液冷数据中心是什么？

AI 训练集群和高性能计算集群的高密度部署带来了一个物理挑战：单机柜功率密度可能远超传统风冷所能承受的上限，散热瓶颈成为制约算力扩展的关键因素。如果您需要在高密度部署下维持芯片温度稳定，液冷数据中心正是为这类散热场景而设计的基础设施形态。

液冷数据中心（Liquid Cooling Data Center）是一种利用液体作为冷却介质、替代或辅助空气散热的数据中心设施。液体的比热容与导热系数远高于空气，且密度远大于空气，因此体积比热容（单位体积可携带的热量）明显更高，能够在相同体积下带走更多热量，使数据中心在更高的功率密度下稳定运行。它主要服务于单机柜功率密度超过传统风冷上限的场景，如 GPU云服务器 集群与大规模 人工智能 训练基础设施。

落到根本，液冷数据中心的核心变化在于把热量传递路径从“芯片到空气”改为“芯片到液体”。液体流经与芯片接触的冷板或直接浸没服务器，吸收热量后通过管路输送至热交换器散热，再循环回来。这种闭环可提升散热效率，并减少风扇与空调负荷。

准确地说，液冷并不等同于简单的"水冷"。数据中心液冷使用的介质包括去离子水、介电液体（不导电绝缘液）或专用工质，具体选择取决于液冷形式与安全要求。

随着 AI 模型规模与训练算力需求持续增长，单颗芯片功耗与机柜功率密度不断攀升。传统风冷对单机柜功率密度存在上限，而高密度 AI 训练机柜的功率显著更高。AWS 在介绍其数据中心液冷实践时指出，AI 芯片功耗与发热量高于其他类型芯片，仅靠空气冷却所需的气流量已不切实际也不经济。液冷数据中心的出现，正是为突破这一散热瓶颈而生的基础设施升级方向。

液冷数据中心的重要性首先体现在它支撑了高密度算力的稳定运行。在 AI训练芯片 功耗持续攀升的背景下，若散热能力不足，芯片会因过热降频甚至停机，直接影响训练任务的效率与稳定性。液冷有助于将芯片温度控制在适宜范围，支撑算力稳定输出。

其次，液冷数据中心有助于降低制冷能耗。传统风冷需要大量风扇与空调压缩机维持机房温度，制冷能耗在数据中心总能耗中占比较高。液冷利用液体的高效传热能力，可减少对风扇与空调的依赖，有助于改善整体能效指标（PUE）。

从设施演进看，液冷也是数据中心从“以空间换算力”向“以密度换算力”转变的关键支撑。在土地与电力资源趋紧的背景下，提升单位面积算力密度成为重要方向，液冷是支撑高密度部署的关键技术之一。

高热密度散热

液冷系统通过冷板或浸没方式直接接触热源，液体的高比热容使其能带走比风冷更多的热量。液冷可支撑明显高于风冷的单机柜功率密度，满足高密度 AI 训练与高性能计算的需求。

低能耗制冷

液体传热效率高，减少了风扇与空调压缩机的运行负荷。液冷数据中心的制冷能耗占比通常低于风冷，可降低制冷能耗占比，有助于改善 PUE 并降低运营电费。

精准温控

液冷系统可对每个冷板或每个机柜独立调节流量与温度，实现更精细的温控。相比风冷“整间机房统一降温”的方式，液冷可帮助芯片在不同负载下保持适宜温度。

噪音降低

液冷减少了对高速风扇的依赖，可降低机房噪音。需要注意的是，冷板式液冷通常仍保留部分风扇，为未覆盖冷板的元件散热。噪音降低不仅改善了运维人员的工作环境，也使数据中心在噪音敏感区域的部署成为可能。

