作者：兰巴斯(Rambus)公司研究员兼杰出发明家史蒂文·吴(Steven Woo)博士。
AI发展带来的计算压力
人工智能推理领域的重要发展，如思维链提示技术(chain-of-thought prompting)，通过将复杂问题分解成模仿人类推理的小步骤，正在开启高质量答案和AI逻辑推理过程透明化的新阶段。
然而，这一计算能力的飞跃给计算资源带来巨大压力。根据理工学院洞察(Polytechnique Insights)的研究估计，到2027年，AI服务器年度电力消耗将达到85至134太瓦时。
计算架构的创新与挑战
OpenAI的高质量图像生成工具导致图形处理器(GPU)过热的案例，充分说明了AI系统对计算能力的巨大需求。为应对这一挑战，业界正在重新设计基础设施，包括：
- 将数据移近内存
- 创建数据传输捷径
- 优化能源使用效率
芯片技术的突破
在芯片层面，堆叠技术成为重要突破。这种配置能在相同面积内实现更大容量，通过缩短数据传输距离来降低功耗。但随之而来的是新的电源和散热管理挑战。
供电系统的升级
传统数据中心使用12伏配电系统，但随着功耗增加，铜缆发热问题日益严重。为此，业界正在向48伏甚至更高电压的配电系统过渡。功率管理集成电路(PMICs)将在未来的计算电源分配基础设施中发挥关键作用。
散热技术的革新
传统风冷系统已无法满足AI服务器的散热需求。考虑到冷却系统占数据中心功耗的30%至55%，液冷技术逐渐成为主流选择。尽管液冷系统成本较高（每千瓦冷却费用1,000至2,000美元），但其卓越的散热性能使其成为未来AI系统的必然选择。
未来展望
AI技术持续发展，计算硬件的功耗和散热压力将继续增加。芯片封装、电源分配和热管理等半导体技术将变得更加重要，推动新一轮技术创新。