液体冷却環境における1秒未満の安定性を実現するため、OTの可視性を見直す NEW

AIデータセンターの液冷システムにおける1秒未満の安定性を保つために、OTの可視化のあり方を根本から見直す

データセンターは膨大なデータを処理・保管するためのサーバーやネットワークデバイスをセキュアに稼働させる専用のファシリティです。しかし、AI技術の進化によってサーバーの熱量が限界に達し、従来のファンなどによる空冷方式だけでは処理できなくなったため、抜本的な転換期を迎えています。空冷は何十年もの間、誰もが認める主流のテクノロジーで、従来のエンタープライズサーバーの安定した放熱要件を十分に処理することができていました。しかし、現代のAIデータセンターにおいては、生成AIのワークロードによって各ラックの消費電力が100kWに達し、凄まじい熱を発生するため、温度管理のデータを一瞬でも見落としたり間違えたりすると、すぐに最先端の機材が高熱で破壊されてしまいます。これは、従来の約20kWと言われていた空冷方式が完全に通用しなくなったことを意味します (※1)。

AIサーバーなどの高発熱を発生する装置を冷却する液冷方式には、データセンターの最新テクノロジーであるプロセッサーの表面に冷却プレートを密着させ、そこに冷却液を循環させて直接熱を奪う方式のDirect-to-Chip (DTC) と、サーバー基板全体を特殊な絶縁性の液体に丸ごと沈めて直接冷やす冷却ソリューション方式のImmersion Cooling (液浸冷却) があり、ニッチな実験段階から、AIファクトリーの主流冷却ソリューションへと移行しています (※2)。しかし、液体による冷却を導入すると、新たな課題やリスクが生じます。液体冷却環境において、許容されるエラーのマージンは実質的にゼロです。2メガワットのサーバー列でわずか1ヶ所でも液体漏れが発生したり、圧力調整に不具合が生じたりするだけで、高額なサーバーに壊滅的な結果をもたらす恐れがあります。

このため、液冷方式への移行には、ファシリティ資産に対する従来の監視手法を根本的に見直す必要があります。現在、これまでのパッシブ (受動的) な監視から、OT冷却システム全体をリアルタイムで可視化し、液体冷却のリスクや課題を軽減するアクティブ (能動的) な保護へと進化しています。

冷却方式の違いによる監視要件の違い

従来型の空冷式データセンターでは、温度プローブや湿度センサーから得られるデータによって、ビル管理システム (BMS) が数分単位でファンの回転数やチラーの設定値を調整するのに十分な情報を確保できるため、監視が比較的簡単です。

液体冷却の場合、冷却機能の故障に伴う物理的な現象と、その結果引き起こされる被害の深刻さが、空冷式とは根本的に異なります (※3)。これらのシステムは極めて高い熱伝導性を備えているため、許容誤差がより厳しく設計されています。Direct-to-Chip (DTC) 冷却方式では、冷却分配ユニット (CDU) の圧力の低下やポンプの故障が発生すると、GPUクラスターの温度がわずか数秒で危険なレベルまで急上昇する可能性があります。

液冷方式に伴う潜在的なリスクを防ぐには、従来の空冷環境と比較して、システムを監視する項目や規模を大幅に複雑化させることが不可欠です。以前は周囲温度の測定だけで十分でしたが、現在では、流体力学やシステム圧力から、冷却液の化学組成、液漏れの検知に至るまで、多岐にわたる重要な指標を継続的に監視する必要があります。

冷却フロー監視におけるセンサーの課題を克服する

液冷システムへの移行を検討しているオペレーターにとって、散在する専用センサーからのデータを、一元的に収集し可視化する統合監視アーキテクチャに組み込むことが大きな壁となっています (※4)。なぜならば、これらのセンサーはOT環境で産業用プロトコルを使用することを前提に設計されているため、一般的なLANなどのITネットワークでは確実に処理することが難しいのです。さらに、液体冷却式ラック内部の環境条件は極めて過酷です。高密度ラックでは局所的な熱の滞留 (ホットスポット) が発生しやすく、また、液体マニホールド (複数の液体配管) の近くでは水濡れや結露のリスクが高まるため、一般的なエンタープライズグレードのハードウェアでは耐えられません。

