点击蓝字
关注要点AI Subscribe for More
“
核心观点：液冷系统的能力不是由单一冷板或CDU决定，而取决于流量、压降、流动状态以及冷板、歧管、快速接头与设施水系统之间的整体水力匹配。
随着人工智能计算快速发展，数据中心的功率密度正持续攀升。越来越多的计算负载被集中到数量更少、功耗更高的GPU、CPU及专用加速芯片中，传统风冷架构逐渐接近其实际散热极限。在这一背景下，以芯片直冷(direct-to-chip cooling)为代表的液冷技术，正在由局部补充方案转变为高密度AI数据中心的重要基础设施。
但液冷系统的性能并不完全取决于某一块冷板、某一台冷却液分配单元(CDU)或某一种冷却介质。决定系统能否高效、稳定运行的核心，在于对热流体机理的整体把握，即冷却液流量、系统压降与传热性能之间的协同关系。只有从完整液路出发，统筹冷板、CDU、歧管、管路和快速接头等部件，才能构建真正适用于高密度AI算力的液冷架构。
01
液冷系统的基础：流量与压降
液冷的本质，是利用液体作为传热介质，将处理器产生的热量从芯片表面转移至数据中心外部的散热设施。在这一过程中，流量和压降是两个最基本、也是相互制约的设计参数。
流量通常指单位时间内通过液冷系统的液体体积。提高流量意味着更多冷却液能够持续流经高温表面，通常有助于增强热量输运能力。但流量并不是越高越好。过大的流量会增加系统的压力需求，使水泵需要消耗更多电力，并可能增加管路、密封件和连接件所承受的机械负荷。
压降则是冷却液在液路中流动时产生的压力损失。冷板内部的微通道、机架歧管、软管、弯头、阀门以及快速接头都会形成流动阻力。系统阻力越大，在相同目标流量下，水泵需要提供的扬程和功率就越高。因此，压降控制不仅关系到冷却液能否到达各个芯片，也直接影响液冷系统的泵送能耗和整体运行效率。
流量与压降之间具有紧密联系。当液路阻力上升时，维持既定流量所需的泵送功率也会增加。如果系统一味通过提高泵速补偿压降，虽然可能在短期内满足流量需求，却会造成辅助功耗上升，并降低数据中心用于实际计算的有效能源比例。因此，液冷设计的目标并不是追求最大流量，而是在满足芯片温度要求的前提下，以尽可能合理的压降和泵送功率实现稳定供液。
图1 压降与流量的主要影响因素
包括软管直径、液路长度、流体黏度和接头设计
如图1所示，液路长度越长、局部连接结构越复杂，通常越容易形成更高的流动阻力。软管直径、冷却液黏度以及接头内部流道设计，同样会改变流量与压降特性。这意味着液冷系统不能只依据单个部件的额定参数进行选型，而应根据完整液路开展水力匹配。
02
层流、湍流与局部过渡流
除流量和压降外，冷却液在流道中的流动状态也会直接影响传热性能。液冷系统中常见的流动状态包括层流、湍流以及介于二者之间的过渡流。
层流状态下，液体沿流道以相对平稳、规则的分层形式运动，不同流层之间的剧烈混合较少。传统微通道冷板通常主要工作在层流条件下，这类技术已经在数据中心液冷市场中形成较高成熟度。JetCool原文指出，用于高功率应用的部分冷板，其流量通常约为1.5–2 LPM。较低的流量能够降低水泵负担，有助于控制液冷系统的辅助能耗。
层流的局限在于，对芯片局部高热流密度区域的处理能力可能不足。现代GPU和AI加速芯片的热量分布往往并不均匀，部分计算单元可能形成显著热点。层流中的流体混合相对有限，芯片表面附近容易形成热边界层，从而增加热量从固体表面向主流冷却液传递的阻力。
湍流则伴随明显的速度波动、压力波动和流体混合。更强的流体扰动能够削弱热边界层，提高对流换热能力，但维持大范围、充分发展的湍流通常需要更高流量和更大的泵送功率，并可能带来较高压降。
图2 层流与湍流流动状态对比
过渡流为两者之间的中间状态。它并不一定意味着整个液路长期处于不稳定流动，而可以是在特定位置形成持续时间较短的局部扰动。通过将这种扰动集中在芯片热量最需要被带走的区域，液冷系统可以获得部分接近湍流的强化换热效果，同时避免让完整液路承担充分湍流所对应的高压降和高泵耗。
