AI資料中心為什麼需要液冷？從NVIDIA、聯發科AI ASIC到壓力、溫度與流量監測完整解析

昶特ATLANTIS — 31年工業儀表製造經驗｜為您的AI資料中心把脈問診

前言：AI晶片越強，散熱問題越嚴重

在2024年全球AI芯片市場的激烈競爭中，NVIDIA與聯發科(MediaTek)的合作宣告了一個重要的產業轉折：AI晶片的功耗和熱密度正在突破傳統資料中心的冷卻極限。

過去，資料中心的核心問題很簡單：「怎麼把更多伺服器放進機房？」

但在AI時代，這個問題已經徹底改變：「怎麼把AI伺服器產生的大量熱有效帶走？」

這就是為什麼液冷不再是奢侈品，而是必需品。

本文將從NVIDIA、聯發科的最新AI ASIC技術出發，深入解析：

• 為什麼傳統風冷已經無法勝任高熱密度機櫃
• 液冷系統的四大冷卻方式如何工作
• 壓力、溫度、流量三大監測指標為何缺一不可
• 如何選擇適合的液冷儀表系統
• 從監測走向IoT + AI預測維護的未來

第一章：NVIDIA × 聯發科合作——AI ASIC如何推高液冷需求？

1.1 NVIDIA與聯發科合作的戰略意義

2024年9月，NVIDIA宣佈向聯發科投資35~40億美元，並深化在AI晶片和邊緣運算方面的合作。這不是簡單的股權投資，而是一個改變AI產業格局的信號。

聯發科作為全球AI ASIC（應用特定積體電路）的先驅，其天璣（Dimensity）、及其全新AI伺服器晶片系列正在挑戰NVIDIA的H100獨佔局面。而NVIDIA的投資，實質上是在確保其生態鏈的完整性——無論是GPU還是ASIC，都要搭配NVIDIA的系統軟體與生態。

1.2 AI ASIC為什麼需要更高效的散熱？

與通用GPU不同，AI ASIC的散熱挑戰在於「功耗集中度」。

• GPU方案：8個H100 GPU分散在主板上，熱源分散，風冷還勉強可行
• AI ASIC方案：聯發科新代ASIC採用先進製程（5nm/3nm），晶片面積小、功耗密度高，熱點溫度可達80~90°C

這是液冷興起的根本原因：液體的熱容比空氣高4000倍以上，同樣的冷卻液流量，能帶走比空氣多得多的熱量。

1.3 從單顆晶片到整個資料中心的熱管理鏈

要理解液冷系統為什麼需要壓力、溫度、流量監測，必須先了解整個熱管理架構：

關鍵洞察：每一層級的失效都會導致級聯故障。例如：

• 冷板堵塞 → 伺服器溫度飆升 → AI訓練中斷
• CDU差壓過高 → 泵浦過載 → 整個機櫃停機
• 冷卻液流量不足 → 回水溫度升高 → 無法帶走足夠的熱

這就是為什麼三層監測（壓力、溫度、流量）必須同時進行，才能確保整個系統的穩定性。

第二章：風冷 vs 液冷——傳統冷卻為什麼已經過時？

2.1 傳統風冷的運作原理與局限

風冷系統依賴於空氣流通，主要組件包括：

• CRAC / CRAH 空調：生成冷空氣
• 冷通道 / 熱通道設計：隔離冷熱氣流
• 機櫃風扇：強制通風
• 機房隔板：防止氣流混合

2.2 液冷系統的三大冷卻方式

液冷並非單一技術，而是一個冷卻方式的連續譜，根據冷卻液與伺服器的接觸程度分為三類：

方式1：Direct-to-Chip（晶片直冷）

原理：冷卻液通過精密的冷板（Cold Plate），直接與晶片表面接觸，帶走最多的熱量。

• 優點：冷卻效率最高，機櫃可支持 50+ kW
• 缺點：需要改造伺服器設計，成本高
• 應用：NVIDIA H100、聯發科新代ASIC高端系列
• 監測需求：冷板進出溫度、壓力、流量均須實時監測

方式2：Rear Door Heat Exchanger（機櫃後門換熱）

原理：在伺服器機櫃後方安裝換熱器（Heat Exchanger），利用伺服器排出的熱風進行液-氣熱交換。

• 優點：改造成本低，可用於現有伺服器
• 缺點：冷卻效率次於Direct-to-Chip，機櫃功耗上限 30~35 kW
• 應用：傳統GPU伺服器升級、混合部署
• 監測需求：換熱器進出溫度、壓力差、機櫃回風溫度

方式3：Immersion Cooling（浸沒式冷卻）

原理：整個伺服器浸入特殊的冷卻液（絕緣油或氟化液），利用液體的高導熱性直接冷卻所有電子組件。

• 優點：冷卻效率最高、佔用空間最小
• 缺點：液體選擇受限、維修複雜、初期投資大
• 應用：新建AI資料中心、極端高密度部署
• 監測需求：液體溫度、液位、洩漏感測、容器壓力

