1. 为什么AALC突然成了数据中心圈的热词
这两年只要搞AI基础设施的同行，应该都有一个共同的体感：机柜功耗涨得太猛了。单张GPU卡的TDP从A100的400W一路飙到H100的700W，到了B200甚至突破1000W，一个GB200 NVL72机柜的整柜功耗直接干到120kW以上。传统风冷数据中心的单机柜极限大概在15到20kW，机柜里塞满了高密度AI服务器之后，风冷方案连“把热量移出机房”这个最基本的任务都完不成。
在这种背景下，Meta在开放计算项目OCP上推的风助液冷方案AALC（Air-Assisted Liquid Cooling，空气辅助液体冷却）引起了特别多关注。它的核心思路是把芯片热量用液体带走，再利用空气把液体里的热量排到大气中。听上去像是一个“中间路线”——既不是传统风冷，也不是需要冷却塔和水处理系统的大型水冷，而是一种对缺水地区、老机房改造、新建AI集群都非常友好的折中方案。这篇文章我就围绕AALC的原理、部署、选型和运维，把我的实际观察和踩坑经验整理出来，给正在评估液冷方案的团队一个参考。
这篇文章适合谁看？如果你正在做AI机房规划、高密度机柜改造，或者被PUE指标压得喘不过气，又不想上一整套复杂水冷系统，那AALC值得你花十分钟认真了解。即便你暂时不上液冷，理解AALC的设计逻辑，也能帮你更清楚传统风冷在新一代算力面前到底卡在哪里。
2. AALC的工作原理与架构拆解
2.1 “液体搬运热量，空气完成排放”的两级散热结构
AALC这个名字拆开来看就很好理解：液体负责把芯片热量搬走，空气负责给液体降温。整个系统从服务器内部到室外环境，可以分为两个循环。
第一个循环是“机柜内液冷循环”。在GPU或CPU芯片表面贴一块冷板（cold plate），冷板内部有微通道结构，冷却液流过微通道时把芯片热量带走。液体由机柜旁边的CDU（Coolant Distribution Unit，冷却液分配单元）泵送，通过软管和歧管（manifold）分配到每个服务器的冷板，吸收热量后的温水再流回CDU。这个循环是封闭的，液体不会和外界接触。
第二个循环是“室外空气排热循环”。CDU把温水送到室外安装的干冷器（dry cooler，也叫干式冷却器）。干冷器本质上是一组带翅片的换热管和一台或几台大风扇，温水在换热管里流动，风扇把环境空气抽过翅片表面，热量就这么被空气带走。冷却后的液体再回到CDU，送往机房继续吸收芯片热量。
你可能会问，这和传统风冷有什么区别？传统风冷是“空气直接吹芯片，空调把热风抽走再通过压缩机做功降温”；AALC则是“液体直接接触芯片，空气只负责最后一步的换热”。关键在于，芯片热量的搬运过程不再依赖空气这个导热率很低的介质，换热效率大幅提升，功耗密度上限也彻底打开了。
2.2 为什么“风助”而不是“水助”——关键在干冷器和补水量
AALC在Meta的方案里之所以被划入“液冷”而不是“风冷”，核心在于液体承担了90%以上的热量搬运；但它的散热末端又完全靠空气，所以也算是“风助”。这个“风助”有一个特别大的实际优势：不需要补水，或者补水量极小。
传统大型数据中心用的冷却塔方案属于“蒸发式散热”，利用水的蒸发带走热量，一兆瓦IT负载一天可能消耗几十吨水。Meta在美国盐湖城等干燥缺水地区部署数据中心时，当地根本没有那么多可用水资源，冷却塔方案直接出局。干冷器是纯显热换热，水在封闭管路里循环，理论上不消耗一滴水，只是在夏季极端高温天气可能需要辅助喷淋来降温，补水量相比冷却塔只是零头。
