隨著計算需求的持續(xù)攀升，尤其是人工智能（AI）與高性能算力（HPC）的指數(shù)級增長，數(shù)據(jù)中心與工業(yè)系統(tǒng)正面臨著全新的熱管理挑戰(zhàn)。現(xiàn)代計算基礎(chǔ)設(shè)施能耗巨大，會產(chǎn)生大量熱量，而這些熱量在傳統(tǒng)意義上多被視為廢棄物。然而，液冷技術(shù)、智能熱設(shè)計以及一體化能源系統(tǒng)等技術(shù)的進步，正為行業(yè)帶來新的機遇，幫助企業(yè)將原本的運營負擔轉(zhuǎn)化為可利用的資源。

重新考量高性能計算的熱管理

AI 與云計算不斷攀升的熱負荷，正在將傳統(tǒng)的冷卻策略推向極限。

沿用數(shù)十年的傳統(tǒng)風冷方式已難以滿足當前需求，因為機架功率密度超過 50 千瓦已經(jīng)成為常態(tài)化現(xiàn)象，而這一水平曾被視為數(shù)據(jù)中心設(shè)計的上限。

AI 工作負載是這一趨勢的主要驅(qū)動力，預(yù)計未來幾年機架密度將顯著攀升。英偉達預(yù)測，到 2027 年，AI 機架功率可達 600 千瓦，而目前已出現(xiàn) 1 兆瓦機架的早期試點項目。超大規(guī)模數(shù)據(jù)中心與芯片制造商正協(xié)力研發(fā)新的架構(gòu)與標準，以支持這一演進，預(yù)計在本十年結(jié)束前，1 兆瓦機架將得到更加廣泛的部署。這些為高性能算力與 AI 設(shè)計的超高密度系統(tǒng)將消耗巨量的電力，同時產(chǎn)生遠超于傳統(tǒng)冷卻方式所能應(yīng)對的熱量。

液冷：余熱再利用的核心基礎(chǔ)

液冷技術(shù)已成為應(yīng)對這一挑戰(zhàn)的核心技術(shù)之一。與將熱量散發(fā)到空氣中的風冷方式不同的是，液冷系統(tǒng)通常是在芯片或電路板層面的熱源處直接吸收熱量，并通過封閉循環(huán)系統(tǒng)將其傳輸出去。

盡管液冷并非全新概念，但 AI 數(shù)據(jù)中心的需求以及近期技術(shù)的進步推動了液冷的復(fù)興，使其成為高優(yōu)先級、快速增長的市場。與傳統(tǒng)的空氣冷卻系統(tǒng)相比，液冷具備多項顯著優(yōu)勢，其中最大的優(yōu)勢在于效率。液體，尤其是工程流體或介電流體，其比熱容遠高于空氣，能夠在熱源處實現(xiàn)更高效的熱傳導(dǎo)。這不僅降低了對大型暖通空調(diào)（HVAC）系統(tǒng)的依賴，從而減少能耗運營成本，還能支持更加緊湊、高效的數(shù)據(jù)中心設(shè)計。

盡管液冷應(yīng)用日益普及，但大多數(shù)數(shù)據(jù)中心的設(shè)計仍需兼顧多種類型的工作負載——而不是僅服務(wù)于AI。這些設(shè)施通常同時運行傳統(tǒng) IT、云服務(wù)以及高性能算力任務(wù)。因此，混合冷卻方案吸引了越來越多的關(guān)注，即在高熱負荷區(qū)域采用高效液冷，而在低負荷系統(tǒng)中使用成本較低的風冷。這類混合方案在可持續(xù)性、性能和資金支出之間取得精妙了平衡，使數(shù)據(jù)中心運營商能夠靈活應(yīng)對不斷變化的工作負載。

冷卻、供電與計算架構(gòu)的一體化設(shè)計

為支持下一代工作負載，尤其是由 AI 驅(qū)動的任務(wù)，數(shù)據(jù)中心必須將計算密度、供電系統(tǒng)與熱管理深度融合成為一個協(xié)調(diào)一致的系統(tǒng)。目前，新興技術(shù)正推動著這一轉(zhuǎn)變，實現(xiàn)更加智能、響應(yīng)更快的基礎(chǔ)設(shè)施設(shè)計。

一個關(guān)鍵的進展是電源感知型熱設(shè)計，該技術(shù)使數(shù)據(jù)中心能夠更好地管理高性能組件產(chǎn)生的熱量。AI 工作負載，尤其是涉及 GPU 的任務(wù)，可能引發(fā)不可預(yù)測的功率波動和局部熱點。通過對熱系統(tǒng)與電源系統(tǒng)進行智能協(xié)同設(shè)計，工程師可以提前預(yù)判這些波動，從而最大限度減少低效運行，并降低數(shù)據(jù)中心及其周邊基礎(chǔ)設(shè)施設(shè)備的壓力。

