施耐德电气以液冷布局助力AI智算中心发展

在人工智能、机器学习、物联网等多领域对计算能力的持续需求下，AI智算也正迎来“水涨船高”的黄金时期，但与此同时，相应的人工智能基础设施也迎来了“水能载舟”的散热挑战。

凭借更加优异的散热性能，液冷架构正异军突起，成为散热和保持优秀性能的关键解决方案。但知易行难，从规划到落地，液冷该如何实际帮助AI智算中心从散热挑战中“冷静”突围？

挑战存在，但无需恐慌

从GPT、Deepseek到Grok，我们耳熟能详的AI工具其实都属于生成式AI模型，对于生成式AI模型而言，GPU的多种优势使之成为业内更为主流常见的加速器。随着GPU性能与热设计功耗的不断提升，液冷解决方案也日益成为兼容低能耗、低运营成本和高计算密度的更优解。

对于主流数据中心而言，液冷还是新鲜技术，从传统风冷向液冷的时代性过渡也面临着切实的忧虑与挑战——

部署液冷会不会拖慢AI的启动实施？

该如何寻找液冷架构运营与支持？

液冷会不会增加停机、服务器受损、保修失效的风险？

挑战客观存在，但进步势在必行。与施家这一可信赖的生态合作伙伴携手，以正确、高效、可靠的转型实践奠基，未来成功之路更加宽阔平坦。

液冷新生，可和而不同

服务器液冷主要有两种方法：冷板式液冷和浸没式液冷，其中冷板式液冷（亦称直接对芯片冷却），已成为当今全行业的首选。

一方面，冷板式液冷能够更大限度地减少对服务器风扇的依赖，并优化机架内的空间利用；

另一方面，冷板式液冷也能与现有风冷配置相适配，实施更简单，也更具监管优势。

正如上文所言，因为服务器中的某些元器件和数据中心的其他IT设备对风冷的需求，以及对能效、成本、空间利用率及系统可靠性的更好平衡性，在未来，风液融合将是一种业内长存的冷却方式。

同时，二者也能在当下实现多种配合，为智算中心创造更符合制冷需求的环境——液冷架构使用冷却液分配单元（CDU），通过风-液或液-液交换方式，将冷板中的热量传递到冷却系统的其他部分，实现液冷生态系统的构建。

滑动查看更多

冷却液分配单元（CDU）的另一个重要作用，则是利用热交换器将制冷设施水系统与 IT 水系统隔离，借助调节温度、流速、压力等关键功能避免热冲击及损坏芯片。

规划落地，需步步为营

对于AI智算中心的液冷改造和新建而言，物理基础设施规划与IT规划是一体两面，同步进行才能各有所进。对于常见问题与挑战，施家给出了步步为营、各个击破的指导思路——

避免AI部署延迟：在设计过程中，以清晰的检查与评估清单，尽可能在前期降低延迟部署风险，例如智算中心的容量与冗余设置、制冷系统的实际需求与兼容性、数据中心基础设施管理（DCIM）能否管理液冷系统、天花板或楼板等结构能否承载并提前验证

强化液冷运营与支持技能：提前了解并补充液冷运营与实际操作支持，例如压力测试与化学处理、组件如何隔离、最终清洁工作等

减少停机风险：通过与设计、安装和运营的实践经验结合来管理风险，并与可信赖的供应商、安装商和运营商合作，让停机风险尽可能减小并可控

降低服务器损坏风险：积极借助服务器供应商在设计、制造和工艺流程的丰富经验，依托合作伙伴生态系统的专业能力，大幅降低人工智能部署的风险

液冷架构对于智算中心的散热赋能是长期主义，为应对这一转变，企业应主动出击，通过教育和告知决策团队、评估当前的基础设施、增强与合作伙伴生态系统合作和规划、持续关注可持续性等步骤，完成未来智算中心持续进化的长线闭环。

AI智算发展热潮涌动，亟需“冷静”突围。在未来，随着生成式AI应用的进一步深化发展，施家也将持续以全球化的技术沉淀与深厚的创新技术布局，助力智算中心高效、稳定、智慧、可持续进化，迸发无限可能。