浸没式液冷：单相与两相对比

可视化演示

展示单相液冷冷却液循环流动散热与两相液冷相变蒸发冷凝循环，对比PUE、能耗与运维复杂度，可视化数据中心散热技术选型决策。

散热困局：灶火太旺，风扇已经扇不动了

想象一间餐厅的后厨，灶台火力决定出菜速度。AI 芯片就是那口必须猛火快炒的锅——每一代新芯片，电表转得更快，锅底烧得更红。老办法是派一群风扇对着锅猛吹，这就是风冷；但现在芯片功耗从两百瓦飙到上千瓦，风扇转得像直升机螺旋桨，噪音震天响，锅底温度还是压不住。散热工程师们意识到，路的尽头不是更强的风扇，而是换一种冷却介质。

空气这个「传热跑腿小哥」实在太弱了。它的导热能力不到液体的几十分之一，热量到了散热鳍片，还得靠空气一点点「搬」走，搬得再勤快也赶不上芯片发热的速度。于是大家把目光投向液体——液体密度大、比热高，同样是流过去，带走的热量是空气的几十倍。这就像厨房里给滚烫的锅降温，用电风扇吹半天不如直接泡进水里来得痛快。

但泡水有个致命问题：水导电。服务器主板泡进水里，瞬间短路冒烟。所以浸没式液冷的第一步，不是找水，而是找一种「既能泡、又不导电」的绝缘液体。有了这种介电冷却液，就可以把整块主板、电源、内存统统泡进去，让发热的芯片直接跟液体面对面接触，中间不再隔着一层散热鳍片和空气。这就是浸没式液冷的核心思路：让热量从芯片出发，第一步就迈进液体的怀抱。

回到厨房的比喻：浸没式液冷不是用风扇吹锅，而是把整口锅泡进一大盆「不导电的特制汤」里。汤怎么选、汤怎么循环、汤怎么处理蒸汽，分歧就此展开——有人端出了温水锅，有人端出了蒸汽锅。下面两节，我们把这两口锅分别揭开看看。

单相浸没原理：温水锅里的慢炖哲学

你还记得炖排骨汤吗？排骨沉在汤里，汤面并没有沸腾翻涌，但汤的温度慢慢升上来，把骨头里的热量一点点「炖」出来。单相浸没式液冷就是这锅排骨汤，只不过锅里的「排骨」是服务器，汤是介电冷却液。液态的冷却液始终保持着液体形态，既不沸腾也不凝结，只是温度在悄悄爬升。

温度爬升意味着什么？意味着热量从芯片传给了液体，让液体「发烧」了。发烧的液体不能一直留在槽里，泵会把它抽到外面的换热器（相当于一口冷却井），把热量交给外部的冷水或空气，让液体「退烧」后再回到槽里，继续给芯片降温。如此循环，整个系统稳定运行。因为液体始终不变形、不换状态，这种换热方式在工程上叫显热换热——热量通过「液体单纯地升温」被带走，没有发生任何相变。

单相换热的数学表达很直白，就是那锅排骨汤吸收的热量计算方式：

回到厨房看单相浸没：它是一锅「安静」的汤，汤不沸腾、不变身，只靠升温再降温的循环把热量送出去。因为流体一直是液体，泵送和管理都很直接，系统设计相对简单。代价是液体的温度会随着芯片负载高低上下浮动——芯片忙时汤热一点，闲时汤凉一点。这像温水锅的脾气：温和、可靠，但温度不怎么恒定。若是追求芯片温度纹丝不动，就得看隔壁的蒸汽锅了。

两相浸没原理：蒸汽锅里的沸腾循环

蒸馒头是每个北方厨房的日常。锅底的水被大火烧到沸腾，变成蒸汽升腾而上，蒸汽撞到凉凉的锅盖，凝结成水珠，滴落回锅底，完成一场液体→蒸汽→液体的循环。两相浸没式液冷就是这口蒸锅的工业翻版，只不过锅里的「馒头」换成了芯片，「水」换成了低沸点的介电氟化液。

两相系统的工作方式很特别：冷却液的沸点被设计得很低（比如五六十摄氏度），芯片一发热，贴身的液体立刻沸腾，咕嘟咕嘟冒泡。沸腾时液体从芯片表面「撕」走大量热量——这个过程叫相变潜热。气泡（蒸汽）比液体轻，自动上浮到槽体顶部，顶部装有冷凝器，蒸汽碰到冷凝器管壁重新变回液体，靠重力落回液池，再次流到芯片身边。整条循环不需要泵推动蒸汽，液体回流靠重力，结构上反而更简洁。

两相换热的数学比单相更「豪放」：同样是质量 m 的冷却液，它吸收的热量直接等于质量乘以潜热：

回到厨房看两相浸没：这是一锅「热烈」的汤，汤在芯片身边沸腾翻涌，蒸汽在顶部冷凝成雨。它最大的优点是芯片温度被死死钉在沸点附近，负载再高、发热再猛，液体温度也不飙升——这就像蒸锅里的温度，无论火多大，锅里的水在烧干之前始终是 100℃。但热辣背后有代价：蒸汽必须被冷凝器重新降温成液体，这需要额外的冷却能耗和一套高密闭性的腔体，蒸汽一旦泄漏，就是真金白银的液体跑掉了。

