第392章 液冷技术（第2页）

“三位教授。”

林渊目光诚恳地看向他们，“我虽然也懂点底层代码，但在大型实验室的顶尖硬件设备采购上，我那点常识肯定不如各位专家。

咱们这个实验室如果想出世界级的成果，到底需要配备什么级别的设备？”

李院长沉吟了一下，率先开口：“如果要搭建稳定的底层运算环境，我们院里之前的设想是，主要采购惠普或者IBM的塔式企业级服务器，求个安稳。”

周志华教授跟着补充道：“小林，既然你有自己的数据中心，我们的建议是上国产的‘曙光’系列刀片服务器集群。

做咱们这种机器学习的算法模型，传统的CPU阵列在并行处理上是业内最成熟的方案。”

林渊听完，摇了摇头问：“传统的CPU算力上限太低了。

既然咱们要搞最前沿的底层算法，为什么不直接搭建GPU显卡算力集群？”

王主任叹了口气，解释道：“林总，你可能对目前的硬件市场不太了解。

我们不是没想过用GPU，但是英伟达（Nvidia）今年刚推出的新一代架构，存在很严重的质量问题。”

第392章液冷技术

“是的。”

周志华接话道，“他们这一代核心的漏电率和发热量大得离谱，简直就是个火炉。

如果我们在实验室里满载高并发跑上几天，不仅散热是个大麻烦，甚至有直接烧毁主板的风险，这采购成本谁吃得消？所以大家现在都不建议搞英伟达，还是买曙光稳妥。”

林渊若有所思地点了点头：“原来是这样。

发热和次品率确实是个大问题。

但除了硬件本身，英伟达的CUDA并行计算架构生态，目前在市面上是不是没有任何替代品？”

周志华有些惊讶于林渊对专业名词的敏感度，点头确认：“确实，单论并行计算框架，CUDA确实是目前最好的选择。

但硬件缺陷摆在那，没办法硬上。”

林渊笑了笑：“如果只是发热问题，我们可以在机房基建的时候，直接抛弃传统的风冷，引入定制的液冷机柜系统。

同时，我这边可以带人写一套底层的功耗墙限制脚本，通过软件层面在它临界过热前自动降频调度。

这样就能完美规避烧毁风险。”

这下轮到对面三个人震撼了。

李院长瞪大了眼睛：“林同学……你连机柜液冷散热和显卡底层驱动调度都懂？这种技术性的难题，你真的可以解决吗？”

林渊笑着说，“其实我也不知道，反正试试看吧，正好我马上要去美国签一下合同。

这批设备我打算直接去硅谷，找英伟达原厂采购，专门定制一批企业级的TeSla加速卡，绝对比市面上的民用显卡靠谱得多。”

周志华若有所思地看了一眼林渊：“不要太为难自己。

如果你真的能把这个问题解决，那么小林同学，你可是牛大发了，你可比我们这几个人加起来都要厉害。”

随后，双方又在底层架构以及技术难题各方面探讨了一会，尤其是液态制冷这个超越时代的概念着重了解了一下。

本章未完，点击下一页继续阅读