В класс высокопроизводительных ПК, который ранее был представлен рабочими станциями и мощными игровыми компьютерами, ворвались высокопроизводительные AI-PC. Грань между традиционными workstation и производительными AI-PC становится всё тоньше и в будущем всё же исчезнет — нейроускорители станут обязательным элементом всех компьютеров, — но пока такое разделение есть.
Интерес к мощным вариантам AI-PC в последнее время быстро растёт, причём в российских условиях — опережающими темпами. Проблемы с ЦОДами смещают внимание пользователей в сторону on-premise-вычислений, а опасения утечки данных делают фокус на on-prem особенно выраженным для систем, созданных под обучение ИИ-моделей.
Вы не считаете появление AI-PC чисто маркетинговой историей?
Разделение высокопроизводительных систем на традиционные и на AI-PC имеет маркетинговую составляющую — мы же говорим о рынке, тут без маркетинга никак — но оно затрагивает и ряд технических параметров. Как и другие вычислительные системы, AI-PC представляют собой «мини-ЦОДы», элементы конструкции которых созданы для обеспечения штатных параметров работы всех компонентов даже при длительной работе под высокими нагрузками, причём специфическими. Про важность корпусов для высоконагруженных систем в таких условиях мы рассказывали ранее; оптимальное размещение компонентов системы охлаждения — воздушного или жидкостного — вечная тема на стыке технологии и искусства. Основное отличие систем, разумеется, в балансировке: традиционная рабочая станция оптимизирована под универсальные профессиональные нагрузки — CAD, рендеринг, инженерные расчёты, монтаж видео и пр., причём в ряде случаев балансировку подтверждает сертификат от вендора софта. AI-PC, основным отличием которых является нейронный сопроцессор (NPU), бывают разными — специфика есть даже внутри рассматриваемого класса: есть решения, «заточенные» под обучение ИИ-моделей, есть ориентированные на инференс; популярность набирают даже модули для EDGE-вычислений — ИИ-вычисления всё чаще выносят на границу сети.
Какие компоненты нужны для AI-PC?
Ряд компонентов AI-PC — в том числе блоки питания — должен соответствовать вычислительным нагрузкам, характерным для работы с ИИ. Как бы ни были сбалансированы между собой компоненты системы, их нужно обеспечить энергией. Блоки питания за последнее время претерпели существенные изменения.
Вы имеете в виду увеличенную мощность и повышенную энергоэффективность?
Да, для ИИ-вычислений нужна повышенная мощность — они энергозатратны. Также становится актуальной энергоэффективность: чем больше энергии блок питания рассеивает в процессе работы, тем сложнее внутри корпуса работающего ПК поддерживать температуру в штатном режиме. Возьмём в качестве примера новую линейку блоков питания от нашей компании. Топовая модель в ней — FSP Cannon Pro 3300 — получила огромную мощность, которая, как видно из индекса, составляет 3300 Вт. Этого достаточно для питания под топовыми нагрузками высокопроизводительной системы, «усугублённой» несколькими видеоускорителями (например, можно подключать четыре RTX 5090). При этом останется резерв для питания других компонентов — от накопителей до кулеров системы охлаждения. Но есть ещё одно требование, характерное именно для AI-PC, которое требует вместо традиционных БП использовать модели, построенные на GaN-транзисторах.
Почему нужны GaN-БП?
Особенность работы NPU в режиме реальной эксплуатации — быстрые переходы от простоя к пиковому потреблению, которые занимают миллисекунды. Оптимизированный для таких решений блок питания должен успевать отреагировать на изменение ситуации, иначе могут возникнуть разные малоприятные ситуации, вплоть до аварийного завершения задач. Поэтому для AI-PC нужны БП на транзисторах, созданных на основе нитрида галлия (GaN). Причина в физике: транзисторы на нитриде галлия обеспечивают более быстрое переключение благодаря высокой подвижности электронов и ряду других свойств, рассмотрение которых выходит за рамки данного материала. Сейчас для нас важно, что такие блоки питания реагируют на изменения внешнего потребления заметно быстрее традиционных, построенных «на кремнии». Блоки питания GaN впервые появились в 2018 году, но их применяли в потребительских зарядках для мобильных устройств, причём из-за компактности, а не по причине быстрой подстройки под быстро меняющиеся нагрузки. GaN-БП для ПК дебютировали существенно позже, только два года назад — когда и AI-PC начали получать широкое распространение, — но пока остаются нишевым продуктом. Компактность, обеспечиваемая GaN, для десктопных БП не является определяющим фактором, но выступает приятным дополнением. Чем больше свободного пространства в корпусе, тем лучше будет циркуляция воздушных потоков и эффективнее теплоотвод.