另外，“风助液冷”避免了液态冷媒的复杂水处理流程。冷却塔容易滋生军团菌，需要持续投加杀菌剂、缓蚀剂，还要处理排污和补水的水质稳定问题。AALC的闭式循环把水质管理问题简化成了定期测电导率、补加缓蚀剂的日常维护，运维门槛明显更低。
2.3 高温水冷——AALC能省电的底层逻辑
讲到AALC，必须提“高温水冷”这个概念。传统风冷机房的空调出水温度一般7℃到12℃，这需要压缩机做功把冷媒压缩到低温。AALC系统推荐的冷板进水温度在40℃到45℃之间，回水温度50℃到55℃。你一定觉得奇怪，这么高的水温怎么可能给芯片散热？
其实芯片表面温度通常在70℃到90℃，只要冷板里的水温低于芯片结温，两者之间就存在温差，热量自然就能传导出去。关键在于，40多度的水温意味着室外干冷器和环境空气之间的温差也足够大。哪怕夏季环境温度35℃，45℃的温水仍然能有效向空气放热。环境温度越低，散热效果越好，甚至在寒冷地区可以实现全年都不开启压缩机制冷。
省电的根源就在这：AALC在绝大多数气候条件下都只需要“水泵加水泵”，而不需要“压缩机做功”。整套制冷系统的功耗从风冷的空调压缩机能耗，降到了CDU泵和干冷器风扇的能耗，PUE能做到1.15左右，比传统风冷的1.3到1.5好看太多。
2.4 一个容易被忽略的部件：CDU
很多人在看AALC方案时，注意力都放在冷板和干冷器上，但其实CDU才是整个系统的“心脏”。它承担了四个关键职能。
第一是动力职能，CDU内置多台循环泵，为整个液冷环路提供压头，克服冷板微通道、软管、接头、干冷器管路的流动阻力。第二是水质维护职能，CDU内部有过滤器、离子交换柱和电导率监测仪，保证冷却液的纯净度。第三是压力管理职能，系统在运行前需要充注和排气，运行中要维持稳定的压力，CDU配合自动补水阀和安全阀完成这一点。第四是智能控制职能，CDU会实时采集流量、温度、压力数据，联动风扇调速和芯片降频策略，相当于散热系统的“大脑”。
在Meta的OCP设计方案里，CDU通常是一个标准化机柜模块，支持室内部署或室外预置化安装，容量从几十千瓦到兆瓦级不等。如果机柜规模大，可以采用“N+1”冗余配置，也就是多台CDU并联工作，其中一台故障时其余设备依然可以承担全部负载。
3. 实操部署：从评估到落地的关键步骤
3.1 第一步：先摸清你的热负荷和机房现状
不要上来就谈设备选型，先回答三个问题：单个机柜的峰值功耗是多少？整个机房的总负载是多少？改造机房的承重、层高和室外空间够不够？
热负荷摸底建议用实际测量而不是标称值。拿功率计或者PDU的实时读数，记录一周的功率曲线，找到峰值和谷值。注意那种白天负载低、夜间训练任务跑满的情况在AI机房特别常见，CDU的容量设计要以峰值负载为基数，再乘上1.2到1.3的安全余量。
改造机房的承重也要考虑。冷板本身不重，但CDU加满冷却液之后单台重量可能超过一吨，必须确认楼板载荷是否满足。层高影响软管走线和吊装，室外空间则决定了干冷器能放几台、放在哪个方向才能避开常年主导风向。
3.2 第二步：冷却液温度与流量计算
这个环节是AALC设计里最核心的数学部分，直接影响设备容量、管路管径和风扇配置。核心公式就是热力学第一定律的换热公式：
Q = m × c × ΔT
其中Q是热量，单位kW；m是冷却液的质量流量，单位kg/s；c是冷却液的比热容，单位kJ/(kg·K)；ΔT是进出口温差，单位K或℃。
