Жидкостное охлаждение становится узким местом в технологиях центров обработки данных для искусственного интеллекта.

Краткое содержание:В центрах обработки данных всё сильнее нагреваются процессоры из-за высоких нагрузок, вызванных искусственным интеллектом, и простого увеличения подачи воздуха становится всё меньше. Именно поэтому отрасль переходит к жидкостному охлаждению — от охлаждающих пластин и микрофлюидных каналов до полноценных «душевых» систем и погружных ванн — чтобы обеспечить стабильную работу серверов, сократить потребление энергии на охлаждение и (в некоторых случаях) повторно использовать отработанное тепло.

Однако решение проблемы охлаждения сопряжено со своими компромиссами: выбор химических реагентов (включая опасения по поводу хладагентов, содержащих ПФАС), безопасность, стоимость и риск того, что повышение эффективности просто приведет к еще большему росту вычислительной мощности.

Почему охлаждение вдруг стало таким важным.

Если вам нужна одна-единственная причина:плотность мощности.

Современные системы искусственного интеллекта используют стойки, оснащенные высокопроизводительными ускорителями, которые:

  • Они потребляют гораздо больше энергии, чем процессоры общего назначения.
  • генерировать тепло на меньшей физической площади
  • часто работают на пределе своих возможностей

Таким образом, охлаждение становится первостепенным ограничивающим фактором. При отказе системы охлаждения может выйти из строя весь объект.

BBC приводит реальный пример: отказ системы охлаждения в США, который нарушил работу технологий финансовых торгов в CME Group, что привело к включению дополнительных мощностей системы охлаждения после инцидента.

Проблема воздушного охлаждения: законы физики и убывающая отдача.

Воздушное охлаждение — простой и привычный метод, но он испытывает трудности в следующих случаях:

  • Тепло концентрируется на небольшой площади.
  • Необходимо быстро и равномерно отводить тепло.
  • Потребление электроэнергии вентиляторами и системами управления воздушным потоком начинают составлять значительную долю энергии.

В какой-то момент вы перестаёте «охлаждать чипы» — вы начинаете «работать в аэродинамической трубе» внутри здания.

Что на самом деле означает жидкостное охлаждение (это не одна технология)?

«Жидкостное охлаждение» — это группа подходов:

1) Охлаждение непосредственно на чип / с помощью холодной пластины

Жидкостный контур проходит через пластину, прикрепленную к наиболее нагревающимся компонентам.

Плюсы:

  • эффективное отведение тепла в источнике
  • зрелые инженерные модели

Минусы:

  • по-прежнему требуется тщательная прокладка водопроводных труб и устранение протечек.

2) Охлаждение с помощью распыления/душа

BBC описывает конструкции, в которых жидкость стекает или разбрызгивается на компоненты.

Плюсы:

  • может охлаждать не только микросхемы, но и множество других компонентов.
  • потенциально снижает потребность в больших вентиляторах

Минусы:

  • поднимает вопросы о химическом составе жидкостей, их совместимости и техническом обслуживании.

3) Погружающее охлаждение («ванны»)

Серверы (или их компоненты) погружены в циркулирующую диэлектрическую жидкость, которая отводит тепло.

Плюсы:

  • высокие тепловые характеристики
  • может обеспечить более стабильную работу при высокой нагрузке

Минусы:

  • Оборудование должно быть спроектировано/проверено для погружения в воду.
  • Эксплуатационные изменения (обслуживание, замена деталей)

4) Двухфазное охлаждение (переход из жидкого состояния в газообразное)

Хладагент испаряется, поглощая тепло, что может быть очень эффективно.

Плюсы:

  • высокая эффективность охлаждения

Минусы:

  • Зависит от хладагента; некоторые могут вызывать опасения по поводу климатических условий или безопасности.

Химический компромисс: ПФАС и хладагенты

Одним из малообсуждаемых аспектов охлаждения центров обработки данных является выбор химических реагентов.

Как отмечает BBC:

  • В некоторых двухфазных системах используются хладагенты, которые могут содержать ПФАС.
  • Некоторые хладагенты могут быть мощными парниковыми газами.
  • В некоторых конструкциях существуют опасения по поводу безопасности, связанные с утечкой паров.
  • Некоторые компании переходят на альтернативы, не содержащие ПФАС.

Даже если система спроектирована ответственно, остается в силе простая истина:

  • Если масштабировать технологию на тысячи объектов, то небольшие утечки превращаются в серьезные экологические проблемы.

Замкнутый цикл водоснабжения: почему это важно для местных сообществ

Центры обработки данных вызывают все больше споров, поскольку многие из них потребляют:

  • большие объемы электроэнергии
  • значительное количество воды (в зависимости от конструкции системы охлаждения)

В некоторых системах жидкостного охлаждения используется вода в замкнутом контуре для охлаждения диэлектрической жидкости на масляной основе, что снижает постоянный расход воды.

