即使单相液浸冷却相较于风冷有所进步,但仍需依靠高能耗泵与外部热交换器来循环冷却液,这不仅增加了系统复杂度,还限制了整体效率。对于希望在不牺牲能效与硬件可靠性的前提下扩展高密度基础设施的企业而言,两相液浸冷却系统 成为唯一能同时解决这两大核心痛点的方案,为现代数据中心提供无与伦比的散热性能与运维简洁性。
什么是两相浸液冷却系统?
两相液态浸入式冷却系统是一种专为高密度计算硬件设计的精密热管理方法。它的工作原理是将服务器(包括 CPU、GPU、主板和存储设备)完全浸没在不导电的电介质制冷剂液体中,通过受控的液-气相变吸收热量。.
与完全依赖对流传热的传统冷却方法不同,这种相变冷却技术利用汽化潜热--将液体转化为蒸汽所需的大量能量--更有效地捕获和带走热量。这种设计可确保所有关键硬件保持稳定、一致的温度,防止过热并优化高负载环境下的性能。.
两相液体浸入式冷却系统的闭环工作循环既简单又高效,通常无需耗能的泵即可运行。下面是一个逐步分解的过程:
- 服务器及其所有关键部件都完全浸没在充满非导电介质液体的密封槽中,确保发热硬件与冷却介质直接接触。.
- 当服务器在高负荷下运行时,CPU 和 GPU 会产生大量热量,这些热量会立即传递到周围的介电流体;一旦流体达到低沸点(40-50°C),就会开始沸腾。.
- 液态介电流体转变为气态,通过气化潜热吸收大量热能--这是使系统效率远高于空气或单相冷却的关键步骤。.
- 由于温热蒸汽的密度小于液体流体,因此会自然上升到安装在水箱顶部的冷凝器盘管。.
- 冷凝器通过循环环境空气或温水回路将蒸气冷却成液态。 .
- 然后,冷凝的液态介电流体在重力作用下回落到主水箱中,返回服务器组件重复循环,形成一个自我维持的闭合回路。.

两相液体浸入式冷却为何如此高效?
两相液体浸入式冷却系统的非凡效率源于四个基本物理原理,这些原理使其有别于空气和单相冷却技术。.
首先,汽化潜热可使介电流体吸收大量热量,而温度不会显著升高--远高于只吸收显热的空气或单相冷却剂。.
其次,它的传热系数比强制空气冷却高 50-100 倍,因为液体-蒸汽转换产生的湍流运动消除了其他系统中限制传热的停滞热边界层。.
第三,系统内置温度自稳功能:介质流体在固定的低温下沸腾,确保服务器组件保持在最佳工作范围内,无需主动温度控制。.
最后,这种自稳定功能可提供接近等温的冷却效果,使所有浸没的硬件保持一致的温度,消除降低性能和缩短硬件寿命的热点。.

两相与单相液体浸入式冷却器的比较
两相浸入式冷却和单相浸入式冷却的核心区别在于它们的传热机制--这种区别直接影响到效率、复杂性和对高密度应用的适用性。.
单相浸入式冷却完全依靠显热传递:介质流体吸收热量而不改变相位,这就要求泵将加热后的流体循环到外部热交换器进行冷却。这限制了其热通量能力,并增加了泵运行的持续能源成本。.
相比之下,两相浸入式冷却同时利用了潜热(来自相变)和显热,使其能够处理比单相系统高 5-10 倍的热通量,这对于支持 50 千瓦/机架以上的密度至关重要。此外,两相系统可以在没有泵的情况下运行,依靠自然对流和重力实现流体循环,而单相系统在没有主动泵的情况下无法运行。.
最重要的是,两相冷却的温度要稳定得多:介质流体的固定沸点可确保接近等温运行,而单相系统会出现温度梯度,从而产生潜在热点。.
为什么两相液态浸入式冷却技术非常适合人工智能?
两相液态浸入式冷却系统非常适合人工智能和高性能计算环境,在这些环境中,高密度、连续负载和能效是必不可少的。.
首先,它支持每个机架 50-200+ kW 的功率,比空气冷却提高了 5-10 倍,比单相液体冷却提高了 2-4 倍,使企业能够在更小的空间内安装更多的 GPU 和 CPU,从而减少数据中心的空间需求和相关成本。.
其次,它的 PUE 值达到了业界领先的 1.05-1.08,这意味着冷却仅占数据中心总能耗的 5-8%(相比之下,空气冷却的能耗为 30-50%),从而实现了大量的长期节能。.
第三,它无需服务器风扇,因此风扇功耗几乎为零,数据中心环境更加安静(噪音低于 45 分贝)。第四,近乎等温的冷却和无热点设计可将 GPU 和 CPU 的使用寿命延长 20-30%,从而降低硬件更换成本并最大限度地减少停机时间。最后,它在连续高负荷运行方面表现出色,这对于全天候以最大容量运行的人工智能培训集群和超级计算机来说至关重要。.
结论
两相液态浸入式冷却系统不仅仅是一种冷却技术,它还是下一代高密度数据中心的基础。随着人工智能和高性能计算的不断发展,对功率和密度的要求越来越高,传统的冷却解决方案只会变得更加低效和局限。.
两相浸入式冷却可提供无与伦比的效率、可扩展性和可靠性,同时减少能源消耗和碳足迹,从而解决这些难题。对于希望数据中心面向未来并充分释放高性能计算潜能的企业来说,这不仅仅是一种选择,而是一种需要。.

















