面向高密 AI 集群的全栈液冷架构：CDU、Sidecar 与 CRAH 如何协同

AI 服务器功率密度不断提升后，数据中心热管理已经不再是单纯的机房空调选型问题。

在传统数据中心中，服务器主要依赖风扇将热量排入机房，再由 CRAC、CRAH 等设备通过气流组织带走热量。这种模式适用于中低密度计算负载，但当 GPU、CPU、高速网卡和交换设备集中运行时，热量会快速聚集在芯片、服务器和机柜局部。

此时，即使持续提升风机转速、增加送风量，也可能无法有效解决热点、风道短路、机柜内温差过大和制冷能耗上升的问题。

面向高密 AI 服务器，热管理架构需要从“机房级降温”转向“芯片级—机柜级—冷源级”的全链路热量管理。

从芯片到机房，一套液冷系统如何运转？

一套完整的 AI 液冷系统，通常可以分为四层。

第一层，是芯片与服务器级换热。

GPU、CPU 等高热部件通过冷板与冷却液进行热交换。相比空气，冷却液具有更高的带热能力，可以更直接地把热量从芯片附近带走。

这一层的重点不只是冷板是否覆盖发热部件，还包括供液温度、单机流量、回路压差、快插接头和服务器维护时的隔离能力。

第二层，是机柜级冷却液分配。

高密 AI 机柜中，冷却液需要被稳定分配到多台服务器。工业富联科技服务的 Sidecar 水冷机柜，承担的正是这一职责。

Sidecar 通过歧管将主管道分流至多个服务器支路，并集成流量、压力、温度和漏液监测能力。运维人员可通过支路阀门隔离单台服务器，而无需关闭整个机柜的液冷回路。

对于持续运行的 AI 训练和推理集群而言，这种“单机可维护、整柜不停机”的能力，往往比单纯提升制冷量更重要。

第三层，是 CDU 冷量分配与一次、二次侧隔离。

CDU 是液冷系统的流体控制中枢。它连接机房冷源与服务器液冷回路，通过板式换热器实现一次侧与二次侧隔离，同时承担冷却液循环、供液温度控制、压差控制、过滤、补液、泄压和故障监测等功能。

工业富联科技服务提供机架式 CDU 120，以及机柜式 CDU 1350/2000 等产品形态。

其中，机架式 CDU 更适用于局部机柜或中小规模液冷场景；机柜式 CDU 则适用于大型 AI 集群的集中式冷量分配。方案资料显示，机柜式 CDU 可实现二次侧供液控制精度 ±0.5℃、进出口压差控制精度 ±0.1bar，为高密服务器提供稳定的流体控制基础。

第四层，是机房级残余热量处理。

液冷并不意味着 CRAH/CRAC 退出。

即使 GPU、CPU 等核心热源由液冷带走，内存、硬盘、电源、网卡、交换机及机房环境仍然会产生热量。因此，CRAH/CRAC 仍需要承担残余热负荷、温湿度控制以及液冷系统维护期间的环境保障。

从架构角度看，更合理的方式不是“风冷或液冷二选一”，而是：

液冷处理高热密度核心负载，风冷处理残余热量与机房环境。

存量改造与新建项目，为什么要采用不同策略？

存量数据中心最大的约束通常不是技术，而是业务连续性。

冷源、空调、供配电和机柜布局已经存在，业务不能长时间中断。因此，液冷改造更适合采用渐进式路径。

典型做法是先识别高热密度机柜，在机柜旁部署 Sidecar，优先为 AI 服务器导入液冷能力；再通过 CDU 接入现有一次侧水路，为服务器侧冷却液提供稳定循环；同时保留 CRAH/CRAC，用于处理残余热量和湿度控制。

这种风液混合路径能够降低大规模停机和一次性改造的风险。

对于新建 AI 数据中心，液冷则应该前置到总体规划阶段。CDU 部署位置、POD 划分、一次侧与二次侧管路路径、Rack Manifold 接点、维护空间、漏液监测和冗余设计，都需要与服务器、供电和网络架构同步规划。

工业富联科技服务的方案中，存量机房可通过 CDU、Sidecar 和 CRAH/CRAC 协同，实现逐柜导入和风液混合升级；新建项目则可采用 CDU 机柜或 POD 级设计，面向更高密度 AI 算力进行集中式液冷规划。

液冷选型前，技术负责人应先回答什么？

液冷项目不应从“先选哪个 CDU”开始，而应先回答四个问题：

第一，未来三年的机柜功率密度目标是什么？
第二，哪些设备需要液冷覆盖，哪些设备仍由风冷处理？
第三，现有冷源、空调和供配电系统还有多少扩容空间？
第四，液冷系统上线后，温度、流量、压力、漏液和能耗由谁持续监控和维护？

只有先明确算力规划、改造边界和运维模式，液冷才能从“设备采购项目”真正变成面向 AI 算力扩展的基础设施能力。