液冷回路里的泵停一次：CDU 的冗余要快到什么程度

专栏：AIDC

编译自 University of Texas at Arlington 博士学位论文（2025 年夏季）　·　开放获取 CC BY 4.0

数据中心的机柜功率涨到几十千瓦之后，风冷开始力不从心，液冷成了默认选项。但液冷把可靠性问题换了个地方：原来要担心的是风机转速，现在要担心的是泵、阀和冷却液本身。德州大学阿灵顿分校的一篇博士论文对单相液冷的散热、流体完整性和系统韧性做了系统评估，结论指向一件常被低估的事：液冷回路的冗余，是按分钟而不是按小时来算的。

机柜功率翻了几倍，冷板接管散热

液冷进入数据中心不是因为它先进，是因为风冷撑不住了。传统数据中心里，机柜功率在 8 到 15 千瓦之间，风冷能处理。AI 负载把单个机柜的功率推到 50 千瓦以上，风冷要维持芯片温度，得靠极大的风量和很低的环境温度，能耗和噪声都不可接受。

液冷的做法是把热量直接交给液体。液体单位体积的比热容比空气高几个数量级，同样带走一瓦的热量，液体需要的体积流量小得多。落到架构上，主流是两条路：一条是冷板式，液体通过贴在芯片上的金属冷板把热带走，属于间接接触；另一条是浸没式，把整块板卡浸在不导电的液体里，属于直接接触。

这两条路都绕不开一个部件：冷却液分配单元，简称 CDU。它管流量、压力、温度和流体质量，一头连数据中心的冷却水系统，一头连机柜里的液冷回路。论文把它当作液冷回路的中枢来评估。

CDU 是液冷回路的中枢

CDU 在回路里的位置决定了两件事。

一是它要跨越一次侧和二次侧。一次侧接的是设施级冷却水，水质和温度有专门的管理标准；二次侧接的是机柜，直接贴着芯片。两侧的压力、流量和洁净度要求都不一样，CDU 是这两套系统的交界面。

二是它要承担隔离和冗余。机柜液冷回路出问题时，CDU 要能把它隔离出来，不影响其他机柜；CDU 自己出问题时，要有备用的泵或整机顶上。

论文评估的是一种液对液的行级 CDU，也就是装在机柜列里、一次侧和二次侧都是液体的方案。评估的场景包括一次侧总流量损失、部分流量损失、泵故障和 CDU 之间的故障切换。这些是液冷回路最怕遇到的工况，因为它们的共同点是：冷却能力下降得很快，而芯片的热容很小，没有多少缓冲时间。

图1　液冷回路里 CDU 的位置：一次侧设施冷却水与二次侧机柜液冷回路之间的交界（依据原文第 3 章绘制）

一次冷却断了，温度按分钟走

论文的实验结果里，最值得记住的一条是时间尺度。

当一次冷却发生总流量损失或部分流量损失时，二次侧的冷却能力随即下降，芯片温度开始上升。论文的观察是，温度急升发生的时间以分钟计，不是以小时计。这个尺度意味着，冗余切换必须在很短的窗口里完成，慢一步，芯片就可能已经超出安全温度。

靠什么把窗口压住？论文的结论是快速动作的冗余。泵要有备用，切换要快，控制要能识别故障并立刻动作。如果 CDU 之间能做故障切换，一台顶不住时另一台接管，系统的可用性就靠这个机制撑着。

这一点和风冷的经验不一样。风冷时代，一台风机停转，剩下的风机能把热量分掉，温度上升是渐进的，操作员有几十秒甚至几分钟去响应。液冷把热端和冷端之间的缓冲压缩了，同样的故障，留给系统的反应时间短得多。

图2　一次冷却中断后的温升与冗余切换窗口（形态示意，依据原文第 3 章绘制）

冷却液自己会腐蚀管路

液冷回路的另一个隐患在液体里。论文花了不少篇幅做腐蚀分析。

做法是拿回路的湿润材料，对照不同的商用冷却液做腐蚀测试。测的材料包括铜、黄铜、不锈钢 304 和不锈钢 316，这几类在冷板、管路和快接头里都会出现。冷却液则覆盖了多种丙二醇浓度为 25% 的水基冷却液，以及一种聚α烯烃介电油。测试标准用的是 ASTM D1384 和 ASTM D8040，这两条都是电子设备冷却液腐蚀测试的常用方法。

结果是指向性很强的：不同配方的冷却液，对同一种材料的腐蚀速率差别很大。材料兼容性和损耗率取决于冷却液的成分，特别是防腐抑制剂的体系。这意味着冷却液不是一种"随便买一桶"的耗材，选型和维护要按回路里的材料组合来定。

这条结论对长期运行的意义比散热更直接。散热性能差一点，加大流量能补；冷却液配方不对，管路慢慢腐蚀，金属离子进到液体里，沉积在冷板的微通道上，散热能力会一点点退化，而这个过程是看不见的。论文因此强调，液冷系统要把流体化学、热设计和系统冗余放在一起优化，单看一项都不够。

冷板的极限在哪里

散热能力的上限，论文用冷板做了对比实验。

在单相浸没冷却的配置下，论文测了几种散热器和冷板几何结构。微通道冷板的成绩最好：散热热流密度最高做到 172 瓦每平方厘米，热阻最低约 0.041 摄氏度每瓦。这两个数字都比传统的铲齿散热器好。代价是流阻更高，也就是把液体推过细密通道需要更大的压头，泵的功耗跟着上去。

这个取舍是液冷设计的常态。冷板的通道做得越细、散热越好，但同时流体阻力越大，需要的泵功越多。整体能效要看总账，不是单比一个热阻数字。

液冷不是换个介质那么简单

把这几条放在一起看，液冷带来的改变不只是冷媒从空气换成液体。

可靠性管理的对象变了。风冷时代盯着风机、滤网和环境温度；液冷时代要盯泵、阀、快接头、冷却液的电导率和腐蚀状态。故障的时间尺度也变了，从分钟级压到了秒级到分钟级。控制系统的角色更重，一次传感器读数失真或控制环振荡，都可能误触发系统动作，影响整列机柜。

论文给出的方向是，液冷方案要在热设计、流体化学和系统冗余三件事上同时做对，缺一件都会在长期运行里暴露出来。对做 AIDC 的人来说，这句话的意思是：液冷系统的选型，不能只看冷板能压多少瓦。

内容来源：University of Texas at Arlington 博士学位论文（Mechanical and Aerospace Engineering, 2025）

原文标题：Assessment of Single-Phase Liquid Cooling in Data Centers: Thermal Performance, Fluid Integrity, and System Resiliency

作者：Anto Joseph Barigala Charles Paulraj（导师：Dereje Agonafer）

原文链接：https://mavmatrix.uta.edu/mechaerospace_dissertations/434

许可协议：CC BY 4.0（https://creativecommons.org/licenses/by/4.0/）

配图说明：图1、图2 为本文依据原文献内容自行绘制。

改动声明：本文在其基础上进行了中文编译与删节，未改变技术结论与原始数据。

来源：21ic电子网

作者：Ayase