AI数据中心液冷部署的13项关键考量

原创 IDCinside 2026-09-12 08:29 北京

液冷方案是否合理，不能只比较散热能力，还要从技术路线、基础设施条件、可靠性、可维护性、经济性和长期兼容性等方面综合评估。

点击蓝字关注我们FOLLOW US

人工智能服务器功率持续上升，正在改变数据中心的建设逻辑。传统数据中心通常先建设机房、供配电和空调系统，再根据机柜条件部署服务器；而在高密度AI数据中心中，芯片、服务器、机柜、液冷和供配电必须从一开始协同设计。冷却系统已经不再是服务器部署完成后的配套设施，而是决定算力密度、系统稳定性和建设规模的核心条件。

液冷能够更直接地从CPU和GPU带走热量，减少风扇和机械制冷能耗，并支持更高的机柜功率密度。特别是随着GB200、GB300等机架级AI系统采用直接到芯片液冷，冷板式液冷正在成为高密度AI和高性能计算的重要技术路线。ASHRAE在2026年发布的AI数据中心设计框架中，也将直接到芯片液冷称为AI和HPC领域正在形成的行业标准。

但液冷并不是把冷板和CDU安装进机房就能完成。它涉及芯片散热、服务器结构、管路接口、设施冷却、水质管理、泄漏检测、控制系统和运维流程等多个环节。液冷方案是否合理，不能只比较散热能力，还要从技术路线、基础设施条件、可靠性、可维护性、经济性和长期兼容性等方面综合评估。

一、首先根据算力负载确定是否需要液冷

液冷方案的起点不是设备选型，而是未来算力负载。数据中心需要评估当前和未来服务器的单机功率、机柜功率、芯片热设计功耗、负载波动以及硬件更新节奏。

并不是所有AI服务器都必须采用全液冷。中低密度推理服务器仍可使用风冷；功率较高但尚未突破机房送风能力的机柜，也可采用强化风冷或后门换热器。只有当机柜功率密度、局部热流密度或者部署空间使风冷难以经济地维持芯片温度时，冷板式液冷的优势才会充分体现。

因此，项目规划至少需要回答以下问题：

计划部署训练、推理还是通用计算设备；
当前机柜功率是多少，三至五年后可能提高到什么水平；
单个机柜是否会出现明显的功率跃升；
液冷服务器在全部IT设备中的比例是多少；
哪些热量能够由液体带走，哪些仍需空气冷却；
数据中心是否需要同时容纳不同厂商、不同代际的服务器。

尤其需要注意“液体捕获率”。冷板通常优先覆盖CPU、GPU等高发热器件，但内存、网卡、电源、存储和其他元件仍可能通过空气散热。因此，采用冷板液冷并不意味着可以完全取消机房风冷系统。数据中心要根据液体实际带走的热量比例，配置剩余的空气冷却能力。

二、根据应用场景选择液冷技术路线

数据中心液冷主要包括冷板式、浸没式和喷淋式。其中，冷板式与浸没式不是同一系统中的前后环节，而是两条不同的技术路线。

冷板式液冷将冷板安装在CPU、GPU等发热器件表面，冷却液在冷板内部流动，不直接接触主板和电子元件。它的完整链路包括：

芯片及导热界面材料—冷板—服务器内部管路—快速连接器—机柜Manifold—CDU—设施冷却系统。
冷板式与现有机架、服务器和运维体系的兼容性较好，已经成为当前高密度AI数据中心最具确定性的规模化路线。
浸没式液冷则将服务器整体浸入绝缘冷却液中，可进一步分为单相浸没和两相浸没。单相系统依靠液体循环把热量输送到换热器；两相系统利用低沸点介质在芯片表面沸腾，再通过槽体顶部的冷凝器使蒸气重新液化。浸没式散热能力强，也可以减少服务器风扇，但需要改变服务器形态、设备安装方式和维护流程，还必须验证所有材料与冷却液的长期兼容性。OCP的浸没式设备设计指南特别强调，所有接触介质的元件和材料均需进行适配评估。
喷淋式液冷通过喷头把绝缘介质定向喷向高发热部件，在技术上介于冷板式和浸没式之间，但目前尚未形成与冷板式相当的产业生态。

因此，新建的大规模AI数据中心通常应优先评估冷板式液冷；浸没式更适合从建设之初就按其要求设计的定制算力、超算或特殊环境项目。旧机房改造还可以考虑冷板加后门换热器、机架式CDU等风液混合方案。

