本周英伟达宣布,"英伟达AI基础设施的Rubin系列是全球首个实现100%液体冷却的系统",部分媒体随即将其误读为"用水量减少100%"。随后还出现了"零耗水"以及"大幅降低电力消耗,几乎完全消除用水"等说法。
目前,RCRTech已向英伟达提出采访请求,希望进一步厘清该设计的实际能力与局限所在。在得到官方回应之前,对上述部分说法仍需保持审慎态度。麻省理工学院斯隆管理学院的一篇博客对此作出了较为准确的概括,文章着重指出环境影响的衡量方式问题:"该公司的声明聚焦于数据中心边界内的耗水量。这一指标或许能准确反映设施层面的表现,但仅能捕捉到AI整体水足迹的一部分。大量用水发生在上游环节,尤其是发电和半导体制造过程中。"
在新的封闭式液冷系统中,75%水与25%丙二醇的混合冷却液将循环使用,冷却液的运行温度远高于传统限制(最高可达45°C / 113°F)。由于液体本身温度较高,外部空气可通过干式散热器将热量散逸,从而无需使用蒸发冷却塔。液体封闭在管道中循环,初次注入后无需再从外部补充新鲜水源,因为整个系统不存在冷却塔。但值得注意的是45°C这一温度上限——对于亚利桑那州、德克萨斯州等气候炎热的地区,一旦室外气温超过冷却液的耐受极限,数据中心仍需配备冷水机组。
此外,在数据中心的用水来源中,内部冷却液循环并非最大的耗水环节,真正的"主角"是用于维持冷却液温度的外部蒸发冷却器。换言之,数据中心现场的直接用水量,绝大部分来源于建筑层面的热量排放,而非内部冷却液回路本身。与此同时,还有一个不可忽视的问题:为数据中心供电的发电厂同样消耗大量水资源。国际能源署的数据显示,每生产一度电,天然气发电厂需消耗1.17升水,燃煤发电厂则高达2.2升。
RCRTech将继续就上述问题向英伟达寻求进一步澄清,并在后续的AI基础设施日报中提供更多详细信息。
Q&A
Q1:英伟达Rubin系列液冷系统是如何运作的?
A:英伟达Rubin系列采用封闭式液冷系统,使用75%水与25%丙二醇的混合冷却液,运行温度最高可达45°C。由于冷却液温度较高,外部空气可通过干式散热器直接散热,无需蒸发冷却塔,系统初次注水后无需持续补充新鲜水源,从而降低了数据中心内部的直接用水量。
Q2:英伟达的液冷系统真的能做到"零耗水"吗?
A:并不完全准确。该系统减少的是数据中心边界内的直接用水,但AI整体的水足迹还包括上游的发电和半导体制造环节。国际能源署数据显示,天然气发电每度电耗水1.17升,燃煤发电高达2.2升。因此"零耗水"的说法过于绝对,完整的水资源消耗评估需涵盖整个供应链。
Q3:英伟达液冷系统在哪些地区使用会受到限制?
A:该系统的冷却液耐温上限为45°C,对于亚利桑那州、德克萨斯州等气候炎热地区,若室外气温超过这一限值,数据中心仍需额外配备冷水机组辅助散热,无法完全依赖干式散热方案,系统的节水效果也会因此打折扣。
好文章,需要你的鼓励
牛津大学提出PHYSIFORMER,一种扩散变换器模型,通过三维网格顶点轨迹直接在世界坐标空间预测刚性与弹性物体的物理运动,一次性生成全序列轨迹,超越自回归基线。
随着医疗数据数字化与互操作性的进步,跨机构纵向患者数据的研究应用成为可能。本研究通过对20位领域专家的访谈,识别出8种数据收集方法,涵盖智能手机应用、结构化数据导出、区域/全国研究查询及聚合数据源等。研究发现,各方法均有其优缺点,无单一最优方案。参与者中介交换方式可绕过复杂治理安排,但存在数据缺口;全国性网络尚不支持研究查询。公共政策的持续推进将对该领域发展起关键作用。
研究发现主流奖励模型对同等质量答案给出差异悬殊的分数,并提出"奖励聚类"算法通过蒙特卡洛随机失活将连续分数离散化,在不重训模型的前提下有效减少AI训练中的奖励作弊现象。