エッジAI向け液冷技術：ミッションクリティカルAIシステムのサーマルスロットリングを克服

従来の空冷方式が限界を迎えつつある中、相変化液冷技術は、エッジAIにおいてミッションクリティカルなワークロードの安定したパフォーマンス維持を可能にします。

設定ファイルを最適化し、ソフトウェアスタックを調整しても、高負荷なAIワークロードを継続的に実行すると、システム性能が低下する場合があります。その原因はコードではなく、CPUやGPUが熱設計上の限界に達していることにあります。

この現象は**サーマルスロットリング（Thermal Throttling）**と呼ばれます。プロセッサの温度が上昇すると、過熱を防ぐためにシステムが自動的に処理性能を低下させます。

ミッションクリティカルなエッジAIシステムでは、サーマルスロットリングによって推論レイテンシの増加、処理スループットの低下、システム性能の予測性低下につながる可能性があります。

AIを活用した自動光学検査（AOI）、自律移動ロボット（AMR）、無人地上車両（UGV）、マルチカメラ・マシンビジョンなどのアプリケーションには、共通して持続的かつ予測可能な信頼性が求められます。

わずかな遅延でも、高額な不良品の発生、生産停止、さらには人の安全へのリスクにつながる可能性があります。

エッジAIが新たな熱管理の課題を生み出す理由

増大する熱負荷が浮き彫りにする空冷の限界

AI技術の進化に伴い、さまざまな産業でデータソースに近い場所へハードウェアを配置し、レイテンシを低減しながら、より多くのデータをローカルで処理する動きが加速しています。

その一方で、コンパクトな産業用システムにより高い演算性能が集約され、それに伴って発熱量も増加しています。

この課題を加速させている主な要因は次のとおりです。

グラフィックス負荷の高いワークロード

リアルタイムのコンピュータビジョン、センサーフュージョン、マルチカメラ解析では、CPUとGPUによる継続的な高負荷処理が必要です。

ローカルAI処理

工場、車両、ミッションクリティカルシステムでは、レイテンシ、接続性、プライバシー、サイバーセキュリティなどの要件から、データをローカルで処理するケースが多くあります。

高度なアプリケーション

デジタルツイン（Digital Twin）、Physical AI、自律システム、高解像度マシンビジョンの導入により、エッジ環境における演算密度はさらに高まっています。

組み込みGPUも、より高い熱設計領域へ移行しています。例えば、NVIDIA RTX™ Embedded Ada Generation GPUは最大150Wで動作し、コンパクトなエッジシステムに高性能GPUコンピューティングを導入する際の熱管理の課題を示しています。

こうした演算要求の増大は、従来の空冷方式の能力を超え、システム性能を制約する熱的な限界を生み出しています。

データセンターで普及する液冷 ― しかしエッジAIには異なる要件がある

AIは、高密度データセンターにおける冷却戦略を大きく変えています。

GPUやラックの電力密度が高まるにつれ、直接液冷（Direct Liquid Cooling：DLC）、コールドプレート、液浸冷却（Immersion Cooling）が、AIおよびハイパフォーマンスコンピューティングのインフラで採用されるようになっています。

しかし、液冷がデータセンター業界全体で空冷に取って代わったわけではありません。Uptime InstituteのCooling Systems Surveyによると、周辺空冷は依然として最も広く利用されている方式であり、該当質問に回答した組織の22％が直接液冷を採用しています。DLC導入の主な要因は、ラック密度の上昇です。

現在、この熱管理の課題は集中型AIインフラからエッジへと広がっています。しかし、データセンター向けの冷却アーキテクチャを、そのまま産業用エッジシステムへ適用することはできません。

エッジAIコンピュータは、工場、鉄道、自動運転車、ロボット、大型オフハイウェイ車両、ITS路側インフラ、防衛プラットフォームなどに導入される可能性があります。

こうした環境では、設置スペース、電力、振動、粉塵、メンテナンス性などに厳しい制約があります。

そこで重要となるのが、データセンター向けの大規模な冷却インフラを持ち込むことなく、液冷レベルの熱管理性能をエッジ環境でどのように実現するかという課題です。

従来の液冷方式をエッジAIへそのまま適用できない理由

液浸冷却

液浸冷却では、システム全体を誘電性冷却液に浸すことで、高効率な熱除去を実現します。

一方で、専用インフラ、冷却液の管理、特殊なメンテナンス手順が必要となるため、分散型エッジ環境への導入は容易ではありません。

Direct-to-Chip（DTC）冷却

Direct-to-Chip冷却では、コールドプレートやマイクロ流体ループを利用して、CPUやGPUなどの高出力プロセッサから直接熱を除去します。

DTCは高密度サーバーに適していますが、一般的にポンプ、冷却液分配システム、その他の設備側インフラに依存します。

相変化液冷：エッジAI向けの自己完結型アプローチ

新たなアプローチの一つが、**自己循環型相変化液冷（Self-Circulating Phase-Change Liquid Cooling）**です。

この方式では、機械式ポンプを使用せず、密閉された冷却ループを通じて熱を移動させます。

SINTRONESの特許技術であるThermoSiphon™冷却技術は、相変化、圧力差、重力などの自然な熱力学的作用を利用し、発熱部品とシステム筐体の間で冷媒を循環させます。

