Вы стоите перед серверным шкафом, потребляющим 130 киловатт. Вентиляторы ревут. Показатель PUE на панели управления составляет 1,7. И вы понимаете: система воздушного охлаждения, которую вы установили три года назад, никогда не была рассчитана на такую нагрузку.
Этот момент наступает быстрее, чем ожидает большинство операторов. Нагрузки ИИ переписывают правила терморегулирования, и если вы всё ещё полагаетесь на воздушное охлаждение для стоек с высокой плотностью GPU, вы теряете деньги и оставляете производительность неиспользованной. Эта статья предлагает вам конкретную основу для оценки того, необходимо ли вашей инфраструктуре переходить на охлаждение центров обработки данных ИИ с использованием жидкостных решений, и с чего именно вам следует начинать.
Почему плотность установки серверов с ИИ превышает возможности воздушного охлаждения
Воздушное охлаждение сталкивается с жестким ограничением на уровне около 20 киловатт на стойку. На протяжении многих лет этого было достаточно, поскольку стандартная серверная стойка потребляла от 5 до 8 кВт. Однако, по данным TrendForce, системы NVIDIA GB200 NVL72 теперь повышают расчетную тепловую мощность одной стойки до 130–140 кВт. Если вы устанавливаете эти графические процессоры в традиционных помещениях с воздушным охлаждением, вы рискуете столкнуться с термическим дросселированием, которое незаметно снижает пропускную способность системы при обучении ИИ.
Законы физики неумолимы, и они напрямую влияют на вас. Когда плотность нагрузки в стойках превышает 30 кВт, объем воздуха, который необходимо перемещать, становится механически невыполнимым. В результате приходится расширять проходы, устанавливать более крупные воздуховоды, что приводит к увеличению энергопотребления вентиляторов и показателям PUE в диапазоне от 1,5 до 1,9.
По данным Tom’s Hardware, к 2028 году архитектура Feynman от NVIDIA позволит увеличить расчетную тепловую мощность до 4 400 ватт на процессор. При достижении такого уровня плотности охлаждение центров обработки данных, использующих ИИ, становится базовым требованием к инфраструктуре.
Реальные показатели энергопотребления, определяющие охлаждение центров обработки данных с ИИ
Вам необходимо осознать масштабы происходящего. По данным Международного энергетического агентства, к 2030 году центры обработки данных будут потреблять примерно 4% мировой электроэнергии. При этом, по данным China Economic News Network, ваши серверы с ускорением на базе искусственного интеллекта увеличивают потребление электроэнергии примерно на 30% в год — это почти в три раза превышает показатель традиционных серверов, составляющий 9%.
По прогнозам Goldman Sachs, доля серверов для обучения ИИ, оснащенных жидкостным охлаждением, вырастет с 15% в 2024 году до 80% к 2027 году. Если через два года вы по-прежнему будете использовать воздушное охлаждение, то окажетесь в меньшинстве. По отдельным оценкам TrendForce, внедрение систем охлаждения в центрах обработки данных для ИИ увеличится с 14% до 33% в 2025 году. Это не просто постепенные изменения — они сигнализируют о структурном переходе, который нельзя игнорировать.
По данным MarketIntelo, объем рынка систем охлаждения центров обработки данных для искусственного интеллекта в 2025 году достиг $6,6 млрд, а к 2034 году ваша отрасль, судя по всему, достигнет $61,8 млрд при среднегодовом темпе роста (CAGR) 28,7%. По данным Mordor Intelligence, к 2024 году системы с жидкостным охлаждением уже заняли 46% общего рынка систем охлаждения — и можно наблюдать ускорение этой динамики. Если вы занимаетесь планированием мощностей или бюджетами на инфраструктуру, эти цифры должны уже сейчас влиять на ваши решения о закупках.
Технологии жидкостного охлаждения, которые стоит рассмотреть
Когда вы начнете проводить оценку Охлаждение центров обработки данных с использованием искусственного интеллекта При выборе вариантов следует обратить внимание на три архитектуры.
