在性能方面，人工智能（AI）應用快速擴張，要求IT云采用高性能GPU服務器。AI已在電信業網絡覆蓋優化、批量投訴定界、異常檢測/診斷、業務識別、用戶定位等場景規模化應用。AI應用需求的大量出現，要求數據中心部署的服務器具有更好的計算效能、吞吐能力和延遲性能，以傳統通用x86服務器為核心的計算平臺顯得力不從心，GPU服務器因此登上運營商IT建設的歷史舞臺。

在節能方面，AI等高密度應用場景的快速發展，驅動液冷服務器成為熱點。隨著AI高密度業務應用的發展，未來數據中心服務器功率將從3kW~5kW向20kW甚至100kW以上規模發展，傳統的風冷式服務器制冷系統解決方案已經無法滿足制冷需求，液冷服務器成為AI應用場景下的有效解決方案。

GPU服務器是單指令、多數據處理架構，通過與CPU協同進行工作。從CPU和GPU之間的互聯架構進行劃分，GPU服務器又可分為基于傳統PCIe架構的GPU服務器和基于NVLink架構的GPU服務器兩類。GPU服務器具有通用性強、生態系統完善的顯著優勢，因此牢牢占據了AI基礎架構市場的主導地位，國內外主流廠商均推出不同規格的GPU服務器。國外主流廠商有英偉達、英特爾、戴爾等，國內主流廠商包括華為、浪潮、新華三、聯想、曙光等。從GPU服務器性能來看，國內外廠商基本處在同一水準。

當前，電信業開始推動GPU服務器在IT云資源池中的應用，省公司現網中已經部署了部分GPU服務器。同時，考慮到GPU成本較高，集團公司層面通過建設統一AI平臺，集中化部署一批GPU服務器，形成AI資源優化配置。從技術選型來看，目前運營商IT云資源池采用英偉達、英特爾等廠商相關產品居多。

整機柜服務器發展態勢及在電信業的應用

整機柜服務器是按照模塊化設計思路打造的服務器解決方案，系統架構由機柜、網絡、供電、服務器節點、集中散熱、集中管理6個子系統組成，是對數據中心服務器設計技術的一次根本性變革。整機柜服務器將供電單元、散熱單元池化，通過節約空間來提高部署密度，其部署密度通常可以翻倍。集中供電和散熱的設計，使整機柜服務器僅需配置傳統機柜式服務器10%的電源數量就可滿足供電需要，電源效率可以提升10%以上，且單臺服務器的能耗可降低5%。

國內運營商在IT云建設中已經推進了整機柜服務器部署，經過實際應用檢驗，在如下方面優勢明顯。

二是資源池化帶來部件數量降低，故障率大幅下降。整機柜服務器通過將供電、制冷等部件資源池化，大幅減少了部件數量，帶來故障率的大幅降低。圖1比較了32節點整機柜服務器與傳統1U、2U服務器機型各自的電源部件數量及在一年內的月度故障率情況。由于32節點整機柜服務器含10個電源部件，而32臺1U通用服務器的電源部件為64個，相較而言，整機柜電源部件數減少84.4%。由于電源部件數量的降低，32節點整機柜服務器相對于32臺1U通用服務器的月度故障率也大幅縮減。

液冷服務器技術發展態勢及在電信業的應用

液冷服務器技術也稱為服務器芯片液體冷卻技術，采用特種或經特殊處理的液體，直接或近距離間接換熱冷卻芯片或者IT整體設備，具體包括冷板式冷卻、浸沒式冷卻和噴淋式冷卻3種形態。液冷服務器可以針對CPU熱島精確定點冷卻，精確控制制冷分配，能真正將高密度部署帶到前所未有的更高層級（例如20kW~100kW高密度數據中心），是數據中心節能技術的發展方向之一。

液冷服務器技術目前在我國仍處于應用初期，產業鏈尚不完備、設備采購成本偏高、采購渠道少、電子元器件的兼容性低、液冷服務器專用冷卻液成本高等問題是液冷服務器尚未大規模推廣的重要原因。從液冷服務器在運營商數據中心領域的具體應用案例來看，運營商在IT云資源池規劃和建設過程中，通常會對液冷服務器的發展現狀、技術成熟度等進行分析論證。

考慮到目前液冷服務器規模化應用尚處于起步階段，需要3~5年的引入期，因此暫時未在IT云資源池建設中進行大規模落地部署，但在部分地區有小規模應用，如中國移動南方基地數據中心已經開展液冷服務器試點應用，中國聯通研究院也在開展邊緣數據中心服務器噴淋式液冷系統的開發。未來，隨著IT云建設規模、建設密度的繼續攀升，以及液冷產業生態體系的逐步成熟，液冷服務器在IT云建設中將有更大的應用空間。

總體來看，運營商IT云資源池建設對服務器計算性能、延遲、吞吐、制冷、定制化、分布式部署等方面都提出了更高要求。未來，GPU服務器、定制化整機柜服務器、液冷服務器等新興服務器技術將快速迭代，為運營商數據中心服務器技術的發展和演進帶來新的思路和路徑。

本文來源：互聯網 版權歸原作者所有，轉載僅供學習交流，如有不適請聯系我們，謝謝。

標簽： 點擊： 評論: