Nvidia的Blackwell AI GPU過熱問題似乎被過度夸大——半導(dǎo)體分析師透露，冷卻問題已大多得到解決

Nvidia的GB200 NVL72服務(wù)器機架過熱問題似乎被夸大了。根據(jù)《商業(yè)內(nèi)幕》的報道，Blackwell的冷卻設(shè)計缺陷已經(jīng)得到解決。Semianalysis的首席分析師Dylan Patel向《商業(yè)內(nèi)幕》表示，Blackwell的設(shè)計問題已經(jīng)存在幾個月，但大多數(shù)問題已經(jīng)得到解決，過熱問題被夸大了。

Semianalysis的五位半導(dǎo)體行業(yè)分析師表示，導(dǎo)致多個供應(yīng)商進行“返工”的冷卻系統(tǒng)問題是一個“小問題”。Blackwell的冷卻問題尤其在Nvidia的大型72芯片服務(wù)器機架中出現(xiàn)，后者的功率需求可達到120kW。機架設(shè)計中的缺陷迫使Nvidia多次重新評估設(shè)計，因為機架內(nèi)的GPU過熱。這導(dǎo)致Nvidia的GB200硬件出貨延遲，并因需要進行設(shè)計更改而進一步推遲。

Nvidia的B200 GPU是AI工作負載中最強大的處理芯片。例如，GB200超級芯片的可配置熱設(shè)計功率（TDP）高達幾千瓦，峰值功率可達2700瓦。這些極高的功率使得在標準機架形式中幾乎不可能使用空氣冷卻。

這一物理問題迫使Nvidia在最新的Blackwell GPU上使用液體冷卻。同時，它還要求數(shù)據(jù)中心重新改造服務(wù)器農(nóng)場，以容納支持液冷服務(wù)器所需的基礎(chǔ)設(shè)施。

Nvidia可以通過制造較低功率的空氣冷卻GPU來解決這個問題——該公司仍然制造這種類型的GPU，例如H200 NVL。然而，為了在AI GPU競賽中保持領(lǐng)先，Nvidia優(yōu)先考慮性能，而不顧成本，這就是為什么該公司選擇制造需要數(shù)千瓦功率的GPU，而犧牲空氣冷卻的原因。

好消息是，Nvidia的72芯片Blackwell冷卻問題似乎較輕微，且已大致得到解決。此外，只有Nvidia的旗艦72芯片服務(wù)器機架存在這個問題。