冷却液选型：锅里的汤用什么熬

厨房里做什么菜用什么汤底：炖排骨用清水，熬鱼汤用奶白高汤，卤肉用老卤。浸没式液冷同理，单相和两相这两口锅，对汤底的要求截然不同。而所有汤底要过的第一道关，是「不导电」——服务器主板泡在里面不能短路。这种绝缘的液体，业界叫介电冷却液。

单相浸没的汤底，通常是矿物油、合成油或硅油这类「油系」液体。它们沸点很高，正常工作时无论如何升温都不会沸腾，安安心心当一锅「温水」。油类液体价格相对便宜，材料兼容性好，电机、线缆泡在油里也不容易腐蚀。缺点是油的黏度偏大，泵送起来费劲，而且油会慢慢吸附灰尘和杂质，需要定期过滤换油，像厨房的炸锅油一样用久了要「换油」。

两相浸没的汤底则必须用「氟系」液体——各种氟化液，典型的如电子氟化液。它们有两个关键特性：一是沸点低，二三十度到六七十度就能沸腾，正好适合芯片的工作温度窗口；二是电绝缘性能极佳，几乎不与任何设备材料发生反应，像给设备穿了一层无形的绝缘衣。但氟化液的价格堪称液体中的「茅台」，按公斤计价，一桶贵过不少服务器整机。而且氟化液分子量重，挥发的蒸汽一旦泄漏，就是往空气中撒钱。

选汤底时还要盯住几个安全指标：闪点（液体蒸气遇火能点燃的最低温度）必须足够高，沸点必须与芯片工作温度匹配，介电强度要扛得住高压，材料兼容性要不腐蚀密封圈和 PCB。就像主厨选油既要看烟点又要看风味，工程师选冷却液也要在沸点、闪点、绝缘性、成本和兼容性之间反复权衡。用错汤底轻则散热失效，重则烧板报废——厨房里的糊锅，在数据中心就是几十万设备的灰飞烟灭。

能耗能效对比：两份电费账单谁更省

开餐厅最关心的除了菜品，就是月底的两张电费账单。数据中心衡量能效最核心的指标叫 PUE，它的含义很直白：数据中心总用电量是 IT 设备用电量的几倍。如果 PUE 等于 1.0，说明所有电都用在算计算上，堪称完美；PUE 越高，说明散热、供电损耗等「非算力开销」越大。用厨房比喻：PUE 就是「为了炒一道菜，整个后厨连带空调、冰柜、排风扇一共烧了多少电」的放大倍数。

单相浸没的电费账单长什么样？它的泵要持续推动整槽油液循环，泵的功耗和流量直接相关，油黏度大、流量要求高，泵的耗电不容小觑；但它原理简单，没有额外的冷凝环节，换热器直接接外部冷源。综合下来，优秀的单相系统 PUE 大概在 1.05 到 1.10 之间。两相浸没呢？它靠沸腾潜热换热，传热效率极高，泵只需要补集少量液位，泵功耗很小；但顶部冷凝器需要持续制冷把蒸汽重新变回液体，这笔「冷凝电费」省不掉。综合出色的两相系统 PUE 能做到 1.03 到 1.05，能效确实更胜一筹。

然而只看 PUE 像只看菜量不看菜价。两相系统的冷却液采购费、密闭腔体的制造费、冷凝器维护费，都是成本大头；单相系统则胜在设备简单、液体便宜。真正专业的做法是算「全生命周期总拥有成本」：把设备购置、液体采购、电费、维护、折旧全部摊到五年账本上。就像主厨决定改用蒸锅还是炖锅，既要看省不省燃气，也要看锅本身多贵、锅好不好刷。

运维实操难点：两口锅的日常保养

餐厅后厨的锅，天天用就天天要打理。单相浸没的保养像打理一口炖锅：油不沸腾、不蒸发，日常维护相对简单，但设备需要检修时，要把整块服务器从油锅里提出来，油会黏黏糊糊挂满板卡，必须用专用的清洗剂冲洗干净才能上架操作，像从油锅里捞出的炸鸡要沥油、擦油。油的黏度高，流动慢，系统启停时温度响应也慢；时间久了油会氧化变稠，需要定期过滤、补充甚至整槽换油。

两相浸没的保养则像打理一口高压蒸锅：要求极其严苛的密封性。氟化液蒸汽分子小、逃逸能力强，任何接缝、法兰、密封圈稍有老化，蒸汽就无声无息地漏走——漏走的不仅是冷却介质，还是按公斤计价的高价液体。系统内部压力会随负载波动，对槽体强度和密封设计提出很高要求。检修设备同样麻烦：设备从蒸汽腔里取出前要先让系统冷却降压，操作流程复杂，还容易把外界水分杂质带入洁净的氟化液系统。

