液冷，让AI模型更庞大

　　1943年，当心理学家W.S.McCulloch和数理逻辑学家W.Pitts，经过反复地推算验证，提出神经网络和数学模型，并接受掌声和鲜花时，他们心中必然有一丝遗憾，因为在晶体管还未发明的年代，纷繁复杂的数学公式无异于纸上谈兵。他们肯定很难想象，80年后的今天，一场绿色的智能算力变革，会像电力、宽带一样，向我们奔腾而来。
　　01
　　超大AI模型呼唤更强算力
　　两年前，大洋彼岸传出的一则的消息，震动了当时的学界。人工智能公司OpenAI发布了一篇长达72页的论文，作者多达30人，内容描述了一种超大AI语言模型GTP-3，包含了1750亿神经网络参数，不仅能自己造句子，还能编故事。在大家都在感叹《终结者》电影中的狡猾＂天网＂似乎正走进现实时，很少有人注意到强悍功能的背后，超大AI模型正在贪婪的吞噬着有限的算力。
　　＂大模型成为人工智能工程化的重要方向，智能算力需求几何级增长＂，9月19日，中国智能计算产业联盟发布的《东数西算下新型算力基础设施发展白皮书》，一针见血地指出当下智能算力的紧迫氛围。
　　AI的发展绕不过三大核心要素，数据、算法、算力。如果把数据比作工业原材料，算法就对应着生产关系，而算力就是生产力，看得见摸得着的计算中心是它现实中的代表。十年前，业内广泛流传的段子是＂得大数据者得天下＂，如今却是＂得算力者得天下＂。
　　从数据来看，超大AI模型对算力挑战巨大。比如说，OpenAI为了训练含有1750亿参数的GPT-3，从无到有耗费了5亿美元，新搭建了一个算力中心，用掉了1万张显卡。而这个模型在训练上则消耗了355个GPU的年算力，训练的成本超过了460万美元。
　　除了算力，超大AI模型对电力的需求同样让人吃惊，GPT-3被训练一次就要消耗电量19万度，按照美国碳排放标准计算，大约产生了85000kg二氧化碳当量。
　　可如今，对更大AI模型的疯狂追求却成了趋势。尤其是在AlphaGo以5比4的成绩击败李世石之后，各家科技巨头像着魔一般，疯狂挑战超大AI模型。在OpenAI推出GPT-3之后，微软和英伟达也不甘心被落下，一年后立马公布了拥有5300亿参数的MT-NLG大模型。
　　所以，研究人员现在不得不面对一个现实困境，智能算力越来越不够用。在半导体产业，摩尔定律广为人知，芯片中的晶体管每隔18个月左右，基本会翻一番，性能同时会提升一个档次。而从2012年以来，人工智能产业也呈现了类似规律，复杂的AI训练任务所需的算力，每3.43个月就会翻倍。OpenAI在整理2012到2018年算力数据后，更是发现了一个惊人的事实，六年时间内，AI算力需求竟然增长了30万倍，这比摩尔定律更震撼。
　　中国工程院院士郑纬民曾指出，下一代AI的发展亟需建设大规模AI算力基础设施，GPT-3取得了很好的进步，但是离强人工智能还有差距，下一代人工智能模型可能超过万亿参数。
　　当AI大模型成为推动AI能力提升的重要工具和手段时，它的非线性甚至是几何式增长的参数数量，将导致AI大模型、巨量模型的计算规模越来越大，需要的硬件资源越来越多，对算力需求及其巨大。若是步入强人工智能时代，所需算力更是将呈现几何倍增长。
　　02
　　更强的算力中心急需降温
　　在算力需求嗷嗷待哺的同时，如何给数据中心节电省钱，也成了工程师们必须面对的难题，光是2021年，全国近2.6%的电力都用在了数据中心运维上，且年电力消耗增速超过60%。所以，各地数据中心面临节能减排的重任，而接二连三的政府文件，也恰好证明了这一点。
　　2017年，国务院印发的《＂十三五＂节能减排综合工作方案》明确要求，新建的大型云计算数据中心能源利用效率值（PUE）要优于1.5。2021年，政府发布的《新型基础设施绿色高质量发展实施方案》又再次强调，到2025年，国家枢纽节点的PUE值要进一步降到1.25以下，绿色低碳等级要达到4A以上。