産業グレードのリモートI/Oソリューションは、こうしたシステム統合のギャップを埋めることができます。これらのデバイスはエッジやラック、冷却分配ユニット (CDU) に直接設置できるように設計され、アナログ、デジタル、熱電対などを含むさまざまなセンサー信号を集約します。さらに、これらの信号をModbus TCP、EtherNet/IP、またはSNMPを介して統一されたデータストリームに変換することで、ファシリティ内のシステムの稼働状況に関する正確かつ包括的な監視情報をビル管理システム (BMS) に提供します

パッシブ (受動的) な監視からアクティブ (能動的) な保護への進化

ミッションクリティカルなデータセンターおいて、単に障害の発生を検知するだけでは対策として不十分です。2MWの高密度なファシリティで液漏れが検知された場合、システムは瞬時に対応できなければなりません。被害が生じる前に未然に防ぐための集中管理型対応プラットフォームにはリアルタイムかつ高精度な監視機能が不可欠です。そして、このようなプラットフォームを機能させるためには、ローカルで同じ入力を与えれば、ランダム要素を一切挟まず常に100%同じ結果を返す確実な (決定論的) ロジックを実行できる「頭脳」が必要となります。

このアーキテクチャの中核を成すのが産業用コンピューターです。これらは単なるゲートウェイにとどまらず、自律的な緊急対応ロジックを実行できる強力なエッジコンピューティングプラットフォームとしての機能を備えています。例えば、圧力の急低下と漏水が同時に発生した場合に備えて圧力センサーと漏水センサーを同時に監視するようプログラムすることが可能です。センサーデータに基づいて、急激な圧力低下と水分検知が同時に発生するなどの特定パターンが検出された場合、コンピューターは広域ネットワークの遅延をバイパスし、1秒未満で冷却分配ユニット (CDU) バルブへのシャットダウンコマンドを実行できます。産業用コンピューターを導入することで、ファシリティオペレーターは、集約されたリアルタイムのセンサーデータを活用し、液体冷却に伴うリスクを未然に防ぐアクティブレスポンスシステムを構築できます。

冷却システムにおける冗長性

AIファクトリーにおいて、冷却テレメトリーを伝送するネットワークは、冷却液そのものと同じくらい重要です。ネットワークが故障すれば、液冷管理プラットフォームは、状況がまったく見えず機能停止状態に陥ります。これほど重大なリスクがある状況でデイジーチェーン接続などの基本的な冗長化手法に頼ることは、かえって脆弱性をもたらすことにすらなりかねません。

このような状況に対し、MoxaのTurbo Ringテクノロジー (※5) のように、20ミリ秒未満でのネットワークの高速リカバリーが可能な産業用イーサネットスイッチを利用することで、たった1本のケーブルの不具合による冷却システムの停止を阻止し、数億円規模のGPU機器をオーバーヒートで破損させるような事態を未然に防ぐことができます。

水冷化が進む世界において安心感を確保する

生成AIの普及に伴い、AIデータセンターのファシリティでは極めて高い熱負荷が発生しているため、液冷システムへの移行が不可欠となっています。しかし、OTデータの監視体制を強化せずに液冷システムを導入することは、高額なGPU機器の破損など、オペレーターにとって看過できないリスクを伴います。

従来の監視手法を見直し、ミリ秒レベルの堅牢な冗長性を組み合わせることで、データセンターのオペレーターはAIインフラストラクチャーを拡張するための強固な基盤を構築できます。産業グレードのI/O、決定論的なエッジロジック、そして冗長性メカニズムは、デバイスの故障やサイバー攻撃などの予期せぬ障害に直面した際にもシステムを停止させず、耐障害性の高いレジリエントなデータセンターインフラストラクチャーを設計するための不可欠な構成要素です。

• 1：https://build.inc/insights/data-center-cooling-technology-2026
• 2：https://www.datacenters.com/news/cooling-the-future-why-immersion-cooling-is-moving-from-niche-to-mainstream-in-hyperscale-builds
• 3：https://attom.tech/how-liquid-cooling-delivers-greater-efficiency-and-reliability/
• 4：https://www.ti.com/lit/pdf/snaa422
• 5：https://www.moxa.com/en/spotlight/industrial-ethernet/redundancy-technology/technologies