射流冲击冷板(jet impingement cold plate)便体现了这一思路。冷却液从射流出口高速冲向受热表面，在冲击瞬间形成较强的局部动量，破坏或减薄芯片表面的热边界层，从而强化传热。流体离开冲击区域后，又可以迅速恢复为较稳定的层流状态，尤其是在受约束射流(captive jet)结构中，液路整体仍能够保持相对稳定的水力特性。
这种局部过渡流设计并非简单地在层流与湍流之间二选一，而是将强扰动集中于热量吸收位置，再使其余液路维持较低阻力。其价值在于同时兼顾高热流密度散热、压降控制和泵送能耗，为AI芯片冷却提供一种介于传统层流微通道和全湍流冷却之间的技术路径。
03
芯片热负荷决定液冷流量需求
液冷系统所需的流量，最终由系统中的发热部件决定。对于芯片直冷系统而言，主要热源包括GPU、CPU、ASIC、FPGA及其他定制化计算芯片。每类处理器均具有相应的热设计功耗(TDP)，其数值反映芯片在典型运行条件下需要被散除的热量。
在较低功耗范围内，传统空气散热器仍具有一定适用性。原文认为，约100–400 W的处理器通常仍有可能采用风冷方式进行热管理。但随着处理器功率和单位面积热流密度持续提升，尤其是在AI训练与高性能计算(HPC)环境中，液冷逐渐成为保障服务器运行的必要条件。对于部分最新AI处理器，如果液冷系统无法提供符合要求的流量和散热能力，服务器甚至可能无法正常上电或维持额定运行状态。
因此，冷板并不是一种可以脱离芯片规格独立设计的通用部件。冷板的流道结构、射流位置、换热面积、安装压力及流量范围，通常需要围绕特定处理器或处理器家族进行匹配。芯片功耗、热点位置和温度上限决定冷板需要带走多少热量，而冷板内部的水力阻力又会进一步影响CDU、水泵、歧管和管路的选型。
04
冷板与CDU构成主要热量转移链路
在完整液冷系统中，冷板、服务器内部液路和冷却液分配单元(CDU)共同构成核心热量转移链路。冷板负责从芯片表面吸收热量，服务器液路将升温后的冷却液输送至机架或列级设备，CDU则承担冷却液循环、温度调节、流量控制和系统监测等功能。
CDU可以被视为液冷回路的控制中心。运行过程中，CDU将冷却液输送至安装在GPU、CPU等处理器上的冷板或其他换热装置。冷却液吸收芯片热量后返回CDU，再通过换热器将热量传递至数据中心设施水系统；部分架构也可通过风冷散热器将热量排向环境。由此形成封闭循环，使数据中心能够在降低传统风冷依赖的同时，提高单机架计算密度。
冷板是冷却液与发热器件之间最直接的传热界面，其设计必须与系统流量特性相匹配。理想状态下，冷却液应在芯片表面形成合理、均匀的温度分布。若流量分配不均，部分区域可能获得过多冷却液，而另一些区域则供液不足，进而形成局部热点。
芯片温度的大幅波动还会增加硬件所承受的热应力，可能引起性能下降并缩短使用寿命。严重的流量分配失衡甚至会造成处理器降频、系统停机或硬件失效。因此，冷板设计不仅需要追求较低热阻，还必须控制流动阻力，并保证不同冷却区域之间的流量分配精度。
05
歧管与快速接头决定流量均衡和维护效率
在液冷基础设施中，歧管和快速接头经常被视为冷板与CDU之后的配套部件，但二者同样会显著影响系统效率、可靠性和可维护性。
机架内歧管负责将来自CDU的冷却液分配至不同服务器和冷板。对于包含大量并联支路的机架，如果歧管结构设计不合理，各服务器之间可能出现明显流量差异。距离供液入口较近或阻力较小的支路获得较多冷却液，而阻力较大的支路则可能流量不足。
与此同时，歧管自身也会产生压降。过高的歧管阻力会迫使水泵以更高功率运行。液路中每一部分不必要的压力损失，最终都会转化为额外泵送能耗。因此，歧管设计需要在结构紧凑、流量均衡和低压降之间取得平衡，使每台服务器均能获得符合要求的冷却液供应。
