智算中心“冷”思考：风液融合如何破局AI散热困境？

AI“火热”可谓必然，智算中心却必须“冷静”——由于功率密度激增，相比传统数据中心，智算中心所产生的热量也在飙升，“制冷”问题必须得到妥善解决。风液融合方案凭借其在能效、成本、部署灵活性和可靠性等方面的综合优势，正在成为本地推理智算中心的主流选择。

AI训练引发算力需求的指数级爆发，给传统数据中心带来了巨大变革压力，同时也将推动更多的AI推理在边缘端的部署。到2030年，AI推理消耗的算力预计将占到人工智能整体算力的50%左右。

按钮盒随着本地推理智算中心的快速增长，其散热需求也在持续升级。一方面，机柜功率密度激增，在消耗更多电力的同时，产生的热量也在飙升，早已突破传统风冷散热效能的“天花板”；另一方面，受限于空间布局或改造成本等因素，大型液冷系统的部署也面临重重困难。

风液融合基于“高温部件液冷+其余部件风冷”的分级散热策略，能够更好地平衡能效、成本、空间利用率及系统可靠性等因素，尤其适合本地化部署的推理智算中心，如企业自建AI集群、边缘推理节点等。因此，随着单柜功耗的持续上升，风液融合将成为本地推理智算中心的主流选择。

工业自动控制系统风液融合散热技术作为当前高密度算力场景的优选方案，其创新深度仍存在巨大的探索空间。作为全球领先的能效管理专家，施耐德电气深度参与了全球众多顶级AI智算中心项目的建构，积累了广阔的经验，亦始终在向“深”求索。

涵盖房间级液-液CDU、行级液-液CDU、机架式风-液CDU以及行级风-液CDU等，配合机架式/行级/房间级空调系列产品，以灵活多样的风液融合解决方案，适配不同使用场景下的客户需求。

参考链接：https://www.schneider-electric.cn/zh/product-category/5000-%E4%BF%A1%E5%8F%B7%E7%81%AF%E6%9F%B1/?filter=business-1-%E5%B7%A5%E4%B8%9A%E8%87%AA%E5%8A%A8%E5%8C%96