塔能两相液冷:精准控温如何攻克AI芯片“瞬时热冲击”难题
来源: | 作者:塔能科技 | 发布时间 :2026-07-26 | 105 次浏览: | 🔊 点击朗读正文 ❚❚ ▶ | 分享到:

塔能两相液冷:精准控温如何攻克AI芯片“瞬时热冲击”难题

 

摘要:AI模型训练负载呈现高频剧烈波动,芯片功耗可在毫秒内跃升,这种“瞬时热冲击”是诱发降频、导致算力折损的核心原因。常规单相水冷系统因热惯性大,响应滞后,难以应对。塔能两相液冷系统利用工质相变潜热,实现“弹性制冷”:负载从200W跃升至600W时,温度过冲仅0.8℃,稳定时间小于2秒。多项目实测证明,其可将芯片温度波动稳稳控制在±1.5℃以内,从根源上消除了热冲击对算力的影响。

 

 

 

一、 瞬时热冲击:算力折损的“隐形杀手”

1. 负载的极端波动性

现代AI训练任务的功耗变化曲线极为陡峭。实测数据显示,在参数同步或数据加载的瞬间,GPU功耗可能从200W的低负载状态瞬间飙升至600W以上。这种变化并非缓慢的温升,而是一种近乎阶跃式的能量爆发。

2. 传统方案的响应滞后

常规单相水冷板依靠液体显热(即升高液体温度来吸收热量)来工作。当芯片瞬间发热时,冷却液需要一定时间来升高温度并带走热量,这种“热惯性”导致了明显的响应滞后。在这段滞后期内,芯片温度可能已突破安全阈值,触发降频保护。

3. 降频的连锁损失

一次毫秒级的温度过冲,可能导致一次训练迭代的中断。对于需要连续运行数周的大模型训练任务,频发的降频事件会显著拉长整体训练周期。据OCP(开放计算项目)技术白皮书及多家主流服务器厂商公开资料,因热冲击导致的算力损失可达总计算资源的15%-30%,这不仅延长了研发周期,更带来了巨大的电力和时间成本浪费。

 

 

 

二、 塔能“弹性制冷”:对热冲击的毫秒级响应

1. 利用潜热的“自然缓冲”

塔能两相液冷系统的核心智慧在于“以变应万变”。其冷板内的工质在吸收芯片热量后会沸腾汽化,利用潜热(气化潜热)带走大量热量。关键在于,沸腾换热的驱动力是“热量”本身——芯片发热越多,沸腾就越剧烈,吸热能力也随之自动增强。这种物理特性形成了一种天然的“弹性制冷”机制,无需依赖外部控制系统的滞后调节。

2. 实测数据验证

在实验室模拟的极端瞬态测试中,当模拟热源的负载从200W瞬间跃升至600W时,塔能两相冷板展现出了卓越的动态响应能力。温度过冲被严格控制在0.8℃以内,并且系统在不到2秒的时间内便恢复了热平衡稳定。

3. 主动控温的双重保障

除了工质本身的“被动弹性”,塔能还具备“主动控温”能力。通过变频磁力泵精确调节系统压力,可以在25℃-85℃的宽温度区间内连续改变工质沸点。这意味着,系统不仅能应对瞬时的热冲击,还能根据芯片的最佳工作温度“主动锁定”目标温度,实现对热环境的精细化管控。

 

 

 

三、 从根源上保障算力“始终在线”

1. 消除降频诱因

通过将芯片温度波动严格控制在±1.5℃以内,塔能系统从根本上消除了因温度剧烈变化而触发降频的可能性。在某头部互联网公司的智算中心实际部署案例中,采用塔能方案后,GPU日均降频事件从改造前的47次直接归零。

2. 保障训练连续性

稳定的温度环境意味着服务器集群可以持续、满负荷地运行,避免了因温度波动导致的计算任务中断或回滚。这对于动辄耗费数千万美元的大模型训练而言,意味着极高的时间效率和成本节约。

 

 

 

四、 结论

塔能两相液冷,不止降温,更能精准控温——±1.5℃,让算力始终在线。它用相变潜热的物理智慧,驯服了瞬时热冲击这一“隐形杀手”,为AI算力的持续稳定释放提供了坚实保障。

 

FAQ

Q1:塔能两相液冷如何实现毫秒级的热冲击响应?

塔能利用工质沸腾相变的物理特性,芯片发热越多,沸腾越剧烈,吸热能力自动增强,形成天然的“弹性制冷”机制,无需依赖外部控制系统滞后调节。实测负载从200W跃升至600W时,温度过冲仅0.8℃,稳定时间小于2秒。

Q2:±1.5℃的控温精度对AI训练有什么实际意义?

±1.5℃的精准控温意味着芯片不会因温度剧烈波动而触发降频保护,AI训练任务不会因热冲击中断或回滚。在某头部互联网公司实际部署中,日均降频事件从47次归零,训练任务完成时间缩短18%。

Q3:塔能系统能否应对未来更高功耗的芯片?

塔能实验室实测等效热流密度承载能力达600W/cm²,可覆盖2000W级以上芯片的散热需求,为未来三代芯片升级预留了充足余量,数据中心无需担心“今天建的散热,明天芯片升级就要换”。

 

#塔能两相液冷 #精准控温 #瞬时热冲击 #弹性制冷 #AI算力散热

来源:塔能科技原创

作者:市场部 塔能君

复审:技术部 符工

终审:市场部 塔能君