三、明确服务器侧和设施侧的系统边界

冷板式液冷通常由两套相互隔离的循环组成。

第一套是服务器侧循环，连接CDU、Manifold、服务器管路和芯片冷板，主要任务是从CPU和GPU取走热量。行业中通常称为技术冷却系统，即TCS，也常被称为二次侧。

第二套是设施侧循环，连接CDU与干冷器、冷却塔或冷水机组，主要任务是把服务器产生的热量送到室外。行业中通常称为设施水系统，即FWS，也常被称为一次侧。

两套液体在CDU内部通过换热器传递热量，但不直接混合。这样可以避免建筑冷却水中的杂质、腐蚀产物和处理药剂进入服务器冷板，同时隔离设施管网的压力波动。

OCP列出的典型冷板液冷系统包括IT设备、冷板、管路、快速连接器、服务器或机柜Manifold、服务器侧循环、CDU、设施水系统以及冷却塔或冷水机组。这意味着液冷必须被视为一套端到端系统，而不能把服务器和机房基础设施分别采购、最后再进行拼接。

项目设计时需要明确：

CDU由服务器厂商、液冷厂商还是数据中心运营方提供；
CDU服务单柜、单列还是整个液冷区域；
服务器侧和设施侧分别采用什么温度、压力与流量；
哪一方负责水质、补液、过滤和泄漏处理；
服务器厂商与机房设施之间的责任边界在哪里；
故障发生后，哪些设备可以被隔离，影响范围有多大。

系统边界不清，是液冷项目后期出现责任争议和运维困难的重要原因。

四、评估设施冷却系统与当地气候条件

液冷只是把热量从芯片转移到冷却液，热量最终仍要排向室外。因此，数据中心必须评估设施侧究竟采用干冷器、闭式冷却塔、蒸发冷却还是冷水机组。

其选择取决于：

项目所在地的全年温度和湿度；
可获得的设施供液温度；
当地水资源条件；
电力价格；
数据中心是否允许使用蒸发冷却；
对机械制冷冗余的要求；
是否具备余热利用条件。

如果服务器允许较高的进液温度，在气候适宜地区可以更多使用干冷器或自然冷却，减少冷水机组运行时间，从而降低能耗和用水。但这并不意味着液冷天然实现“零水耗”。采用干冷器的系统用水较少，却可能需要更大的换热面积和更高的风机功耗；采用冷却塔可以提高排热能力，但会增加蒸发耗水和水处理需求。

ASHRAE目前按照设施供液温度划分不同液冷水温等级，包括W17、W27、W32、W40、W45和W+。供液温度越高，越容易扩大自然冷却时间，也越有利于余热回收，但前提是服务器和芯片温度能够满足要求。

因此，能源效率、用水效率和设备温度不能割裂评估。液冷项目需要结合具体气候、设备参数和运行负载进行全年模拟，而不能直接套用“节能多少”或“节水多少”的通用比例。

五、保证冷却液与所有接液材料兼容

液冷系统的可靠性不仅取决于冷板设计，还取决于冷却液、金属、塑料、橡胶和密封材料之间的长期相互作用。

冷板式液冷常使用经过处理的水基冷却液或水与乙二醇、丙二醇的混合液。浸没式液冷则可能使用合成烃、矿物油、硅基液体或氟化介质。不同介质在导热性能、黏度、绝缘性、闪点、环保性和成本方面存在明显差异。

需要重点评估：

冷却液的比热、黏度、冰点和导电率；
铜、铝、不锈钢等不同金属之间的电化学腐蚀；
冷却液对软管、密封圈和连接器的溶胀或老化影响；
微生物生长和沉积物形成；
腐蚀抑制剂的消耗与补充；
冷却液的使用寿命、检测周期和更换成本；
介质的消防、健康、运输和环保要求。

OCP关于水基冷板冷却液的指南指出，冷却液、接液材料、快速连接器、软管、Manifold以及运行温度和压力必须相互兼容。其目标不是单独选择性能最好的冷却液，而是建立能够跨服务器厂商、跨硬件代际长期运行的完整系统。

六、把防泄漏设计扩展为系统级风险控制

液冷最受关注的风险是泄漏，但真正可靠的系统不能只依靠“不漏”的承诺，而要假设局部泄漏可能发生，并确保系统能够快速发现、隔离和恢复。

防泄漏设计应覆盖以下层级：

冷板焊接与密封；
服务器内部管路；
UQD快速连接器；
Manifold及其盲插接口；
CDU内部泵阀和换热器；
机房主干管路；
排水、集液和应急处置设施。

监测系统也要形成多层结构。在服务器托盘、机柜底部、CDU周围和主管路沿线分别布置点式传感器或感应绳，并把报警信号接入服务器管理系统、CDU控制器和建筑管理系统。英伟达针对GB200和GB300系统的管理要求就区分了托盘级、机柜级和数据中心级的液体检测，并要求设施级泄漏信息接入建筑管理系统。