空间利用率提升

由于散热能力增强，机柜可以更密集地部署高功耗服务器，在相同机房面积内承载更多算力。这对土地资源紧张的城市与边缘场景尤为重要。

余热回收

部分液冷系统可将吸收的热量通过热交换器输出，用于建筑供暖或工艺加热，将废热转化为可利用资源，有助于降低整体能源消耗与碳足迹。

AI 训练集群

大规模 AI 模型训练依赖高功耗 GPU 与加速器集群，单机柜功率远超风冷上限。液冷可为高密度训练集群提供有效散热支撑，使训练任务在长时间满载下仍能稳定运行，减少因芯片过热降频或停机导致的训练中断。

高性能计算（HPC）

科学计算、流体仿真、气象预测等 HPC 场景需要高密度计算节点持续满载运行。液冷能够在紧凑部署下维持节点温度稳定，支撑大规模并行计算的散热需求。

边缘高密度部署

在空间受限的边缘数据中心与移动计算节点中，风冷难以在有限体积内散发高功耗芯片的热量。液冷的紧凑散热能力使边缘场景也能部署高算力节点。

存量数据中心改造

部分存量数据中心面临算力升级但机房面积无法扩展的困境。通过在现有机柜中引入冷板式液冷，在条件允许时可在较少改动建筑结构的情况下提升单机柜功率密度，延长数据中心生命周期。

余热利用场景

在寒冷地区或与供暖需求相邻的数据中心，液冷回收的余热可接入区域供暖管网，实现数据中心与社区能源的协同利用，将废热转化为供暖资源。

液冷数据中心的工作流程围绕"热量从芯片到液体的传递与散发"展开，核心环节包括冷源接触、热量输送、散热循环与温控调节。

冷源接触阶段

液冷系统的热量采集端是与芯片接触的冷板（冷板式液冷）或浸没槽体（浸没式液冷）。冷板内嵌微通道，液体流经时通过金属壁面吸收芯片热量；浸没式则让服务器整体浸入介电液体，直接包裹发热元件。浸没式又可分为单相浸没与相变（两相）浸没：前者液体始终保持液态，后者利用液体沸腾汽化吸热。冷板式液冷常与风冷混合使用，由风冷负责内存、电源等未覆盖冷板的元件。

热量输送阶段

吸热后的温热液体通过管路系统输送至热交换器。管路设计需平衡流量、阻力与泄漏风险，常用布局包括机柜内分水管、列间汇总管与机房主回路三级结构。其中，冷却液分配单元（CDU）是关键组件，负责在服务器侧回路中分配冷却液、调节流量与温度，并与外部冷却回路完成热交换。

散热循环阶段

在热交换器中，温热液体将热量传递给外部冷却回路，自身降温后回流至冷板或浸没槽体，形成闭环。外部回路可利用自然冷源进一步降低散热能耗。

温控调节阶段

系统根据各机柜或各芯片的实时温度与负载，调节对应支路的液体流量与供液温度。通过传感器网络与控制阀门协同，实现按需供冷，避免过冷浪费与欠热风险。

泄漏防护阶段

液冷系统配备泄漏检测传感器、紧急切断阀与防漏接液盘等多重防护。一旦检测到泄漏，系统可快速隔离对应管段，防止液体蔓延。整个链路的关键在于冷源接触的传热效率与管路系统的密封可靠性。

液冷与风冷数据中心虽然都承担"为 IT 设备散热"的职责，但二者的散热介质、能力上限与能耗特征存在本质差异。

散热介质不同

风冷以空气为冷却介质，通过风扇驱动气流流经服务器散热鳍片带走热量。液冷以液体为介质，通过冷板或浸没方式直接接触热源。水的比热容约为空气的4倍，且密度远高于空气，单位体积可携带的热量高出数个数量级，导热系数也远高于空气。

