首页 新闻 工控搜 论坛 厂商论坛 产品 方案 厂商 人才 文摘 下载 展览
中华工控网首页
  P L C | 变频器与传动 | 传感器 | 现场检测仪表 | 工控软件 | 人机界面 | 运动控制
  D C S | 工业以太网 | 现场总线 | 显示调节仪表 | 数据采集 | 数传测控 | 工业安全
  电 源 | 嵌入式系统 | PC based | 机柜箱体壳体 | 低压电器 | 机器视觉
GPU服务器的散热问题——热虹吸散热技术
金蓝海科技有限公司
收藏本文     查看收藏

随着深度学习、仿真、BIM设计、AEC行业在各行各业应用的发展,在AI技术虚拟GPU技术的加持之下,需要强大的GPU算力解析。无论是GPU服务器,还是GPU工作站都趋向于小型化、模块化、高集成度设计方向发展。热流密度经常达到传统风冷GPU服务器设备的7-10倍,由于采用模块集中安装方案,拥有数量众多且发热量大的NVIDIA英伟达GPU显卡,因此散热问题非常突出。过去常用的散热设计技术已经无法满足新系统的使用要求,传统的水冷GPU服务器还是液冷GPU服务器都离不开风扇的加持,今天我们就来解析一下热虹吸管散热技术。

目前市场上的热虹吸散热技术主要还是利用柱型或板型散热器为体在散热器底部穿入热媒管,壳体内注入工质,并建立真空环境,这是一种常温重力式热管。工作过程如下:在散热器底部,供热系统通过热媒管将壳体内的工质加热,在工作温度范围内,工质沸腾,蒸汽上升至散热器上部凝结放热,凝结液沿散热器内壁回流至加热段被再次加热蒸发,热量通过工质的不断循环相变由热源传递至热沉,达到供热、加热的目的。

1热虹吸散热在GPU工作站上的运用

每一代CPU散热器是如何一步步走向当代的理论性能的极限。从最原始的铝制散热片到现在,它都是不错的选择。大家可能想既然一些小鳍片就这么好用,那更多更大的鳍片是不是更好用?然而结果并非如此。鳍片离热源距离越远,鳍片温度就越低。当温度降低至周围空气的温度时,无论将鳍片做的多长,热传递也不会继续增加。

当现代GPU计算功耗进入75至350瓦区间甚至更高时,热设计工程师们转而研发新的散热方法。热管本身并没有增强散热器的散热能力。它的作用是同时利用热传导和热对流,来实现远高于金属本身的热传递效率。

  早在1937年就有热虹吸技术出现,正常运行时热管内部的液体会沸腾,蒸汽通过蒸汽腔到达冷凝端,蒸汽变回液体后再通过管芯返回热源,管芯通常是烧结上去的金属内层,可如果热管吸收太多热量,则会出现“热管干涸”的现象。液体不仅在蒸汽腔内变成蒸汽,同时也会在管芯内变成蒸汽,导致其无法变回液体返回热源,大幅增加了热管的热阻。

现在我们的重头戏来了——热虹吸。热虹吸散热不像热管,用管芯将液体带回蒸发端,而是仅仅利用重力,再加上一些巧妙的设计形成循环,把液体蒸发过程当水泵用。这并不是新技术,在放热量大的工业应用中很常见。

       一般来说,GPU内部制冷剂会沸腾,向上流动到里面的冷凝端内,变回液体并返回蒸发端。理论上有两大优势:

      1. 避免热管干涸,可用于超频超高性能芯片

      2. 因为不需要水泵,所以可靠性优于传统一体式水冷

  热虹吸散热现在最重要的一点是它的厚度将会从传统的103毫米减少到仅仅30毫米(减到三分之一以下),外形相对小巧,不会损害性能。热虹吸散热的器材为了便于加工,目前厂家使用铝材质居多。也有使用铜制,温度可能还能再降5-10度,仅针对发热量较大的GPU服务器。

敲黑板  敲黑板  敲黑板

划重点-小蓝用实验数据来结束这次的重点。小蓝测试的三种不同的英伟达GPU卡,普通风扇和热虹吸散热器在同等4卡水冷GPU服务器下的散热数据:

图一是RTX A6000功率为300瓦

图二是RTX 3090,功率约350瓦

图三是NVIDIA A100,功率约为400瓦

图片


 

状 态: 离线

公司简介
产品目录

公司名称: 金蓝海科技有限公司
联 系 人: 杨峰
电  话: 010-82770520
传  真:
地  址: 北京市海淀区西二旗
邮  编: 100000
主  页:
 
该厂商相关技术文摘:
图数据平台 Neo4j 线上直播于3月23日举行
谁能在第四代算力革命中脱颖而出?CPU?GPU?算法?数据?
绿色数据中心“东数西算”全面启动!八大枢纽十大集群 - 涉及高性能计算,数据集群,水冷散热
绿色数据中心:风冷GPU服务器和水冷GPU服务器综合分析
冬奥会天气预报人是真人吗?GAN?模拟仿真?AI虚拟人?
人工智能的图灵计算应用在哪些领域?金融科技?生物医药?
机器学习中的无监督学习应用在哪些领域呢?自动驾驶?医疗影像?卷积神经网络?
建设“绿色计算”,解读“智算中心”
2021可信隐私计算高峰论坛暨数据安全产业峰会上百家争鸣
2021信息科学Top10发展态势。深度学习?卷积神经网络?
深度学习技术是我国制造光刻机弯道超车的机会吗?
不用深度学习网络,只需预先设置NAS算法,就能实现AutoML自动机器学习的革命吗?
更多文摘...
立即发送询问信息在线联系该技术文摘厂商:
用户名: 密码: 免费注册为中华工控网会员
请留下您的有效联系方式,以方便我们及时与您联络

关于我们 | 联系我们 | 广告服务 | 本站动态 | 友情链接 | 法律声明 | 不良信息举报
工控网客服热线:0755-86369299
版权所有 中华工控网 Copyright©2022 Gkong.com, All Rights Reserved