IOL观察
IOL刊物
数据云仓
报告
冷暖智造
单机柜突破30kW 、单GPU功耗直冲1500W， 热风像烤箱扑面而来 。风冷走到终点，冷板液冷、浸没式液冷接力登场。一文讲清当下AI机房主流散热方案、极限散热能力与未来低碳趋势。
📖 上篇回顾
上篇我们复盘了风冷三十年：从开窗通风到精密空调，从冷热通道封闭到自然冷源利用，工程师把空气散热的潜力榨到了极限——单机柜极限散热约 20kW ，PUE最低约 1.3。
但GPU功耗从300W飙到1000W+，单机柜突破30kW已是常态， 空气的物理天花板已经焊死 。
本篇接上，看液体如何接管数据中心。
📌 本文看点
01
GPU功耗十年涨了5倍，风冷被逼到放弃
02
冷板液冷 vs 浸没液冷怎么选？
03
算力密度决定冷却方式，从未改变
01高密度迭代期（2015-2020）：让冷源贴近芯片
「近端制冷把风冷效率推到了上限，但介质短板没解决——空气的散热极限摆在那里。」
2015年是一个分水岭。云计算全面落地， 单机柜功耗从10kW向20-30kW迈进 。
风冷体系面临的根本矛盾： 空调在机房角落，芯片在机柜深处 。冷风一路被加热、被阻挡、被混合，到了芯片表面已所剩无几。
解决方案的逻辑极其直接： 把冷源往热源方向推 。
1.1 近端制冷技术普及
三种 ”近端制冷“ 方案核心逻辑一致——缩短冷风距离：
· 列间空调（InRow Cooling） ——空调部署在机柜之间，送风距离从几十米缩到一两米
· 背板空调（Rear Door Heat Exchanger） ——机柜后门安装盘管，热量离开服务器瞬间被带走
· 顶置空调（Overhead Cooling） ——从天花板直接向下送风，适合存量机房改造
效果：散热效率推到了风冷架构上限——单机柜散热能力摸到 25-30kW ，PUE降到 1.2-1.4 区间。
🎯 划重点
以上方案全部依托空气换热，属于 风冷架构的最后改良方案 ，仅能短暂承接20-30kW机柜， 无法突破介质瓶颈 。
1.2 水冷系统同步升级
机房级冷却同时在进化：从风冷式冷水机组升级为 水冷式冷水机组+自然冷却一体化系统 。
干湿混合冷却技术 突破气候限制：冬季用干冷模式（直接利用室外冷空气），夏季用湿冷模式（冷却塔+压缩制冷混合）。华南地区全年自然冷源利用率可达60%以上，华北可达85%以上。
但无论是列间空调还是水冷升级， 都没能解决根本问题：介质本身已经是瓶颈了 。
02液冷规模化商用（2020至今）：冷却体系的”换芯“时刻
「GPU功耗把风冷逼到绝路，液冷从HPC专属变成数据中心标配。」
2.1 GPU把冷却推到了极限
2015年之后，GPU功耗的爬升曲线变得陡峭：
一个H100 GPU满负荷发热量接近一台小型家用电暖器。8卡DGX H100机箱满载近 11kW 。几十个这样的机柜集中，出风口温度轻松超过 50℃ 。
更致命的是风冷的结构性缺陷： 全覆盖式降温无法精准对准最热的芯片 。同一机柜内GPU和CPU温差可达15-20℃，为了压住GPU温度，整个机柜都得接受超额冷却—— 散热效率极低，但别无选择 。
当单GPU功耗突破700W，风冷已经不是在”散热“，而是在”硬扛“。
2.2 冷板式液冷先行入场
冷板式液冷路径清晰：在GPU/CPU上方贴紧一块金属冷板，冷却液流经冷板内部微通道带走芯片热量。热量通过 CDU（冷量分配单元） 进行液-液热交换，最终排到室外。
为什么它率先被采用？不是技术最先进，而是对现有架构改动最小：
· 服务器形态不变——换散热器扣具即可
· 电力链路不变——液冷只改散热侧
· 运维模式变化有限——单机运维，冷板不接触主板
关键数据：冷板式液冷把单机柜散热能力推到了 60-80kW ，完全覆盖当前主流AI训练集群需求，是今天大部分液冷数据中心的落地形态。
⚠️ 避坑
