Nvidia 的 Blackwell AI GPU 過熱問題似乎被夸大了

據(jù)稱，有關(guān) Nvidia 的 GB200 NVL72 服務(wù)器機(jī)架過熱的報(bào)道被夸大了。Business Insider 報(bào)道稱，Blackwell 的冷卻設(shè)計(jì)錯(cuò)誤已經(jīng)得到解決。據(jù)稱，Semianalysis 的首席分析師 Dylan Patel 告訴 Business Insider，已經(jīng)存在了幾個(gè)月的 Blackwell 的設(shè)計(jì)問題已基本得到解決，并表示過熱問題在很大程度上被夸大了。
Semianalysis 的五位監(jiān)控半導(dǎo)體行業(yè)的分析師報(bào)告說，觸發(fā)幾家供應(yīng)商“返工”的冷卻系統(tǒng)問題是一個(gè)“微小”的變化。Blackwell 的冷卻故障在 Nvidia 的大型 72 芯片服務(wù)器機(jī)架上尤其存在問題，該機(jī)架的功耗高達(dá) 120kW。由于機(jī)架內(nèi)部的 GPU 過熱，機(jī)架設(shè)計(jì)中的設(shè)計(jì)缺陷迫使 Nvidia 多次重新評估其設(shè)計(jì)。這阻礙了 Nvidia 的 GB200 硬件的出貨量，由于所需的設(shè)計(jì)更改而導(dǎo)致額外的延遲。
Nvidia 的 B200 GPU 是適用于 AI 工作負(fù)載的最強(qiáng)大處理芯片。例如，GB200 超級芯片具有數(shù)千瓦的可配置 TDP，峰值額定功率高達(dá) 2,700 瓦。這些荒謬的高功率數(shù)字使得空氣冷卻幾乎不可能在標(biāo)準(zhǔn)機(jī)架安裝外形尺寸的限制下使用。
這個(gè)物理問題迫使 Nvidia 要求在其最新的 Blackwell GPU 上進(jìn)行液體冷卻。它還要求數(shù)據(jù)中心改造其服務(wù)器場，以適應(yīng)支持液冷服務(wù)器所需的基礎(chǔ)設(shè)施。
Nvidia 可以通過創(chuàng)建速度較慢的風(fēng)冷 GPU 來解決這個(gè)問題——GPU 制造商仍然以 H200 NVL 等 GPU 的形式這樣做。然而，為了保持在 AI GPU 軍備競賽的最前沿，Nvidia 不惜一切代價(jià)優(yōu)先考慮性能，這就是為什么該公司選擇以犧牲風(fēng)冷為代價(jià)制造需要數(shù)千瓦功率的 GPU。
好消息是，Nvidia 的 72 芯片 Blackwell 冷卻問題顯然很小，并且已經(jīng)基本得到解決。此外，只有 Nvidia 的旗艦 72 芯片服務(wù)器機(jī)架存在問題。