第三章：AI液冷系統的完整設備架構

要理解為什麼需要監測壓力、溫度、流量，必須先掌握液冷系統的完整構成。

關鍵流程：

1. 冷卻液在冷板與晶片接觸，吸收熱量（溫度上升，回水溫度 ↑）
2. 熱液流入CDU，進行初步監測與路由
3. 泵浦驅動液體以恆定壓力和流量循環
4. 熱液進入Heat Exchanger，與冷卻水或冷空氣進行熱交換
5. 冷卻後的液體進入Chiller，溫度被調控至目標值（通常 20~30°C）
6. 冷液經過Filter去除雜質，回流至冷板，重新開始循環

第四章：液冷系統為什麼需要「壓力監測」？

在液冷系統中，壓力是系統健康狀態的第一指標。任何壓力異常都預示著系統某處出現了問題。

4.1 泵浦出口壓力監測

監測位置：泵浦排出端，進入CDU之前

典型壓力範圍：2~6 bar（取決於系統設計）

為什麼要監測？

• 確認泵浦運作：壓力持續為 0 表示泵浦已停止
• 判斷阻塞位置：壓力過高表示下游系統阻塞
• 預測泵浦壽命：壓力逐漸升高表示馬達磨損，需要維護

4.2 CDU進出口壓力（差壓監測）

監測位置：CDU的進液端和出液端

關鍵指標：ΔP = P_in − P_out

4.3 冷板進出口壓力

為什麼重要：冷板是液冷系統中最容易堵塞的地方。監測其進出口壓差能早期發現結垢、微生物增長或異物。

正常情況：冷板ΔP 應在 0.2~0.5 bar
警告值：> 0.8 bar 表示堵塞，需清洗或替換

第五章：液冷系統為什麼需要「溫度監測」？

5.1 供水溫度（Supply Temperature）

定義：進入冷板之前的冷卻液溫度

典型值：18~25°C（依據資料中心環境和冷卻策略）

5.2 回水溫度（Return Temperature）

定義：離開冷板、流入CDU或Heat Exchanger的冷卻液溫度

典型值：35~45°C（取決於晶片功耗）

5.3 溫差ΔT = T_return − T_supply

含義：冷卻液在系統內「吸收的熱量」的指標

5.4 使用PT100測量液冷系統溫度

PT100（鉑電阻溫度傳感器）是液冷系統中最常見的溫度監測方案。

第六章：為什麼還需要「流量監測」？

這是最容易被忽視，但卻最關鍵的監測指標。

6.1 流量的物理意義

冷卻能力 = 流量 × 比熱 × ΔT

如果流量下降 50%，即使 ΔT 和比熱不變，冷卻能力也會下降 50%。

6.2 流量監測能發現什麼問題？

6.3 流量計的選擇

液冷系統常用的流量測量方法：

• 渦輪流量計（Turbine Flow Meter）：精度高，但對水質要求高
• 電磁流量計（Magnetic Flow Meter）：適合導電液體，精度 ±0.5~1%
• 超音波流量計（Ultrasonic Flow Meter）：無侵入式，適合清潔液體
• 轉子流量計（Rotameter）：結構簡單，成本低，但精度有限

第七章：AI資料中心「三大儀表」配置完全指南

7.1 基礎配置（入門級）

適合：小規模液冷部署、測試或原型環境

成本估算：3~5 萬元 NTD（昶特報價）

7.2 進階配置（中型資料中心）

適合：機櫃級或小型叢集監測，需要基本遠程化

• 壓力傳送器（4~20mA）：3 個
• 差壓傳送器（4~20mA）：2 個
• PT100 溫度傳感器 + 轉換器：2 個
• 類比數據記錄器（PLC）：1 組
• 本地監控面板：1 個

成本估算：8~12 萬元 NTD

7.3 智慧配置（企業級資料中心）

適合：大規模、多機櫃、需要遠程監控與預測維護

• RS485 / Modbus 壓力傳送器：5~10 個
• RS485 / Modbus 溫度傳送器（PT100）：4~8 個
• RS485 / Modbus 流量計：2~4 個
• 邊界閘道器（IoT Gateway）與 AWS IoT 連接
• 雲端監控儀表板、警報系統、預測維護 AI
• 定期校正和維護合約

成本估算：25~50 萬元 NTD（含軟體與整合）

第八章：AI資料中心液冷儀表選型完全指南

8.1 壓力表選型的五大要素

① 壓力量程（Range）

選型原則：選擇的最大量程應為系統工作壓力的 1.3~1.5 倍。

② 接液材質（Wetted Materials）

液冷系統常用的冷卻液包括去離子水、乙二醇混合液、氟化液等，需選擇相容的材質。

• SUS 304：適合去離子水、低腐蝕液體
• SUS 316：適合高純度要求、長期運作
• 銅合金：不建議（易與某些液體反應）

③ 接頭規格（Connection Type）

常見規格包括：

• 1/4" / 3/8" / 1/2"：英制螺紋（常見於北美和日本系統）
• M14 × 1.5 / M20 × 1.5：公制螺紋（常見於歐洲系統）
• BSP (英制管螺紋) vs NPT (美制直螺紋)：不相容，選型需注意

