山東
當前，AI應用的大范圍落地正推動推理需求呈指數級增長，智算中心的能源消耗也隨之攀升。算力基礎設施的能耗賬單，已成為行業必須直視的隱憂。針對行業痛點，正在IPO階段的特斯聯發布了面向大規模智算集群全新升級的“元啟”AI熱管理智能群控系統（OriginSys），以多維技術體系實現液冷與風冷的全域智能管控，將數據中心PUE（能源使用效率）推進至1.08。根據Uptime Institute 2024年報告，全球數據中心行業平均PUE為1.56，這一對比顯示出該系統的能效優化效果。
特斯聯“元啟”系統的核心，在于以AI算法為引擎，深度融合制冷原理、流體力學、熱傳導方程、熱交換等底層機理，構建起建模、預測、群控三層融合架構。
系統首先對冷機、水泵、冷卻塔、風冷機組、CDU等設備進行全鏈路數字建模與仿真，將流體流速、冷量分配、換熱效率等核心參數轉化為可計算的維度。在此基礎上，AI算法遍歷數千種設備運行組合，預測不同天氣與制冷需求下的能耗表現，從而鎖定全局最低能耗的最佳動作組合。整個過程采用實時滾動優化機制，隨著室外溫度和制冷需求的動態變化，系統定時進行預測和遍歷，始終保障當前工況下的能效最優。經實測，該系統可將PUE穩定降至1.08，較常規液冷系統再優化10%至15%，5年TCO節省預計可達20%至30%。
在精細化控溫方面，“元啟”系統同樣提供了技術支撐。基于全鏈路熱特性數字模型，系統通過多類型深度神經網絡對全維度熱交換、流體數據進行實時采集與深度解析，精準捕捉熱源變化與流體傳遞、溫度傳導的內在關聯。借助熱傳導方程實時計算芯片熱擴散規律，系統依靠多模型融合的AI預測算法預判發熱趨勢，實現冷量供給與負荷需求的前饋同步。這一能力可滿足智算中心GPU集群、芯片制造工廠等高精度控溫場景的需求。在智算場景中，系統閉環控制響應時間從傳統方案的600秒壓縮至100秒以內，GPU峰值溫度降低8至12攝氏度，大模型訓練過程中的溫度波動控制在±1攝氏度以內，既保障了算力硬件恒溫運行、避免了冷量浪費，也有助于維持大模型訓練的穩定性。
在運維層面，系統搭載了NLP自然語言智能助手，運維人員通過“查看機房溫度”“調整PUE目標”等日常指令即可完成復雜操作，運維效率提升約50%。同時，AI算法對設備運行、管路狀態、算力發熱等全維度數據進行深度解析，實現預測性維護，提前識別故障隱患，將傳統“被動搶修”轉變為“主動預防”，故障率降低80%。系統內置的TPM 2.0安全芯片則提供了硬件級加密與身份認證，保障控制指令端到端的安全。
目前，“元啟”系統已在多個超大規模智算中心完成部署驗證。實測數據顯示，系統可實現制冷系統能耗降低20%至25%、整體碳排放減少35%，投資回收期約2至3年。對于正處于IPO進程中的特斯聯而言，“元啟”系統的發布以真實的能效數據和商業化落地成果，向市場展示了公司在AI熱管理領域的技術壁壘和工程化能力，更在“雙碳”目標與算力能耗問題日益受到產業和資本關注的當下，為特斯聯構建了清晰的ESG價值敘事。
免責聲明：以上內容為本網站轉自其它媒體，相關信息僅為傳遞更多信息之目的，不代表本網觀點，亦不代表本網站贊同其觀點或證實其內容的真實性。
特別聲明：以上內容(如有圖片或視頻亦包括在內)為自媒體平臺“網易號”用戶上傳并發布，本平臺僅提供信息存儲服務。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
