液冷时代来了：一场散热的革命

一个正在“发烫”的行业

今年夏天，某互联网公司位于华北的智算中心又追加了一笔电费预算。原因并不复杂：单机柜功率密度从三年前的8kW一路攀升到30kW以上，传统风冷已经“吹不动”了。

这不是个例。当AI大模型训练成为常态，GPU集群的发热量呈指数级增长，风冷散热的物理极限正在被反复触碰。一个直观的数字是：空气的比热容仅为水的四分之一左右，靠“吹风”带走热量，效率天花板早已注定。

液冷，从实验室里的“备选方案”，变成了数据中心必须面对的现实选择。

要理解液冷为何必然到来，先要看清风冷的三道坎。

第一道坎是热流密度。 一颗高性能GPU芯片的局部热流密度可达每平方厘米上百瓦，空气流经散热器时，热量来不及被带走，芯片就会降频甚至宕机。风扇转速加到极限，噪声和能耗又成了新问题。

第二道坎是PUE。 风冷数据中心里，空调压缩机、风机占据大量能耗，行业平均PUE长期徘徊在1.4到1.6之间。而“双碳”目标下，新建大型数据中心PUE要求降至1.25以下，部分地区甚至要求1.15。风冷方案要达标，代价越来越大。

第三道坎是空间。 风冷需要宽阔的冷热通道，机柜密度上不去，同样的算力要占更多建筑面积。对寸土寸金的城市智算中心而言，这是实打实的成本。

三道坎叠加，风冷的天花板清晰可见。液冷不是“要不要做”的问题，而是“多快做”的问题。

很多人以为液冷就是“把服务器泡进液体里”，其实技术路线有好几条，各有适用场景。

冷板式液冷是目前落地最广的方案。冷却液在贴合芯片的冷板内循环，不直接接触电子元件，改造成本相对可控，适合从风冷机房渐进升级。它的散热能力比风冷提升明显，但本质上仍是“局部液冷”，机柜内其余部件还要靠风辅助。

浸没式液冷把整台服务器浸入不导电的氟化液或矿物油中，热量直接被液体吸收，散热效率最高，PUE可低至1.05左右。代价是初始投资高、运维习惯要重塑，冷却液的成本和环保性也需权衡。

喷淋式液冷则介于两者之间，通过喷嘴将冷却液直接喷淋到发热器件上，换热效率高，但对液体回收和密封设计要求苛刻。

没有“万能方案”。选型要看机柜功率密度、机房条件、投资预算和运维能力——这正是工程经验的价值所在。

硬件铺下去只是第一步。液冷系统真正的挑战，在于控制。

液体的热惯性比空气大，温度变化有滞后。如果冷却液流量、温度设定靠人工经验或简单PID调节，容易出现两种尴尬：要么供液过度、泵功耗浪费，要么响应不及时、芯片温度波动。尤其AI训练负载忽高忽低，热负荷像过山车一样起伏，固定参数的控制策略根本跟不上。

这就引出了液冷节能的核心命题——自适应控制。

简单说，就是让系统根据实时热负荷、芯片温度、环境工况，动态调整泵速、阀开度和供液温度。负载低时自动“收着跑”，负载高时提前“加把劲”。业内实践表明，一套调优良好的自适应控制系统，可在液冷基础上再降10%—20%的冷却能耗，同时把芯片温度波动控制在更小范围，兼顾节能与可靠性。

这背后需要热力学模型、实时传感数据和算法策略的深度融合——不是买个控制器就能解决的事。

在液冷这条赛道上，吉之星的做法是“硬件+控制”一起抓。

在冷板液冷方向，团队围绕高功率芯片的均温性做了大量结构优化，通过流道设计与材料匹配，缓解局部热点问题，让冷板在变工况下保持稳定的换热表现。相关结构方案已形成核心专利积累。

更关键的是控制层。吉之星将自适应控制策略嵌入液冷系统：以芯片温度和负载预测为输入，动态寻优泵阀参数，在保障结温安全裕度的前提下压缩冷却能耗。在智算中心实际工况测试中，这套策略让冷却系统的部分负载效率明显优于定频运行模式。

同时，依托数字孪生技术，吉之星把液冷管路、冷量分配和机房气流纳入统一建模，运维人员可以在虚拟环境中预演工况变化、验证控制策略，再下发到真实系统。这种“先仿真、再落地”的路径，降低了液冷系统调试的风险和周期。

从洁净室工程到智算中心散热，吉之星积累的正是这种跨专业的系统工程能力——液冷从来不是单一设备的事，而是热、流、控、算的协同。

液冷时代的到来，本质上是算力密度倒逼基础设施升级的必然结果。风冷不会一夜退场，液冷也不会一蹴而就，但方向已经清晰。

接下来的看点，不只是“用不用液冷”，而是“液冷用得好不好”——冷却液如何更环保、余热如何回收利用、控制系统如何更聪明地匹配波动负载。这些问题，考验的是工程公司对细节的耐心和对系统的理解。

散热看似配角，却决定着算力能跑多快、跑多远。这场革命，值得认真对待。