快速接头(quick disconnects，QDs)用于实现服务器冷却管路的快速连接和断开。高质量快速接头能够在无需工具的情况下完成维护、升级和设备更换，并尽量避免冷却液泄漏。在合理的系统设计中，运维人员可以在不关闭其他IT设备或完整冷却系统的情况下，对单台服务器执行更换或热插拔操作。
但快速接头同样属于局部阻力部件。其内部流道过窄、阀芯结构不合理或制造精度不足，均可能形成较大压降，并增加泄漏风险。因而，快速接头的选型不能只考虑连接便利性，还应综合评估流量能力、压降、密封可靠性和长期使用性能。
当歧管或快速接头设计不当时，系统集成商可能不得不通过提高泵功率、增加平衡阀或配置额外控制设备进行补偿。这不仅提高初始投资，也会增加控制复杂度和长期运行成本。合理的流体分配部件，则可以在不引入额外复杂性的前提下，使各服务器获得所需流量。
06
液冷正在重塑IT与设施系统的责任边界
AI液冷并不是简单地将风冷散热器替换为冷板。水泵、CDU、歧管、冷却液回路和服务器内部管路同时涉及IT设备与数据中心设施系统，使传统的专业边界逐渐模糊。
Uptime Institute在2025年6月发布的研究中指出，传统用于划分设施团队和IT团队职责的分界线，难以直接套用到直接液冷设备。直接液冷的部署要求双方重新审视设备所有权、运行监测、维护流程、故障响应和系统冗余等问题。由于不同液冷架构可能长期并存，行业也难以在短期内形成一种统一的实施和运维模式。
例如，冷板通常属于服务器或IT设备的一部分，而CDU、二次侧管路和设施水系统可能由设施团队负责。位于两者之间的机架歧管、快速接头、泄漏检测和控制接口，则可能出现责任归属不清的问题。如果这些边界未在设计阶段明确，可能延缓项目部署，增加运行风险，并削弱液冷系统的长期可持续性。
因此，液冷系统供应商的能力不应局限于提供单一硬件。面对快速演进的AI负载，标准化现货产品未必能够满足不同数据中心的芯片功耗、机架密度、设施条件和冗余需求。液冷合作伙伴需要具备从联合开发、系统设计和设备集成，到现场调试、运维服务及持续支持的端到端能力。
07
从单个部件优化转向系统级设计
面向AI算力的液冷系统设计，不能仅通过比较某一块冷板的热阻，或某一台CDU的额定制冷量作出判断。冷板、CDU、歧管、软管和快速接头共同构成完整流体回路，其中任何一个部件的压降、流量分配或控制特性出现偏差，都可能削弱整体性能。
即使采用先进冷板，如果歧管分配不均、快速接头阻力过大或水泵工作点选择不合理，芯片仍可能出现温度不一致和局部热点。反之，基于热流体基本规律进行完整液路设计，则能够在控制泵送能耗的同时，实现稳定散热，并为后续机架扩展和更高功率芯片部署预留空间。
从第一性原理出发，液冷系统需要围绕三个问题展开：芯片产生多少热量，冷却液需要以何种方式吸收这些热量，以及完整液路需要付出多少压力和能源代价。流量决定热量输运能力，压降决定泵送成本，流动状态决定芯片表面的换热效率，而基础设施设计则决定这些性能能否在整个数据中心中稳定复制。
随着AI工作负载继续推动服务器和机架功率密度上升，液冷将成为数据中心基础设施的重要组成部分。真正具有扩展性和可靠性的液冷架构，不是若干部件的简单组合，而是建立在热流体机理、水力匹配和系统协同基础上的整体工程。只有将芯片热负荷、冷板换热、液路压降、流量均衡、设备维护以及IT与设施责任边界纳入统一设计框架，数据中心才能构建高效、稳健并可持续扩展的下一代AI冷却环境。
来源：公开信息，要点AI整理
提示：原创文章未经允许，请勿转载
免责申明：本文中所含内容乃一般性信息，包含的价格及观点仅供贵方参考，要点AI不对任何方因使用本文内容而导致的任何损失承担责任。
要点AI专注于人工智能在能源与工业领域的技术研发与应用，着力破解行业核心瓶颈与落地需求。我们通过数据赋能与深度洞察，协同产业伙伴系统研判人工智能在能源和工业系统的机遇与挑战，加速清洁能源转型。同步驱动AI算法模型、全栈技术在能源工业场景的创新研发，构建覆盖软件、硬件及系统解决方案的技术生态体系。
你们点点“分享”，给我充点儿电吧~