风冷正在“撞墙”
风冷正在“撞墙”
AI 数据中心为什么必须转向液冷
你可能没意识到，AI 算力正在悄悄改写数据中心最基础的一条设计逻辑：服务器功耗可控，空气冷却就够用。这句话在过去十年一直是行业共识，但现在，它正在被彻底打破。
01
一组真实数据，说明一切
先看 NVIDIA 各代 AI 机柜的功率密度对比：
机柜类型 | 单机柜功率密度 |
传统通用 CPU 机柜 | 约 12 kW |
H100 风冷 AI 机柜 | 约 40 kW |
GB200 NVL72（液冷） | 约 120 kW |
Vera Rubin NVL72（2026H2） | 约 190–230 kW |
数据来源：NVIDIA、SemiAnalysis、行业分析（2025–2026）
这不是“涨了一点”，而是数量级的跃升——GB200 NVL72 单机柜功耗是传统 CPU 机柜的 10 倍。行业有一条被普遍接受的经验法则：单机柜功率超过 30kW，就必须考虑引入液冷。而 GB200 已是这条红线的 4 倍，Rubin 更把它推向 200kW 级。
当功率密度成倍上升，问题就不再是“能不能优化”，而是“空气这种介质，从物理上还够不够用”。
02
风冷的问题，不是不够努力，而是天生局限
很多人以为风冷散热能力不足，是效率优化没做到位。但真相更扎心：空气的导热能力和热容，从物理属性上就决定了它扛不住高密度热流。这不是靠技术打磨能解决的，是介质本身的天花板。
更直接的证据是芯片本身——谷歌新一代 TPU v7（Ironwood）单芯片 TDP 约 600W，英伟达、AMD 最新一代芯片 TDP 已突破 1000W 级别。谷歌因此明确要求新一代 TPU 全面采用液冷散热。
数据来源：Google Cloud、行业研报（2026）
高密度算力场景下，风冷会依次踩中三个坑：气流越来越难组织（风速拉满导致噪音与能耗飙升）、局部热点压不住（GPU 发热不均，空气来不及精准带走热点）、PUE 优化空间被榨干（制冷能耗约占数据中心总能耗的四成，是仅次于 IT 负载的第二大能耗来源，节能空间已见底）。
数据来源：CDCC、行业研报测算
风冷不是“变差了”，而是它的物理极限，正好被 AI 撞上了。
03
液冷的出现，不是“更炫的技术”，而是必然结果
液冷经常被误解成“更高级的散热方案”。但更准确的说法是：当功率密度超过空气能承受的范围，散热介质就必须从气态换成液态——这是工程上的必然，不是选择题。
维度 | 空气 | 液体 |
导热能力 | 弱 | 高出数十倍 |
热容（体积） | 低 | 高出数千倍 |
换热稳定性 | 受气流波动影响大 | 路径稳定可控 |
所以液冷不是“锦上添花”，而是当风冷失效时，唯一还能打的牌。
04
液冷改变的，不只是散热方式，而是整套系统
如果你觉得液冷 = “把风扇换成水管”，那可能低估了它。液冷真正带来的，是一次系统级的重构：从“气流冷却系统”，变成“液体热管理系统”。
这意味着连锁反应：散热路径要重新设计，服务器结构要重新设计，数据中心机电架构要重新设计（CDU、管网、水力平衡），运维方式也要重新设计（从看风速，变成看压力、防泄漏、控水质）。这不是加装一套设备，而是数据中心从头到尾的体系升级。
05
为什么 AI 在疯狂加速这场变化
原因很简单：AI 算力密度增长的速度，早就跑赢了风冷技术优化的速度。机构预测，AI 数据中心液冷渗透率将从 2024 年的约 14%，快速提升至 2026 年的 40% 左右；液冷正从“可选方案”变成限制算力堆叠密度的关键变量。散热，正在反过来卡住算力的脖子。
数据来源：TrendForce、国海证券（2026）
06
结语：这不是趋势，而是约束
从工程角度看，事情已经很清楚了：以前是“风冷还是液冷，选一个”；现在是“必须在液冷体系里，找到最优解”。液冷不再是一个“要不要跟”的技术选项，而是 AI 基础设施的标配底座。这场变化，不是行业在追风口，而是物理规律逼出来的必然结果。
关于熵潭
熵潭（熵遇（上海）新材料科技有限公司旗下品牌），深耕高端工业流体与油品净化 20 余年，正把这份材料功底带入 AI 液冷。当行业的问题从“要不要液冷”变成“在液冷体系里找最优解”，冷却介质本身——它的换热效率、材料兼容、长期寿命——就成了决定算力能效的关键变量。这，正是熵潭要解决的问题。
