7.1 为什么必须液冷

7.1 为什么必须液冷

"加个风扇不行吗？"——这是初学者最常问的问题。答案藏在几个朴素的物理事实里：空气的比热容太低、水的导热能力远超空气、而 AI 芯片的热流密度已经接近火箭喷管。

7.1.1 功耗墙：芯片越算越热

第一性原理：所有喂给芯片的电，最终都变成了热。一颗 GPU 满载消耗数百瓦电，这数百瓦电的归宿就是数百瓦的热。一个装 72 颗 GPU 的机柜，上百千瓦的电，最终就是上百千瓦的热。

这个热量必须被及时搬走，否则芯片温度会持续上升，直到过热保护触发降频、甚至烧毁。所以"散热能力"直接决定了"芯片能跑多快"——散热跟不上，芯片就只能降频苟活，算力大打折扣。这就是"功耗墙"——不是芯片算不到，而是散热散不掉，逼着芯片降频。

功耗墙的逻辑：

电 ──► 芯片计算 ──► 热
                       │
                       ▼
                 散热能力上限
                       │
            ┌──────────┴──────────┐
            ▼                     ▼
       散得掉：满频运行        散不掉：降频苟活
            │                     │
            └─► 算力高            └─► 算力打折
​

💡 散热即算力：在 AI 集群里，散热能力直接等于算力上限。这也是为什么厂商投入巨资研发液冷——不是为了炫技，而是为了让芯片能持续满频运行，把算力发挥到极致。

7.1.2 风冷的物理极限

为什么风冷不够用？根本原因在于空气的物理性质。空气的比热容低（约 1 kJ/(kg·K)）、导热系数低、密度低，这意味着要用空气搬走一定热量，需要极大的体积流量。反映到工程上，就是需要超大功率风扇、超大通风截面，带来噪音、能耗、空间的多重压力。

具体来说，风冷散热有几个硬极限：

• 热流密度极限：单位面积能散掉的热量有上限。AI 芯片的热流密度（每平方厘米数十甚至上百瓦）已经接近风冷的能力极限，再高就散不掉。
• 风量极限：要搬走百千瓦的热量，需要惊人的风量，对应的超大风扇在噪音、功耗、空间上都无法接受。
• 温差极限：风冷依赖芯片温度高于室温的温差驱动散热，但芯片有最高温度限制（通常不超过 90°C 上下），可用温差有限。

风冷 vs 液冷的散热能力对比（定性）：

              比热容    导热能力   适用热流密度
空气（风冷）：   低        低        中低
水（液冷）：     高（~4倍） 高（~25倍） 高

水在搬热能力上远超空气，
这是液冷必然性的物理根源。
​

⚠️ 风冷不是"完全没用"：对于中等功率密度（每柜 20–30 kW 以下）的场景，风冷仍然可行且经济。液冷的必要性是随功率密度上升而出现的——AI 集群这种百千瓦/柜的密度，才让液冷从"可选"变成"必选"。

7.1.3 能效与噪音：液冷的额外红利

除了"散得掉热"这个核心动机，液冷还有两个额外红利：

能效红利。风冷要靠大功率风扇持续吹风，风扇本身的电耗相当可观（高密度风冷机房，风扇电耗可能占到 IT 总功耗的 20% 甚至更多）。液冷用水泵替代大风扇，泵的功耗远低于同等散热量的风扇，整体制冷能耗大幅下降。这就是液冷能把 PUE 从 1.4+ 降到 1.1–1.2 的原因（回顾第 6.3 节）。

噪音红利。高密度风冷机房的风扇噪音极大，长时间在机房里工作几乎不可能（要戴 hearing protection）。液冷大幅降低风扇使用，机房噪音显著下降，改善了运维环境。

液冷的双重红利：

核心动机：散得掉热（突破功耗墙）
   │
   ├─► 能效红利：PUE 从 1.4+ 降到 1.1~1.2
   │              （风扇电耗大幅下降）
   │
   └─► 噪音红利：机房可接近，运维友好
                  （水泵噪音远低于大风扇）
​

💡 能效红利的经济意义：对百千瓦级机柜，PUE 从 1.5 降到 1.2，意味着每年节省可观的电费。这笔节省在 AI 集群的整个生命周期里累积，可能足以抵消液冷系统的初期投入。所以液冷不仅是"技术上必需"，在大型集群的经济学上也是划算的。

7.1.4 热流密度的直观对比

为了让"为什么必须液冷"更有画面感，下面这个对比很有用——AI 芯片的热流密度，已经接近或超过很多"听起来很热"的东西：

这不是说 AI 芯片和火箭喷管一样热，而是说在"单位面积发热量"这个维度上，AI 芯片已经进入了需要特殊散热手段的量级。普通的金属散热片 + 风扇，在这个热流密度下力不从心，必须用直接贴着芯片的液冷冷板，才能把热量高效搬走。

7.1.5 液冷的必然性总结

把以上几点合起来，"为什么必须液冷"就有了完整的答案：

• 物理必然：芯片热流密度太高，空气搬不动，只有液体能胜任。
• 工程必然：百千瓦级机柜，风冷在噪音、空间、能效上都无法接受。
• 经济必然：液冷带来的 PUE 下降，在大规模集群上能省回成本。

这就是为什么 NVL72 和昇腾机柜都不约而同地采用液冷——不是两家厂商"英雄所见略同"，而是物理规律给出的唯一答案。下一节我们就看主流的冷板式液冷是怎么工作的。

思考与延伸

1. 如果未来芯片能效大幅提升（每瓦算力翻倍），液冷的必要性会降低吗？还是会因为"算力需求同步增长"而继续必需？
2. 风冷的能效极限大致在 PUE 1.3 左右，液冷能到 1.1。未来有没有可能把 PUE 做到 1.05 甚至更低？瓶颈在哪里？
3. 热流密度接近火箭喷管级别，但 AI 芯片显然不能像火箭那样"烧完就扔"。这种持续高热流密度对芯片寿命有什么影响？液冷如何帮助缓解？

本节关键词：功耗墙、风冷极限、热流密度、液冷必然性、PUE　返回：第 7 章支柱页　下一节：7.2 冷板式液冷系统