高性能计算冷却已经跨越了一个决定性的门槛。AI 加速器，如 NVIDIA 的 H100（700 W）和 Blackwell B200（1,000 W），将机架密度推高至 100 kW 以上，而风冷每机架的上限约为 25 至 30 kW。行业的答案是液冷，Dell'Oro Group 预测该市场到 2029 年将达到约 70 亿美元。对于 HPC 运营商来说，问题已不再是是否采用液冷，而是哪种架构适合其工作负载、预算和设施限制。
为什么高性能计算的散热问题已成为人工智能集群中的关键瓶颈？
对流传热的物理定律为空气冷却设定了硬性上限；风扇和散热器无法突破这一限制。 加速器的功耗已急剧攀升：《The Cooling Report》指出，H100的功耗为700 W，Blackwell B200为1,000 W，而下一代Rubin的功耗预计将进一步攀升。 高密度的人工智能训练集群使机架密度突破了 100 kW，某些配置甚至接近 120 kW。新一代设计目标是每机架达到 200 至 250 kW，这也正是高性能计算散热已成为设计首要议题的原因。.
AMD的MI300X和英特尔的Gaudi 3也超出了风冷系统所能承受的功耗范围，因此这并非某个厂商独有的问题。预计到2026年，全球AI工作负载将达到约44吉瓦，超过约38吉瓦的非AI工作负载。 当一个机架的功耗超过一栋小型办公楼时，散热问题便会限制计算密度、能源成本和系统正常运行时间。如今，高性能计算的散热决策将决定集群是满负荷运行，还是在热压力下被迫降频。.
当前主要采用哪些高性能计算散热技术？
现代高性能计算（HPC）设施主要采用三大技术体系。传统的空气冷却技术利用机房空气处理机组、风扇和散热器来散热。 直通芯片液冷（也称为冷板冷却）通过安装在CPU、GPU和内存模块上的金属板循环冷却液。浸没式冷却则将整台服务器浸没在介电液体中，可采用单相或双相配置。每种技术体系都针对不同范围的高性能计算散热需求。.
采用数据表明行业格局正在迅速变化。Uptime Institute基于964名受访者开展的《2024年冷却系统调查》显示，22%的受访者已在设施中采用直接液体冷却技术，而61%的受访者表示未来会考虑采用该技术。 近半数的直接液体冷却（DLC）用户表示，其IT机架中采用该技术的不超过10%。对于高性能计算的冷却而言，随着密度不断提升，实际问题已不再是选择哪家供应商，而是应采用哪种架构作为标准。.
传统基于空气的高性能计算冷却系统能带走多少热量？
空气冷却的实际上限约为每机架 25 至 30 kW，这一限制多年来一直未发生实质性变化。优化措施无法突破这一界限。任何每机架功耗超过约 30 kW 的 HPC 集群都需要采用不同的散热策略。了解这一上限是制定任何高性能计算散热策略的第一步。.
在电源使用效率（PUE）方面，这种效率差距同样显而易见。据中国经济网报道，传统风冷数据中心的PUE值长期以来一直高于1.8。制冷通常消耗数据中心总能耗的30%至40%，仅次于IT设备本身（占45%至60%）。 液冷设施可将PUE降至1.1以下，而中国现有的八个国家枢纽节点的平均PUE值约为1.25。对于高性能计算的冷却而言，这种效率差异直接体现在运营成本、碳足迹以及在现有功耗限制内扩充计算能力的能力上。.
“芯片直冷”还是“浸没式冷却”：您应该选择哪种高性能计算散热架构？
“芯片直冷”技术是将冷板安装在发热量最大的组件上，从而在热源处直接带走大部分热量。浸没式冷却则是将整个服务器浸入介电液体中，从而将每个组件产生的热量几乎全部带走。这两种方案的选择将决定整个高性能计算散热路线图的走向，因此这一决策值得仔细分析。.
Dell’Oro Group 报告称，单相直接液体冷却技术已巩固其作为人工智能集群主流架构的地位。对于大多数组织而言，直接芯片冷却技术是实现高性能计算冷却能力最快捷的途径，且对运营干扰最小。当密度目标超出改造支持范围，或者运营商希望消除空气处理系统时，浸没式冷却仍具吸引力。.
高性能计算系统的散热升级需要多少成本？又能节省多少？
随着市场规模的扩大，高性能计算冷却技术的经济性正在不断提升。Dell’Oro Group预测，到2029年，全球液体冷却市场的制造商营收将达到约$7亿。 据中国信息通信技术研究院数据显示，2024年，中国智能数据中心液冷市场规模达到184亿元人民币，同比增长66.1%，预计到2029年将达到约1300亿元人民币。.
