GW 级算力时代冷却中枢：Google/OCP 与 NVIDIA 对 CDU 要求异同解析

深知社研究院 2026-09-22 12:06 北京

以下文章来源于：DeepKnowledge

DeepKnowledge

Knowledge deeper, Life better.

基于Project Deschutes v1.0、NVIDIA CDU Requirements与CDU Self Qualification Guidelines

过去几年，数据中心液冷的讨论更多集中在服务器侧：冷板、Manifold、快接、冷却液，以及不断抬高的机柜功率密度。随着AI算力中心向百MW乃至GW级发展，CDU开始从“液冷配套设备”转向TCS中的关键设备。

Google贡献给OCP的Project Deschutes将CDU推到了约2 MW这一产品尺度；NVIDIA对L2L CDU给出的minimum recommended cooling capacity则达到2.5 MW @ 4°C ATD。这两个数字不能直接拿来判断谁高谁低，但足以说明：2 MW级及以上CDU已经进入国际头部AI基础设施的正式技术体系。

当一个项目需要的CDU从几台变成几十台、上百台以后，单机冷量只剩下问题的一部分。故障切换是否平稳、设备能否在线维护、批量产品是否一致、供应商有没有持续交付能力，都会被项目规模放大。Google/OCP和NVIDIA的文件，恰好从不同方向把这些问题写进了CDU要求。

1、Google/OCP与NVIDIA：两套具有代表性的CDU体系

Google这一侧的核心文件是OCP Project Deschutes CDU Specification。它并不是一份只有热力、水力参数的设备规格书。Project Deschutes覆盖technical design、manufacturing quality、maintenance and service，并识别system-component supply ecosystem；可靠性、验证与部署也都进入了同一份文件。

NVIDIA采用两层文件体系。CDU Requirements主要定义设备需要达到的热力、水力、材料、控制、电气、冗余和安全要求；CDU Self Qualification Guidelines则要求供应商用规定的测试、数据和材料证明产品符合Requirements。

两套体系有大量交集，但重心不同。Project Deschutes向产品工程化深入得更远；NVIDIA给OEM留下更多产品实现空间，同时把performance envelope、动态故障行为和Qualification建立得更完整。

表1  Google/OCP 与 NVIDIA CDU 体系的侧重点（基于本文所用三份文件归纳）

2、最大的区别：Reference Design 与 Performance / Qualification

Project Deschutes公开到的深度，远超过一般意义上的“设备参数”。规范中不仅有prototype的3D CAD rendition，还明确提到完整CAD文件；泵、换热器和VFD均给出first-source vendor及具体型号。

 图1  Project Deschutes 3D CAD示意

其中，热交换器采用Alfa Laval CB210-276AH作为first source，水泵为SPECK TOEMA065200，VFD给出ABB ACH580-31-065A-4。这里不宜直接使用“AVL”概括，因为Project Deschutes原文并未建立传统意义上的Approved Vendor List。更准确的说法是：reference configuration、first-source components和component supply ecosystem。

NVIDIA没有给出一台必须照着复制的CDU。不同OEM可以采用不同的泵、换热器、管路布置和控制架构，但最终设备需要落在规定的性能边界内，并通过Self Qualification完成验证。

因此，两者的区别不是简单的“Google管设计、NVIDIA管性能”。Google同样有性能和可靠性要求，NVIDIA也规定了不少具体配置。更接近事实的表述是：Google/OCP提供了一套高度工程化的Reference Design；NVIDIA则以Performance Requirements和Qualification Framework约束不同供应商的产品。

3、冷量只是起点：ATD、流量与Available Head必须一起看

比较CDU时，额定冷量最容易被单独拿出来。Project Deschutes约2 MW，NVIDIA L2L要求≥2.5 MW，看起来差别很直观；但两套文件采用的设计条件不同，单独比较MW意义有限。

表2 两套体系的代表性热力/水力设计条件。不同文件的设计点不同，不宜仅以额定MW直接比较

按NVIDIA的1.5 LPM/kW计算，2.5 MW对应3750 LPM，约991 GPM。这个流量接近Project Deschutes 500 GPM的两倍，但不能据此认定NVIDIA体系“能力高一倍”。两者的ATD、TCS温差、水力架构和性能边界并不相同。

 图2  Project Deschutes换热性能曲线示例。

这里尤其值得关注的是Available Head。泵本身产生的扬程，需要扣除换热器、过滤器、阀门、管件和CDU内部管路的压降，剩下的部分才真正能够用于外部TCS。NVIDIA在Pumping Capacity Test中要求采用外部校准压力传感器核验真实external DP，并要求供应商说明CDU自身显示的DP代表什么测量边界。

