AI也怕熱？伺服器愈跑愈燙 資料中心為何開始改用液冷

(中央社財經訊息服務20260827 16:49:07)AI再聰明，也得先想辦法不要過熱。企業把更多GPU放進IDC機房跑影音辨識、生成式AI或資料分析後，最先碰到的可能不是模型問題，而是機櫃太熱、電力不夠，原有空調也吹不動。

國際能源總署（IEA）2025年資料指出，伺服器平均約占現代資料中心用電量的60%；冷卻與環境控制則依機房效率不同，約占7%至30%以上。AI加速高效能伺服器部署，也讓單一機櫃需要供應及帶走的熱量持續增加。白話來說，GPU買得到，不代表既有機房放得下、供得起，也冷得下來。

過去常見的氣冷，是用冷空氣及冷熱走道的配置，帶走設備熱量；液冷則把冷卻液送到機櫃、設備內部或發熱元件附近。液體帶走熱量的方式更適合高熱密度設備，但需要搭配機房機櫃整體管線、冷卻分配、環境監控及維修流程，並非把空調換掉就完成。

評估AI算力進機房時，可先看4件事：

一、不要只看整間機房平均用電，要確認GPU集中後，單一機櫃的供電與散熱上限。

二、電力與冷卻要一起算。電有餘裕，但熱排不出去，設備仍可能降速或停機。

三、先確認既有伺服器支援哪種冷卻方式。ASHRAE指出，除全浸沒式液冷外，資料中心通常仍需支援氣冷與液冷並存。

四、故障流程要先排好。溫度異常時誰收到通知、工作負載是否轉移、維修時能否不中斷服務，都要在上線前確認。

Cloudmax匯智曾在一項影音平台專案中，處理大量語音與影像推論的尖峰負載。團隊在IDC建置專屬AI推論節點，採8kW高密度機櫃、2N A／B雙路供電及資料中心級環控；節點實測功耗為2.38kW，並保留70%電力與散熱餘裕。專案記錄顯示，處理吞吐提升300%，上架時程由天級縮短至小時級。

第一線經驗顯示，氣冷或液冷，其實沒有單一標準答案。較實際的做法，是先盤點GPU功耗、機櫃密度、供電路徑及未來擴充量，再決定哪些區域維持氣冷、哪些高密度節點需要液冷。AI算力要跑得久，先確認機房能不能把熱帶走。

關於Cloudmax匯智 Cloudmax匯智提供企業雲端、IDC機房、網路、資安與AI基礎設施相關服務，協助企業依工作負載規畫電力、散熱、連線及維運環境。

第三方資料來源： International Energy Agency（IEA），https://www.iea.org/reports/energy-and-ai/energy-demand-from-ai ASHRAE，https://handbook.ashrae.org/Handbooks/A23/SI/A23_Ch20/a23_ch20_si.aspx

圖片來源：Cloudmax 匯智／AI生成