高性能计算冷却领域的成本节约主要源于PUE的降低。将PUE从1.8降至1.2以下，可将与冷却相关的能耗减少一半以上。 目前，国家级枢纽节点的平均PUE值在1.2至1.3之间，而液冷设计已实现PUE值低于1.1。余热回收还开辟了另一条收入来源：温热的冷却液可用于区域供热，将废热转化为资产。 在设施五年的使用寿命内，高性能计算冷却系统升级所带来的节能效益通常会超过设备本身的资本成本。.
如何在不造成停机的情况下迁移高性能计算冷却系统？
迁移遵循分阶段模式，以确保运行中的工作负载不受影响。首先，利用遥测数据（而非铭牌额定值）审核每机架的实际热负荷。其次，在一排机架或一个分区上进行试点，在生产负载下验证冷却液流量、泄漏检测和温度控制。第三，逐步扩展，优先处理那些空气冷却效果已接近极限的高密度机架。 分阶段的计划可确保高性能计算散热升级的可预测性。.
冷却液分配单元是核心集成点，用于将设施用水与服务器冷却液隔离，并控制流量和温度。歧管将冷却液输送至每台服务器，而快速断开接头则允许在无需排空回路的情况下进行维护。每个连接点都应配备泄漏检测装置，监控系统应实时追踪冷却液温度和芯片结温。 对于硬件代次混用的环境，应为旧款服务器保留一小块风冷区域。每次高性能计算冷却系统的迁移都应在机架级别可逆，这样即使部署失败，也只会影响一个分区，而不会波及整个集群。.
高性能计算散热能带来哪些可靠性和性能提升？
液冷技术消除了困扰风冷加速器的热节流问题。稳定的低温环境使 GPU 能够长时间以全速运行，从而缩短了训练和仿真时间。 联想的Neptune平台将冷板直接安装在GPU和内存模块上，据称由于消除了温度骤升现象，因此减少了运行减速的情况，并延长了硬件使用寿命。这些优势使高性能计算的散热系统不仅成为一种基础设施，更成为提升性能的关键因素。.
运维人员还利用数字孪生来调整冷却行为。负责开发百亿亿次级超级计算机“Frontier”的橡树岭国家实验室团队构建了一个数字孪生模型，该模型可模拟电源和冷却系统的遥测数据，使工程师能够在将变更应用于实际机器之前，先对冷却水温度和调度方案进行测试。这降低了在无法直接进行测试的珍贵系统上进行实验的风险。 因此，高性能计算的冷却系统正从静态的辅助设施，演变为一个主动管理的子系统，其中可靠性、效率和性能得以协同优化。.
到2030年，高性能计算的散热技术将如何发展？
未来十年内，三大趋势将定义高性能计算的散热技术。首先，单相直接液冷仍将是人工智能集群的默认选择，而两相液冷和浸没式冷却技术则将在特定细分领域日趋成熟。 其次，机架密度将持续攀升；目标机架功率达到200至250千瓦的设计方案已提上议程，这将推高冷却液温度，并使余热回收方案更具吸引力。第三，设施集成将进一步深化，液冷系统将从设计之初就融入建筑之中，而在寒冷气候地区，余热回收将成为标准配置。.
其战略意义不言而喻：高性能计算的散热如今已成为一项核心架构决策，而非设施规划中的事后考虑。那些采用支持液体冷却的机架、配备经过专业培训的团队并部署监控工具的组织，将能够在无需重新设计设施架构的情况下，顺利接纳每一代新的GPU。而那些坐等风冷系统在高负载下失效的组织，则将面临仓促的迁移和本可避免的停机。.
结论
高性能计算的散热技术已从一项可选的能效措施，转变为人工智能级集群的必备要求。空气冷却的功率上限约为每机架25至30千瓦，而B200级加速器则使机架功耗突破100千瓦。直接芯片液冷是近期最主要的解决方案。 Uptime Institute的数据表明，已有22%的设施采用了直接芯片液冷（DLC）技术；Dell’Oro预测，到2029年该市场规模将达到$7十亿；而采用液冷技术的设施通常能将PUE值控制在1.2以下。 该实施框架切实可行：对热负荷进行审计，在单个机柜上进行试点，采用支持液体冷却的标准化机柜，并在监控下逐步扩展。今天做出的每一项高性能计算冷却决策，都将决定哪些组织能够以满负荷状态部署下一代加速器。.