冷板只覆盖芯片表面，周边元件（内存、VRM、网卡）仍需风冷辅助。所以冷板式系统通常保留机箱风扇，属于 ”半液半风“的混合态 。此外冷板依赖导热硅脂传导热量，长期运行存在 热阻上升、微泄漏风险 ，维护频次显著高于浸没方案。
2.3 浸没式液冷的”最后一公里“
当算力密度向150kW+迈进时，冷板式也触及了自身局限—— 冷板换热面积受芯片表面积限制 ，GPU芯片就那么大一块，冷板做不出更大的接触面积。
浸没式液冷走了另一条路： 不装冷板，整机泡进不导电的冷却液中 。所有发热元器件与液体直接接触，没有传导损耗，换热效率理论上最高。
两个分支：
· 单相浸没 ——液体保持在沸点以下，靠显热带走热量。系统简单，适合中高密度常规AI机房。
· 两相浸没 ——液体在芯片表面沸腾气化，靠汽化潜热带走热量。效率是单相的5-10倍，适合超算、万卡级高密集群。
杀手锏：单机柜散热能力达到 150kW+ 。六七百千瓦的高密整机柜，冷板式压不住，必须上浸没。
⚠️ 避坑
浸没式运维复杂度高——设备维护需要起重机吊出整机、无法兼容存量设备、冷却液有生命周期管理（氟化液约20-40万元/吨，矿物油价格约其十分之一但性能偏弱）。今天浸没式落地场景高度集中： 极端高密度的超大规模云厂商新建集群 。
2.4 冷板 vs 浸没：怎么选？
💡 选型建议：大部分AI机房现阶段走冷板式就够了。只有在机柜功率明确超过100kW且未来3年不降功率时，才值得上浸没。
03智能化调控体系成型：从”人找问题“到”系统自愈“
「液冷解决了散热能力，但系统复杂度大幅提升——智能化调控从”加分项“变成了”必选项“。」
风冷时代调控简单——空调温度设好、风扇转速调好，基本不用动。
液冷时代，冷板、CDU、水泵、冷却塔、换热器等多个环节的流量、温度、压力需要动态匹配。 AI智能调控系统 应运而生：
· 数百个传感器采集全链路数据
· AI根据IT负载实时调整冷却液流量、CDU出水温度、水泵转速
· 基于历史数据建模，提前预警泵组故障、管路堵塞等风险
· 告别人工巡检，系统自动完成绝大部分运维动作
节能收益量化：引入AI动态调控后，PUE可进一步压至 1.08-1.12 区间，相比固定参数运行再节省制冷能耗 8%-15% 。典型场景：夜间GPU推理负载降低，AI自动抬升CDU出水温度、降低水泵转速，最大化利用自然冷源——无需人工干预。
一句话总结：冷却系统已经从”被人管“变成了”自己管自己“。
04全周期回顾+未来趋势
4.1 迭代规律总结
「冷却迭代完全跟随算力密度——介质迭代只是表象，高密度算力才是永远的核心驱动力。」
4.2 三大技术支柱
1. 自然冷源最大化利用 ——新风冷却、间接蒸发、冷却塔水系统多模式融合
2. 液冷全面普及 ——冷板覆盖主流，浸没占领高密度高地
3. AI智能调控 ——全动态自适应，无人值守+能耗最优
4.3 未来趋势
液冷下沉。 低成本浸没式液冷正在标准化、模块化，从中超大规模向中型算力机房渗透——不再是 ”顶级玩家专属“ 。
余热资源化。 数据中心排出的热量不再是”废热“。北方已有园区利用机房余热为 办公楼供暖 ，甚至为 温室大棚 提供恒温——算力产生热量，热量创造价值。
低碳一体化。 冷却系统与光伏、储能深度融合。白天光伏发电驱动冷却，夜间储能为冷却系统续命——数据中心从 ”电力消费大户“向”零碳节点“转型 。
从开窗通风到泡在液体里，四十年冷却进化史的底层逻辑只有一个： 算力增长的速度决定了冷却迭代的节奏 。
风冷统治了近二十年，节能革新走了十五年，液冷破壁只用了十年。节奏越来越快，因为 芯片功耗的爬升也越来越猛 。
回看整条路线：天然风→精密空调→自然冷源→列间空调→冷板液冷→浸没式——每一次”换代“都不是有人想换，而是旧的确实不行了。
看懂芯片功耗的走向，就看懂了冷却的未来。
