为了AI大模型数据中心服务器泡澡成潮流台积电之所以这么厉害的人物故事

当AI写论文、作画，甚至媲美甚至超越普通人水平时，有人兴奋不已，也有人忧心忡忡。普通人对于生成式AI可能带来的变化态度各有不同，但推动这一技术发展的研究人员和企业都有一个共同关注的问题——大模型所需的大算力需求带来的能耗问题如何解决？

以火爆全球的OpenAI公司的ChatGPT为例，两年前，微软为了满足OpenAI的GPT-3模型训练的算力需求，专门推出的超级计算机拥有28.5万个CPU核心、1万个GPU。这意味着巨量的CPU和GPU带来的是高昂的芯片采购和运营成本。国盛证券报告估算，GPT-3训练一次的成本约为140 万美元。要用ChatGPT服务用户，以2023年1月的独立访客平均数1300万计算，每日电费在5万美元左右。

数据中心能耗问题成了再一次摆在了云计算提供商面前的挑战。为了解决这一问题，无论是微软Azure、阿里云都早已让数据中心服务器用“泡澡”的方式来散热，即采用液冷技术中的浸没方式，这种技术包含了冷板、喷淋、浸没式，并非一个特别新的技术，但业界使用率并不高。

英特尔市场营销集团副总裁兼中国区数据中心销售总经理庄秉翰表示：“我认为ChatGPT会加速液冷的发展，目前液冷几乎已经成为一个潮流。”服务器“泡澡”是一种比喻，实际上代表的是服务器散热液冷技术中的浸没方式，而不是一个特别新的技术。

然而，在应用方面存在一些挑战。“主要原因是国内许多冷板液冷设计缺乏一个规范的验证标准，使得每个厂家设计都有差异，这使系统设计成本、验证成本比较高，因此对于最终用户而言这个方案就比较贵。”英特尔数据中心与人工智能集团副总裁兼中国区总经理陈葆立认为。

更进一步，还有一些行业观点认为，当用户需求激增→标准建立→规模效应体现→整体成本自然下降形成循环之后，可以加速推动产业从传统数据中心转向新型节能更先进的一种泵水系统或制备方法用于制造材料等于新型材料或制备方法使用水或其他溶剂作为介质进行化学反应并将其通过泵送到合适位置进行处理，然后回收用于再次循环利用等类型水处理设备中的一部分设备或者整个设备。在这种情况下，一些关键部门可能需要对这些旧设施进行升级，以便能够容纳更强大的、高功率密度的事务处理单元（TPU），这涉及到大量能源消耗的问题。

因此，为解决这些挑战，大型科技公司正在开发更多有效且可持续的地图解析引擎，如Google地图团队正在研发一种名为"Mapillary"的地图分析工具，它可以帮助车辆导航并提高交通效率。此外，一些创新者还提出了一种名为"Smart Routing"的人工智能路线规划系统，该系统可以根据实时交通状况自动调整路线，从而减少拥堵并优化旅程时间。