数据中心的散热：从吹风到泡澡
AI 机柜的功率密度已经越过风冷的能力上限。这篇讲数据中心为什么必须换散热方式，以及风冷、冷板液冷和浸没式液冷各自的代价。
传统机房靠空调吹风降温。这套办法用了三十年，现在被 AI 训练机柜逼到了物理极限。
图片来源：BalticServers data center（BalticServers.com），CC BY-SA 3.0，来自 Wikimedia Commons。
风冷的物理上限
风冷的工作原理很朴素：把冷空气压进机柜，让空气带走芯片的热量。问题在于空气的比热容和导热系数都很低，同样的体积能搬走的热量远少于液体。
- 十年前，一台机柜 5 到 10 千瓦已经算高密度；
- 现在通用机柜普遍 10 到 20 千瓦；
- AI 训练机柜可以到 40 到 130 千瓦。
风冷实际能覆盖的上限大约在每柜 20 到 30 千瓦。再往上只有两条路：把风扇转速拉满（噪音和风扇功耗暴涨），或者把进风温度降得更低（制冷更费电）。两条都是死胡同。衡量机房效率的 PUE（总功耗除以 IT 功耗）在超大规模数据中心已经压到 1.1 到 1.2，剩下的空间主要卡在散热上。
冷板液冷：把水引到芯片上
冷板液冷（direct-to-chip）的做法是让一块金属冷板直接压在 CPU、GPU 上，液体在板内的微通道里流过，把热量带走。它最大的优点是改动范围小：机房主体不用重建，改的是机柜内部和一套二次侧管路。
代价也清楚：
- 快接头、软管、漏液检测、维护流程都要重新设计，机房运维从「插拔服务器」变成「插拔管路」；
- 液体温度通常在 40 到 60 摄氏度，比风冷的余热品位高得多，这让余热回收第一次变得划算；
- 它把散热从机房的问题变成了机柜与芯片封装的问题。
浸没式液冷：把服务器泡进去
更激进的做法是把整台服务器浸在不导电的液体里。
图片来源：Single-server immersion cooling（Submer），CC BY-SA 4.0，来自 Wikimedia Commons。
浸没式分两种：单相液体靠循环泵和外部换热器带走热量；两相液体则让液体在芯片表面沸腾，靠相变吸热，效率最高，但对密封和液体成本最敏感。
图片来源：Asperitas AIC24 immersion system（Rolf Brink），CC BY-SA 4.0，来自 Wikimedia Commons。
它的好处是几乎不需要风扇，机房噪音骤降，PUE 可以做到 1.03 到 1.05。麻烦在于维护：服务器要从油里捞出来，又粘又重；硬盘、光模块这类机械与光学部件对液体的兼容性要逐个确认；液体本身贵，还要管理过滤与更换。
余热不是垃圾
散热讨论里最容易被忽略的一点是，热量本身是资源。北欧已经有一批项目把数据中心余热接入区域供热，或者拿去加热温室、泳池。液冷让这件事真正可行，因为它的回水温度够高（60 到 70 摄氏度），可以直接进热泵或换热器；风冷的排气只有三十几度，回收价值低得多。
我的判断
散热正在从「机房的事」变成「芯片的事」。冷板、封装、机柜、二次侧管路会被一起设计，而不是像过去那样各管一段。
对自建小机房来说，风冷加冷热通道封闭在很长时间内仍然是正确答案，液冷不是给所有人的。真正的分界线是功率密度：单柜 30 千瓦以下不必碰液冷，30 千瓦以上也不必硬撑风冷。按密度选，而不是按潮流选。
评论
…