把價值百萬的芯片泡進“水”里，中國算力在急什么？

作者｜石燕紅

編輯｜張旻

電影《流浪地球2》中有一幕令人印象深刻：一排排根服務器浸沒在海水里，仿佛在“燒開水”。

觀眾不禁會問：這樣不會短路嗎？泡在水里還能正常工作？

實際上，這種讓服務器“泡水”的設定，如今已不再是科幻。現實中早已有成熟的技術方案——浸沒式液冷。

在甘肅慶陽的一個數據中心展廳里，我們親眼見到了這樣一組“泡在水里”的服務器。當然，這里的“水”需要打上引號。它不是普通的水，而是一種特殊的冷卻液——電子氟化液。

這種液體無色、無味，且不導電。工作人員介紹，他們曾測算過，即便將一部手機丟進氟化液里浸泡10年，取出來之后依然可以正常使用。

本文從氟化液出發，探討一個關鍵問題：為什么全國的數據中心不約而同地想將算力服務器“泡進水里”？為了實現這一目標，工程師們又攻克了哪些技術難題？

傳統散熱的困境：風扇的“天花板”

要理解液冷為何在當前變得如此重要，首先需要回到一個最基本的物理問題：芯片產生的熱量，到底有多大？

十年前，一臺服務器中單顆CPU的功耗大約為幾十瓦，用一塊鋁制散熱片加一個小型風扇就能輕松壓制。但如今，訓練AI大模型所用的GPU，單卡功耗已飆升至700瓦，甚至超過1000瓦。當一臺機柜中塞進數十張這樣的計算卡時，整柜功耗可以輕松突破30千瓦、50千瓦，并正向100千瓦邁進。

而在一個大型數據中心里，這樣的機柜往往成千上萬。

傳統的散熱方式是用風扇將冷空氣吹入服務器帶走熱量，再通過中央空調對熱空氣進行冷卻。這套方案在數據中心領域統治多年，但它存在一個硬性的物理天花板。

空氣的比熱容低，導熱能力也差。當單機柜功耗超過30千瓦，即便將風扇轉速拉到極限、空調開到最大，熱量仍會在機柜內部堆積，導致芯片因過熱而降頻，甚至觸發保護性宕機。

更棘手的是能耗問題。數據中心有一個核心指標——PUE（電源使用效率），即數據中心總耗電量與IT設備本身耗電量的比值。理想狀態下PUE為1.0，意味著所有電力都用于計算。但在現實中，風冷數據中心需要將大量電力用于空調和風扇，PUE普遍在1.4到1.6之間，表現較好的能做到1.2左右。

全球數據中心每年消耗的電力已占人類總用電量的約2%。國際能源署預測，到2030年，這一比例將翻倍。如果繼續依靠風冷來支撐未來的AI算力，我們或許不是在訓練模型，而是在為整個電網的空調系統“打工”。

散熱，已經從運維層面的問題，上升為制約算力發展的關鍵瓶頸之一。

液冷技術接棒：三種主流方案

當風冷技術觸及天花板，全球工程師的目光紛紛投向液冷技術。液冷并非單一技術，而是包含多種方案的技術譜系。當前主流的實現方式主要分為三類。

第一類：冷板式液冷

這是目前最成熟的過渡方案。工程師在CPU、GPU等“發熱大戶”表面貼上一塊金屬冷板，內部設有細密的液冷管道，冷卻液在管道中流動，通過金屬將熱量導出。

經常玩游戲的讀者可能聽說過“水冷機箱”，其原理與此類似。

由于冷卻液不直接接觸芯片，安全性相對較高，改造成本也較低，因此許多傳統數據中心在向液冷過渡時，會優先采用冷板方案。

但它的散熱效率存在上限——熱量傳遞需經過一層金屬，且機柜中除CPU/GPU外，內存、硬盤、電源等部件仍依賴風冷散熱，容易造成“冷熱不均”的問題。

第二類：噴淋式液冷

這種方案更為激進。它通過噴頭將冷卻液直接噴灑在發熱元件表面，利用液體蒸發帶走熱量。相比冷板式，噴淋式的散熱效率更高，但系統結構更加復雜。噴頭堵塞、液體分布不均等工程難題仍需攻克，目前應用范圍相對較窄。

第三類：浸沒式液冷

這正是在慶陽數據中心所見的技術。它將整臺服務器乃至整臺機柜完全浸沒在特殊液體中，使液體與每一個電子元件直接接觸，通過熱傳導和熱對流帶走熱量。

這是當前數據中心散熱效率的最優形態：液體的導熱能力是空氣的25倍，單位體積液體能帶走的熱量更是空氣的近千倍，這使得浸沒式液冷的單機柜散熱能力達到風冷的數倍甚至十幾倍。同時，浸沒式方案可以均勻帶走所有部件的熱量，沒有死角。由于不需要風扇，整個系統幾乎是靜音運行，也徹底擺脫了灰塵的困擾。

技術路線的選擇并非“非此即彼”，而是根據不同功耗密度選取最優方案。目前慶陽數據中心給出的參考是：30千瓦以下，風冷依然夠用；30千瓦到50千瓦，冷板式是性價比最高的過渡方案；50千瓦以上，尤其是未來100千瓦級的超密集集群，浸沒式液冷將成為剛需。這三種方案將在未來長期共存，而非簡單的誰取代誰。

氟化液的優勢與工程挑戰

回答了“為什么要采用浸沒式液冷”之后，接下來的核心問題是：如何安全地實現這一方案？

數據中心連接著互聯網、人工智能、智能駕駛等眾多關鍵領域。一旦芯片完全浸沒在液體中，只要該液體具備微弱的導電性、腐蝕性或揮發性，整個機房都可能報廢，相關服務將全面停擺，影響是毀滅性的。因此，無論采用何種散熱方式，安全始終是首要考量。