模塊化高密度機架系統(tǒng)的興起也正在重塑可擴展性。這類機架被設(shè)計用于承載遠超 125kW 的功率負載，部分方案已著手研發(fā)可支持高達 1MW 的設(shè)計。其模塊化特性使運營商能夠在無需全面改造的情況下擴展容量，同時還能在多個運行階段更有效地捕獲和再利用熱量。

直連芯片冷卻與先進供電技術(shù)正將熱效率推向新高度。諸如微對流冷卻等精密系統(tǒng)，能夠直接從關(guān)鍵硅芯片上移除熱量。當與垂直供電（VPD）等新技術(shù)結(jié)合時，這些方案不僅降低了能量損耗，還能保持更高質(zhì)量的余熱。

AI 與機器學習的作用

在熱能與能源優(yōu)化領(lǐng)域，機器學習是最具變革性的力量之一。預(yù)測分析能夠以細致的粒度監(jiān)測能源使用和熱負載，預(yù)測高峰需求時段并調(diào)整負載以優(yōu)化熱量捕獲，同時還能動態(tài)調(diào)節(jié)冷卻系統(tǒng)，以提升效率和性能。

AI 還可用于模擬基礎(chǔ)設(shè)施升級的長期影響，使運營商在對復(fù)雜集成系統(tǒng)進行投資時更有信心。

要應(yīng)對未來的可擴展性與能效挑戰(zhàn)，需要采取系統(tǒng)層級方法，即所謂的“從電網(wǎng)到芯片”策略。這一整體模型從電網(wǎng)接口開始，經(jīng)由電源分配單元（PDUs），進入機架級架構(gòu)，再到電路板與芯片級，最后循環(huán)回熱能回收系統(tǒng)。更重要的是，這種方法提升了系統(tǒng)的韌性與靈活性，使運營商不僅能夠有效管理熱量，還能保障電能質(zhì)量、冗余能力及應(yīng)對電網(wǎng)干擾。

實現(xiàn)能源浪費的閉環(huán)管理

除了技術(shù)效率提升，向智能化熱管理的轉(zhuǎn)型還為企業(yè)帶來顯著的可持續(xù)性優(yōu)勢。

傳統(tǒng)上，數(shù)據(jù)中心和高性能計算（HPC）環(huán)境產(chǎn)生的熱量被視為昂貴的副產(chǎn)品。但隨著液冷與余熱再利用技術(shù)的進步，這些廢熱可以被回收，用于提升能源效率并減少總體碳排放。

液冷系統(tǒng)采用封閉回路設(shè)計，與蒸發(fā)式空氣冷卻相比需水量更少，有助于在資源緊張地區(qū)實現(xiàn)節(jié)水目標。此外，通過在更小的空間與能耗下實現(xiàn)更高的計算密度，這些系統(tǒng)可幫助數(shù)據(jù)中心實現(xiàn)事半功倍的效果，減少對新基礎(chǔ)設(shè)施的需求。

將冷卻策略與實際部署場景相結(jié)合，并同時關(guān)注水與能源利用效率，這些改進不僅能支持可持續(xù)發(fā)展計劃，還能幫助企業(yè)達成凈零排放目標，并在可持續(xù)創(chuàng)新領(lǐng)域展現(xiàn)領(lǐng)導(dǎo)力。

展望未來

隨著更多數(shù)據(jù)中心與行業(yè)探索余熱再利用，政府與監(jiān)管機構(gòu)已經(jīng)開始關(guān)注這一趨勢。尤其在歐洲，歐盟已將余熱再利用納入其可持續(xù)發(fā)展議程之中，相關(guān)激勵政策也正在逐步出臺。對于大型設(shè)施，合規(guī)要求可能很快會從自愿轉(zhuǎn)為強制。

為實現(xiàn)更廣泛應(yīng)用，還需要標準化的熱接口單元、交互操作的冷卻回路以及廢熱質(zhì)量評估指標。

跨行業(yè)協(xié)作涵蓋技術(shù)供應(yīng)商、能源公用事業(yè)單位、監(jiān)管部門及設(shè)施運營商，他們也將是建立這些框架的關(guān)鍵。

總體而言，新興技術(shù)正在從根本上重塑數(shù)字與工業(yè)基礎(chǔ)設(shè)施中熱量的管理與再利用方式。液冷技術(shù)、智能機架系統(tǒng)以及“從電網(wǎng)到芯片”集成方案為未來企業(yè)提供了切實可行的路徑。

通過擁抱這一新范式，數(shù)據(jù)中心與工業(yè)設(shè)施不僅能夠減少碳足跡、提升能源韌性，還能在數(shù)字化縱深發(fā)展與節(jié)能意識覺醒的世界中釋放新的價值。

關(guān)于作者： 

Rob Campbell

Rob Campbell 是偉創(chuàng)力通信、企業(yè)和云事業(yè)部總裁。