当前国内外 AI 逻辑不断强化，AI 基础设施投资已逐渐步入正循环，在三大核 心因素驱动下，我认为今年有望成为液冷产业渗透率大幅提升之年：
GB200 功耗最高可达 2700W，计算芯片功耗持续增长。后摩尔定律时代，芯片 制程技术发展趋缓，计算芯片多以提高核心数量或小芯片聚合互连等方式提高算力， 更高的芯片集成度导致芯片如 CPU 和 GPU 的功耗不断攀升。AI 服务器作为人工智 能发展的重要算力底座，CPU 和 GPU（或其他 ASIC 计算芯片）的整体功耗在 AI 服务器总功耗中占比达到 80%左右。 （1）对于数据中心 CPU 方面，CPU TDP 从早期 150W 逐渐提升至 400W 左右， 未来随着 CPU 侧算力增长，功耗或将进一步提升至 500W； （2）对于数据中心 GPU 方面，用于人工智能计算的 GPU TDP（热设计功耗） 从早期 V100 的 300W 功耗提升至 B200 的 1000W，功耗是 V100 的 3 倍以上； （3）对于 Grace Superchips 方面，GB200 相比上一代 GH200，从原有的一颗 CPU+ 一颗 GPU 升级为两颗 GPU+一颗 CPU，TDP 从最高 1000W 提升至最高 2700W； （4）对于国产算力芯片方面，华为海思、寒武纪、地平线、昆仑芯等厂商的计 算芯片功耗也随着产品迭代功耗不断增长，峰值功耗提升至 550W 甚至更高。在芯 片制程突破放缓的趋势下，我们认为未来计算芯片功耗或将持续增长。
服务器设备是提供算力资源的主要载体，IDC（数据中心）则是给集中放置的 ICT 设备（服务器设备、网络设备、存储设备）提供运行环境的场所（数据中心=ICT+ 电力+制冷），需要对 ICT 设备进行持续的供电和制冷散热。 （1）芯片侧：AI 芯片发热量已达风冷单点散热极限，液冷或成为必选方案。 传统风冷技术以空气为介质进行散热，存在散热密度低、散热能力差、易形成局部 热点等缺陷。AI 高算力需求下，芯片发热量和热流密度不断增长，如若芯片长时间 高温运行，则会影响芯片性能并提升芯片故障率、减低其使用寿命。液冷散热以液 体为介质进行散热，由于液体的体积比热容是空气的 1000-3500 倍，液体的对流换 热系数是空气的 10-40 倍，同等空间情况下，液冷的冷却能力远高于空气。 从芯片单点散热来看：芯片的散热方式取决于芯片的热流量密度(/ ), 由 于 CPU 芯片总体大小规格较为固定，我们认为可简单通过 CPU 额定热功率判断散 热方式，而各算力芯片厂商之间 XPU 芯片大小规格之间差别较大，还需通过热流量 密度判断散热方式。我们认为：当 CPU 芯片≥350W 或 GPU 芯片功耗≥400W 时， 液冷成为“待选”方案。随着芯片功率提升，液冷散热优势逐渐凸显，风冷散热性 价比持续降低，采用液冷散热方案的比例不断增长。当 GPU 芯片功耗≥800-1000W 时，液冷成为必选方案。此时已逼近风冷散热极限 800W 左右，液冷将从可选改为 必选，目前英伟达 B200 计算芯片 TDP 为 1000W，GB200 计算芯片 TDP 最高为 2700W， 已采用单相冷板式液冷替代原有风冷方案，若芯片功耗持续上升，单相冷板式液冷 或达到散热瓶颈逐渐开始向相变冷板式或浸没式液冷转变。
（2）机柜侧：算力网络整体向集成化发展，单机柜功率密度持续增长，由风冷 转向风液混合或全液冷方案。芯片功率的增加也导致整机柜功率的增长，采用传统 风冷的数据中心通常可以解决 12kW 以内的机柜制冷。随着服务器单位功耗增大， 同样尺寸的普通服务器机柜可容纳的服务器功率往往超过 15kW，相对于现有的风冷 数据中心，已逼近空气对流散热能力天花板。