我们用一个实际案例来算一遍。假设机房总IT负载为2MW（2000kW），选用的冷却液是纯水，比热容约4.18 kJ/(kg·K)，设计温差为5℃（进水45℃、回水50℃）。那么总质量流量为：
m = Q / (c × ΔT) = 2000 / (4.18 × 5) ≈ 95.7 kg/s
换算成体积流量大约是每秒95.7升，也就是每小时344立方米。这个流量要用CDU泵组和管路总管径来匹配。如果选择3台CDU（2用1备），单台CDU的额定流量至少要按每小时170立方米来选，才能保证单台故障时系统不降额。
冷却液的选择也需要考虑。纯水的比热容高、导热好、成本低，但冰点0℃，如果你所在的机房冬季可能断电停机，管路有冻裂风险，就要换成乙二醇或丙二醇与去离子水的混合液。我建议南方机房用纯水加缓蚀剂，北方机房直接上30%到40%浓度的丙二醇水溶液，稳妥省心。
3.3 第三步：干冷器选型与环境温度适配
干冷器的选型不能只看标称换热量，必须结合当地全年的干球温度数据来核算。干冷器的散热能力取决于换热管内外温差，环境温度越高，同等风量下能带走的热量越少。因此厂家给的额定散热量一般是在35℃环境温度下的数据，如果你的机房在武汉、重庆这种夏季40℃以上的地方，散热量就要打折到额定的80%左右来选型。
我建议的做法是找当地最近十年的气象统计，取夏季最热月平均温度和极端最高温度两个数值，分别做两套校核：正常工况按平均温度选型，极端工况按最高温度考虑降频策略。如果极端高温天实在太长，这一块后期还需要想办法辅助降温，具体我在第5节常见问题里会展开说。
干冷器的安装位置也很讲究。放置时注意让风扇排出的热风不要吹向进风面，两台干冷器之间保持至少等于风扇直径一倍以上的间距，避免热风回流造成散热能力断崖式下跌。有条件的话可以做导风罩，把热风统一导向指定方向。
3.4 第四步：机柜侧安装与系统调试
机柜内部的安装环节虽然看起来只是拧螺丝、插接头，但藏着最多的实操坑。
冷板安装时要保证和芯片表面的接触压力均匀，硅脂涂布厚度控制在0.2mm左右，太薄填不满微小空隙，太厚反而增加热阻。冷板的固定螺丝建议用扭矩扳手按规定扭矩拧紧，不要蛮力硬怼。歧管接到了每个服务器的软管接口，这个接口通常是无滴漏快接头（UQD），公母头对接前一定要检查密封圈是否完好。
管路安装完成后，最关键的一步是压力测试。我见过的标准做法是：系统充注冷却液后排净气泡，然后升压到工作压力的1.5倍稳压30分钟，压降不超过5%算合格。这个步骤绝不能省，因为液冷管路一旦漏液，轻则服务器宕机，重则整柜电气短路。
气压测试之后还要做流量分配测试。多柜并联时，离CDU远的机柜往往流量偏小，所以每个机柜的歧管入口最好安装调节阀，测试时逐个调节，保证各柜流量偏差控制在10%以内。
4. AALC与其他散热方案的对比与选型
4.1 四大散热方案横向对比
为了帮你快速建立决策框架，我把风冷、AALC、冷板液冷加冷却塔、浸没式液冷放在同一张表里对比。
| 方案 | 适用单柜功率 | 典型PUE | 水资源消耗 | 改造难度 | 初期成本 | 运维复杂度 |
|---|---|---|---|---|---|---|
| 传统风冷 | ≤20kW | 1.3~1.5 | 无 | 低 | 低 | 低 |
| AALC风助液冷 | 20~100kW | 1.1~1.2 | 极少或零 | 中 | 中 | 中 |
| 冷板液冷+冷却塔 | 50~120kW | 1.08~1.15 | 高 | 高 | 中高 | 高 |