散热能力上限不同

风冷受限于空气传热能力与机房气流组织，单机柜散热能力存在上限。液冷可支撑明显更高的单机柜功率密度，浸没式在更高密度场景下也具备潜力，是高密度部署的重要选择。

能耗特征不同

风冷需要大量风扇与空调压缩机维持温度，制冷能耗占比较高。液冷减少风扇与空调负荷，PUE 明显改善，长期运行电费节省可部分抵消初始建设投入。

部署灵活性不同

风冷技术成熟，与现有数据中心兼容性好，改造成本低。液冷涉及管路铺设、流体管理与防漏设计，初始建设与改造复杂度较高，但在高密度场景下优势明显。

运维模式不同

风冷的运维以气流管理、空调巡检为主，操作门槛较低。液冷增加了管路密封性检查、液体品质监测与泄漏应急等环节，对运维团队的专业能力提出更高要求。

初始建设成本高

液冷系统的冷板、管路、快速接头与热交换器等组件成本高于风冷设施。对于功率密度不高的场景，液冷的投入产出比可能不如风冷，需在高密度需求明确时才值得投入。

泄漏风险与防护

液体泄漏是液冷数据中心突出的运维风险。即使少量泄漏也可能导致设备短路，系统需配备高灵敏度泄漏检测、紧急切断与防漏收集等多重防护，增加设计与运维复杂度。

标准化与兼容性

液冷行业的接口与规格标准仍在完善中，不同厂商的冷板、管路与液体规格差异较大，导致跨厂商组件兼容性受限，也增加备件管理与供应商锁定的风险。

改造存量设施困难

在已有风冷数据中心中引入液冷，需考虑管路铺设空间、楼板承重与供回水管路接入等物理约束，部分老旧建筑结构难以支撑液冷改造。

运维人才缺口

液冷系统涉及流体力学与防漏技术，对运维人员的专业能力要求高于风冷。当前具备液冷运维经验的工程师数量有限，相关人才储备仍需加强。

液体管理与环保

液冷使用的介电液体或专用工质需定期检测与更换，废弃液体处理需符合环保要求，部分液体材料的环境影响仍是行业关注的议题。由此来看，液冷的规模推广不仅依赖技术成熟，也需要配套的标准与人才体系。

AWS 提供覆盖高密度计算实例、AI 训练加速、运行监控与数据存储的一系列服务。企业可在云上直接使用 AWS 加速计算实例承载高密度 AI 与 HPC 负载，无需自行建设和运维高密度散热基础设施。

Amazon EC2 是 AWS 的核心计算服务，提供多种实例类型以匹配不同负载的算力需求。AWS 负责数据中心基础设施（包括供电与散热）的运维，用户可按需使用加速计算实例开展高密度训练与推理，无需自行建设液冷机房即可获得高密度算力。

Amazon EC2 P6e UltraServer 由 NVIDIA GB200 NVL72 加速，P6e-GB200 UltraServer 可在一个 NVLink 域内访问多达 72 个 Blackwell GPU，适合万亿参数级前沿模型的训练与推理。为满足此类高密度 AI 硬件的散热需求，AWS 自研了 In-Row Heat Exchanger（IRHX）液冷方案：采用直接到芯片的冷板设计，冷却液在闭环中循环，可按需部署到需要液冷的数据中心，为 P6e-GB200 UltraServer 等高密度加速计算实例提供散热支持。

AWS Trainium 是 AWS 专门构建的 AI 加速器系列，旨在为生成式 AI 的训练和推理提供可扩展的性能和成本效益。据 AWS 官方介绍，基于 Trainium2 的 EC2 Trn2 实例与基于 GPU 的 EC2 P5e 和 P5en 实例相比，性价比提高 30% 到 40%。基于 Trainium 的 EC2 Trn2 实例由 AWS 负责底层基础设施运维，用户可专注于模型训练与部署。

Amazon CloudWatch 为高密度计算负载提供监控与告警能力。企业可通过 CloudWatch Agent 或 PutMetricData API，将自建液冷数据中心的运行指标作为自定义指标上报至 CloudWatch，与云上实例的监控数据统一管理，实现混合架构下的统一可观测性。

立即探索 Amazon EC2 加速计算实例，在云上获取高密度 AI 算力。