AI服務器現在最怕的不是性能不夠，而是算力堆上去了，熱量壓不住。

尤其是大模型訓練、智能駕駛、高?？蒲?、具身智能這些場景，GPU一旦長時間滿載，散熱系統就不再是配角。很多時候，決定一套AI集群能不能穩定跑下去的，不只是服務器本身，還有背后的液冷系統、網絡連接和整體運維能力。

這次第七屆深圳國際人工智能展覽會上，樸賽帶來了自己的液冷CDU解決方案，同時展示了智慧金融、智能駕駛、高校科研、具身智能四大AI解決方案，以及四臺主力服務器產品和IB交換機。說白了，這次樸賽不是只拿出一臺設備，而是把“算力、散熱、網絡、方案”這一整套AI基礎設施能力擺到了臺前。

更值得關注的是，在本屆展會同期評獎活動中，樸賽獲得了“全球AI生態基石大獎”。這個獎項背后，核心指向其實很明確：AI產業越往深處走，底層基礎設施的重要性就越突出。服務器負責提供算力，交換機負責打通集群連接，而液冷CDU則負責把高密度算力產生的熱量穩定帶走。

CDU為什么越來越重要？

很多人一聽CDU，可能覺得這是一個比較偏機房、偏工程的設備。但如果放到AI服務器集群里，它其實就是液冷系統的“調度中心”。

CDU負責把冷卻液精準、穩定地送到服務器內部的冷板，再把GPU、CPU這些高熱源產生的熱量帶走。它不僅要控溫，還要保證冷卻液潔凈、循環穩定、系統不間斷運行。對于AI數據中心來說，CDU的價值不只是“降溫”，而是保障高密度算力長期穩定運行，同時幫助機房降低PUE。

簡單點說，風冷時代大家比的是風扇和風道；到了AI高密度算力時代，真正影響穩定性的，開始變成液冷系統的設計能力。

樸賽這臺液冷CDU，重點不是參數堆得多，而是穩定性設計

從通稿信息看，樸賽這次展示的是一臺機架式液冷CDU，額定換熱量達到10kW，面向AI服務器集群的高算力散熱需求。這里最值得注意的不是單一換熱參數，而是它的冗余和運維設計。

這臺CDU內部搭載兩臺并聯循環水泵，采用一用一備方案。正常運行時主泵負責冷卻液循環，一旦主泵出現異常，系統可以自動切換到備用泵，保證液冷循環不中斷。對于7×24小時運行的AI訓練集群來說，這個設計很關鍵。因為散熱一旦中斷，影響的不只是單臺服務器，而可能是整組訓練任務、業務連續性甚至數據安全。

控制層面，這臺CDU采用PLC控制方案，支持更穩定的溫控響應和集中管理。自動補液設計也降低了人工維護壓力，不需要額外配置補液水箱，設備內部容積控制在10L以內，結構更緊湊，也有助于降低漏液風險。

這類設計其實很符合AI機房的真實需求：不是單純追求某個參數好看，而是要減少人工干預，降低故障風險，讓系統能夠長時間穩定運行。

實測數據比參數更有說服力

液冷設備說自己能壓溫度并不稀奇，關鍵還是要看實測。

通稿里提到，樸賽在展會前進行了多輪散熱測試。測試環境為室溫25.5℃、濕度61.8%RH，使用8張600W GPU，并讓GPU保持100%滿負載運行，再觀察不同風扇轉速下的散熱表現，最終選取65秒至85秒區間的穩態數據。

這組測試條件比較接近高負載AI集群的真實狀態。8張600W GPU全部滿載，熱量壓力并不低，如果散熱系統不夠穩，溫度曲線很容易快速抬升。

從結果看，風扇30%轉速時，GPU平均溫度為59.88℃；風扇40%轉速時，平均溫度降至56.13℃；風扇50%轉速時，平均溫度為54.63℃；風扇100%轉速時，GPU平均溫度進一步降至50.88℃。

這個數據有兩個信息點。第一，在30%低轉速下，GPU平均溫度依然只有59.88℃，這說明系統不需要一上來就把風扇拉滿，也能維持比較安全的溫度區間。第二，隨著風扇轉速提升，溫度下降趨勢比較清晰，說明散熱系統的響應是有效的，不是單純靠高轉速硬壓。

對機房來說，這一點很現實。低轉速能壓住溫度，就意味著日常運行可以兼顧能耗、噪音和設備壽命；需要更強散熱時，系統也有繼續釋放的余量。

樸賽展示的不是單點設備，而是一套AI基礎設施方案

現在做AI基礎設施，已經不是賣一臺服務器、賣一個散熱設備那么簡單?？蛻粽嬲P心的是：服務器算力夠不夠，GPU滿載穩不穩，液冷系統會不會掉鏈子，網絡延遲能不能支撐集群協同，后期運維復雜不復雜。

這也是樸賽此次參展比較值得關注的地方。它展示的是從服務器算力底座，到液冷CDU散熱保障，再到IB交換機網絡連接，以及面向智慧金融、智能駕駛、高?？蒲?、具身智能等行業的解決方案。換句話說，樸賽想強調的不是單個產品，而是“算力—散熱—網絡—方案”的完整交付能力。

對于正在建設智算中心、AI訓練集群或者邊緣計算節點的用戶來說，這種方案化能力比單獨買硬件更有價值。因為AI基礎設施真正難的地方，不是把設備買回來，而是讓它們長期穩定、協同、高效地跑起來。

結語：AI算力競爭，底層散熱正在變成關鍵能力

過去大家談AI硬件，更多關注GPU型號、服務器配置和算力規模。但現在行業已經進入另一個階段：算力堆得越高，對散熱、供電、網絡、運維的要求就越高。尤其是液冷CDU這類設備，表面看是散熱系統的一部分，實際卻是AI集群穩定運行的底座之一。

樸賽這次在深圳人工智能展上展示液冷CDU，并公開8張600W GPU滿載場景下的散熱實測數據，傳遞出來的信號很明確：AI基礎設施競爭，已經不只是比誰的服務器更強，而是比誰能把高密度算力更穩定、更高效地跑起來。

從這個角度看，樸賽此次亮相的價值，不只是一臺CDU產品，而是讓外界看到它在AI算力基礎設施上的完整方案能力。對于未來智算中心和AI集群建設來說，這類穩定、可運維、可交付的底層能力，可能會越來越關鍵。