在上周的 Nvidia GTC 大会上,一款新型液冷固态硬盘 (SSD) 发布,旨在帮助管理当今高性能 AI 数据中心基础设施的散热问题。
数据中心的液冷技术通常用于 GPU 和 CPU 等高功耗芯片。然而,作为提升数据中心存储性能和效率努力的一部分,Solidigm 推出了一款面向 AI 部署的新型液冷企业级 SSD (eSSD)。
D7-PS1010 消除了数据中心存储设备传统上需要的风扇,实现了完全液冷的 AI 服务器。
Solidigm 与 Nvidia 合作解决了 eSSD 液冷面临的挑战,如热插拔能力和单面散热限制——这两项功能都是新 D7 系列所具备的。
现实世界的痛点
在 GTC 2025 大会上,Solidigm 展示了首款 9.5mm 冷板散热 SSD。它们还将提供 15mm 规格,为风冷服务器和存储系统的设计提供更多灵活性。
"创新的 Solidigm E1.S SSD 和液冷冷板套件的组合——两者都是市场首创——在保持数据中心级可维护性的同时,在散热效率方面带来显著优势,"Solidigm 联合 CEO Kevin Noh 表示。
Solidigm 的 AI 和领导力营销高级总监 Roger Corell 向 Data Center Knowledge 表示,全盘散热和热插拔功能的需求是当今数据中心工程团队面临的"现实世界痛点"。
"电力和散热是 AI 数据中心面临的最大挑战,"Corell 说。"随着 GPU 运行速度不断提升,数据中心可用电力变得更具挑战性,这一点尤为突出。"
他补充道:"在这种环境下,对所有 GPU 服务器组件进行液冷至关重要。该解决方案通过将液冷扩展到存储设备,同时保持企业级的热插拔可维护性来解决这一问题。"
液冷 SSD 的崛起
在讨论这次发布时,Omdia 高级首席 SSD 和 HDD 存储分析师 James Zhao 表示,虽然现在判断 Solidigm 的最新产品是否代表了数据中心散热的新品类可能为时尚早,但它可能成为冷板液冷系统的"潜在新标准"。
"液冷系统主要应用于 GPU、CPU 和 DRAM 等高功耗芯片,"Zhao 向 Data Center Knowledge 表示。
"生成式 AI 和加速计算需要能提供最佳性能的内存和存储。然而,更高的性能伴随着更多热量的问题,不断为系统集成商带来挑战。对主要发热源采用更好的散热解决方案对紧凑设计的系统来说是必需的。"
Zhao 补充道:"像 Solidigm 和 Nvidia 这样的领先企业合作理解问题并创新先行很有意义。当机架中需要更多 eSSD 时,传统的单面散热会降低系统设计的灵活性,当装载更多 eSSD 时,散热效率会急剧下降。"
"热插拔能力对几乎所有服务器存储来说都是必需的。然而,对液冷系统来说仍然存在风险。我很期待看到他们如何解决这些问题。"
AI 存储散热
Solidigm 表示,D7-PS10101 E1.S 9.5mm SSD 和液冷冷板套件将于 2025 年下半年面向 AI 服务器推出。初始容量为 3.84TB 和 7.68TB,容量范围将在年内进一步扩展。
"随着 GPU 性能持续提升,某些未来的 GPU 服务器可能需要完全液冷,"Corell 说。"此外,由于液冷和我们的冷板解决方案可以消除风冷风扇,该产品可以实现紧凑的 1U 服务器设计,有助于提高计算密度。"
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。