45°C温水终结风冷时代：Vera Rubin实测数据背后的液冷终局

45°C温水终结风冷时代

Vera Rubin实测数据背后的液冷终局

—— 从Hot Chips 2026数据看算力热力学的新规则

一个被Vera Rubin验证的物理事实

Hot Chips 2026上披露的Vera Rubin NVL72实测数据里，有一条信息被大多数人当成了技术参数来读——45°C温水冷却。读数而已。

但真正值得琢磨的是另一件事：英伟达在这个时间点，用这样一个平台，把“温水”而不是“冷水”作为标准配置推向市场。它背后是一个正在发生的、不可逆的行业转向：AI数据中心的冷却系统，已经从配套设施变成了决定芯片算力能否完整释放的物理底座。

这个转向的底层逻辑不复杂——算力密度涨得太快了，快到风冷追不上了。当单柜功率跨过某个门槛之后，液冷不再是“更好的选择”，而是“唯一的选择”。

01、先看数据：风冷上限40kW，Vera Rubin站到了哪

先把数字摆出来。

Vera Rubin NVL72单机柜集成了三十六颗Vera CPU和七十二颗Rubin GPU，配合HBM4高带宽显存，单柜NVFP4推理算力达到3.6 Exaflops。

这个算力密度对应的热负荷，已经远远超出风冷散热的上限——行业通常认为，风冷方案的单柜散热能力大约在三十到四十千瓦区间。而Vera Rubin平台的实际热设计功耗，已经把这个区间甩在了身后。

另一个值得注意的数据来自系统层面的优化。Vera Rubin平台结合全栈功耗管理，峰值功耗降低了13%；与此同时，每瓦已调配电力能够多驱动高达40%的GPU。用更直白的话说：同样的电力基础设施，能跑出明显更多的算力产出。

在电力供给正在成为算力瓶颈的现实下，这个改进的实际价值，可能比峰值算力数字本身更值得关注。

02、45°C温水到底意味着什么

回到开头那个数字：45°C。

这个温度在日常生活中，比洗澡水凉一点，比体感温度高一点。但在数据中心冷却的语境里，它划出了一条清晰的效率分界线。

传统的冷冻水系统需要把供水温度压到很低的水平，才能保证芯片散热效果。这本身就在消耗大量电力——冷水机组的能耗在大型数据中心里占比相当可观。而45°C供水温度意味着什么？意味着在绝大多数气候区，数据中心可以完全切除冷水机组，直接利用室外干冷器进行自然冷却。

这个“切除”带来的收益不是几个百分点的优化，而是量级层面的差异。

一座大型AI工厂，如果切掉冷水机组，制冷环节节省的电力可以到六十兆瓦的量级——相当于一座小型电站的装机容量。换算成PUE，这条路可以轻松下探到1.05到1.10的区间。十年前，这是写在PPT里的远期目标；现在，NVIDIA用实测数据把它拉到了眼前。

这也是为什么浸没式液冷在这一轮备受关注的一个底层原因：它不仅能承载更高的单柜功率密度，而且天然适配这种中高温供水工况，把“自然冷却”这个优势放到最大。

03、三条路线的分水岭：什么时候该从冷板换浸没

当前液冷市场上，闭环冷板式液冷仍是商业化交付的绝对主力。面对Rubin芯片极高的局部热流密度，传统冷板的内部结构已经迭代到了微米级三维喷射加微通道设计的阶段，配合CDU的高压大流量输出，才能把芯片核心温度稳定在设计阈值之内。45°C进水温度的放宽，也让二次侧热交换的设计难度明显降低。

但路线选择的真正分水岭在另一个数字上：单机柜功率250kW。

当单柜功率停留在200kW以下时，冷板式的综合经济性仍然领先。但当功率跨越250kW门槛之后，单相或两相浸没式液冷在几个关键维度上开始展现出结构性优势：

• 一是风扇功耗的消除。 冷板式仍然需要风扇辅助散热，浸没式直接取消了风扇，这部分能耗和噪音一并消失。

• 二是高频NVLink铜缆接头的氧化问题。 功率密度越高，信号完整性要求越苛刻，铜缆接头在风冷或冷板环境下的长期氧化风险，在浸没式（尤其是两相浸没式）中获得了天然的解决方案——冷却液本身就是保护介质。

• 三是整柜热分布的均匀性。 浸没式消除了局部热点，这对高密度集群的长期稳定性影响显著。

目前浸没式领域的行业焦点，集中在烃类冷却液与氟化液的环保替代方向上，配套的材料兼容性验证正在不断推进。超算中心与顶级AI集群的浸没式渗透率，正在加速爬升。

04、产业链的隐秘控制点：不只看芯片，还要看接口

芯片层面的热管理之外，有一个容易被忽视但决定运维效率的关键变量：连接与接口。

NVL72采用了全新的无电缆模块化托盘设计。这个设计的实际效果是：计算托盘组装时间从两个小时压缩到了五分钟。

两小时到五分钟，差出来的不是“效率提升”，而是“运维模式切换”——前者意味着停机维护是重大事件，后者意味着高频热插拔成为常规操作。

而高频热插拔对配套的快换自封接口提出了全新的要求：零微漏、极低流阻。这两个要求又直接传导到了冷却液本身——冷却液的化学稳定性、界面相容性、与密封材料的长期兼容性，决定了接口能否在数年的高频插拔中保持性能不衰减。

这个链条的逻辑是：算力密度推高功率密度→功率密度推高运维频率→运维频率推高对冷却液材料性能的要求。

所以当一家CDU厂商的工程师在调试接口流阻，或者一个数据中心团队在筛选冷却液配方时，他们做的事，本质上是在为Vera Rubin这一代平台的长期稳定运行打物理基础。

产业链上的另一个信号来自云巨头。微软Azure已经在最新的AI超级工厂中完成了八百伏高压直流供电、高安培母线与第三代液冷循环回路的部署，实现了对Vera Rubin架构的“零改装即插即用”。Supermicro等厂商的DCBBS架构则同时支持数据中心直连水冷和柜旁气-液转换CDU方案，为不同基础设施条件的场景提供了过渡路径。

这些前置投入传递的信号是一致的：下一代算力竞赛的起跑线，不在芯片采购合同里，在基础设施的物理层。

算力的热力学算账

如果把视角拉回到最朴素的商业逻辑上，问题其实很直接：每兆瓦电力能产出多少Token？首Token延迟能做到多少？

这两个指标正在成为AI工厂ROI的核心计算公式。而在这个公式里，冷却系统的角色从“成本项”变成了“乘数项”——一个好的热管理方案，能让同样的电力预算产出更多有效算力；一个跟不上的方案，再贵的芯片也跑不出账面性能。

液冷工质的配方稳定性、氟化液的绝缘性能与环保指标、浸没式碳氢液的材料兼容性——每一组参数背后，都是算力能否安全、持续、高效运转的物理约束。这些东西不太性感，但它们正在成为算力经济里最硬核的底层账本。

未来的算力竞争，不只看谁买得起最先进的芯片，更要看谁能把这股热浪平稳地送走。

话说回来，散热这件事，说到底不就是把热量从A点搬到B点吗？只是当A点的热流密度高到一定程度、B点的环境温度又压不下来的时候，中间那段搬运路径上每一个接口、每一滴液体、每一克材料的参数，都开始变得要命。