还有一个所有浸没系统都绕不开的课题：防泄漏。无论是油还是氟化液，一旦从管路漏到机房地面，轻则弄脏环境，重则引发滑倒、腐蚀、甚至安全隐患。机房要设计二次围堰、漏液监测传感器、自动切断阀，像厨房地面铺防滑垫、装地漏一样，把事故风险压到最低。运维团队需要专门的培训，掌握带液作业、液体纯度和含水量检测等技能。

对比下来，单相是「锅便宜、打理烦」，油污重、清洁累；两相是「锅娇贵、打理贵」，密封难、液体贵。选哪口锅，不仅要看炒菜（算力）香不香，还得问自己后厨有没有那个养护条件。很多数据中心最终选了单相，不是因为单相散热好，而是因为运维团队伺候得起那锅油，伺候不起那腔会漏的汽。

选型决策建议：你家数据中心该端哪口锅

到了拍板的时刻。你的数据中心到底是该端温水锅，还是蒸汽锅？答案藏在现有条件里。如果你的机房是已经运行多年的传统风冷数据中心，机柜布局、冷热通道、承重都已定型，改造空间有限，那么单相浸没是更务实的选项：只需要把原有风冷机柜替换为浸没槽，循环管路和外部换热器相对简单，改造周期短，对运维团队的技术门槛也低。这就像旧厨房改造，换一口炖锅就能开火，不必大动干戈重装燃气管道。

如果你是在建一座全新的超大规模 AI 智算中心，追求极致算力密度和最低 PUE，那两相浸没的价值就凸显出来了。两相系统能让单机柜功率密度做到风冷的数倍以上，同样面积的机房塞进更多算力，且芯片温度恒定在沸点附近，对性能释放和寿命保障都更友好。这就像新开一家餐厅，一步到位装上工业级蒸柜，虽然设备贵，但效率和出品稳定性长远看更划算。

选型还要把时间维度拉长。两相系统冷却液补充、密封圈更换、冷凝器维护，每年都会产生持续的运营支出；单相系统的换油频率和设备清洗也是不小的人力和耗材投入。要把这些成本折成年金，和电费一起放进同一个财务模型里对比，而不是只看 PUE 那一个数字。行业趋势上，随着芯片功耗继续攀升和氟化液工艺成熟降本，两相浸没在顶级算力场景的渗透率正在提高；单相浸没则凭借低成本、低门槛的优势在通用数据中心快速铺开。

回到厨房的比喻：温水锅和蒸汽锅没有绝对的优劣，只有合不合适。中小餐馆用炖锅省钱省心，米其林后厨用蒸柜追求极致出品。同样，AI 数据中心的散热选型没有标准答案，只有基于功耗密度、改造成本、运维能力和财务模型综合权衡的「最优解」。想清楚了这些，你就能在下一轮算力扩容时，端出自己厨房该端的那口锅。

AI 应用场景

Python 演示

# -*- coding: utf-8 -*-"""单相 vs 两相浸没式液冷 简化能耗对比场景: 100kW 算力负载, 对比两种方案的冷却液需求流量和估算泵功耗""" WATER_C = 4180      # 单相冷却油比热容 J/(kg*K)FLUID_L = 105000    # 两相氟化液汽化潜热 J/kg (示意值)PUMP_COEF = 0.2     # 单位流量对应的泵功耗系数  class CoolantEstimator:    def __init__(self, it_load_w, delta_t):        self.it_load_w = it_load_w   # IT 设备发热功率 (W)        self.delta_t = delta_t       # 单相冷却液允许温升 (K)     def single_phase_need(self):        return self.it_load_w / (WATER_C * self.delta_t)     def two_phase_need(self):        return self.it_load_w / FLUID_L     def pump_power(self, flow_kg_s):        return flow_kg_s * PUMP_COEF     def report(self):        s_flow = self.single_phase_need()        t_flow = self.two_phase_need()        print("单相浸没: 需求流量 %.3f kg/s, 泵功耗 %.1f W" %              (s_flow, self.pump_power(s_flow)))        print("两相浸没: 需求流量 %.3f kg/s, 泵功耗 %.1f W" %              (t_flow, self.pump_power(t_flow)))        if self.pump_power(s_flow) > self.pump_power(t_flow):            print("结论: 本例中两相方案循环功耗更低, 冷却液成本另计")        else:            print("结论: 本例中单相方案循环功耗占优, 需结合液价综合评估")  if __name__ == "__main__":    est = CoolantEstimator(100000, 10)    est.report()

1. WATER_C = 4180设定单相冷却油比热容，即每公斤油每升高 1℃ 吸收 4180 焦耳热量。
2. FLUID_L = 105000设定两相氟化液汽化潜热，即每公斤液体沸腾变身时吞下 105 千焦热量。
3. def single_phase_need(self)用显热公式 Q=mcΔT 反解出所需流量，算的是「需要多少汤流过去才带得走热量」。
4. def two_phase_need(self)用潜热公式 Q=mL 反解出所需流量，沸点恒定，温升项消失了。
5. def pump_power(self, flow_kg_s)将流量乘上功耗系数估算泵的耗电，体现「流量越大、泵越费电」的物理常识。

常见误区

面试题