遲九虹發表題為《智能計算對數據中心基礎設施的需求與挑戰》主題演講
遲九虹在發言中介紹到，2030年智能計算將比2020年增長500倍，近期隨著以ChatGPT為代表的AI應用需求被引爆，用戶角色由最初的內容消費者，逐步轉變為一次內容生產者，到目前的二次內容加工者，由于內容創作所需的技能、時間和成本遠小于人工，各行業AIGC應用蓬勃發展，無論是訓練階段還是應用階段的算力都呈現出史無前例的爆發式增長。承載算力的基礎設施——數據中心與傳統數據中心相比至少有3個方面的變化：首先是服務器芯片功率增加帶來的元器件散熱的問題，其次是單機柜功率密度增加帶來電力容量增長問題，最后是快速發展的AI應用對機架供應的突發性需求。
針對上述挑戰，遲九虹分享了華為的探索研究和實踐成果。智能計算帶來多樣化算力需求，以液冷為主、風冷、水冷組合的數據中心多樣化制冷系統成為必須，冷板式、浸沒式和噴淋式三種國內目前主要的液冷技術路線，華為冷板式液冷方案具有國產化程度高、產業鏈成熟、成本低、可靠性高等優勢，最高支持66kW的單機柜功率密度;華為間接蒸發冷卻方案作為多樣化散熱方式下的風冷方案，具有分布式結構、易維護、最大程度利用自然冷源等特點，結合外界氣溫和負載所需冷量，動態調節“干模式、濕模式、混合模式”三種工況，極大減少機械制冷;華為將增程式混動汽車的理念引入數據中心水冷系統從，作為多樣化散熱方式下的增程式水冷方案，利用AI動態控制蓄放冷，使冷機工作效率始終最高，通過“源(綠色電力)、蓄(綠色蓄冷)、用(智能用冷)”三元組，有效降低PUE 8%，利用峰谷電價差使年度電費下降20%，實現了數據中心園區綠色能源的高效使用。
遲九虹隨后介紹到，隨著機架功率密度逐步提升，與之匹配的配電間面積將逐步擠占IT機房的面積，當機架功率密度進一步提升至65kW，配電間面積將是IT機房面積的兩倍以上，嚴重擠占IT機房空間，因此 “高密化”的電力系統也成為必須。針對上述挑戰，華為開發的高密電力模塊融合了從中壓變壓器到負載饋線端的全功率鏈路，通過創新的融合架構和超高密的UPS(不間斷電源)集成，大幅提高了供電效率和節省配電間面積40%。
據了解，AI應用由于其便捷、高效、成本低的優勢，業務發展呈現出快速突發的特點，ChatGPT發展1億用戶僅用了2個月，遠遠小于傳統應用，對數據中心算力、機架的快速供應提出新需求，傳統數據中心基礎設施的建設土建+機電往往需要24個月，難以匹配這種突發的業務需求，而華為將建筑行業的裝配式鋼結構方案引入數據中心建設，實現預制化鋼結構結合模塊化機電設備，TTM縮短50%，不但有快速建設的優勢，其抗震等級、安全性都得到了充分證明，同時完全符合國家綠色可回收建筑標準。
我國數字經濟蓬勃發展，全社會數據總量爆發式增長，算力需求大幅提升，數據中心機架年均增速超過30%，已成為數字經濟發展的關鍵基礎設施，是賦能千行百業應用的重要的“數字底座”。遲九虹最后總結到，面向以智能計算為主的多樣化算力時代，希望通過行業交流能夠更好促進創新方案的孵化和落地，為中國算力基礎設施進步貢獻行業力量。
