AI Surge Accelerates the Transition to Liquid Cooling: Rethinking Energy and Water Use in Data Center Cooling

数字世界运行在被称为数据中心的庞大计算机仓库之上，这些设施处理着我们每天使用的信息。随着人工智能变得日益强大，这些设施正变得异常炎热，产生的热量之快，是传统的空调系统难以应对的。为了防止机器过热，工程师们正在从向机器吹送冷空气转向直接通过硬件泵送液体，这种方法能更高效地带走热量。然而，这种转变也带来了一系列新的挑战。虽然液体冷却使用的电力较少，但其中某些版本依赖于通过蒸发水分来释放热量，这可能会耗尽干旱地区当地的水资源。该行业面临的问题是如何为这些大型计算机降温，既不浪费大量电力，也不耗尽当地的河流和含水层。

一个研究小组致力于规划这一转型过程中的最佳路径。他们建立了一个详细的计算机模型，用以模拟不同液体冷却系统在世界五十个城市中的表现，这些城市涵盖了从寒冷的北方到酷热的沙漠的所有主要气候类型。他们的目标是找到一个能量消耗与耗水量之间的平衡点，而不是仅仅孤立地看待某一个因素。他们对比了两类主要的液体冷却方式：一种是使用风扇向管道吹风（干冷却），另一种是使用喷水来帮助冷却管道（蒸发冷却）。他们还测试了改变进入计算机机架的液体温度如何影响总电费，包括服务器本身运行所需的电力。

研究发现，转向液体冷却是效率的一次巨大飞跃。与旧的空气冷却系统相比，液体冷却可以将仅用于冷却的能量减少 25% 到 56%。在最高效的情景下，即系统尽可能利用室外空气来冷却液体的过程中，整个设施使用的总能量会降至一个水平，使得几乎所有的电力都直接用于计算机，而极少浪费在冷却设备上。研究人员确定了特定的温度阈值，在这些阈值下，数据中心理论上几乎全年都可以依靠室外空气进行免费冷却。对于喷水系统，这一阈值约为 33 摄氏度，而对于仅依赖空气的系统，可以将这一限制推高至 49 摄氏度。这意味着在世界许多地方，这些设施几乎可以完全停止使用高耗能的冷水机组。

然而，研究人员发现，节省能源并不只是简单地将温度调得越高越好。虽然较热的液体允许进行更多免费冷却，但它也会让计算机芯片本身工作得更辛苦，从而消耗更多电力。在某些气候条件下，服务器为了应对热量而增加的额外功耗会抵消掉冷却系统带来的节省。团队发现，对于每一个地点，都存在一个特定的、独特的温度，能够使整个建筑的总能量使用量降至最低。这个“总能量最小值”通常与使冷却系统在纸面上看起来表现最好的温度并不一致。在较凉爽的地方，最佳温度较低，因为服务器不需要太多帮助来保持冷却；而在较热的地方，系统可以承受更高的运行温度，以最大限度地利用免费的室外空气。

该研究还探讨了水资源问题，表明选择干冷却还是蒸发冷却很大程度上取决于数据中心建在哪里。在干燥且炎热的地区，蒸发系统会消耗大量水分，因为空气非常“渴”，会迅速带走水分。在这些同样干燥的地方，研究人员发现，完全不使用水的干冷却系统实际上可能比其对应的湿式系统在能量效率上略高。这是因为当空气凉爽时，干式系统的风扇可以运行得缓慢且安静，而蒸发系统则有一个维持水泵运转的基础能量成本。研究结果表明，在缺水地区，最佳解决方案通常是使用设置更高温度的干冷却，这样既能节省水，又能节省能源。

最终，该论文认为，对于下一代人工智能的冷却问题，并不存在统一的全球规则。最可持续的方法需要一种定制化的策略，综合考虑当地的天气、特定的冷却技术以及计算机芯片的行为。通过为每个特定地点选择合适的温度和合适的系统，数据中心可以在支持蓬勃发展的 AI 产业的同时，不耗尽世界的能源或水资源。研究人员强调，随着芯片设计能够处理更热的液体且不会增加额外功耗，节省能源和水的潜力将会不断增长，为通往更可持续的数字未来提供一条清晰的路径。