| 浸没式液冷 | 100~200kW以上 | 1.03~1.10 | 无(但冷却液昂贵) | 高 | 高 | 高 |
从表里能明显看出，AALC卡在了一个特别舒适的位置：它比风冷能扛的功率密度高得多，比冷却塔方案省水得多，比浸没式方案便宜得多，改造难度又控制在普通工程团队能够消化的范围内。这也是Meta大力推广它的原因——不是因为它最强，而是因为它最“实用”。
4.2 什么场景无脑选AALC
我根据自己的观察，总结了四个特别适合AALC的场景。
第一种是缺水地区的新建AI集群。美国西部、中东、中国西北部这些地方水资源紧张，冷却塔方案的取水许可根本办不下来，AALC闭式循环不耗水的优势是决定性的。
第二种是老旧风冷机房的渐进式改造。老机房不想推倒重来，又需要插入越来越多的AI加速卡。AALC可以只在需要高功率密度的部分机柜部署，其余普通机柜继续走风冷，实现“风液混合”过渡，不必一次性把所有基础设施都换掉。
第三种是对PUE有硬性要求但预算有限的云厂商。AALC的初期投资低于大规模水冷系统，却能把PUE干到1.15以内，综合算下来生命周期成本是划算的。
第四种是极寒地区的数据中心。AALC在冬季几乎不需要额外耗电，环境温度低到零下十度甚至零下二十度时，干冷器换热效率极高，自由冷却时长接近全年，节能效果非常夸张。
4.3 什么情况别选AALC
AALC也有明显的边界。如果你的单柜功率直奔150kW以上，或者机房位于高湿高热且全年无凉爽季节的地方，AALC的干冷器在极端工况下会非常吃力。这种情况下老老实实上冷板加冷却塔或者浸没式，反而是更稳妥的选择。
另外，如果你的机房空间极其紧张，连室外干冷器的安装位置都找不到，那AALC也做不了。干冷器占地面积不小，一兆瓦负载大约需要整个设备区面积的三分之一到二分之一，这个空间成本要在规划早期就想清楚。
5. 常见问题与运维排查实录
5.1 问题一：支路流量不均导致局部芯片温度偏高
现象是CDU总流量正常、回水温度正常，但某台服务器的某个GPU核心温度明显高出其他节点。这个案例我遇到过不止一次，根因多半是并联管路水利失衡——离CDU最近的机柜流量大，最远的机柜流量小，远端的冷板换热不足，芯片温度自然压不住。
排查思路是先看该节点流量计的读数，低于设计值就顺时针调节歧管入口的平衡阀。调完不要马上封口，等十五分钟看温度曲线是否稳定，再微调。如果调节阀拧到底流量依然不够，就要检查UQD快接头有没有插到位，接头不到位造成的局部节流有时候非常隐蔽。
5.2 问题二：夏季高温天干冷器散热能力不足
这是AALC方案最容易遇到的天灾型故障。环境温度一旦逼近40℃，干冷器的换热温差被严重压缩，回水温度持续性上升，CDU开始高温告警，最终触发GPU降频保护，算力白白损失。
我见过的处理方式分三步。第一步是把干冷器风扇转数提到额定上限，并清理翅片上的灰尘和柳絮，很多时候散热能力复原20%以上。第二步是检查干冷器是否有热风回流，如果有，直接做导风改造。第三步是考虑辅助喷淋系统，在极端高温时段对翅片喷水雾，利用少量蒸发潜热快速降温。这一步虽然违背了“零耗水”的初衷，但作为每年只用几天的应急手段，实际效果非常好。
5.3 问题三：冷却液电导率持续升高
闭式循环的冷却液本身不消耗，但运行半年到一年后，电导率还是会缓慢上升，主要原因是金属管路内部微量腐蚀产生的离子溶入水中。电导率过高时，冷却液可能在某些电位差场景下引发微电流腐蚀，对冷板内部微通道造成不可逆损伤。
