AI服务器为什么越来越难靠风冷？

从公开资料看液冷兴起的真正原因

前言

过去二十多年，数据中心几乎都是风冷的天下。

无论是互联网服务器、企业机房，还是云计算数据中心，空气一直承担着带走设备热量的任务。散热器、风扇、空调，构成了整个数据中心最经典的散热体系。

但近两年，一个明显的变化正在发生。

越来越多的新一代AI服务器开始采用液冷方案；越来越多的数据中心在规划阶段就预留液冷能力；国际服务器厂商、GPU厂商以及大型云服务提供商，也不断发布支持液冷的新产品和新方案。

这是否意味着风冷已经被淘汰？

答案是否定的。

事实上，目前全球绝大多数服务器依然采用风冷。真正发生变化的，并不是风冷失去了价值，而是AI时代的算力增长速度，正在逼近空气散热能力的极限。

那么，风冷究竟遇到了什么挑战？液冷又解决了哪些问题？本文结合公开技术资料和行业发展趋势，对这一变化进行一次系统梳理。

为什么过去几十年，风冷一直是主流？

如果把服务器比作一辆汽车，那么芯片就是发动机。

发动机工作时会产生大量热量，芯片也是如此。CPU、GPU、内存、电源等器件持续运行，就会不断释放热量。如果这些热量不能及时带走，芯片温度持续升高，性能就会下降，严重时甚至可能触发保护机制而停止运行。

风冷的工作方式其实非常简单：

芯片 → 散热器 → 风扇 → 空气 → 机房空调

空气流经散热器，将热量带走，再通过空调系统排出机房。

对于过去功耗较低的服务器来说，这套方案成熟、稳定、成本低、维护方便，因此成为行业标准。

几十年来，服务器性能不断提升，风冷系统也同步升级：散热器面积越来越大，热管越来越多，风扇转速越来越高，机柜气流组织不断优化。

很长一段时间，这些改进足以满足需求。

AI时代，真正改变的是GPU功耗

推动液冷快速发展的，并不是液冷技术突然成熟，而是AI计算带来的热密度快速提升。

传统企业服务器主要承担数据库、网页服务、办公应用等任务，CPU功耗相对可控。

AI服务器则完全不同。

模型训练、推理、大规模并行计算主要依赖GPU，而GPU功耗近年来持续增长。

芯片功耗不断提升，意味着单位面积释放的热量越来越大。

对于散热系统来说，这意味着需要在更小的空间、更短的时间内，把更多热量持续带走。

如果热量不能及时排出，就会出现：

• 芯片温度持续升高；

• 风扇高速运转；

• 噪声增加；

• 空调负荷提高；

• GPU触发降频保护；

• 整机性能受到影响。

因此，AI服务器面临的挑战，并不是”有没有风扇”，而是空气还能不能高效带走如此集中的热量。

风冷到底遇到了哪些瓶颈？

很多人认为，既然风量不够，那就把风扇做得更大、更快。

理论上可行，但现实并没有这么简单。

首先，空气本身的导热能力有限。

即使增加风速，空气能够带走的热量也存在物理极限。

其次，风速越高，风扇耗电越大。

高速风扇不仅增加服务器自身功耗，还会产生更大的噪声和振动，对轴承寿命、维护成本都有影响。

另外，当机柜内安装越来越多GPU时，热空气会不断循环，如果气流组织设计不合理，还容易形成局部热点。

因此，在高功率AI服务器中，仅靠增加风量，已经越来越难解决散热问题。

风冷并没有失效，而是在面对更高热流密度时，需要付出越来越高的能耗和系统成本。

液冷改变的，不只是散热方式

很多人第一次接触液冷，会认为它只是把空气换成了液体。

实际上，真正改变的是整个热管理思路。

以冷板液冷为例，冷却液直接流经冷板，将芯片产生的热量迅速带走，再通过换热设备把热量排出系统。

浸没式液冷则更进一步。

服务器直接工作在绝缘冷却液中，芯片、内存、电源等发热部件产生的热量可以直接传递给冷却液，再由循环系统带走。

相比依赖空气循环，液冷减少了热量在空气中的多次传递过程，使热量能够更快离开发热源。

这也是为什么越来越多高功率AI服务器开始采用液冷方案。

风冷与液冷，到底差在哪里？

很多文章喜欢直接比较”降温多少摄氏度”。

实际上，这并不是最重要的指标。

真正值得关注的是整个系统运行状态。

需要说明的是，不同厂商、不同液冷路线（冷板、浸没式等）之间也存在明显差异，实际效果需结合具体产品和应用场景进行评估。

液冷最大的价值，并不是”更凉”

很多人认为液冷最大的优势是温度更低。

事实上，真正的价值在于让服务器能够长期、稳定地运行在设计性能附近。

当芯片温度持续升高时，系统为了保护硬件，会主动降低工作频率。

对于AI训练和推理来说，这意味着同样的服务器，可能无法持续输出设计性能。

因此，液冷改善的不只是温度，更重要的是：

• 降低热点风险；

• 保持稳定运行；

• 支撑更高功率GPU；

• 提升高密度部署能力；

• 为未来算力升级预留空间。

随着GPU功耗继续提升，散热已经不仅是一个设备问题，而是影响整个数据中心架构的重要因素。

是不是所有服务器都应该采用液冷？

答案同样是否定。

如果服务器功耗不高，应用以传统业务为主，成熟的风冷方案依然具有成本低、维护方便、生态完善等优势。

但对于AI训练、高密度GPU集群、智算中心等场景，当单柜功率不断提升时，液冷开始展现出越来越明显的工程优势。

因此，风冷和液冷并不是简单的替代关系，而是针对不同应用场景的两种技术路线。

未来很长一段时间，两者仍将长期共存。

AI时代，散热正在成为算力竞争的一部分

过去，人们更多关注CPU性能、GPU性能、网络带宽。

今天，散热能力也开始成为影响算力释放的重要因素。

因为再强大的芯片，如果无法稳定散热，也无法持续发挥设计性能。

从这个角度来看，液冷的发展，并不是为了追求一种新的散热方式，而是为了适应AI时代不断增长的热密度需求。

未来，无论是冷板液冷、浸没式液冷，还是其他新型热管理技术，它们的目标都只有一个：

让不断增长的算力，能够更加稳定、高效、可靠地运行。

写在最后

AI的发展，让服务器的关注点发生了变化。

过去，人们讨论的是”如何提升芯片性能”；如今，人们开始思考”如何让性能稳定释放”。

风冷依然是今天数据中心的重要基础，但面对不断增长的GPU功耗和更高的机柜功率密度，液冷正从一种可选方案，逐渐成为越来越多AI基础设施的重要组成部分。

对于数据中心而言，未来的竞争不仅是算力的竞争，也是热管理能力的竞争。谁能更高效地管理热量，谁就更有可能释放更大的算力价值。