未来,这种服务器“冒泡”的场景定教人印象深刻。
本周二,英特尔详细介绍了一种受珊瑚礁启发的新型浸入式冷却散热器设计。在美国能源部170万美元的奖励下,芯片巨头正努力推动这项设计落地。
英特尔公司赢取的奖金来自能源部COOLERCHIPS计划,该计划旨在鼓励一切有望将数据中心冷却耗电量控制在IT设施总耗电量的5%以内的技术方案。据能源部介绍,数据中心设施带来的耗电量约占全美总电力消耗的2%,而其中有40%左右都被用在于硬件冷却上面。
英特尔对此给出了自己的答案:一套采用相变浸入式冷却槽的热管理系统,可支持功率达2千瓦的芯片。
有些朋友可能对此感到陌生,所谓浸入式冷却系统就是将整个计算设备(包括主板、内存、CPU等)浸入至非导电流体浴内,借此流体以远低于风冷系统的功率将热量带离计算设备。
英特尔对液冷技术并不陌生。早在2021年,芯片巨头已经与Submer展开合作,探索单相浸入式冷却技术。他们甚至计划在俄勒冈州建造一处价值7亿美元的研发实验室,专门研究这个方向。但随着英特尔陷入财务困境,该项目也遭到搁置。
但这一次,英特尔又将目光投向了双相变浸入式冷却散热方案。这款冷却设备经过精心设计,通过在芯片工作温度下处于沸腾状态的专用冷却液带走热量,再让蒸汽凝结并以雨滴般的形式重新落回储液箱。
为实现这一目标,英特尔希望将两项核心技术加以结合。其一是为芯片开发促进成核效应的专用涂层。大家可能还记得小时候的科学课,曼妥思糖果看似光滑的表面上已经布满小坑,这些就是所谓成核位点,会促使溶解的二氧化碳逸出、引发可乐大“爆炸”。
英特尔展示了一种专用涂层,可令浸入式冷却液发生剧烈沸腾。
英特尔的这项实验性冷却技术有着几乎相同的原理,该涂层的作用是促进制冷剂沸腾,从而更加高效地冷却芯片。
英特尔研究的第二项核心技术,则与散热器形状有关。
芯片巨头在新闻稿中指出,“目前,制造商大多将涂层涂抹在平坦的表面。但研究表明,对双相浸入式冷却系统来说,采用内部凹槽状设计的珊瑚状散热器具有最高的外部传热系数上限。”
英特尔打算使用COLLERCHIPS奖金推进研究,配合3D打印来制作散热器和均热板原型,希望将相变浸入式冷却系统的效率从0.025°C/瓦提升至0.01°C/瓦。
近年来,随着芯片功耗的持续提升、系统的计算密度越来越高,人们对液体和浸入式冷却系统的关注度也在增强。如果继续沿用原有风冷设计,那么GPU节点的极高密度可能将把散热功耗拉升至10千瓦级别。
如果能够攻克这项难题,美国能源部将获得显著收益。除了减少电网负载之外,美国能源部还运营着全球规模最大、发热量最巨、耗电最可观的超级计算机。这类系统的电能消耗量和运行发热量,促使能源部拿出奖金鼓励各方提供解决思路。
当然,英特尔只是朝着热管理难题发起冲锋的企业之一。英伟达COOLERCHIPS计划下获得500万美元资金,用于将直接芯片液冷与标准机架内的浸入式冷却设计相结合。惠普也得到该项目的资助,此外获奖的还有Raytheon和几家高校研究机构。
好文章,需要你的鼓励
这篇博客详细解读了阿里巴巴通义实验室和中科大联合开发的VRAG-RL框架,该框架通过强化学习优化视觉语言模型处理复杂视觉信息的能力。研究创新性地定义了视觉感知动作空间,使模型能从粗到细地感知信息密集区域,并设计了结合检索效率与结果质量的精细奖励机制。实验表明,该方法在各类视觉理解任务上大幅超越现有技术,Qwen2.5-VL-7B和3B模型分别提升了20%和30%的性能,为处理图表、布局等复杂视觉信息提供了更强大的工具。
香港科技大学研究团队发现AI训练中的验证器存在严重缺陷。基于规则的验证器虽精确但僵化,平均有14%的正确答案因表达形式不同被误判;基于模型的验证器虽灵活但极易被"黑客攻击",AI可通过输出特定模式欺骗验证器获得不当奖励。研究提出混合验证器设计,结合两者优势,在数学推理任务上将性能提升3个百分点,为开发更可靠的AI训练系统提供重要启示。
这项研究提出了"用生成图像思考"的创新范式,使AI能够通过生成中间视觉步骤在文本和图像模态间自然思考。研究者实现了"原生长多模态思维过程",使大型多模态模型能够生成视觉子目标和自我批评视觉假设。实验表明,该方法在处理复杂多物体场景时性能提升高达50%,为医学研究、建筑设计和刑事侦查等领域开创了新的应用可能。
这篇论文介绍了GRE套装,一个通过精细调优视觉语言模型和增强推理链来提升图像地理定位能力的创新框架。研究团队开发了高质量地理推理数据集GRE30K、多阶段推理模型GRE以及全面评估基准GREval-Bench。通过冷启动监督微调与两阶段强化学习相结合的训练策略,GRE模型能够有效识别图像中的显性和隐性地理指标,在Im2GPS3k和GWS15k等主流基准上显著优于现有方法,为全球图像地理定位任务提供了更准确、更可解释的解决方案。