AI数据中心消耗的每一兆瓦电力,最终都会转化为必须被妥善处理的热量。而用于排除这些热量的基础设施,又可能引入另一个环境挑战:噪音。
随着AI工作负载不断推高计算密度,问题已不再仅仅是设施能以多高效率为服务器散热,而是它能以多负责任的方式在服务器机房之外管理热量与声音。
尽管可持续性讨论通常聚焦于能耗、可再生能源和用水量,但散热排放与噪音管理同样值得更多关注。这两者都是影响设施效率、设备配置、场地规划以及周边环境的基础工程考量因素。
值得注意的是,解决一个问题的方案有时会引发另一个问题。为改善散热而设置的设备位置可能影响声音传播,而隔音屏障若设计不当也可能干扰气流。因此,可持续的AI基础设施需要对热学与声学设计采取综合方法,而不能将二者视为彼此独立的工程问题。
散热挑战
传统企业计算环境通常在常规风冷系统能够有效应对的机架密度下运行。而AI基础设施则带来了不同的挑战。
高性能GPU将大量计算能力集中在单个机架内,由此产生相应更高的热负荷。制冷系统必须应对这种集中的热量,包括在计算需求达到峰值时,同时不能影响设备性能或可靠性。这正在加速先进热管理技术的采用。
传统风冷仍适用于较低密度的应用场景,而高密度部署则越来越需要混合配置或芯片级直接液冷。
在芯片级直接液冷中,热量通过连接在处理器上的冷板被吸收,并传递到循环冷却液中。热量随后经过二级冷却回路和冷量分配装置(CDU),传输至设施的主制冷系统。
主制冷系统随后通过风冷冷水机组、干式冷却器或湿式冷却器以及水冷冷水机组等设备将热量排放出去。这种架构能够在热源附近就近去除热量,使其在高密度AI环境中尤为有效。然而,液冷并不能消除热量,它改变的是热量被收集与输送的方式。
从处理器到外部环境的整个热传导路径的效率,最终决定了设施管理其热负荷的有效性。对设计者而言,这意味着不仅要评估机架层面的制冷能力,还要评估负责将热量排出建筑物的基础设施的性能与配置。
管理热量排放
散热是计算活动不可避免的结果。然而,热量排放的方式会影响制冷效率,也可能影响周边环境。
位置不当的制冷设备可能导致排出的热空气回流至设备进风口。这会提高进气温度,降低制冷效率,并可能导致额外的能耗。因此,设备摆放位置、间距、排放方向以及气流管理成为重要的设计决策。
一种做法是将冷水机组和冷却塔置于屋顶,使热空气向上排放,而非朝向周边地面区域。然而,仅仅将设备置于屋顶并不能保证有效的散热效果。主导风向、排放速度、周边建筑物以及制冷设备的布局都会影响热空气的流动方式。对于可能同时运行多套制冷系统的大型AI数据中心园区而言,这些因素尤为重要。
在设计阶段采用计算流体动力学(CFD)分析等热力建模方法以及气流评估,可以帮助在施工前识别潜在的热回流与散热难题。
散热与局部升温之间的区别十分重要。尽管数据中心会释放大量热量,但其对周边区域的温度影响程度,取决于设施的热负荷、散热配置、场地布局以及周边条件。
在CtrlS,设施设计阶段就会考虑散热布置方案,包括制冷设备的位置与朝向,以支持有效的散热。这些决策会结合场地条件、气流需求与运营效率加以评估。
工程目标并非消除热量排放,而是在管理热量扩散方式的同时,避免不必要的制冷低效和热量集中效应。
噪音管理的复杂性
热与噪音密切相关,因为制冷基础设施本身也可能是重要的噪音来源。冷却塔、冷水机组、泵及相关机械系统在运行过程中会产生噪音。备用柴油发电机在测试或运行期间也可能产生较大噪音。
然而,仅通过单台设备的规格参数来评估噪音可能会产生误导。设施外部实际感受到的声音,取决于多个系统的联合运行、其位置、声音传播方向、周边建筑物以及现有的环境背景噪音水平。
一座设施可能使用的每台设备都符合各自的声学规格,但在特定场地边界处仍可能出现偏高的综合声级。噪音感知也会随时间变化。白天活动中相对不明显的声音,到了夜间背景噪音水平降低时可能会变得更加突出。这使得全面的声学评估对于全天候运行的设施尤为重要。
