特斯聯(lián)攻克智算熱管理難題，為智算中心降本增效提供硬核方案

當前，AI應用的大范圍落地正推動推理需求呈指數(shù)級增長，智算中心的能源消耗也隨之攀升。算力基礎(chǔ)設(shè)施的能耗賬單，已成為行業(yè)必須直視的隱憂。針對行業(yè)痛點，正在IPO階段的特斯聯(lián)發(fā)布了面向大規(guī)模智算集群全新升級的“元啟”AI熱管理智能群控系統(tǒng)（OriginSys），以多維技術(shù)體系實現(xiàn)液冷與風冷的全域智能管控，將數(shù)據(jù)中心PUE（能源使用效率）推進至1.08。根據(jù)Uptime Institute 2024年報告，全球數(shù)據(jù)中心行業(yè)平均PUE為1.56，這一對比顯示出該系統(tǒng)的能效優(yōu)化效果。

特斯聯(lián)“元啟”系統(tǒng)的核心，在于以AI算法為引擎，深度融合制冷原理、流體力學、熱傳導方程、熱交換等底層機理，構(gòu)建起建模、預測、群控三層融合架構(gòu)。

系統(tǒng)首先對冷機、水泵、冷卻塔、風冷機組、CDU等設(shè)備進行全鏈路數(shù)字建模與仿真，將流體流速、冷量分配、換熱效率等核心參數(shù)轉(zhuǎn)化為可計算的維度。在此基礎(chǔ)上，AI算法遍歷數(shù)千種設(shè)備運行組合，預測不同天氣與制冷需求下的能耗表現(xiàn)，從而鎖定全局最低能耗的最佳動作組合。整個過程采用實時滾動優(yōu)化機制，隨著室外溫度和制冷需求的動態(tài)變化，系統(tǒng)定時進行預測和遍歷，始終保障當前工況下的能效最優(yōu)。經(jīng)實測，該系統(tǒng)可將PUE穩(wěn)定降至1.08，較常規(guī)液冷系統(tǒng)再優(yōu)化10%至15%，5年TCO節(jié)省預計可達20%至30%。

在精細化控溫方面，“元啟”系統(tǒng)同樣提供了技術(shù)支撐。基于全鏈路熱特性數(shù)字模型，系統(tǒng)通過多類型深度神經(jīng)網(wǎng)絡(luò)對全維度熱交換、流體數(shù)據(jù)進行實時采集與深度解析，精準捕捉熱源變化與流體傳遞、溫度傳導的內(nèi)在關(guān)聯(lián)。借助熱傳導方程實時計算芯片熱擴散規(guī)律，系統(tǒng)依靠多模型融合的AI預測算法預判發(fā)熱趨勢，實現(xiàn)冷量供給與負荷需求的前饋同步。這一能力可滿足智算中心GPU集群、芯片制造工廠等高精度控溫場景的需求。在智算場景中，系統(tǒng)閉環(huán)控制響應時間從傳統(tǒng)方案的600秒壓縮至100秒以內(nèi)，GPU峰值溫度降低8至12攝氏度，大模型訓練過程中的溫度波動控制在±1攝氏度以內(nèi)，既保障了算力硬件恒溫運行、避免了冷量浪費，也有助于維持大模型訓練的穩(wěn)定性。

在運維層面，系統(tǒng)搭載了NLP自然語言智能助手，運維人員通過“查看機房溫度”“調(diào)整PUE目標”等日常指令即可完成復雜操作，運維效率提升約50%。同時，AI算法對設(shè)備運行、管路狀態(tài)、算力發(fā)熱等全維度數(shù)據(jù)進行深度解析，實現(xiàn)預測性維護，提前識別故障隱患，將傳統(tǒng)“被動搶修”轉(zhuǎn)變?yōu)椤爸鲃宇A防”，故障率降低80%。系統(tǒng)內(nèi)置的TPM 2.0安全芯片則提供了硬件級加密與身份認證，保障控制指令端到端的安全。

目前，“元啟”系統(tǒng)已在多個超大規(guī)模智算中心完成部署驗證。實測數(shù)據(jù)顯示，系統(tǒng)可實現(xiàn)制冷系統(tǒng)能耗降低20%至25%、整體碳排放減少35%，投資回收期約2至3年。對于正處于IPO進程中的特斯聯(lián)而言，“元啟”系統(tǒng)的發(fā)布以真實的能效數(shù)據(jù)和商業(yè)化落地成果，向市場展示了公司在AI熱管理領(lǐng)域的技術(shù)壁壘和工程化能力，更在“雙碳”目標與算力能耗問題日益受到產(chǎn)業(yè)和資本關(guān)注的當下，為特斯聯(lián)構(gòu)建了清晰的ESG價值敘事。

免責聲明：以上內(nèi)容為本網(wǎng)站轉(zhuǎn)自其它媒體，相關(guān)信息僅為傳遞更多信息之目的，不代表本網(wǎng)觀點，亦不代表本網(wǎng)站贊同其觀點或證實其內(nèi)容的真實性。