微软透露,正在尝试一种所谓的“两相浸入式冷却技术”,使用一种在极低温度下沸腾的液体来保持数据中心的冷却。
微软今天在Innovation博客上发表的一篇帖子中这样解释说,已经在位于美国华盛顿州昆西的Azure数据中心采用了这种技术。
目前,微软主要是依靠空气冷却系统让数据中心内运行的处理器的温度保持在可控范围内。但微软表示,基于液体的冷却系统能耗更低,因此具有更大的潜力,液体中传热“比空气中传热效率高几个数量级”,这就意味着液冷系统要更加环保。
据悉,这种两相浸入式冷却技术比谷歌在其数据中心内采用的单相冷却技术更为有效。微软称,单相冷却是让流体保持液态,通过自然对流或者强制对流带走热量。因此,单相浸入式冷却和空气冷却的方式类似,热流体在循环回系统之前会先通过一个热交换器。
微软表示,自己的两相浸入式冷却是一种更被动的方式。当系统中使用的流体与数据中心内部的发热组件接触时,会从液体变为自然上升的蒸汽,将热量作为一种潜能运走。蒸汽通过冷凝器排出热量,然后转化回液态,循环到系统中。
为此,微软开发了一套工程解决方案,使得服务器系统沉浸其中的时候不会对其造成损坏。流体是位于钢制冷却罐中,沸点仅为122华氏度,比水的沸点低约90度。同时,连接管穿过箱体、将蒸汽冷凝的液体导流到一个单独的闭环系统,流体将热量从水箱传递到位于外部的干式冷却器。
目前,微软仅部署了一个罐体,计划做一系列测试检查这一新冷却系统的实用性。
微软表示,到目前为止测试表明,这种两相浸入式冷却系统可以将任何服务器的功耗降低5%至15%。服务器甚至可以超频、或者以更高功率运行,没有任何过热的风险。
微软杰出工程师Christian Belady表示:“超级计算使用这种冷却技术有数十年时间了,因此风险不会那么高。我们的目标是将其部署到所有数据中心,但是在此之前还有很多工作要做。”
Beladay指出,除了更有效地传热之外,这种技术还有其他好处。因为系统去除了环境中的湿气和氧气,所以大大降低了腐蚀性,从而减少了系统中的机械故障。微软最早通过Project Natick(实验性海底数据中心项目)发现了这一点。
他说:“浸入式技术也有类似的好处,基本上你是在置换氧气和水分。”
微软还将继续其他液冷技术的试验,其中包括使用填充有液态制冷剂管道的所谓“冷板”。 Belady表示,两种技术都有潜力,两相浸入式技术令他感到非常兴奋是因为这只需要一次性成本,只需要实施一次,而在服务器迭代时无需进行任何工程设计。
“如果采取措施得当,两相浸入式冷却系统将同时满足我们所有成本、可靠性和性能方面的要求,能源消耗几乎是空气冷却的一个零头,”微软Azure首席软件工程师Ioannis Manousakis这样说道。
好文章,需要你的鼓励
Liquid AI发布了新一代视觉语言基础模型LFM2-VL,专为智能手机、笔记本电脑和嵌入式系统等设备高效部署而设计。该模型基于独特的LIV系统架构,GPU推理速度比同类模型快2倍,同时保持竞争性能。提供450M和1.6B两个版本,支持512×512原生分辨率图像处理,采用模块化架构结合语言模型和视觉编码器。模型已在Hugging Face平台开源发布。
AIM Intelligence联合多所知名大学揭示了音频AI系统的重大安全漏洞,开发出名为WhisperInject的攻击方法。这种攻击能让看似无害的音频指令操控AI生成危险内容,成功率超过86%,完全绕过现有安全机制。研究暴露了多模态AI系统的系统性安全风险,对全球数十亿智能设备构成潜在威胁。
阿里团队推出首个AI物理推理综合测试平台DeepPHY,通过六个物理环境全面评估视觉语言模型的物理推理能力。研究发现即使最先进的AI模型在物理预测和控制方面仍远落后于人类,揭示了描述性知识与程序性控制间的根本脱节,为AI技术发展指明了重要方向。
新加坡国立大学研究团队系统梳理了视觉强化学习领域的最新进展,涵盖超过200项代表性工作。研究将该领域归纳为四大方向:多模态大语言模型、视觉生成、统一模型框架和视觉-语言-动作模型,分析了从RLHF到可验证奖励范式的政策优化策略演进,并识别出样本效率、泛化能力和安全部署等关键挑战,为这一快速发展的交叉学科提供了完整的技术地图。