Система охлаждения с использованием холодных пластин предполагает непосредственное крепление металлических пластин к процессорам и графическим процессорам, через которые циркулирует охлаждающая жидкость, отводящая тепло. Эту систему можно внедрить в рамках модернизации — она совместима с существующей системой воздушного охлаждения. Как сообщает Tom’s Hardware, компания CoolIT продемонстрировала однофазную холодную пластину, способную охлаждать до 4 000 ватт при плотности мощности почти 200 Вт/см², в то время как компания Accelsius заявляет, что её двухфазный подход позволяет достичь 300 Вт/см².
При погружном охлаждении весь сервер погружается в диэлектрическую жидкость. Если вы выберете однофазную систему, жидкость останется в жидком состоянии, что позволит вам сэкономить — по данным MGrid, на долю этой категории приходится 80,91 TP3T рынка погружного охлаждения. Если вам требуется охлаждение ЦОД искусственного интеллекта с экстремально высокой плотностью размещения, двухфазные системы позволяют жидкости кипеть при низкой температуре, отводя тепло за счет фазового перехода, даже если мощность ваших стоек превышает 200 кВт. Показатель PUE может снизиться до 1,02.
Благодаря встроенной системе охлаждения микрофлюидные каналы вытравливаются непосредственно в корпусе микросхемы; компания TSMC планирует начать коммерческое внедрение этой технологии примерно в 2027 году. Выбор одной из этих трех архитектур охлаждения центров обработки данных с ИИ зависит от того, модернизируете ли вы существующие мощности или создаете кластеры с нуля.
Выбор подходящей стратегии охлаждения систем искусственного интеллекта
Если мощность ваших стоек составляет от 30 до 80 кВт, холодные пластины с прямым контактом с чипами являются наиболее практичным вариантом охлаждения для центров обработки данных искусственного интеллекта. Вы получаете снижение энергопотребления на охлаждение на 30%–46% по сравнению с воздушным охлаждением при показателе PUE от 1,1 до 1,3. При этом вы сохраняете существующую компоновку стоек и избегаете значительных конструктивных изменений.
Если мощность ваших стоек превышает 100 кВт — а при обучении передовых моделей ИИ это вполне вероятно — иммерсионное охлаждение станет для вас стандартом. Двухфазная система иммерсионного охлаждения может обеспечить показатель PUE от 1,02 до 1,05, что означает, что на расходы на охлаждение уходит менее 5% от общей потребляемой мощности. Сравните это со средним по отрасли показателем PUE, равным 1,56 по данным Uptime Institute, и финансовая целесообразность такого решения для вашего предприятия станет очевидной.
Рассмотрим реальный пример внедрения: компания LiquidStack построила гипермасштабный центр обработки данных мощностью 40 мегаватт с погружным охлаждением, который обеспечил экономию энергии на охлаждение в размере 92,61 TP3T и занял на 901 TP3T меньше площади, чем аналогичный объект с воздушным охлаждением. Если вы платите по ставкам коммерческой недвижимости, такая экономия площади кардинально меняет вашу модель затрат.
Показатель PUE и экономическая целесообразность систем охлаждения центров обработки данных на базе ИИ
Невозможно говорить об охлаждении центров обработки данных с использованием ИИ, не учитывая показатель PUE, причем разница между воздушным и жидкостным охлаждением весьма значительна. При воздушном охлаждении показатель PUE вашего объекта составляет от 1,4 до 1,8. Технология «Direct-to-chip» позволяет снизить его до 1,1–1,3. Согласно анализу MGrid на 2026 год, двухфазное погружное охлаждение позволяет снизить этот показатель до 1,02–1,08.
Вот что эти цифры означают для вашего операционного бюджета. Данные корпорации BOYD показывают, что при переходе с воздушного на жидкостное охлаждение мощностью 75% ваши общие затраты на электроэнергию снижаются на 27%, а общее потребление энергии — на 15,5%. Для объекта мощностью 40 мегаватт, где тариф составляет $0,08 за киловатт-час, экономия энергии на охлаждении в размере от 40% до 50% означает сокращение годовых эксплуатационных расходов на сумму от $1,4 млн до $1,75 млн.