従来のファン冷却とは異なり、このアーキテクチャでは冷却ファンもポンプも必要ありません。

多層構造のコールドプレートと熱伝導材料（Thermal Interface Materials：TIM）を組み合わせることで、メインボード全体のホットスポットに直接接触し、均一な放熱を実現します。

冷却媒体は密閉ループ内に保持されるため、通常運用時に外部の冷却液インフラや定期的な冷却液管理を必要としません。

このアーキテクチャは、従来のパッシブ冷却と、データセンターのインフラに依存する液冷方式との間にあるギャップを埋めます。

相変化液冷がエッジAIにもたらすメリット

1. 持続的なAIパフォーマンス

効率的な熱伝達により、継続的なAI推論、コンピュータビジョン、センサーデータ処理におけるCPUやGPUのサーマルスロットリングのリスクを低減し、長時間稼働時のパフォーマンスの一貫性を高めます。

2. 冷却ファンやポンプが不要

自己循環型設計により、冷却ループから機械式ファンとポンプを排除できます。

可動部品を減らすことで、機械的な故障要因、メンテナンス要件、動作音、冷却に伴う消費電力を低減できます。

3. メインボード全体の熱管理

CPUやGPUだけを集中的に冷却する方式とは異なり、メインボード全体を対象とした熱管理により、高性能エッジAIシステム内に発生する局所的なホットスポットへの対応が可能になります。

4. 密閉型循環設計

密閉型冷却アーキテクチャは、自己循環型の相変化プロセスによって熱を移動させるため、専用の機械式ポンプを必要としません。

冷却液の循環は電動ポンプではなく熱力学的作用によって駆動されるため、従来の液冷システムで必要となる追加のエネルギーやインフラを削減できます。

5. エッジ環境に適した信頼性

ファンレス冷却は、システム内部への粉塵や微粒子の侵入を抑えることができます。また、自己完結型アーキテクチャにより、設備側の液冷インフラへの依存もなくなります。

そのため、工場、車両、交通システム、自律型マシンなど、要求の厳しいエッジ環境に適しています。

まとめ

AIコンピューティングが集中型インフラから工場、車両、ロボット、その他の分散型システムへと拡大するにつれ、熱管理はエッジAIシステム設計における重要な要素となっています。

データセンターでは、高密度AIワークロードに対応するため液冷の採用が進んでいますが、産業用エッジシステムには異なるアプローチが必要です。

自己完結型の相変化液冷は、ポンプ、冷却塔、外部冷却液インフラを必要とせず、液冷の熱管理上のメリットをコンパクトなエッジプラットフォームにもたらします。

AIワークロードがさらに高度化する中、効率的な熱管理はもはやオプションではなく、持続的な高性能運用を実現するための重要な要件です。

システム設計者は、設計の早い段階から冷却戦略を検討し、熱負荷、設置スペース、電力予算、GPU性能、AIワークロード、周囲温度、筐体設計、メンテナンス要件などを総合的に評価する必要があります。

目的は単にプロセッサを冷却することではなく、システムの導入ライフサイクル全体を通じて、予測可能で安定したAIパフォーマンスを維持することです。

主なポイント

• AIの演算密度の上昇により、エッジ環境における熱管理の課題が増大しています。
• 高密度AIデータセンターでは液冷の採用が進んでいますが、従来のデータセンター向け液冷アーキテクチャを産業用エッジへそのまま導入することは困難です。
• 自己循環型相変化液冷は、高性能エッジAI向けにコンパクトでファンレス、ポンプレスの冷却方式を提供します。
• メインボード全体の熱管理により、サーマルスロットリングを抑え、持続的なAIワークロードを安定して処理できます。
• 冷却戦略は、AIワークロード、GPUの選定、動作環境、製品ライフサイクルの要件とあわせて、設計初期から検討する必要があります。

高性能エッジAIの導入をご検討ですか？

SINTRONES ABOX-5221(P)(G) LC Seriesの詳細をご覧いただくか、GPUワークロード、熱管理要件、動作環境、導入条件について当社チームまでお問い合わせください。