4、冷却液之后，是材料兼容性和Cleanliness

Project Deschutes列出了若干指定的DI-water-based coolant，同时也列出PG25。这里是不同介质方案，并不是“DI Water + PG25”的混合关系。进入Validation阶段后，wet testing还要求分别覆盖DI-water-based coolant和PG25。

NVIDIA对PG25的要求进一步进入化学参数，包括浓度、pH、Reserve Alkalinity以及Cu、Fe、hardness、chloride、sulfate等。冷却液一旦被写到这一层，wetted materials就不能再单独处理。泵、换热器、阀门、管件、软管以及冷板长期接触同一介质，材料相容性直接关系到腐蚀、析出物和颗粒。

Cleanliness随后成为同一条链上的另一环。Project Deschutes设置25–44 μm主过滤，同时配置约3 GPM、0.2 μm side-stream filtration；NVIDIA正常运行采用25 μm等级过滤，而Qualification flushing阶段使用5 μm filter，并要求循环、取样、filter inspection和两轮冲洗。

对于高密度冷板系统，Coolant Chemistry、Wetted Materials、Corrosion、Filtration、Flushing和Cleanliness更适合放在一起看。随着冷板内部流道越来越细，长期清洁度的影响不会低于额定冷量本身。

5、配电与控制：CDU已经成为TCS中的主动设备

MW级CDU自身也是一套不小的机电设备。Project Deschutes的参考泵功率为37 kW，两台泵分别配置独立VFD；供电采用380–416 Vac等级，并对供电范围、保护和冗余作出了要求。

控制部分已经明显超出传统“水泵变频”的范围。Project Deschutes默认使用fixed pressure-drop control，通过改变泵转速维持供回液压差；同时支持Fixed Flow、Fixed Supply Temperature、Fixed Return Temperature和Fixed Speed。Primary control valve默认根据Approach Temperature调节，也可以选择fixed opening或fixed secondary supply temperature。

通信方面，PLC要求同时支持IPv4与IPv6，并通过Modbus/TCP进行read/write。NVIDIA则进一步要求constant DP、constant flow、remote setpoint、telemetry、alarm、sensor accuracy和group control。

因此，CDU不宜再被理解成“泵+板换+PLC”的组合。它承担的是局部水力控制、温度控制、运行监测、设备联锁、故障响应以及与上位系统的数据交互，本身就是TCS控制体系中的主动节点。

6、冗余方式：冷备份与热备份

CDU的泵冗余不能只用一个“N+1”概括。工程上至少存在两种典型运行方式。第一种是冷备份：N台泵承担负荷，额外1台处于standby；活动泵故障后，备用泵启动并升速接管。第二种是热备份：所有泵均在线运行，以较低负荷共同分担流量；一台泵故障后，其余泵提高输出，系统进入N−1运行状态。

NVIDIA Self Qualification对此写得非常明确。Pump Failover Test同时验证两种配置：N+1 mode（one pump in standby）和All pumps running at lower speed（no standby）。CDU Group Control也采用同样的两种模式：一台CDU处于standby，或者所有CDU以较低负荷共同运行。

Project Deschutes的术语与NVIDIA不完全一致。其水力性能曲线分别给出了2-pump (N+1) operation和1-pump (N) operation；两台泵均配置独立VFD，System Validation还要求验证一台泵故障时剩余泵的pump fail-safe响应。

图3  Project Deschutes双泵（N+1）与单泵（N）水力性能曲线

从运行机理看，两套体系都考虑了多泵在线以及单泵故障后的剩余能力。NVIDIA进一步把standby与all-running两种运行方式明确拆开进行Qualification。对MW级CDU来说，这比单纯写“N+1 pumps”更有信息量。

7、从冗余到Failover：故障后的几秒钟更关键

有冗余，不代表故障切换一定平稳。NVIDIA把这一点量化得比较清楚：Pump Failover要求切换在5秒以内完成；在后续30秒内，secondary flow和secondary pressure分别控制在原设定值的±5%，secondary supply temperature控制在±2°C以内。

 图4  NVIDIA Self Qualification中的Pump Failover测试片段。

CDU Group Control采用类似的评价方法。当一个CDU故障时，系统需要自动重新分配负荷，并记录恢复到目标flow、DP和temperature所需的时间，以及切换过程中的瞬态变化。

这里应当把Redundancy、Failover和Reliability分开理解。Redundancy解决是否存在备用能力；Failover关注故障发生以后如何接管以及瞬态偏差；Reliability则关注设备在全生命周期内的失效模式、失效率与寿命。对于GPU液冷系统，仅写“N+1”已经无法完整描述高可用性。