Получается, что новые БП просто построены на новой технологии?
Для GaN, как и для любой другой технологии, нужна её инженерная упаковка в продукт. При этом приходится решать ряд инженерных задач. Например, хотя GaN-БП обладают более высоким КПД, при работе они всё же греются, а уменьшенные габариты таких блоков питания требуют дополнительных конструктивных решений для эффективного и стабильного отвода тепла с уменьшенной поверхности корпуса. Пришлось решать и проблемы, связанные с минимизацией электромагнитных помех от работающего БП. Высокая скорость перехода GaN-транзисторов из режима в режим приводит к генерации высокочастотного электромагнитного излучения, которое при создании новых БП пришлось экранировать, чтобы исключить влияние на компоненты вычислительной системы.
Предлагаемые вами GaN-БП отличаются только мощностью?
Принцип один — модели разные, поскольку мы их создавали для разных вычислительных систем. Мы предлагаем линейку таких блоков питания, общие особенности у которых характерны для разных решений, оптимизированных под ИИ-нагрузки — от пользовательских десктопов до EDGE-систем, — но у каждого подкласса по понятным причинам будут несколько разные требования к GaN-БП. Разумеется, есть отличия по требуемой мощности БП. Например, упомянутая топовая модель FSP Cannon Pro доступна в модификациях с несколькими мощностями — кроме максимальной 3300 Вт доступны модификации на 2500 и 2000 Вт. Но мощность — не единственное отличие моделей нашей линейки. Есть серверная модификация FSP Twins Pro, состоящая, как видно из индекса, из двух модулей. Модули поддерживают возможность «горячей замены», что важно для систем, которым нужна непрерывная работа. Модель доступна в модификациях на 1400, 900, 700 и 500 Вт. Возможность «горячей замены» есть у FSP Twins CRPS, которые позиционированы для EDGE-вычислений, а поэтому получили возможность работы в диапазоне внешних температур от 0° до 55° и при пониженном атмосферном давлении, что позволяет их использовать на высотах до 5500 м над уровнем моря. FSP Twins CRPS доступны в модификациях с широким диапазоном мощностей — от 3200 до 1300 Вт. FSP Flex Guru Pro ориентирован на пользовательские десктопы — форм-фактор Standard Flex ATX, а диапазон мощностей — от 250 до 650 Вт, что вполне достаточно для задач инференса. Аналогичен FSP TFX 500, форм-фактор которого, предсказуемо, TFX, а вариантов модификаций сейчас выпускаем две: на 500 и на 400 Вт.
Почему вы считаете, что популярность GaN-БП будет расти?
Российским корпоративным заказчикам нужны вычислительные системы, оптимизированные под ИИ-нагрузки, притом в возрастающих количествах. Удовлетворить этот растущий спрос оказывается непросто: системы от ключевых глобальных производителей, оптимизированные для работы с ИИ-нагрузками, российским корпоративным заказчикам доступны с понятными ограничениями. На ситуацию реагируют российские вендоры no-name-ПК, хотя такую продукцию точнее называть non-branding: системы рассматриваемого класса в условиях «подвальной сборки» создать проблематично, кроме того, таким компьютерам требуется постпродажное сопровождение. Это приводит к росту популярности локального производства таких решений — мелкосерийного или даже штучного. В таких условиях будет спрос на профильные БП от проверенного производителя, известные гарантированным качеством и доступные на российском рынке в разных модификациях, с вендорским сервисом и с отработанными каналами поставок.