Это имеет политическое значение. Местное сопротивление часто возникает по вопросу: «Почему наша энергосеть/водоснабжение должны обслуживать чужой искусственный интеллект?»

Технологии охлаждения становятся частью социального разрешения на деятельность.

Использование отработанного тепла открывает новые возможности, но только если кто-то сможет им воспользоваться.

BBC упоминает о клиенте, планирующем использовать тепло, выделяемое сервером, для следующих целей:

  • гостевые номера
  • прачечная
  • бассейн

Концептуально это правильное направление: вычислительные системы преобразуют электроэнергию в тепло, поэтому повторное использование может повысить общую эффективность.

Однако масштабирование повторного использования тепла — сложная задача, поскольку для этого требуется:

  • ближайший потребитель тепловой энергии (здания, бассейны, централизованные тепловые сети)
  • стабильное согласование спроса
  • инвестиции в инфраструктуру

Так что это многообещающе, но не гарантировано.

Более глубокий риск: повышение эффективности может привести к увеличению совокупного спроса.

Здесь наблюдается классический эффект отскока:

  • Когда что-то становится дешевле или эффективнее, люди начинают этим пользоваться чаще.

Если жидкостное охлаждение значительно сократит потребление энергии на охлаждение, рынок может отреагировать следующим образом:

  • строительство новых центров обработки данных
  • запуск более крупных моделей
  • более интенсивное использование оборудования

Таким образом, улучшение системы охлаждения имеет ценность, но не гарантирует снижения общего воздействия на окружающую среду, если не сочетается со следующими факторами:

  • стратегия энергоснабжения с учетом выбросов углерода
  • прозрачность в отношении использования энергии
  • стимулы для сокращения общего экологического следа

Что посмотреть дальше

  1. Какой подход к охлаждению станет доминирующим(холодные пластины против погружного нагрева против двухфазного нагрева) в зависимости от типа нагрузки.
  2. Нормативные акты и стандартыв отношении хладагентов и ПФАС.
  3. Сопротивление со стороны сообщества: снижают ли инновации в области охлаждения местное воздействие на водные ресурсы и уровень шума.
  4. проекты по повторному использованию теплапереход от пилотных проектов к повторяемым развертываниям.
  5. прозрачность ИИКак отмечает BBC, исследователи призывают к более четкому представлению данных об энергопотреблении по моделям/продуктам.

Итог

Системы охлаждения становятся «скрытой инфраструктурой», от которой зависит скорость масштабирования искусственного интеллекта.

Жидкостное охлаждение может снизить энергопотребление и обеспечить более высокую производительность, но оно также поднимает новые вопросы о химической безопасности, влиянии на климат и о том, используются ли достижения в области эффективности для уменьшения габаритов или просто для ускорения роста вычислительных мощностей.


