作者：高飞
算力的尽头是能源，能源的尽头是散热。大屏上一片绿色，温度显示正常，但GPU却可能已因局部热点触发降频：数据中心里这种看不见的算力损耗，正是高密度算力场景下必须面对的一道必答题。
买了一万张GPU，真正能用出来的算力有几成？放在两年前，这个问题排不进任何一份数据中心决策清单的前列。那时候大家抢的是卡、拼的是集群规模，问的是“够不够”。今天，问题从“够不够”换成了“用得出来多少”。而决定后者的，正落到一件过去被排在最末位的事情上，即散热。
6月，施耐德电气关键电源中国中心热管理解决方案创新实验室在上海揭牌。我在揭牌现场主持了一场圆桌对话——“智算时代大家谈：算力新趋势，散热新使命”，这也是原点Talk的特别版。台上四位嘉宾，分别站在算力产业链的四个位置：中科院计算所研究员、全国政协委员张云泉，看的是宏观趋势和数据；中国信通院人工智能研究所副总工程师王蕴韬，做的是政策研究和标准制定；优刻得数据中心首席架构师徐智宇，是亲自下场建智算中心的人；施耐德电气副总裁、关键电源业务中国中心负责人徐栋，服务的是国内乃至全球的头部算力客户。
这场圆桌从张云泉开始。他扎根超算三十余年，从1995年读博士起就没离开过这个行业，手里那份中国高性能计算机TOP100榜单已经连续发了二十多年。2018年他率先提出“算力经济”的概念，在当时更多是一种前瞻性的构想。然而，就是这样一位长期关注算力产业的研究者，在圆桌上坦言散热曾经是他“最后才会去想的问题”。如今，这个排序已经被彻底颠覆。王蕴韬则在讨论中提出了另一个视角：散热已经不只是数据中心的辅助保障系统，它更像是一道算力的阀门，阀门开多大，决定了算力资产能释放多少真实产出。
被忽视的“最后一个问题”
要理解散热为什么突然这么重要，可以从张云泉对超算产业的回顾开始。
超算，即超级计算，是利用大规模并行处理器集群完成气象模拟、基因测序、工程仿真等高难度计算任务的领域。这个行业过去一直面临一个经济问题：超级计算机基本不挣钱，多是战略投资，于是张云泉总被人追问回报在哪。2018年他去地方做报告，一位领导让他给建议，他脱口而出：“你们这里煤多、电便宜，可以发展算力经济。”
这个概念提出后相当长一段时间里并不被看好，毕竟超算行业本身就不挣钱，何谈经济？上亿投入、用户集中在科研和气象这类窄众领域，算力的产出和回报之间始终缺少一道闭环。转机出现在AI。当高性能计算开始专门服务大模型的训练和推理，行业管这叫“智算”。面向大模型之后，下游一下涌进千万级的用户和真金白银的付费需求，闭环合上了。ChatGPT让“算力经济”第一次从概念变成现实，今年“龙虾”（Open Claw）等智能体应用又进一步引爆了推理产业的需求，业内顺势提出了“TOKEN经济学”。张云泉的看法是，TOKEN经济学和算力经济本就是一回事，因为算力经济的度量单位也是TOKEN，只是范围更广。一个细节能说明这轮爆发有多快：过去大家发愁建好的算力中心怎么运营，现在“建好了马上就能卖出去”，连国产推理芯片都开始大卖。
经济账一旦算得过来，那些曾被忽视的问题就集体到期了。其中最棘手的一个，就是散热。“过去说实话我也不怎么关心散热，”张云泉坦言，“总觉得那是最后才需要解决的问题。”但功耗密度的曲线远超人们的预期，从几十千瓦到几百千瓦，乃至兆瓦级机柜。原来排在最后的那个问题，成了最难的问题。
大屏一片祥和，卡却可能已在降频
