AI 数据中心的散热生意机会

多客科技

作者：微信文章
小Q：易工，客户如果问我，服务器里的 CPU、GPU 产生的热量，是怎么一路排到室外的？我该怎么回复？

老易：这个问题，得好好和客户解答。

AI 数据中心的散热，本质上是一条完整的“热量迁移链”。

只要这条链路中有一环失效，算力就会降频，甚至宕机。

小Q：热量迁移链，怎么理解？

老易：可以用一句话概括：热量从芯片出发，通过材料和结构，被一步步搬运到室外环境。

这中间，既有被动散热，也有主动散热。

小Q：什么是被动散热？

老易：被动散热，核心是材料和结构，不依赖外加能耗，不用电。

典型的路径是：CPU / GPU 芯片→热界面材料（TIM）→散热器 / 冷板→机箱结构。

小Q：那主动散热呢？

老易：主动散热，需要有能量输入，消耗电，用风或液体把热量搬走。

主要包括风扇系统，空调系统，液冷循环系统。

小Q：从芯片出来，第一步靠什么？

老易：靠热传导。它是最核心，最底层的。

路径是：芯片 → 热界面材料（TIM）→ 散热结构

小Q：哪些是热界面材料？

老易：比如导热硅脂，导热凝胶，导热垫片，还有相变材料。

它们的作用只有一个，填平两个界面之间的微小空隙，像芯片和屏蔽罩，芯片和散热器，屏蔽罩和散热器。

它们要把热量无损地送出去。所谓无损，当然不是绝对的。说的是尽量少被界面吸收，不然会产生温升。

这一步，是整个散热系统的起点，也是瓶颈点。

小Q：热量传到散热器后呢？

老易：进入对流阶段。它决定系统规模能力。

主要有两种：

一是风冷对流。比如服务器风扇，机柜级风道，冷热通道。

风冷的优势是成熟，便宜，但在 AI 场景下，已经逐渐逼近极限。

二是液冷对流。比如冷板液冷，浸没式液冷，二次侧换热。

液冷的本质，是用更高热容的介质，把热量集中带走。

小Q：传热途径除了传导，对流，是不是还有热辐射呢？

老易：是的，在数据中心里，热辐射存在，但占比很小。

它更多是结构设计的附加收益，而不是主要散热手段。

小Q：了解了。你能不能把整条链路再串一遍？

老易：可以，热量到室外的路径其实非常清晰：

热量先从CPU / GPU 产生，

通过 TIM传导，

进入散热器 / 冷板，

通过风或液体形成对流，

进入机房级冷却系统，

最后通过冷却塔 / 室外换热排到环境中。

这有好几级，AI 数据中心的复杂性在于，每一级都在接近极限运行。

小Q：这些路径以前也有，AI 给散热需求带来了什么变化？

老易：以前是也有。我觉得有三个根本性变化。

一是热通量暴增。

GPU 的热密度，已经不是均匀发热，而是局部高热。

这直接抬高了对TIM 的性能要求和接触可靠性要求。

二是运行时间拉长。

AI 训练不是短时间的，不是热冲击峰值，而是长时间满载。

这对材料提出了新要求：不易泵出，不易老化，性能不易衰减。

三是散热失败的代价更高。

以前是一台机降频，大不了重启，现在可能是整柜停机，训练中断，算力直接损失。

小Q：那从客户角度，他们最关心的是散不散热吗？

老易：客户会问导热系数多少？用什么材料？

但他们真正关心的是稳定性、可预测性和总成本。

就是能不能 7×24 小时跑？性能会不会突然衰减？成本还不是材料价格，而是PUE + 运维 + 宕机风险，这些累加的成本。

小Q：那这不就有商业机会吗？

老易：是的。

比如高可靠的热界面材料。单单导热率更高还不行，还要长期稳定，批次一致，可规模交付。

小Q：大量的数据中心，不可能一夜都切换为液冷吧？

是不是有风冷向液冷过渡的“中间方案”？

老易：是的，过渡方案本身就是市场。

现在的客户越来越不想分头去选材料，再选结构，还自己验证。

他们需要的是打包方案，Turn-Key方案。

我买一个方案，你对结果负责。

小Q：看来AI 数据中心的散热，不是材料问题，也不是设备问题，而是一个系统问题，要帮客户解决“热量如何被可靠搬走”。

老易：是的，所有系统问题，最终都会转化为稳定性与成本的生意。所以市场会出现越来越多的散热系统级方案商。