Источники

Document Title
Liquid cooling for AI data centres: immersion, refrigerants, PFAS concerns, and waste-heat reuse
AI workloads are pushing data-centre chips to higher power density, making liquid cooling essential. Here’s how immersion/spray systems work and the key trade-offs.
Title Attribute
oEmbed (JSON)
oEmbed (XML)
JSON
View all posts by Admin
Why Excel won’t die: network effects, governance gaps, and the AI-era spreadsheet problem
Can technology fix fashion sizing? The real issue is incentives, not measurements
Page Content
Liquid cooling for AI data centres: immersion, refrigerants, PFAS concerns, and waste-heat reuse
Nature
Climate
Liquid cooling is becoming the bottleneck tech for AI data centres
/
Technology
/ By
Admin
Summary:
Data centres are running hotter as AI workloads push chips to higher power levels, and “just blow more air” is increasingly not enough. That’s why the industry is moving toward liquid cooling — from cold plates and microfluidic channels to full-on “showers” and immersion baths — to keep servers stable, cut energy used for cooling, and (in some cases) reuse waste heat.
But the cooling fix comes with its own trade-offs: chemical choices (including concerns about PFAS-containing refrigerants), safety, cost, and the risk that efficiency gains simply enable even more compute growth.
Why cooling suddenly matters so much
If you want a single reason:
power density
.
Modern AI systems use racks packed with high-performance accelerators that:
draw far more power than general-purpose CPUs
generate heat in smaller physical footprints
are often run close to performance limits
That makes cooling a first-order constraint. When cooling fails, the whole facility can fail.
The BBC points to a real-world example: a cooling system failure in the US that disrupted financial trading technology at CME Group, triggering additional cooling capacity after the incident.
Air cooling’s problem: physics and diminishing returns
Air cooling is simple and familiar, but it struggles when:
heat is concentrated in a small area
you need to remove heat quickly and consistently
fan power and airflow management start consuming a meaningful share of energy
At some point, you’re not “cooling the chips” — you’re “running a wind tunnel” inside the building.
What liquid cooling actually means (it’s not one technology)
“Liquid cooling” is a family of approaches:
1) Direct-to-chip / cold plate cooling
A liquid loop runs through a plate attached to the hottest components.
Pros:
efficient heat removal at the source
mature engineering patterns
Cons:
still requires careful plumbing and leak management
2) Spray/shower cooling
The BBC describes designs where fluid trickles or showers onto components.
can cool multiple components, not only chips
potentially reduces the need for large fans
raises questions about fluid chemistry, compatibility, and maintenance
3) Immersion cooling (“baths”)
Servers (or components) are immersed in a circulating dielectric fluid that carries heat away.
high thermal performance
can enable more consistent operation at high load
hardware must be designed/validated for immersion
operational changes (servicing, swapping parts)
4) Two-phase cooling (liquid → gas phase change)
A refrigerant evaporates as it absorbs heat, which can be very effective.
strong cooling performance
depends on refrigerants; some may have climate or safety concerns
The chemistry trade-off: PFAS and refrigerants
One of the under-discussed parts of data-centre cooling is chemical choice.
The BBC notes:
some two-phase systems use refrigerants that can contain PFAS
some refrigerants can be potent greenhouse gases
there are safety concerns about vapours escaping in some designs
some companies are switching to PFAS-free alternatives
Even when a system is engineered responsibly, a simple truth applies:
if you scale a technology to thousands of sites, small leakage rates become big environmental numbers
Closed-loop water: why it matters to communities
Data centres are increasingly controversial because many consume:
large amounts of electricity
significant water (depending on cooling design)
Some liquid cooling designs use water in a closed loop to cool an oil-based dielectric fluid, reducing ongoing water draw.
That’s politically relevant. Local opposition often forms around “why should our grid/water serve someone else’s AI?”
Cooling technology becomes part of the social license to operate.
Waste heat is an opportunity — but only if someone can use it
The BBC mentions a customer planning to use server waste heat for:
guest rooms
laundry
a swimming pool
This is the right direction conceptually: computing turns electricity into heat, so reuse can improve overall efficiency.
But scaling heat reuse is hard because it requires:
a nearby heat customer (buildings, pools, district heat networks)
steady demand alignment
infrastructure investment
So it’s promising, but not automatic.
The deeper risk: efficiency can increase total demand
There’s a classic rebound effect:
when something becomes cheaper or more efficient, people do more of it
If liquid cooling cuts cooling energy dramatically, the market may respond by:
building more data centres
running bigger models
pushing hardware harder
So cooling improvements are valuable — but they don’t guarantee lower total environmental impact unless paired with:
carbon-aware grid strategy
transparency on energy use
incentives to reduce total footprint
What to watch next
Which cooling approach becomes dominant
(cold plates vs immersion vs two-phase) by workload type.
Regulation and standards
around refrigerants and PFAS.
Community pushback
: whether cooling innovations reduce local water and noise impacts.
Heat reuse projects
moving from pilots to repeatable deployments.
AI transparency
: as the BBC notes, researchers are calling for clearer reporting of energy use by model/product.
Bottom line
Cooling is becoming the “hidden infrastructure” that decides how fast AI can scale.
Liquid cooling can reduce cooling energy and unlock higher performance, but it also introduces new questions about chemical safety, climate impact, and whether efficiency gains are used to shrink footprints or simply accelerate compute growth.
Sources
BBC News (Technology of Business):
https://www.bbc.com/news/articles/cp8zd176516o?at_medium=RSS&at_campaign=rss
Previous Post
Next Post
oEmbed (JSON)
oEmbed (XML)
JSON
View all posts by Admin
Why Excel won’t die: network effects, governance gaps, and the AI-era spreadsheet problem
Can technology fix fashion sizing? The real issue is incentives, not measurements
AI workloads are pushing data-centre chips to higher power density, making liquid cooling essential. Here’s how immersion/spray systems work and the key trade-offs.
Document Title
Page not found - Florin.blog
Image Alt
Florin.blog
Title Attribute
Florin.blog » Feed
RSD
Skip to content
Placeholder Attribute
Search...
Page Content
Page not found - Florin.blog
Skip to content
Home
Blog
Garden Decor
Indoor
Main Menu
This page doesn't seem to exist.
It looks like the link pointing here was faulty. Maybe try searching?
Search for:
Search
Quick Links
Outdoors
About
Contact
Explore
Bestsellers
Hot deals
Best of The Year
Featured
Gift Cards
Help
Privacy Policy
Disclaimer
: As an Amazon Associate, we earn from qualifying purchases — at no extra cost to you.
Florin.blog
Florin.blog » Feed
RSD
Search...
Русский