散热到底难在哪？一组数字可以说明量级。传统数据中心的散热方案是按通用计算负载设计的。Uptime Institute 2025年的全球调查显示，大多数数据中心最常见的机柜功率仍然停留在5千瓦到10千瓦的区间，传统CPU芯片功耗大约在150到250瓦，负载波动平缓，风冷系统应对起来绰绰有余。AI芯片改写了这些参数。单颗GPU的功耗已经从2022年的400瓦跃升到千瓦级别。今年下半年出货的NVIDIA Vera Rubin平台，单颗GPU热设计功耗达到2.3千瓦，整柜功率190千瓦到230千瓦；明年的Rubin Ultra Kyber机柜更将推向600千瓦，业界已经在为兆瓦级机柜做准备。而空气的导热系数大约只有水的1/25，机柜功率超过50千瓦之后，单纯加大风量已经很难有效散热。散热系统面对的不只是热量绝对值的数量级跳升，还有推理负载带来的剧烈瞬态波动，传统方案在这两个维度上的设计余量都不够用了。
散热没做好，代价分两种。
看得见的那种，是大家最怕也最容易处理的：数据中心宕机，大模型服务中断。出了事，至少能马上修。真正让王蕴韬警惕的是看不见的那种。每块GPU到了一定功率和温度，散热跟不上就会降频。大约到85摄氏度，算力可能出现明显下滑，严重时掉一两成甚至更多。这时候你盯着运维大屏，“绿油油的一片祥和”，背后却是一批卡正在降频运行。钱花了，算力却悄悄漏掉了，这笔账平时根本看不到。这种降质很多人其实体会过，模型用着用着好像变笨了，只会道歉。
风险还在被一个趋势放大。王蕴韬给了一组数据：2024年中国AI相关数据中心里，推理占比已经到53.6%，训练约为33%左右；IDC预测到2027年，推理占比会冲到72.6%。也就是说，未来的算力会越来越多地花在推理上。而推理和训练对散热的要求，完全是两种脾气。他打了个比方：训练像跑马拉松，用一个相对平稳的速度一路高速往前冲；推理则像来回跑百米，这一阵冲一下，下一阵停下来，再下一阵又得冲，因为它面对的是千万用户同时在线，负载几乎没法准确预测。要是散热系统还按训练那套“匀速跑马拉松”的逻辑去设计，碰上推理场景必然兜不住。
建设者的体感更直接。徐智宇在优刻得建了二十年数据中心，他用车来形容这种变化：过去跑通用算力的传统数据中心像家用车，平时速度六十迈，偶尔上高速拉个极限；现在跑AI训练和推理的智算中心是赛车，要的就是极致的速度和极致的功耗。落到数字上，通用算力一台设备四到八千瓦，如今一台GPU设备就到十五千瓦，一个机柜放两三台，轻松超过五十千瓦。风冷已经逼近物理极限，十几个高速风扇带来共振、灰尘和噪声，对设备寿命和运维都不友好。最生动的是运维场景的反差：以前在通算机房，运维同事还能打个地铺熬一宿；现在走进GPU模块，门一打开“好像身处一个飞机跑道里面”，人根本待不住，更别说长时间作业。
到了徐栋这里，这种紧迫感有了一个量化的刻度。今年他们参与项目交付中，已经有超过五成是智算项目。过去两年，四十千瓦以下、又有自然冷或高海拔高纬度条件的项目，他们还会建议客户用风冷；但今年接到的需求基本都是围绕一百千瓦以上的服务器来设计，“液冷就是一个必选题了”。客户的问法也变了，早年问的是“能不能更省电”，现在高频问的是基础设施怎么跟上AI负载的剧烈波动？怎么在供配电侧实现“AI smoothing”？
一道按功率密度排序的选择题
需求摆清楚了，真要做决策，客户最常问的一句是：风冷、冷板液冷、浸没液冷，我到底该选哪个？
王蕴韬的回答是“大道至简”：先盯整机功率这一个参数。十五千瓦以下，风冷完全可以胜任，没必要折腾；到了三十千瓦以上，就得认真考虑引入液冷方案，否则前面说的那些风险都会冒出来；如果追求极致的功耗比和PUE，再去考虑浸没。眼下行业里见得最多的是三十到五十千瓦这一档，对应的冷板式液冷已经相当成熟，有十几年积淀，从全生命周期成本看，冷板液冷与风冷已相差不大。
