施耐德电气液冷编排架构
3 节点1 篇4 来源
【背景】随着AI机架功率密度突破传统风冷极限,直接液冷成为高算力集群的必需基础设施。施耐德电气(Schneider Electric)制冷解决方案架构师Amir Ibraheem指出,液冷编排的核心并非追踪GPU瞬时负载,而是跨整条散热链调度设定值。
该架构通过本地CDU维持供给温度和压差,并在更高层级持续重置排热设施、冷水机组和二次流体网络的参数。利用预测模型在热量到达冷却回路前调整容量,旨在以最小能耗和水耗维持冷板处的热裕度。这种软件驱动的编排将冷却从独立资产集合转变为协调的热管理平台,优化PUE和WUE,并支持多站点性能基准对比。
【存疑】尽管施耐德强调其EcoStruxure平台与NVIDIA MGX架构的深度集成及Motivair收购带来的技术优势,但行业对于“无冷水机组”冷却方案的可行性仍存在争议,且不同供应商(如Vertiv、Eaton)在混合风液环境下的控制策略差异显著。目前尚无统一标准证明单一编排软件能完全消除异构硬件间的兼容性问题。
事情怎么走到这一步
施耐德电气发布新的EcoStruxure Pod Data Center和Rack Solutions,支持高达1MW的机架密度,集成直接芯片液冷,并与NVIDIA MGX架构对齐。
se.com ↗施耐德电气发布白皮书《Navigating Liquid Cooling Architectures for Data Centers with AI Workloads》,提供六种常见液冷散热架构的选择指南。
se.com ↗施耐德电气博客文章详细阐述液冷编排软件的工作原理:不追踪GPU瞬时负载,而是通过预测模型跨散热链调度设定值,以优化能效和水效。
blog.se.com ↗
还没定论的部分
- 液冷编排软件在处理混合风冷和液冷环境时,如何具体平衡不同冷却域之间的资源竞争?
- 施耐德电气声称的预测模型在实际部署中能将PUE和WUE降低多少百分比,是否有第三方验证数据?