在CtrlS,环境管理方案中纳入了柴油发电机隔音罩、机械设备噪音控制措施以及定期维护等手段。场地布局与边界条件也被纳入整体噪音管理方案的考量范围。
这些措施有助于从源头管理噪音,并减少噪音向外传播。然而,绿化缓冲带应作为工程声学控制的补充,而非替代。
有效的评估应考虑场地边界多个点位、以及必要时周边建筑附近的声级水平。测量应兼顾日间与夜间情况,同时识别各单台设备的贡献及声音传播方向。
施工前的环境基线研究,可为后续运营阶段的评估提供参照依据。其目标是在设计阶段预判潜在的声学影响并加以应对,而不是主要依赖调试完成后的补救措施。
热与声的相互权衡
可持续数据中心设计中较为复杂的一个方面在于,热学与声学方面的要求并不总能独立优化。出于能效考量选择的制冷系统,其声学特性可能与另一种配置方案不同。同样,为改善散热而调整制冷设备的位置,也可能影响声音向邻近建筑物或场地边界传播的方式。
以屋顶制冷设备安装为例。将设备抬高并将排出的热空气向上导出,可能有利于有效散热。然而,同样的位置也可能使周边建筑物暴露于风扇和机械设备产生的声音中。
引入隔音屏障或许有助于减少声音传播,但设计不当的屏障可能限制气流,或导致热空气回流。其结果可能是制冷效率降低,或给设备带来额外的热应力。
反过来的情况同样可能发生。为解决声学问题而重新布置制冷设备,可能改变气流条件或增加制冷基础设施的复杂程度。这些相互作用说明,为何孤立解决一个环境问题可能引发另一个问题。
对于需要应对巨大热负荷的大型AI园区而言,这类权衡变得愈发重要。因此,设计过程必须将热性能、气流、声学特性、设备摆放与运营可靠性统一加以考量。这需要机械、电气、建筑与环境工程团队从开发最早期阶段就开始协同合作。
这也进一步印证了场地特定工程方案的重要性。在某一地点表现良好的配置方案,在另一地点可能因气候、周边开发状况或环境限制的差异而需要调整。
五个关键问题
随着AI基础设施不断扩张,散热与噪音管理方面的决策应纳入更广泛的工程框架中加以评估。
其中五个问题尤为重要:
设备摆放应考虑排放方向、主导风向、周边建筑物以及潜在的热回流问题。目标是在支持有效散热的同时保持制冷效率。
二是设备配置是否可能造成局部热效应?
针对场地的气流评估有助于识别排出的热量可能积聚或与周边建筑物相互作用的区域。
三是运行中设备的综合声学影响是什么?
噪音评估应评估冷水机组、冷却塔、泵与发电机的累积效应,而非仅依赖单台设备的规格参数。
四是设施在峰值负荷与夜间条件下的表现如何?
热学与声学评估应考虑相关运营场景,包括制冷需求达到峰值的时段,以及环境背景噪音较低、设备声音更为明显的时段。
五是噪音控制措施是否可能影响制冷性能?
隔音屏障、隔音罩和设备重新布局的方案,都应评估其对气流、散热、设备可达性及运营可靠性可能产生的影响。
这些考量因素若能在设备布局和基础设施配置最终确定之前,就纳入初期设计流程,效果最佳。
负责任的工程起点
随着AI推动对更高密度计算的需求,数据中心的工程要求将变得愈加复杂。
制冷系统必须应对更为集中的热量,同时配套基础设施必须高效可靠地运行。与此同时,运营方还必须考虑其设施与周边环境之间的相互作用。
因此,散热与噪音管理不仅仅是监管或合规层面的考量,更是负责任基础设施开发不可或缺的一部分。这需要审慎的选址、综合的热学与声学规划、适当的设备配置以及持续的环境监测。
在可行的情况下,在指定的工业区域或数据中心产业园内建设大型设施,也有助于支持合理的基础设施规划,并实现与居民生活环境的有效隔离。
归根结底,AI数据中心的可持续性不能仅通过能效或服务器机房内部部署的技术来衡量。还必须考量建筑物之外所发生的一切:热量如何排放、声音如何控制,以及基础设施设计如何最大限度地减少可避免的环境影响。
可持续的AI基础设施不仅要看数据中心内部发生了什么,更要看其配套系统在管理热量、噪音及其对周边环境潜在影响方面的工程设计是否足够有效。
而这,正是负责任工程理应开始的地方。