同时还应配置：

分区隔离阀；
自动关断逻辑；
压力异常监测；
补液量异常监测；
低点排水口和高点排气装置；
单柜或单列故障隔离能力；
泄漏后的业务迁移和应急维护流程。

评价液冷可靠性，不能只看泄漏概率，还要看发生泄漏后的影响范围、检测速度和恢复时间。

七、统筹温度、压力、流量和控制策略

液冷系统不是简单地让冷却液流得越快、温度越低越好。

流量过低可能导致芯片温度升高，流量过高则会增加泵能耗、管路压力和泄漏风险。供液温度过高可能无法满足芯片要求，温度过低又可能增加机械制冷能耗，甚至在特定环境下带来结露风险。

因此，需要按照实际服务器配置完成水力和热力设计，主要包括：

单个冷板的流量和压降；
单台服务器各支路的流量平衡；
单柜总流量；
Manifold管径和端口数量；
CDU泵的扬程、效率和调节范围；
供回液温差；
最低和最高运行压力；
服务器增减或负载变化时的控制策略。

AI训练负载还具有较强的功率波动。大量GPU可能在短时间内同时进入高负载或退出任务，冷却控制系统需要识别这种变化，协调泵速、阀门和设施侧设备，避免芯片温度、流量和压力发生剧烈波动。

液冷控制还需要与BMS、DCIM、服务器BMC及算力调度平台协同。未来更加成熟的AIDC可能根据芯片温度、工作负载和电价，同时调整算力任务、服务器功率和冷却能力。

八、重新设计可靠性和冗余体系

传统数据中心通常围绕冷水机组、空调和风机配置N+1或2N冗余。引入液冷后，故障点增加到泵、板式换热器、过滤器、阀门、传感器、CDU控制器、Manifold和快接头等多个层级，原有冗余模型需要重新设计。

需要评估：

CDU是否采用双泵或多泵并联；
单台CDU故障会影响多少机柜；
CDU之间能否交叉供液；
设施侧中断时，系统能维持多长时间；
泵、电源和控制器是否来自独立供电路径；
过滤器堵塞后是否可以不停机更换；
关键阀门、泵和连接器是否具备现场备件；
液冷故障发生后，算力任务能否迁移到其他机柜。

冗余并不是设备数量越多越好。过度冗余会增加管路、阀件和连接点，反而可能提高泄漏概率。合理方案应以故障影响范围和业务可恢复时间为依据，在可靠性与复杂度之间取得平衡。

九、重视管路清洗、调试和交付验收

液冷系统的很多问题不是在设计阶段产生，而是在施工和调试阶段留下。

管道施工过程中可能残留焊渣、金属碎屑、油污和密封材料。这些杂质进入冷板微通道后，可能造成堵塞、流量下降和换热性能恶化。因此，液冷管路在接入服务器前必须完成耐压测试、清洗、冲洗、过滤、水质处理和排气。

OCP在2025年发布的技术冷却系统预调试指南，专门强调服务器侧管路需要经过水压测试、清洗、冲洗和正式充液准备，以保证冷却液能够在机架和冷板中稳定运行。

项目验收不能只检查“是否漏水”，还应验证：

各服务器和各机柜流量是否达到设计值；
最不利环路的压差是否满足要求；
温度和压力传感器是否准确；
CDU故障切换是否正常；
泄漏检测和自动关断是否有效；
管路内是否存在空气；
冷却液洁净度和化学指标是否合格；
不同负载下系统是否稳定；
监控、告警和运维平台能否正确联动。

十、把可维护性纳入最初设计

液冷改变了服务器维护方式。过去技术人员主要处理风扇、散热器和空调故障；液冷环境下，还需要掌握冷却液取样、管路排气、过滤器更换、快接头操作、水质判断和泄漏应急处理。

机房布局必须为维护留出空间，包括：

CDU正面和背面的检修距离；
Manifold和阀门的操作空间；
服务器拔出时管路和快接头的位置；
排液、补液和废液收集设施；
过滤器、泵和板式换热器的拆装通道；
浸没式服务器的吊装、沥液和转运区域。

