Científicos rusos proponen refrigeración para centros de datos de AI con una reducción de hasta el 22% en el consumo eléctrico

Российские исследователи предложили новый подход к охлаждению дата-центров, где работают плотные серверные стойки для задач искусственного интеллекта. Вместо того чтобы просто отводить лишнее тепло наружу, система использует его повторно и за счет этого может снизить энергопотребление охлаждения до 22%.

Как устроена схема

Главная идея в том, что тепло от AI-серверов рассматривается не как побочный эффект, от которого нужно любой ценой избавиться, а как полезный ресурс. В основе подхода лежит адсорбционное охлаждение с применением структур на базе мезопористого силикагеля. Такой материал имеет развитую внутреннюю поверхность и подходит для процессов, где важна способность эффективно связывать и отдавать рабочую среду в цикле охлаждения.

Это делает его интересным кандидатом для энергоэффективных инженерных систем. Если упростить, схема работает так: серверные стойки высокой плотности выделяют много тепла, это тепло направляется в охлаждающий контур и помогает поддерживать адсорбционный цикл. За счет этого часть нагрузки снимается с более энергоемких элементов традиционной холодильной инфраструктуры.

Для дата-центров с ускорителями ИИ это особенно актуально, потому что именно охлаждение все чаще становится одним из главных факторов в операционных расходах. Чем плотнее размещено оборудование, тем заметнее эффект от любой инженерной оптимизации.

Откуда берется экономия

Классические системы охлаждения в дата-центрах часто требуют заметных затрат электроэнергии, потому что им приходится непрерывно отводить тепло от серверов и поддерживать стабильный режим работы оборудования. В новой схеме часть энергии не тратится заново, а извлекается из уже накопленного тепла внутри самого объекта. По данным исследования, именно такой перенос логики — от «выбросить тепло» к «использовать тепло повторно» — и дает потенциал экономии до 22%. Особенно это важно там, где тепловая нагрузка держится на высоком уровне почти постоянно.

• Повторное использование отработанной теплоты от серверных стоек Снижение нагрузки на традиционные компрессорные элементы охлаждения Более высокая эффективность в сценариях с плотным размещением AI-оборудования * Потенциальное снижение операционных затрат на электроэнергию При этом цифра в 22% — не универсальная гарантия для любого дата-центра. Итоговая эффективность будет зависеть от плотности стоек, архитектуры инженерных систем, температуры внешней среды и того, насколько глубоко новая схема встроена в существующую инфраструктуру. Но даже сам порядок экономии показывает, почему рынок все активнее ищет не только более мощные чипы, но и новые способы управлять их тепловыделением. Для операторов это уже не теоретическая тема, а вопрос экономики масштабирования.

Где это применимо

Больше всего такая разработка интересна площадкам, где растет доля вычислений для обучения и запуска AI-моделей. GPU-серверы и другие ускорители создают очень высокую тепловую нагрузку на единицу площади, поэтому стандартные подходы к охлаждению начинают упираться в цену эксплуатации. Если часть этой проблемы можно решить за счет материалов и контуров, которые используют внутреннее тепло повторно, экономика новых залов и стоек становится заметно привлекательнее.

Особенно это важно для проектов, где каждый дополнительный мегаватт мощности быстро превращается в постоянные расходы. Важно и то, что речь пока идет не о массовом готовом продукте, который завтра можно поставить в любой серверной, а о технологическом подходе, подтвержденном исследованием. Дальше обычно следуют пилотные внедрения, проверка надежности в непрерывной нагрузке, оценка стоимости обслуживания и сравнение с альтернативами вроде жидкостного охлаждения или более эффективных чиллеров.

Но направление выглядит практичным: оно отвечает на реальную боль AI-инфраструктуры, а не предлагает абстрактную оптимизацию ради презентации. Если пилоты подтвердят расчеты, интерес к таким системам быстро выйдет за рамки лабораторий.

Что это значит

По мере роста AI-дата-центров охлаждение становится такой же важной частью вычислительной стратегии, как выбор GPU или сетевой архитектуры. Если технологии вроде адсорбционного охлаждения на базе мезопористого силикагеля подтвердят заявленный эффект в реальной эксплуатации, операторы смогут строить более плотные и экономичные площадки без пропорционального роста счетов за электричество. Для рынка это сигнал: борьба за эффективность ИИ идет уже не только на уровне моделей и чипов, но и на уровне инженерной инфраструктуры.