فهرست مطالب
بار کاری هوش مصنوعی الگویی استثنایی از پردازش موازی پرثبات و مداوم است که سختافزارهای پردازشی را در ۱۰۰٪ ظرفیت عملیاتی نگه میدارد. ظهور مدلهای زبانی بزرگ (LLM) و ابرکلاسترهای یادگیری عمیق، زیرساختهای فیزیکی را دچار چالشهای ساختاری نموده است.
مراکز داده ابری نسل قبل برای میزبانی از بارهای کاری محاسباتی توزیعشده با چگالی متوسط طراحی شده بودند. معماریهای قدیمی بر پایه شاسیهای استاندارد خنکشونده با هوا، توان جذب شار حرارتی ناشی از شتابدهندههای مدرن را ندارند.
محاسبات ابری بر تخصیص ماشینهای مجازی با الگوی مصرف نوسانی استوار هستند. در این سیستمها، میانگین توان مصرفی هر رک بین ۵ تا ۱۵ کیلووات متغیر بوده و سیستمهای تهویه مطبوع هوا (CRAC/CRAH) قادر به مدیریت دما بودند. آموزش مدلهای هوش مصنوعی مستلزم تزریق همزمان داده به هزاران پردازنده گرافیکی (GPU) متصل به شبکه ابری با تاخیر نزدیک به صفر است.
این پردازش موازی فشرده، نوسانات بار را از بین برده و مصرف برق را در تمام ساعات شبانهروز در حداکثر میزان ممکن تثبیت میکند. تداوم این بار کاری سنگین، استرس حرارتی شدیدی به مادربردها و منبع تغذیه سرورها وارد میسازد. سازههای عمرانی سنتی فاقد مسیرهای جریان هوای ایزوله برای تخلیه این حجم از گرمای تراکمیافته هستند.
استقرار شتابدهندههای نسل جدید مانند کلاسترهای NVIDIA H100 و B200، تراکم توان هر رک را از مرز ۵۰ کیلووات عبور داده و در برخی کانفیگها به ۱۲۰ کیلووات میرساند. خنکسازی هوایی در چنین چگالی بالایی به دلیل محدودیت ظرفیت گرمایی ویژه هوا ناممکن است. فنهای سرور برای عبور حجم هوای مورد نیاز جهت خنکسازی تراشههای ۵۰۰ تا ۱۰۰۰ ورتی، به سرعتهای بحرانی میرسند.
این امر منجر به افت شدید فرکانس کاری پردازندهها (Thermal Throttling) و افزایش مصرف توان داخلی سرورها میشود. تراکم توان بالا نیاز به خطوط باسبار (Busway) تخصصی، ترانسفورمرهای فوق سنگین و کابلکشیهای فشار قوی دارد. معماری مراکز داده سنتی توان تحمل وزن این تجهیزات و جانمایی آنها را در فضاهای محدود ندارد.
مرکز داده ماژولار یک زیرساخت یکپارچه، پیشساخته و استانداردشده صنعتی است که تمامی تجهیزات حیاتی پردازشی، توزیع توان الکتریکی، خنکسازی و ایمنی را در قالب بلوکهای مستقل و آزمایششده در کارخانه ارائه میدهد. این مفهوم ساختار فیزیکی دیتاسنتر را از ساختمانهای عمرانی ثابت به واحدهای قابل توسعه تبدیل کرده است.
تلفیق سازههای ماژولار با نیازمندیهای سختافزاری هوش مصنوعی، امکان طراحی اختصاصی مسیرهای توزیع برق و سرمایش را بدون محدودیتهای عمرانی فراهم میسازد.
فرآیند احداث مراکز داده سنتی نیازمند طی مراحل پیچیده طراحی، اخذ مجوزها، گودبرداری، احداث سازه بتنی و نصب تاسیسات است. این فرآیند معمولاً بین ۱۸ تا ۲۴ ماه به طول میانجامد. در مقابل، ماژولهای پیشساخته درون کارخانه و در شرایط کاملاً ایزوله کنترل کیفیت ساخته و تست میشوند.
آمادهسازی سایت فیزیکی همزمان با ساخت ماژولها انجام شده و زمان کل پروژه را به ۴ تا ۶ ماه کاهش میدهد. انجام آزمونهای پذیرش کارخانهای (FAT) پیش از حمل، تمام خطاهای مونتاژ و ناسازگاری تجهیزات برقی و مکانیکی را رفع میکند. این دقت مهندسی، ریسکهای اجرایی در محل پروژه را حذف مینماید.
