液冷正在重塑数据中心的测量标准 Chinese original

对于高密度 AI 环境，数据中心行业已经在液冷技术上做出了选择。运行密集 AI 工作负载的设施率先采用了这一技术，而直接芯片冷却——即通过冷板将液体直接输送到处理器上——正在 AI 优化环境中变得愈发重要。

问题已不再是液冷技术是否会得到更广泛的部署。更重要的运营问题在于，在这一新场景下，准确可靠的测量应该是什么样的。

液冷解决的是热量问题。但长期可靠地运行这些系统带来了一套不同的要求，而支撑可靠运行的测量基础设施正是这一转变的一部分。

从单一领域到双重领域

运行液冷设施并不是运行风冷设施的简单延伸，而是一种性质完全不同的运营环境，需要在电力、结构与机械工程、流体力学与化学，以及仪器仪表等多个学科上具备新的专业能力。而在所有这些学科中，测量是使环境变得可控的关键一环。

在传统风冷设施中，受控环境的管理已经相当成熟。温度、相对湿度和压差等参数背后有着数十年的行业实践经验，并有成熟的传感器技术以及美国采暖、制冷与空调工程师学会（ASHRAE）发布的标准化指南作为支撑。运营者清楚自己在测量什么、为何测量、这些信息如何反馈到控制系统，以及数字背后的含义。

液冷技术大大拓展了这一领域。输送冷水的管道一直是数据中心基础设施的一部分。但当冷却通过 CDU（冷却液分配单元）和冷板一路延伸到芯片时，液体侧测量的范围和重要性发生了根本变化。

现在需要专用仪器进行测量的参数包括液体温度、压力、流速和液位，以及泄漏检测和冷却液健康指标，如 pH 值、浊度、电导率和折射率。每一项参数都有其特定的故障模式，必须结合冷却回路性能和液体质量的具体情况加以理解。

液冷在风冷散热能力达到极限的地方接管工作，但对于其他一切，风冷管理依然不可或缺。直接芯片冷却能够带走最热部件的热量，但残余热量仍需依靠空气来处理。这正是运营者需要将两种环境结合起来统筹理解的原因。

液冷环境中的测量

除了液体侧参数之外，数据机房以及冷却系统关键部位的环境条件也必须得到主动管理。露点是风险集中的一个关键领域。

液冷通过在冷板上循环冷却液来提高效率。然而，在空调环境中，更冷的管道同样带来冷凝的风险。当管道表面温度降至低于环境露点时，设备附近可能形成水汽，一旦发生故障，其后果可能远超任何维护预算所能承受的范围。

一种常见做法是将冷却液供应温度维持在比实测环境露点高出至少 2°C 的水平。冷却液分配单元负责维持这一安全裕度，但前提是它必须持续获得准确的实际露点数据。

在所有这些参数的测量上，挑战并非来自某种高深莫测的技术。它依赖的是成熟完善的传感器物理学原理。真正的挑战在于，要理解在何处进行测量，以及传感器数据应如何反馈到控制决策中，从而正确地运用这些物理学原理。

动态设施需要动态测量

从冷却的角度看，AI 工作负载与传统数据中心工作负载有着本质区别。AI 训练任务强度大，而 AI 推理则呈间歇性特征。一个计算集群可能在几分钟内从空闲状态转为满负荷运行，由此产生的热量输出急剧变化，需要冷却系统实时做出响应。

管理该集群的 CDU 需要持续控制冷却回路，确保供液和回液温度保持在限定范围内，压力和流速保持在容差范围内，并且随着条件变化，冷歧管附近的环境露点也要保持在容差范围内。

可靠的测量正是实现这种动态控制的基础。如果没有覆盖整个设施的关键参数的准确实时数据，控制系统可能会基于延迟或不准确的信息进行运作。

由此产生的后果可能会层层叠加。冷却效率低下会浪费能源；冷却不足会使硬件面临风险；而过度矫正同样会浪费能源，降低运营效率。

下一代技术将带来哪些要求

机架密度还将持续攀升，而这一进程中的每一步都会带来新的测量需求，其中许多需求尚未能借鉴数十年积累的行业成熟实践。

可靠的测量能让运营者确信，冷却基础设施及其所支撑的计算硬件都在安全参数范围内运行。它们有助于实现更精确的控制，帮助设施达成效率目标，并在条件开始偏离正常范围时提供早期预警。

如果没有可信的测量数据，液冷数据中心的运行就只能建立在各种假设之上。

随着冷却架构日益复杂，风冷与液冷环境需要越来越紧密地协同运作，理解这一环境下严谨测量应有的样貌，正是下一阶段艰巨工作的起点。