从机柜测散热来看：当机柜功耗≥12KW 时，随着机柜功率密度不断增长，风 冷性价比持续下降，液冷优势显著。在传统风冷机房微模块中，随着通用服务器或 GPU 服务器上架率的提升，单机柜功率密度不断增长，迫使列间空调数量大增，导 致机柜数量减少，出现风冷制冷技术成本高、难度大的问题，性价比较低。当机柜 功耗≥20KW 时，此时已超过风冷散热极限，液冷或成为必选方案。通用服务器功 率平均在 0.5KW 左右，对于 6KW、8KW 的高功率机柜可以放置 10 台服务器以上。 AI 服务器功率可达 6KW 以上，以 NVIDIA DGX A100 服务器为例，额定功率约为 4KW， 单机峰值功率约为 6.5KW。一个标准 42U 高度的机柜中，假设放置 5 个 5U 高度 的 AI 服务器，单机柜功率有望超过 30KW，此时需从风冷散热转变为风液混合散热 或全液冷散热方案，以满足机柜测散热需求。
目前，英伟达 GB200 NVL72 单机柜功率已高达 120KW，从原有风冷散热方案 改为风液混合散热方案；华为 Atlas 900 AI 集群单柜功率高达 50KW，采用风液混合 散热方案，单机柜功率持续增长，2024 年或为液冷渗透率大幅提升元年。
液冷技术规范化程度较低，产品形态各异。我国液冷技术起步稍晚于国外，起 步后发展迅速，目前与国外发展进程基本同步，但当前液冷生态尚不完善，机柜与 服务器深度耦合，各家服务器设备、冷却液、制冷管路、供配电等产品形态各异， 不同厂家产品接口不同，尚无统一接口标准，难以标准化、规模化推广应用。 电信运营商提出三年愿景，液冷发展按下“加速键”。据三大电信运营商联合发 布的《电信运营商液冷技术白皮书》，电信运营商提出三年愿景：构筑开放生态，降 低 PUE 与 TCO；发挥规模优势，大力拓展应用。冷板式液冷方面，推进形成拥有原 创技术、接口标准统一、产业生态完善、应用规模最大的发展态势；浸没式液冷方 面，推进形成标准统一化、产品国产化、实施工程化、推广规模化的发展格局。 《电信运营商液冷技术白皮书》提出：2023 年开展技术验证，充分验证液冷技 术性能，降低 PUE，储备规划、建设与维护等技术能力；2024 年开展规模测试，推 进液冷机柜与服务器解耦，促进竞争，推进产业生态成熟，降低全生命周期成本； 至 2025 年，开展规模应用，共同推进形成标准统一、生态完善、成本最优、规模应 用的高质量发展格局，电信行业力争成为液冷技术的引领者、产业链的领航者、推 广应用的领先者。运营商近年来对算力基础设施的资本开支增长较快，我们认为运 营商大力开展液冷技术验证，有望加速液冷数据中心的标准化，完善液冷生态。
运营商液冷试点有序推进，万卡液冷集群已投入使用。截至 2024 年 5 月，液冷 技术已在多个运营商机房进行试点，2023 年 5 月，中国移动呼和浩特智算中心项目 开建，项目部署机架总规模 799 架，其中 40KW 液冷整机柜 411 架；2024 年 1 月， 中国移动智算中心（武汉）将持续扩容至 6800PFLOPS，采用液冷高功率机柜； 2024 年 3 月，中国电信天翼云上海临港 15000 国产卡液冷智算集群已正式投入使用，全 面采用融合液冷服务和 IDC 基础设施的新一代智算液冷 DC 舱，是目前国内最大的 运营商级智算中心。
人工智能迎来新变革，带来大量算力和机柜需求。2022 年底生成式 AI 大模型 ChatGPT 横空出世，掀起新的 AI 浪潮，海内外互联网巨头、科技企业及研究机构等 陆续投入到大模型研发当中，拉开“百模大战”的序幕。AIGC 的兴起引发数据量和 计算量快速增长，在一线城市数据中心资源日趋紧张的情况下， AI 的高算力需求或 将持续带动 IDC 的建设和机架数量的增长。据工信部、信通院数据，截至 2023 年 6 月底，我国在用数据中心机架规模达到 760 万架，同比增速达到 28.8%，2022 年底 总机架规模达到 650 万架，2018-2022 年复合增速超过 30%。
国内多个液冷智算中心已投产，国内外计算芯片双线并行。AI 算力需求持续拉 动 IDC 机柜需求，早前智算中心建设多采用海外英伟达、AMD 等算力卡作为底层算 力池资源，随着国内算力芯片性能的持续优化以及海外贸易政策摩擦加剧，国产算 力集群规模亦持续增长，多个国产算力中心持续落地。据 IDC 圈不完全统计，截至 2023 年底，全国智算中心项目已达 129 个，最大算力规模超过 12000P。