8、可维护性：冗余能力能否真正被使用

冗余设计还必须和维护方式一起看。Project Deschutes对pump service、filter service以及front/rear access都有具体要求，泵的拆装路径直接体现在产品设计中。

NVIDIA同样强调pump hot swap、filter hot swap，以及drain、sample、air bleed、fill等维护功能。如果更换一台泵必须停掉整个CDU，纸面上的N+1价值会明显下降。

对于持续运行的AIDC，真正有效的高可用设计往往由几部分共同组成：冗余架构、Failover性能、隔离能力和在线维护能力。它们之间存在很强的耦合关系。

9、从样机到量产：Project Deschutes把制造过程写进了CDU规范

Project Deschutes中很容易被忽略的一部分，是Manufacturing。规范把Dimensional FAI、CpK、Cross Fixture/Machine Qualification、Braze/Weld Analysis写进了Manufacturing Qualification；焊接和钎焊分析方法包括Metallography、X-Ray、CT Scan、Penetrant Dye和Microscopy。

此外还有Poka-Yoke、Test Equipment GR&R、Fault Injection以及production-line OQC。制造成熟度按照EVT、DVT、PVT和Ramp逐级推进；到了Ramp阶段，CpK目标达到>1.34，并要求检查不同日期、不同班次的SPC数据。FPY目标则超过98%。

这类要求说明，Project Deschutes关心的不只是“样机能否做到2 MW”，而是产品进入批量制造以后，不同批次、不同班次和不同生产设备做出来的CDU能否保持一致。对GW级AIDC，这往往比某一台样机的峰值性能更现实。

10、从产品Qualification到供应商与供应链

NVIDIA Self Qualification前半部分主要围绕产品本身，包括constant DP、constant flow、flow-sensor accuracy、cold start、nominal capacity、pump failover、group control和pumping capacity等测试。供应商需要按指定工况完成测试并提交数据。

后半部分的Business and Supply Chain Readiness把审查范围进一步扩大。NVIDIA要求供应商提供全球制造地点、制造能力和产能，并明确提出China+1 COO manufacturing capability & capacity；同时关注CDU assembly capacity、strategic sub-tier component buffer、multi-source、critical-component mapping、supply-chain risk heatmap、long-lead mitigation以及material readiness。

到了这一层，Qualification的对象已经不只是CDU。如果一家供应商可以做出性能合格的样机，却不能稳定批量制造，关键部件高度单一来源，或者缺乏足够的区域交付能力，同样会成为大规模AI基础设施的风险。

11、Google进一步把验证范围扩大到完整液冷系统

Project Deschutes没有把Validation停在CDU skid本体。Google要求建立mock data center，将CDU、primary pipe kits、secondary side kits和wall manifold组合起来进行full-system dry fit，随后还要完成hydrostatic test、flushing、purging、filling、deaeration、electrical commissioning、communications commissioning以及wet functional testing。

这类验证更接近真实项目。很多液冷现场问题并不发生在CDU本体：接口、管路阻力、残余空气、系统清洁度、控制通信和commissioning，都可能使一台FAT合格的设备在现场出现问题。Google把CDU和其周围的液冷系统放在一起验证，检查的是产品离开实验台以后能否真正进入数据中心运行。

结语：CDU的评价边界正在扩大

Google/OCP与NVIDIA采用了不同的路径。Project Deschutes从具体产品出发，深入到CAD、reference components、制造过程、维护、可靠性和System Validation；NVIDIA给OEM保留更多设计空间，但对性能、冷备与热备、Failover、Qualification以及供应商交付能力提出了明确要求。

两套体系放在一起看，CDU的评价边界已经发生明显变化。过去首先看冷量、流量和扬程；到了GW级AI算力基础设施，还必须继续看冗余能力以什么方式存在、故障后的几秒钟系统会发生什么、设备能否在线维护、批量产品是否一致，以及供应商是否具备持续交付能力。

2 MW或者2.5 MW只是CDU能力的一部分。真正决定一台CDU能否进入大规模AIDC的，是从设计性能、动态可靠性、制造一致性一直延伸到供应链能力的一整套工程能力。Google/OCP和NVIDIA的文件，正在把这条边界逐步写清楚。

公众号声明：文章来源DeepKnowledge，转载仅供读者学习参考

关注我们

往期回顾

● CDCC专家探营 | 走进潍柴，共探AI时代算力电源破局之道

● 重塑算力底座 共拓算电新程｜第15届中国数据中心设计高峰论坛将于10月15日在上海举行

● 智能世界 物理基石｜2026 CDCC SUMMIT 第 14 届数据中心标准大会正式启动

● “2026数据中心算电协同大会暨第三届中国电力行业数据中心高峰论坛”将于12月16-17日在广州召开

跳转微信打开