توسعه زیرساختهای هوش مصنوعی مستلزم مدلهای سرمایهگذاری متناسب با رشد بارهای کاری است. معماری ماژولار امکان افزودن گامبهگام ظرفیت پردازشی و پشتیبانی را در قالب بلاکهای استاندارد فراهم میکند. این مقیاسپذیری خطی مانع از بلوکه شدن سرمایه در زیرساختهای بلااستفاده میشود.
شرکتها میتوانند متناسب با توسعه کلاسترهای پردازشی، ماژولهای رک، قدرت و سرمایش جدید را به مدار اضافه کنند. امکان توسعه بدون نیاز به خاموشی سیستمهای در حال کار (Hot-Expansion)، تداوم پردازش مدلهای هوش مصنوعی را در تمام مراحل توسعه تضمین مینماید.
خنکسازی مایع مستقیم (DLC) فناوری انتقال حرارت پیشرفتهای است که در آن مایع مبرد با سیرکولاسیون درون صفحات سرد (Cold Plates) نصبشده روی پردازندههای گرافیکی و مرکزی، حرارت را مستقیماً از منبع تولید جذب میکند.
این روش بازدهی انتقال حرارت را در مقایسه با هوا به میزان چشمگیری افزایش میدهد. مراکز داده ماژولار AI-Native بستر ایدهآلی برای یکپارچهسازی لولهکشیهای هیدرولیک و واحدهای توزیع خنککننده (CDU) در زیرساخت پیشساخته هستند.
ظرفیت گرمایی ویژه آب خالص یا ترکیبات آب-گلیکول بیش از ۳۵۰۰ برابر هوا به ازای واحد حجم است. در سیستمهای Direct-to-Chip، سیال خنککننده از طریق لولههای ایزوله به درون صفحات مسین با شیارهای میکرونی هدایت میشود. سیال پس از دریافت گرمای مستقیم از سطح پردازنده،
به واحد مبدل حرارتی (CDU) بازمیگردد. بر اساس آمار Uptime Institute، حدود ۴۹ درصد از مدیران دیتاسنتر نیاز مبرم به مدیریت رکهای با تراکم بالا را علت اصلی کوچ به سمت خنکسازی مایع عنوان کردهاند. یکپارچهسازی چرخه مدار ثانویه (Secondary Loop) و سیستمهای پایش نشتی درون ماژولهای پیشساخته، خطر نفوذ سیال به سختافزارها را کاملاً منتفی میسازد.
شاخص اثربخشی مصرف انرژی (PUE) از تقسیم کل انرژی مصرفی مرکز داده بر انرژی مصرفشده توسط تجهیزات فناوری اطلاعات بهدست میآید. در مراکز داده هوا-خنک سنتی، این شاخص به دلیل مصرف بالای چیلرها و فنها در محدوده ۱.۵ تا ۱.۸ قرار دارد. بهکارگیری خنکسازی مایع مستقیم در مراکز داده ماژولار، نیاز به سیستمهای تراکمی پرمصرف را حذف کرده و امکان استفاده از سرمایش رایگان (Free Cooling) را فراهم میسازد.
این تغییر، PUE را به ارقام بیپیشنهادی بین ۱.۰۵ تا ۱.۱۵ تنزل میدهد. تجربه غولهای فناوری مانند گوگل نشان میدهد استفاده از الگوریتمهای هوشمند در تنظیم سیستمهای خنککننده، هزینههای انرژی را تا ۴۰ درصد کاهش میدهد. این امر در مقیاسهای هایپراسکیل به صرفهجویی چند میلیون دلاری میانجامد. [ برای ارزیابی رکهای مخصوص دیتاسنتر و راهکارهای سرمایشی درونرکی، بخش محصولات فیدارکوثر را بررسی کنید.]
