DGX站中NVLINK-C2C的能源效率通过减少功耗和热量产生来影响热管理。 NVLINK-C2C是一种高速互连技术，可在处理器和加速器之间提供连贯且安全的连接，与PCIE等传统互连相比，能源效率明显更高。这种效率对于诸如DGX站之类的系统至关重要，该系统旨在要求AI工作负载。
NVLink-C2C能源效率
NVLink-C2C通过最大程度地降低组件之间数据传输所需的功率来提高能源效率。它通过支持其他处理器或IP块的完全相干和固定加速器的能力来实现这一目标，与具有先进包装的NVIDIA芯片上的PCIE Gen 5 PHY相比，能源效率提高了25倍[4]。功耗的减少直接通过降低操作过程中产生的整体热量来直接影响DGX站的热管理。
###对热管理的影响
1。减少热量产生：降低功耗意味着系统产生的热量较小。这对于DGX站(例如DGX站)等高性能计算系统尤为重要，由于其强大的计算工作负载，该系统容易过热。
2。冷却系统效率：DGX站具有水冷却系统，旨在捕获GPU的热设计功率(TDP)的很大一部分，可有效地散热和安静的操作[3]。 NVLink-C2C的能源效率减少的热负荷通过确保在最佳的热范围内运行，从而补充了这种冷却系统，从而在无需过度冷却需求的情况下保持性能。
3.系统设计和可扩展性：NVLink-C2C促进的节能设计允许更可扩展的系统配置。这意味着在数据传输和热管理方面，可以有效地连接多个DGX站，从而使大规模的AI计算部署无需压倒性的冷却系统。
总而言之，DGX站中NVLink-C2C的能源效率通过减少功耗和热量产生来改善热管理，从而提高了系统的整体冷却效率和可扩展性。 NVLink-C2C和DGX站的冷却系统之间的这种协同作用可确保对要求AI工作负载的可靠和高性能操作。
引用：
[1] https://www.techpowerup.com/334300/nvidia-announces-dgx-spark-spark-and-dgx-station-personal-ai-computers
[2] https://training.continuumlabs.ai/infrastructure/servers-and-and-chips/nvidia-gb200-nvl72
[3] https://images.nvidia.com/content/newsletters/email/pdf/dgx-station-wp.pdf
[4] https://www.linkedin.com/pulse/nvidia-nvlink-scalibality-from-die-supercomputers-mohamed-hakam-hefny
[5] https://www.nvidia.com/en-us/data-center/dgx-platform/
[6] https://www.supercluster.blog/p/6-ai-supercluster-nvidia-dgx-h100
[7] https://nvidianews.nvidia.com/news/nvidia-announces-dgx-spark-spark-and-dgx-station-personal-ai-computers
[8] https://www.nvidia.com/en-gb/data-center/dgx-station/
[9] https://en.wikipedia.org/wiki/nvlink