更要紧的一句判断是：风冷和液冷并非二选一。王蕴韬拿高铁打比方：高铁来了，绿皮车不会一夜之间全拆掉，而是逐渐提速、逐渐升级。数据中心也一样，风冷场景可以继续用，功率高上去的部分用模块化方式升级散热，是个循序渐进的过程。
真正制约行业规模化部署的，反而是标准的不统一：不同厂家的平台、接口、冷却液还不统一，选了某几家，未来可能就和供应商深度捆绑。他把这看成一个标准化的好机会，希望有更多产业实践能沉淀成标准。
选哪条路线，还得看你把机房建在哪儿。王蕴韬说，每个地方建数据中心要算两笔账。第一笔是气候账：青海一年有314天可以靠自然冷解决问题，只在特定时段补一点机械冷；同样的方案搬到湿热的东南部，基本全年都得开机械冷。第二笔是电力账：贵州贵安常年温度15.3度，平均电费约0.35元一度，整体算下来一年比东部省三成左右。有意思的是政策层面的反向引导。值得注意的是，八大算力枢纽里，甘肃、宁夏、内蒙古这些地方PUE要求是1.2，反而比京津冀、长三角、大湾区的1.25更严。电越便宜、气候越好，PUE要求越高，目的就是把高能耗任务往西部赶，把西部的资源优势用足。
他还补了一个被AI重新定义的概念。“东数西算”是把东部的冷数据搬到西部去算，现在变成了把东部需要的模型放到西部去训练，因为训练对延迟没那么敏感，正好适合西部。问题随之而来：算力到底该跟着模型走，还是跟着用户走？这尚无定论，但答案不同，对数据中心的要求也截然不同。
张云泉补了一个容易被忽视的变量：算电协同。新能源电本身零散、不稳定，西部新能源多、东部需求大却缺电，时间和空间上都存在错位，电价也得算进去。选址和技术选型之外，电力供给的匹配同样左右散热方案能否落地。
“单独测都达标，一联调就翻车”
选型框架有了，性能账也算清了，可很多客户最后栽的跟头，恰恰不在选型上。单独测每个指标都达标，系统一联调就出问题。
在徐栋看来，液冷不是一个产品，是一个系统，甚至是一项需要全周期考量的工程。客户今天选液冷，多半已经不是为了省电，而是因为功耗高到不上液冷就解不了，这才是主因，可他最担心的是会不会漏、会不会堵、会不会因故障停机。所以真正要谈的，是整个系统层面的可靠：用什么样的冗余、什么样的维护方式、怎么选核心器件。仅从能量角度看，一个数据中心的造价能差出很大一截。客户的诉求也千差万别，有人希望液体部分做到十年免维护，有人觉得设备级冗余还不够，要连泵这颗“液冷的心脏”都做成双冗余。
徐智宇有切身的工程经验，他从规划、施工、运维三个层面拆解这件事。规划上，风冷盯的是冷热通道和风量，液冷得以水路为单位，操心流量、温度、水质、化学稳定性；连承重都不一样，传统风冷主机房满足每平方米12000牛（约1.2吨）就够，浸没式液冷要做到20000牛（约2吨），这些都得在动土之前定好。施工上，风冷有国标可依，他们按《数据中心设计规范》（GB50174-2017）的A级标准建；但现行国标尚未纳入液冷的强制要求，新版正在征求意见中。于是整个液冷机房还得靠时间去验证：冷板式常用去离子水与乙二醇的混合液，长期运行要严防腐蚀管路；浸没式所有部件都泡在冷却液里，得反复验证材料兼容性，防止溶胀和污染。最颠覆的是运维。风冷机房早有成熟SOP，断电、抽出、到调试间热插拔就能换件；可浸没式服务器整台泡在冷却液里，本就近百公斤，再加上冷却液附着，一个人根本拉不出来，抽出来还得沥干，整套运维理论几乎要推倒重建。