為了找到一種既能高效導熱、又能與電子設備“和平共處”的液體，工程師們已探索多年。

最初，人們嘗試使用礦物油或變壓器油進行散熱，即所謂的“油冷”。這類油品雖具有絕緣性，但黏度大、散熱效率低，長期使用后會氧化變質，需要定期更換和清理，維護成本較高。后來的硅油性能有所改善，但仍停留在“能用”而非“好用”的階段。

目前行業較成熟的解決方案之一，是電子氟化液。

這種無色無味的人工合成有機化合物，從現有測試數據來看，具備三個突出特性：

第一，不導電。它的電阻率極高，即使服務器在通電狀態下完全浸泡其中，也不會發生短路。

第二，不腐蝕。服務器內部材料極為復雜，包括銅電路、金觸點、銀焊點、鋁散熱片、塑料框架、橡膠密封圈等。氟化液必須對所有這些材料保持化學惰性。研發團隊為此經歷了多次迭代：早期配方解決了金屬腐蝕問題，卻發現長期浸泡會導致塑料件微量溶脹；后續持續攻關時，又面臨高溫下揮發損耗的挑戰。直到當前這一代產品，廠家通過耐久性測試證實，設備在氟化液中浸泡10年后拆解，內部元器件依然完好如初，相關特性也已通過工信部驗收。

第三，不揮發。氟化液的沸點在110攝氏度以上，而服務器正常工作溫度約七八十攝氏度。這意味著在常規運行中，液體幾乎沒有損耗，無需頻繁補充。

即便如此，氟化液仍面臨工程層面的重大挑戰。

首先是密封。整個槽體必須完全密閉，液體循環管道、電源線、網線、光纖的穿艙位置均需做特殊密封處理。一旦漏液，不僅會造成昂貴損失，還可能污染其他設備。

其次是維護。傳統服務器發生故障時，工程師打開機柜即可更換部件。而對于浸沒式液冷服務器，維護需要先排液、再操作，流程復雜得多。此外，并非所有硬件都適合液體環境，部分類型的硬盤、光模塊對液體敏感，需要重新設計。

最后是成本。電子氟化液本身價格不菲，再加上專用槽體、循環泵、熱交換器等配套設備，初期投入比風冷系統高出約20%。不過從長遠來看，節省的電費可以收回這部分成本——以中國移動慶陽數據中心的測算為例，使用其浸沒式方案，大約4年即可回本。但首次投入的高門檻確實勸退了不少企業。

為什么是現在？——三大驅動力

浸沒式液冷的概念并不新鮮，早在十幾年前就有實驗室在探索。那么，為什么直到最近才開始規模化落地？

驅動力一：GPU功耗曲線將風冷逼至絕境。

英偉達最新的AI芯片，單卡功耗已突破1000瓦。若一個機柜塞滿64張或128張卡，整機柜功耗輕松超過50千瓦，甚至向100千瓦、130千瓦邁進。國產芯片也在快速迭代。風冷在這種密度下已完全失效，冷板式液冷也開始力不從心。浸沒式液冷由此從“先進技術”變為“唯一選擇”。

驅動力二：應用場景的分化。

AI算力分為訓練和推理兩大場景。訓練大模型時，GPU需要持續滿負荷運行數周甚至數月，熱量輸出穩定且巨大，此時浸沒式液冷的穩定散熱和節能優勢非常明顯。而推理任務不同，用戶調用AI時，算力需求是脈沖式的，負載忽高忽低，風冷或冷板式在此類波動場景下反而更靈活、更經濟。因此，未來的數據中心不會是“全場液冷”，而是采用混合架構：訓練集群用浸沒式液冷，推理集群用冷板式液冷或風冷，根據業務特性動態配置。

驅動力三：國產算力的崛起。

過去，液冷主要配合英偉達GPU的生態。而如今，華為昇騰、海光、寒武紀、燧原等國產芯片已大規模部署。這些芯片的功耗特性和封裝形式與英偉達存在差異，對散熱方案提出了新要求。浸沒式液冷憑借“液體包裹一切”的通用性，反而成為適配多元芯片架構的最優解。這也是慶陽這類國產算力樞紐率先布局浸沒式液冷的重要原因。

液冷背后：一場算力與能源的博弈

聊完技術，我們最后談談這件事的深層意義。

人類進入AI時代，上層是算法、模型與芯片的競爭，而底層則是能源的競爭。

訓練一次GPT-4級別的大模型，耗電量相當于3萬個家庭一年的用電量。全球數據中心的耗電量正以每年超過10%的速度增長。如果不改變散熱方式，未來我們可能面臨“算得起，但供不起電”的尷尬局面。

浸沒式液冷將PUE從1.2降低到1.07，看似只是0.13的微小改進，但放大到百萬千瓦級的算力集群，這意味著每年節省的電量相當于一座小型水電站的發電量，甚至更多。在“雙碳”目標和全球能源緊張的背景下，散熱效率就是能源效率，PUE就是碳排放。

在中國移動慶陽智算中心，浸沒式液冷已經從展廳測試走向機房部署。這里全年較低的氣溫、每度3毛8的綠電，以及正在建設的液冷集群，共同構成了目前國內最接近規模化落地的現實樣本。

但液冷不是終點。當單機柜功耗向100千瓦、200千瓦繼續攀升，今天的氟化液也會遇到新的瓶頸。下一代散熱技術會是什么？相變材料？超導熱管？還是直接把數據中心建到深海或極地？

沒有人知道確切答案。但可以確定的是，只要人類仍在追求更強的算力，散熱技術的進化就不會停止。因為物理定律從不妥協，工程師能做的，只是在極限邊緣，尋找那0.1的優化空間。