انتخاب معماری زیرساخت برای میزبانی از بارهای کاری هوش مصنوعی، مستلزم ارزیابی دقیق پارامترهای مهندسی است. جدول زیر مقایسهای جامع میان مراکز داده سنتی و ماژولار ارائه میدهد:
| شاخص ارزیابی فنی | مرکز داده سنتی (Traditional DC) | مرکز داده ماژولار AI-Native |
|---|---|---|
| حداکثر تراکم توان رک (kW/Rack) | ۱۰ تا ۱۵ کیلووات | ۵۰ تا ۱۲۰ کیلووات |
| زمان احداث و بهرهبرداری کامل | ۱۸ تا ۲۴ ماه | ۴ تا ۶ ماه |
| میانگین شاخص PUE قابل دستیابی | ۱.۵ تا ۱.۸ | ۱.۰۵ تا ۱.۱۵ |
| معماری اصلی سیستم سرمایشی | تهویه هوایی (CRAC) / اتاق پاک | خنکسازی مایع مستقیم (DLC) + InRack |
| مدل توسعه و ارتقای ظرفیت | توسعه عمرانی سنگین همراه با قطعی | افزایش ماژولار بدون قطعی در مدار پردازش |
| سطح کنترل کیفیت و تست اولیه | تست کارگاهی در محل با خطاپذیری بالا | تست یکپارچه کارخانهای (FAT) پیش از حمل |
| میزان اشغال فضای فیزیکی (Footprint) | بسیار بالا به دلیل کانالکشی هوایی | کاملاً فشرده با بهرهوری بالا در سطح |
سیستم مدیریت هوشمند زیرساخت (Smart DCIM) یک ساختار نرمافزاری-سختافزاری یکپارچه است که با تحلیل بلادرنگ دادههای سنجشپذیر الکتریکال و ترمودینامیکی، کنترل خودکار و نگهداری پیشبینانه مرکز داده را محقق میسازد. در ماژولهای هوش مصنوعی، DCIM به عنوان لایه تصمیمگیرنده زیرساخت عمل میکند. افزایش چگالی توان، بدون پایش هوشمند پارامترهای الکتریکی و مکانیکی میتواند ریسک قطعیهای ناگهانی را به شدت افزایش دهد.
ترکیب پلتفرمهای DCIM با مدلهای یادگیری ماشین، امکان تحلیل الگوهای حرارتی و الکتریکی را در چند میلیثانیه فراهم میسازد. این سیستمها با پردازش دادههای حسگرها، ناهنجاریهای جزئی در کارکرد UPS یا پمپها را شناسایی میکنند. نگهداری پیشبینانه (Predictive Maintenance) هزینههای تعمیرات ناگهانی را کاهش داده و از خرابیهای پرهزینه در کلاسترهای پردازشی جلوگیری میکند.
این رویکرد، پایداری عملیاتی را به ۹۹.۹۹۹٪ میرساند. تشخیص زودهنگام ریسکها از طریق الگوریتمهای یادگیری تقویتی، کنترل دقیق جریان مبرد و سرعت پمپها را متناسب با بار لحظهای پردازندهها تنظیم مینماید.
سوئیچینگ مداوم پردازندههای گرافیکی هوش مصنوعی باعث ایجاد هارمونیکهای شدید و نوسانات ولتاژ در مدار توزیع برق میشود. تحلیلگرهای تخصصی کیفیت توان (Power Quality Analyzers) متغیرهای THD و ضریب توان را به صورت مداوم اندازهگیری میکنند.
طراحی الکتریکال ماژولها بر اساس استاندارد IEC 60364-5-52 جهت سایزینگ کابلها و استاندارد IEEE C57 برای ترانسفورمرها انجام میگیرد. این الزامات استرس حرارتی خطوط انتقال توان را کنترل میکنند. استفاده از سیستمهای اعلان و اطفاء حریق اتوماتیک گاز استاندارد مطابق با NFPA 2001، ایمنی کامل ماژولها را در برابر خطرات الکتریکی تضمین مینماید.
گذر به سمت مدلهای پیشرفته هوش مصنوعی، لزوم بازتعریف زیرساختهای فیزیکی مراکز داده را اجتنابناپذیر کرده است. تراکم توان فوقالعاده بالا، نیاز به خنکسازی مایع مستقیم و لزوم کاهش زمان ورود به بازار، دیتاسنتر ماژولار را به تنها راهکار عملیاتی و اقتصادی تبدیل نموده است.
شرکت فیدارکوثر با برخورداری از دانش فنی روز دنیا، تیم مهندسی مجرب و تسلط کامل بر استانداردهای بینالمللی TIA-942، IEEE و IEC، پیشگام ارائه راهکارهای جامع زیرساخت دیتاسنتر در کشور است. خدمات این شرکت تمامی مراحل طراحی، مشاوره، اجرا، ممیزی و نگهداری مراکز داده ماژولار و AI-Native را پوشش میدهد.
مدیران ارشد فناوری اطلاعات، معماران زیرساخت و سرمایهگذاران محترم میتوانند جهت بهینهسازی دیتاسنترهای موجود، ارتقای سیستمهای خنکسازی به DLC یا طراحی و احداث مراکز داده ماژولار پیشرفته، از مشاوره تخصصی مهندسین فیدارکوثر بهرهمند شوند.
بعد از ورود به حساب کاربری می توانید دیدگاه خود را ثبت کنید
