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
中国搜索引擎巨头百度今日宣布开源其生成式AI聊天机器人文心一言,专家认为此举将推动行业从性能竞争转向价格战。百度此前一直支持专有封闭系统,如今政策大转弯,希望通过开源代码实现更广泛采用并构建开发者生态系统。今年百度加速转向开源技术,2月免费提供文心服务,3月大幅降价80%。分析师称这是对OpenAI等西方竞争对手的重大挑战。
杜克大学等机构研究团队通过三种互补方法分析了大语言模型推理过程,发现存在"思维锚点"现象——某些关键句子对整个推理过程具有决定性影响。研究表明,计划生成和错误检查等高层次句子比具体计算步骤更重要,推理模型还进化出专门的注意力机制来跟踪这些关键节点。该发现为AI可解释性和安全性研究提供了新工具和视角。
都柏林标志性的英杰华体育场宣布完成分布式天线系统5G升级改造。该体育场与独立无线基础设施运营商Shared Access合作,为爱尔兰三大移动网络运营商Three Ireland、沃达丰和eir提供5G连接服务,显著提升了球迷和访客的移动网络性能、覆盖范围和容量。升级还集成了VoltServer数字电力解决方案以提高能效。这使英杰华体育场成为爱尔兰首个5G连接的体育场馆。
法国索邦大学团队开发出智能医学文献管理系统Biomed-Enriched,通过AI自动从PubMed数据库中识别和提取高质量临床案例及教育内容。该系统采用两步注释策略,先用大型AI模型评估40万段落质量,再训练小型模型处理全库1.33亿段落。实验显示该方法仅用三分之一训练数据即可达到传统方法效果,为医学AI发展提供了高效可持续的解决方案。