러나 신설·개선 중인 많은 지능형 연산 시설에서는 CDU, 콜드 플레이트, 배관 등 주요 하드웨어에 비해 유량 계측의 중요성이 충분히 반영되지 못하고 있습니다. 운영자는 주배관의 유량만 확인할 수 있어 랙 분기와 콜드 플레이트 말단의 실제 냉각수 공급 상태를 실시간으로 파악하기 어렵습니다. 배관 막힘, 밸브 위치 이상, 유체 분배 불균형 등의 징후를 조기에 발견하지 못하면 칩 온도 이상 경보가 발생한 후에야 대응하게 됩니다. 이는 하드웨어 과열·손상 위험뿐 아니라 냉각 에너지 낭비로 이어져 PUE의 지속적인 개선을 제한합니다.

마찬가지로 핵심 아이디어​​전력 산업이 무한한 자동화를 향해 움직이고, 데이터 사이로를 깨우고 데이터 가치를 방출하는 것은 또한 액체로 냉각된 지능형 컴퓨팅 센터의 개발 방향입니다.새로운 세대 자동화 아키텍처는 더 이상 간단한 임계값 경보에 만족하지 않지만, 유량, 압력 및 온도와 같은 완전한 차원 현장 데이터를 CDU 메인 루프에서 각 서버 콜드 플레이트의 끝까지 확장하여 완전한 디지털 뷰를 형성하여 예측 운전 및 유지보수, AI 지원 규제 및 에너지 소비 회계를 위한 신뢰할 수 있는 데이터 소스를 제공합니다.

산업의 요구는 측정 기기 제품의 반복을 강제로 하고 있습니다.전통적인 일반용 유량계는 액체 냉각의 독특한 사용 조건에 적응하기 어렵습니다. 작은 직경 지점, 매우 낮은 유량 비율, 비이온화된 물 / 에틸렌 글리콜과 같은 낮은 전도도 매디어 및 컴퓨터 룸에서 소형 설치 공간과 같은 실용적인 제한에 직면 한 일반 미터는 작은 유량 불정확성, 신호 드리프트, 과도한 압력 손실 및 자주 유지보수와 같은 문제에 취향하고 있으며 지능형 컴퓨팅 센터의 24/7 연속 운전 요구 사항을 충족할 수 없습니다.전문화되고 지능적인 유량 측정 솔루션은 액체 냉각 산업 체인에서 필수적인 핵심 링크가 되었습니다.

빠르게 성장하는 컴퓨팅 전력 액체 냉각 시장에 직면하여, DOWESTON은 수년간의 프로세스 자동화 및 지능형 감지 기술의 축적에 의존하여 AI 지능형 컴퓨팅 액체 냉각 시나리오를 위한 유량 측정 솔루션의 전체 범위를 출시하고 있으며, CDU 메인 루프, 캐비넷 지점 파이프라인 및 냉각판의 끝에 있는 멀티-레벨 측정 포인트를 포함합니다.그것은 냉각 판 유형과 침투의 두 개의 주류 액체 냉각 경로에 적합합니다 유형.이 제품은 광범위한 범위와 낮은 유량 측정 능력을 고려하여 파이프라인 압력 손실을 줄이고 이 이 이 이 이 이 이 이 이 이 제품은 이 이 이 이 제품은 파이프라인 압력 손실을 줄이고 펌프 유이 이 이 유이 추가 에너지 소비량을 줄이기 위해 특별히 최적이 장치는 주류 산업 통신 프로토콜을 지원하고 데이터 센터 DCIM 및 운영 및 유지 보수 관리 플랫폼에 원활하게 연결하여 트래픽 데이터의 통합을 달성할 수 있습니다.

이 솔루션은 단순한 데이터 수집을 넘어 패턴 인식과 머신러닝을 결합하여 산업 현장의 예지보전 방식을 적용합니다. 액체 냉각 시스템의 정상 운전 기준을 지속적으로 학습하고 실시간 유량·압력·온도 데이터를 비교하여 필터 막힘, 배관 저항 변화, 밸브 이상, 유체 분배 불균형 등의 초기 징후를 식별합니다. 이를 통해 고장 발생 후의 대응을 사전 경보 중심으로 전환할 수 있습니다. 또한 디지털 트윈 시뮬레이션과 연계하여 운영자가 냉각수 분배 전략을 동적으로 조정하고 방열 신뢰성과 에너지 소비의 균형을 유지하도록 지원함으로써, 데이터센터의 PUE 개선과 저탄소 운영에 기여합니다.

생성 AI가 계속 진화함에 따라 지능형 컴퓨팅 센터의 규모는 계속 확장되고 액체 냉각 시스템은 더 보기 복잡한 분산 아키텍처로 이동할 것입니다.전력 산업의 자동화 변화와 마찬가지로 컴퓨팅 인프라의 경쟁은 하드웨어 컴퓨팅 힘의 경쟁뿐만 아니라 자동화 인식, 데이터 거버난스 및 지능형 운전 기능의 경쟁입니다.완전하고 신뢰할 수 있는 기본 측정 인식은 상층 AI 제어 및 지능형 운전 및 유지보수를 구현하는 전제 조건입니다.

DOWESTON은 액체로 냉각된 컴퓨팅 전력 측정의 분야를 계속 탐구하고, 지능형 컴퓨팅 고객이 하단 수준의 인식에서 상층 지능형 적용 분야까지 완전한 링크를 열고 AI 컴퓨팅 전력 산업의 안전하고 효율적이고 지속 가능한 발전을 보호하는 데 도움이 되는 개방적이고 호환 가능한 자동화 아키텍처를 사용

보도자료 - DOWESTON