　　所谓的PUE，简单点解释就是数据中心消耗的所有能源与IT设备能耗的比值，越接近＂1＂证明能效水平越好，也就说明数据中心的大部分电力都被服务器、网络设备、储存设备消耗掉了。但＂PUE=1＂只是理想情况，按照正常的物理逻辑，强悍的算力往往意味高耗、高热量。
　　首先就单个芯片来说，在制程不断突破极限、功率奔向千瓦时，如何冷却是头号问题。英特尔曾在1999年对外展示过一张折线图，内容是处理器功率密度随时间变化的趋势。可以很明确地看到，按照摩尔定律的发展路径，晶体管的尺寸和芯片的功率密度呈现负相关，也就是说晶体管尺寸减少的同时，芯片的功率密度反而高了。
　　而随着新的数据中心不断建设、装备了先进制程芯片的机柜投入使用，单个机柜的功率密度也在快速抬升。根据Uptime Institute发布的《2020全球数据中心调查报告》显示。2020年数据中心平均但机架功率为8.4（KW/机架），相比于2017年的5.6（KW/机架）、2011年的2.4（KW/机架）有明显提高，年复合增长率达到了15%。
　　而且短期来看，功耗问题难以顺利解决。因为在经典的冯·诺依曼架构中，数据的处理和存储是放在不同的地方，频繁地高速传输必然导致系统功耗很高。从某种角度理解，这也是冯·诺依曼架构的缺陷所在。所以，当全球媒体津津乐道AlphaGo打败人类时，有一组让人大跌眼镜的事实，人类只用了20瓦的大脑能耗，而AlphaGo的能耗达到了2万瓦。
　　先进制程芯片的突破、功率更高的单机柜使用，迫使数据中心使用更多的能源用于散热。
　　03
　　液冷技术成为破局要素
　　2022年，《求是》杂志第二期中的一张图片，吸引了众多通信界人士的目光。这张图片展示的是一款浸泡在液体中的处理器，在其周围附着了很多移动的气泡。在图片旁边还注明了一行文字：＂对数字经济对经济社会的引领带动作用日益凸显，图中液冷计算节点能够将数据中心能效比PUE降至1.1以下，比传统风冷技术节电20%。＂
　　实际上，这款图展示的正是曙光自主研发的浸没式相变液冷技术，通过特殊的、沸点很低的液体，将CPU、内存、电源系统等发热部件运行时产生的热量带出设备，之后这些液体再与水做热交换，最终将热量排除，达到给数据中心降温的效果。从具体的数据来看，这样的冷却技术达到了极好的效果，甚至能将PUE值控制最低1.04，这说明数据中心的电力基本很少有浪费。而且，这些液体带出的热量还能被回收，供附近居民采暖。
　　在液冷技术上，曙光很早就开始埋头耕耘。2011年，在业内竞相追逐互联网泡沫时，曙光开始了服务器液冷技术的探索与研究，2013年推出首台冷板液冷服务器原理机，并在一年后完成产品化。有了冷板液冷经验，先进的浸没相变液冷技术也就手到擒来了。2013年，首台浸没相变液冷原理验证机被推出，2014年原型机诞生，2017年启动商用，两年后，国内首个浸没相变液冷服务器大规模应用项目落地。
　　在东数西算的大背景下，曙光的绿色算力方案也在有序的落地中。在全国一体化算力网络成渝枢纽节点内，曙光在重庆市璧山区科学城打造的数据中心，就是以浸没相变液冷技术为底座，布局建设。实际上，依托液冷技术，曙光的绿色大脑正在为国内各地、各行业提供算力，相比传统风冷技术，一年节电量达2亿度。
　　由曙光承建西部（重庆）科学城先进数据中心效果图
　　基础设施意味着普惠性、大众化，也就意味着东西便宜、用的人多。18世纪的蒸汽、19世纪的电力、20世纪的宽带，都在相应的时间节点上，顺利地演变成那个时代的基础设施，有的仍存延至今。在以液冷技术为代表的绿色算力席卷全球、贯通各行各业时，我们似乎看到了强人工智能时代的算力基础设施，正呼之欲出。
　　来源|科工力量