如果设备虽然能安装，却无法在不停机条件下检修，液冷带来的高密度反而可能降低系统可用性。

运营方还需要明确液冷系统由IT团队、暖通团队还是专门的液冷运维团队负责。由于液冷跨越IT设备与建筑设施，传统部门边界容易造成故障处置迟缓，必须建立统一的操作规程、权限划分和联合培训机制。

十一、评估改造项目的结构和施工条件

对于既有数据中心，液冷改造的难点往往不在服务器，而在建筑条件。

需要核查：

现有楼板是否能够承受液冷机柜、CDU和管路增加的重量；
是否有足够空间铺设供回液主管；
竖井、吊顶和架空地板能否容纳新增管道；
现有冷冻水系统是否有足够流量和换热能力；
机房能否在不中断现有业务的情况下施工；
是否具备排水、补水和泄漏收集条件；
电力容量是否能与高密度液冷机柜同步提高；
消防和保险要求是否允许所选冷却液。

液冷可以提高单位面积算力，却不会自动解决供电不足。如果机房只能向单柜提供有限电力，即使具备液冷能力，也无法部署百千瓦级AI机柜。因此，液冷改造必须与变压器、UPS、母线、配电柜和机架供电系统同步评估。

十二、用全生命周期成本判断经济性

液冷投资不能只比较冷板、CDU与传统空调的采购价格，而要计算整个生命周期的总拥有成本。

资本支出包括：

液冷服务器的价格差异；
冷板、管路、Manifold和快接头；
CDU；
设施主管路和室外排热设备；
漏液检测与控制系统；
水处理、充液和调试；
机房结构与供配电改造；
备件、工具和人员培训。

运营支出则包括：

泵和风机能耗；
冷水机组或冷却塔能耗；
用水和水处理；
冷却液检测、补充和更换；
过滤器、密封件和泵阀维护；
设备停机和业务迁移成本。

液冷的经济价值主要来自三方面：支持更高密度算力、减少部分冷却能耗，以及在土地和电力受限条件下提高单位设施的计算产出。因此，评价指标不应只看PUE，还应结合每兆瓦能够部署多少GPU、单位算力能耗、机柜利用率以及项目投产速度。

对于机柜功率较低、土地和电力并不紧张的数据中心，液冷未必具备明显经济优势；对于必须部署高密度GPU集群的项目，液冷则可能是设备能够正常运行的必要条件，不能仅按传统节能项目计算静态投资回收期。

十三、避免被供应商锁定并保留升级能力

AI硬件更新速度远快于数据中心基础设施。建筑和主管路可能使用十年以上，而GPU服务器通常数年就会更新。因此，液冷设施必须考虑不同服务器厂商和不同代际硬件之间的兼容性。

需要提前明确：

快接头和Manifold接口是否采用开放或通用规格；
CDU能否适配不同供回液温度和流量；
管路是否为未来更高功率密度预留容量；
冷却液能否兼容多种服务器和材料；
控制接口能否接入不同厂商的BMS、DCIM和BMC；
更换服务器后是否需要同时更换CDU和Manifold；
核心备件是否可以由多家供应商提供。

如果服务器、冷板、快接头、Manifold、CDU和冷却液只能由单一厂商成套提供，项目初期集成可能更简单，但后续扩容和硬件更新容易受到供应商锁定。合理的策略是在关键接口上推动标准化，同时要求系统集成商对端到端性能负责。

结语

将液冷整合进AI数据中心，本质上不是更换一种散热设备，而是重新设计从芯片到室外环境的完整热量传递体系。

项目首先要根据AI负载和机柜功率确定是否需要液冷，再在冷板式、浸没式和混合方案之间选择合适路线；随后需要协调服务器侧循环、CDU和设施侧循环，解决冷却液与材料兼容、温度压力控制、泄漏监测、冗余、管路清洗和运维责任等问题。与此同时，液冷还必须与供配电、建筑承重、消防、用水和算力调度统筹规划。

因此，评价液冷项目不能只看“能带走多少热量”，而应看它能否在服务器多代更新、负载持续变化和局部故障发生的情况下，长期、稳定、可维护地支撑算力运行。真正成熟的液冷能力，也不只是拥有冷板、CDU或冷却液产品，而是能够打通芯片、服务器、机柜、机房和室外排热系统之间的全部接口。

往期推荐:

分享产生价值，请顺手转发至朋友圈

公众微信名：IDCinside

也可长按二维码，扫描关注属于数据中心专业人士的社区

IDCinside 公众号二维码

数据中心报道、投稿

联系公众号助理（微信：AI_insider）

加入数据中心行业群、运维群

跳转微信打开