Согласно результатам тестирования компании Huawei, центр обработки данных на 50 000 серверов, использующий жидкостное погружное охлаждение, экономит примерно $16,5 млн на электроэнергии в год. Именно такую прибыль вы упускаете, используя воздушное охлаждение.
Как гипермасштабируемые компании решают проблему охлаждения центров обработки данных, работающих с ИИ
Вы не одиноки в этом переходе. По данным MarketIntelo, компании Google, Microsoft, Meta и AWS публично заявили о своих планах по внедрению жидкостного охлаждения. В качестве ориентира можно взять Microsoft — по данным TrendForce, компания проводит пилотные проекты по внедрению жидкостного охлаждения на Среднем Западе США и в Азии и планирует сделать жидкостное охлаждение стандартом для новых установок к 2025 году. Если крупнейшие облачные провайдеры делают ставку на жидкостное охлаждение центров обработки данных для ИИ, ваши колебания обойдутся вам дорого с точки зрения конкурентоспособности.
В Индии компания Submer Technologies в середине 2025 года подписала соглашение со штатом Мадхья-Прадеш о создании центров обработки данных с искусственным интеллектом, работающих на жидкостном охлаждении, общей мощностью до 1 гигаватта. Следует также обратить внимание на японскую компанию KDDI, которая после внедрения контейнерных однофазных погружных установок для периферийного ИИ зафиксировала показатели PUE, приближающиеся к 1,05. Эти производственные внедрения следует изучать в качестве эталонных примеров.
Нормативное давление ускоряет ваши сроки. Директива ЕС об энергоэффективности теперь обязывает вас предоставлять отчетность по показателям PUE и эффективности использования воды, начиная с 2026 года. Несколько штатов США — в том числе Калифорния, Мичиган и Айова — приняли законы о ежеквартальном раскрытии информации, которые вы обязаны соблюдать. Если на вашем объекте используется инфраструктура с воздушным охлаждением мощностью более 20 кВт на стойку, вы сталкиваетесь не только с проблемой низкой эффективности, но и с риском нарушения нормативных требований.
Ваша дорожная карта по охлаждению центра обработки данных с использованием ИИ
Вам не нужно завтра же демонтировать все вентиляционные установки. Но вам нужен поэтапный план.
Начните с анализа текущей плотности загрузки стоек. Если какой-либо кластер постоянно превышает показатель в 30 кВт на стойку, отметьте его для оценки возможности внедрения жидкостного охлаждения в течение 12 месяцев. Затем оцените состояние вашей водопроводной инфраструктуры. Системы с прямым охлаждением чипов и погружным охлаждением используют конструкции с замкнутым контуром, которые сокращают прямое потребление воды на 70%–90% по сравнению с градирнями — это крайне важно, если вы ведете деятельность в регионах с дефицитом водных ресурсов.
В-третьих, запустите пилотный проект с небольшим кластером. Один погружной резервуар или стойка серверов с технологией «Direct-to-Chip» позволит вам получить реальные эксплуатационные данные, не прибегая к полной модернизации. Ваши затраты составят примерно от $2 до $3 миллиона за мегаватт, поэтому перед масштабированием целесообразно провести проверку.
Наконец, с этого момента следует предусматривать возможность установки систем жидкостного охлаждения в технических требованиях к каждому новому объекту. Гипермасштабируемые компании планируют инвестировать $650 миллиардов в инфраструктуру искусственного интеллекта только в 2026 году, а объекты, которые будут введены в эксплуатацию в 2027 и 2028 годах, по умолчанию будут оснащены системой жидкостного охлаждения. Если ваши новые объекты по-прежнему проектируются с учетом воздушного охлаждения, вы обрекаете себя на невыгодные затраты еще до того, как будет залит бетон.
Переход на жидкостное охлаждение центров обработки данных, использующих ИИ, для вашего предприятия — это не вопрос «будет ли», а вопрос «когда»: когда плотность установки в стойке превысит тот порог, при котором воздушное охлаждение перестанет работать. Для большинства операторов, выполняющих ИИ-задачи, этот порог уже наступил.