这恰恰是施耐德电气热管理创新实验室想解决的事。把每个部件单独测好，不等于系统能跑好；管路设计、控制策略、风液联动的匹配，只有放到系统级、动态地去测，才暴露得出来。这间实验室部署了能模拟零下40摄氏度到55度极端气候的风冷焓差环境室，以及兆瓦级的液冷性能测试台，并搭建了一个“风液联动系统级验证平台”，能在系统层面联控，把算力和温控放在一起做动态优化，同步评估全生命周期的能效与可靠性。它能模拟从冷源到IT负载的完整运行环境，靠极限工况把潜在风险前置识别出来。换个角度理解，与其等项目上线后在现场翻车，不如先在实验室里把车开翻一遍。这间实验室已经拿到Intertek授予的ETL认证卫星实验室资质，加上2023年投入使用的兆瓦级UPS实验室，施耐德电气在上海张江把“供配电”和“温控”两大核心系统的研发能力凑齐了。
芯片两年一代，数据中心十五年——节奏错位怎么解？
实验室验证解决的是当下的系统可靠性，但还有一个更长周期的问题悬在那里：AI芯片差不多两三年一代，数据中心的基础设施设计寿命却是15年到20年。这两个节奏对不上，怎么办？
徐智宇的方法论是“风液兼容”，即不押注任何一条路线。优刻得今年年底要在乌兰察布和长三角区域各新建一栋智算楼，整体都按风液兼容来设计。前期客户托管的设备复杂多样，大量还是风冷，他们就先用高效风冷交付，加上密闭冷池、高效精密空调这类手段；但在设计之初，就把管路布局、楼板承重、CDU机位空间预留好，把液冷当成一项随时可以唤醒的能力。哪天客户拿来的全是冷板式或浸没式设备，机房直接把液冷能力激活就行。用他的话说：今天让风冷正常交付，明天让液冷随时接入、无需重建。十年后回头看，最贵的从来不是当初多花的那点预留成本，而是当初没预留、被迫推倒重建的代价。
这正是徐栋在服务客户时反复处理的问题。在他看来，最理想的是项目最初期就和客户做一次全方位沟通，把痛点和对智算中心的定位摸准。客户常问的两件事很典型：功率密度要预留多少空间，风冷的架构未来还能不能上液冷。所以他们围绕“新建”还是“改造”来定义方案。过去两年他们专门为改造场景、边缘部署开发了能快速上液冷的方案；对于新建数据中心，则建议立足当下、兼容未来、适度超前，把一些未来的方案预置进现有架构里。
张云泉把视线拉回到国家层面的节奏。高热耗的AI算力扩张得太快，过去那些按互联网时代功耗假设规划的数据中心，单机柜普遍是三五千瓦的设计，短期内很难改造，成本高、重新施工难，却又跟不上新需求。中国的算力规模虽然已经排到全球第二，但总量中通用算力占比偏高，面向大模型训练的高端智算产能仍然不足。他最看重的短板是生态：国产GPU各有各的编程体系，距离形成对标CUDA的统一还有不小距离，用户要换国产硬件就得重写程序，迁移成本高、调试周期长，头部团队在国产硬件上做训练适配的周期也往往比预想要长，采购方自然会犹豫。为此业内已经在成立联盟，想尽快定出一个统一的国产工业标准，让大家往上靠。
轮到每人用一句话收尾，几位嘉宾的落点各不相同。徐智宇给的是分人群的实操建议：数据中心规划者新建一定按风液兼容来设计，老旧机房优先做冷板式改造；设备采购方别等功耗密度逼到不行才被动切换，现在就该找方案商做小批量试点，验证PUE提升和材料兼容性；行业观察者则盯紧两件事，一是标准的统一，二是芯片级液冷的工程化进展。王蕴韬则强调：钱都花了，就别只盯着买的那几张卡。智算中心是个系统工程，散热是其中极重要的一环，真正该想的是整个系统怎么更高效地转起来，只盯着几张卡天天跑满，远远不够。
张云泉的总结最短，却像是把这场对话一路串了起来：“算力的尽头是能源，能源的尽头是散热，散热的尽头是液冷。”
我在现场接着这话打了个比方：算力中心有点像AI的房子。人要住房子，AI也要住，只是两边的黄金地段完全不一样。王蕴韬说青海一年314天靠自然风就能解决散热，那是AI的黄金地段，对人未必。这笔经济账，某种程度还会重构中国的算力地图。虽然格局还在变化，但现场四位专家却有一个共识：在高密度AI算力时代，散热不能再“刚刚够用”，而必须为未来留出余量。