日常运维要定期记录电导率数值，发现趋势性上升就检查CDU的离子交换柱是否饱和。离子交换柱是消耗品，颜色指示剂变色之后就更换。同时在系统初次充注时就要加足缓蚀剂，后期补液时按比例补加，这是多数团队容易忽略的点。
5.4 问题四：UQD快速接头滴漏
快接头是液冷系统里最娇气的部件。UQD在插拔时设计有自密封结构，但如果密封圈老化、表面划伤或者插拔次数超过设计寿命，就会出现接头处轻微渗液。
运维上最重要的两条规则：一是不要反复插拔同一个接头，设计寿命往往只有几十次，每插拔一次密封性能都有衰减；二是巡检时重点看接头下方有没有水迹，发现一点潮痕就立刻更换密封圈，不要心存侥幸。液冷系统的漏液，绝大多数都是从小渗开始的。
5.5 问题五：干冷器冬季噪音投诉
干冷器的风扇是机房周边的主要噪音源，白天环境噪音大不明显，到了夜间低速运行时低频嗡嗡声反而特别讨厌。如果机房离居民区近，这个投诉几乎必然会出现。
处理方法是给干冷器加装隔声罩或者设置夜间降转速策略。夜间气温低，换热效率本身就高，风扇降到额定转数的60%到70%也能满足散热需求，噪音能下降好几个分贝。这种策略不用硬编码，在CDU控制系统里加一条时间表就行。
6. 部署AALC时值得注意的几个“隐性坑”
6.1 快接头不要搞混型号
AALC系统的UQD接头标准看起来统一，实际上各家品牌的自密封阀结构和接口尺寸并不完全通用。采购时如果混用了不同厂商的产品，轻则插不进去，重则强行对接导致密封圈损坏，后期漏液风险极高。我建议在项目启动时就把所有接头品牌型号统一，并且每种接头保留两个备件库存。
6.2 冷板安装前必须除尘
运维团队在加装冷板时，最容易犯的错误是忽略芯片表面的灰尘。AI服务器长期运行在风冷模式下，散热器和芯片周围的粉尘堆积非常严重。冷板直接压上去，等于把灰尘锁在芯片和冷板之间，导热界面被污染，热阻直线上升。正确做法是拆卸旧散热器后，用无尘布和专用清洁剂清洁芯片表面，确认无尘无油污后再涂硅脂、装冷板。
6.3 控制系统要设置“回水温差”告警而非只有“进水温度”
很多初代部署的CDU只设置进水温度高告警，但进水温度正常不代表换热正常。如果某条支路流量下降，冷板吸收的热量变少，回水温度反而会下降，这恰恰是散热不足的信号。更合理的做法是把“进回水温差”作为核心监控指标，温差低于设计值一般意味着流量不足或冷板接触不良。
6.4 预留好软管弯曲半径
软管接进服务器机柜时，一定要留够弯曲半径。软管弯折半径太小的位置，通流面积缩减，长期弯折处还会出现应力疲劳和老化裂纹。常规经验是软管弯曲半径不小于管径的6到8倍，并且在走管时用线卡固定，避免在维护拉拽时产生位移。
6.5 不要把“水冷”当“免维护”
AALC系统不需要每天补水，但绝对不意味着装完就万事大吉。按季度检查水质电导率、半年更换一次过滤器滤芯、一年检查一次管路接头和冷板接触面，这些基础维护动作一样都不能少。很多团队就是栽在“系统很稳就不管”的心态上，等出了问题已经是回水温度飙升、芯片过热降频。
我在几次AALC项目的实际落地中，最深的体会是：这个技术方案的工程门槛并不高，真正决定成败的反而是设计阶段的前瞻性和运维阶段的细致程度。热负荷评估做扎实一点，干冷器选型留足余量，快接头统一管理，日常巡检盯住那几个关键指标，AALC用起来比想象中省心得多。后面如果你们团队也在评估类似方案，建议先在几个高密度机柜上做小规模试点，跑一个完整夏季再全面推广，数据说话，比任何PPT都靠谱。