④ 精度等級（Accuracy Class）

• Class 2.5：精度 ±2.5%，用於一般監測
• Class 1.6：精度 ±1.6%，用於精確控制
• Class 1.0：精度 ±1.0%，用於高要求應用

⑤ 指針式 vs 數位顯示

8.2 溫度傳感器選型指南

工作溫度範圍

液冷系統中常見的溫度範圍：

• 供水溫度：10~30°C
• 回水溫度：25~60°C
• 晶片溫度：40~90°C（取決於晶片類型和設計餘度）

選型原則：選擇的溫度範圍應覆蓋應用範圍，並留有 10~20% 的裕度。

PT100 vs 熱電偶 vs 雙金屬溫度計

8.3 差壓表與流量計選型

差壓表

用於監測過濾器、冷板、CDU 的堵塞狀況。

• 量程選擇：應根據系統正常運作時的差壓。通常選擇 0~0.5 bar 或 0~1 bar
• 精度：Class 2.5 足夠，但對於精密應用可選 Class 1.6

流量計

選擇流量計需考慮：

• 液體性質：導電性（影響電磁流量計選擇）、粘度、清潔度
• 量程：系統正常流量應在流量計滿量程的 20~80% 範圍內
• 精度：±1~2% 對液冷應用足夠
• 安裝方式：內螺紋（插入式）或外接式

第九章：從儀表到AI監控——IoT整合與預測維護

9.1 完整監測架構

基礎儀表層 → 數據採集層 → 傳輸層 → 雲端存儲 → AI分析 → 預測維護

9.2 數據採集與協議選擇

9.3 AWS IoT集成方案

昶特的進階監測方案支援AWS IoT連接，具體步驟：

1. 邊界閘道器（Edge Gateway）採集 RS485/Modbus 訊號
2. 閘道器透過 MQTT/HTTPS 連接 AWS IoT Core
3. 數據進入 AWS 時間序列資料庫（Amazon Timestream）
4. 即時儀表板顯示壓力、溫度、流量趨勢
5. AI 模型自動分析，預測故障發生時間
6. 觸發警報或自動維護工單

9.4 預測維護的三個應用場景

場景1：過濾器堵塞預測

監測指標：CDU差壓（ΔP）、流量

演算法：基於歷史數據，當 ΔP 以每天 +0.02 bar 的速率增長，AI 預測在 10 天後超過 1.0 bar 的臨界值。

效果：提前 5~7 天通知維護人員，避免突然停機。

場景2：泵浦失效預警

監測指標：出口壓力、馬達電流、流量、振動（如有）

演算法：當壓力逐漸下降超過 5% 且流量同時下降，系統自動判定泵浦磨損，立即下單備用泵浦。

場景3：冷卻能力最佳化

監測指標：供水溫度、回水溫度、ΔT、能耗成本

優化目標：在保持晶片溫度安全的前提下，動態調整 Chiller 的供水溫度，降低年度能耗 10~15%。

第十章：Digital Twin與AI資料中心未來

10.1 什麼是Digital Twin（數位孿生）？

Digital Twin 是實體系統（液冷系統）在虛擬空間中的完整副本，透過實時數據同步，使得虛擬模型與實體系統保持同步運作。

10.2 Digital Twin 在液冷系統中的應用

應用1：即時故障診斷

當實體系統的某個測點（例如冷板進口溫度）異常時，虛擬模型可以模擬「如果是 X 故障」會發生什麼，幫助技術人員快速定位問題。

應用2：維護計畫最佳化

基於 Digital Twin 的預測，系統可以精確計算：

• 何時需要清洗過濾器（而不是盲目按時間清洗）
• 何時需要冷卻液更換（基於實際劣化速率，而非推薦時間）
• 何時泵浦壽命即將耗盡（提前 1~2 週訂購備件）

應用3：設計驗證與改進

當資料中心決定擴容時，可以在 Digital Twin 中模擬新的伺服器配置、冷卻方案，確保不會出現熱點或壓力不均。

10.3 Digital Twin 的實現要求

第十一章：內部連結與相關資源

昶特 ATLANTIS 的相關技術文章與產品指南：

• 🔗 冷凍空調壓力量測完整指南 — 傳統冷卻系統的壓力監測方案
• 🔗 ATLANTIS 工業儀表產品目錄 — 全系列壓力表、溫度計、傳送器
• 🔗 昶特 ATLANTIS 品牌故事 — 31 年製造經驗的信賴保證
• 🔗 高溫高壓工業應用監測方案 — 極端環境的儀表選擇
• 🔗 4~20mA 數據採集與 PLC 整合手冊 — 遠程監控的技術基礎

第十二章：ATLANTIS AI資料中心液冷完整解決方案

12.1 為什麼選擇昶特 ATLANTIS？

12.2 ATLANTIS 液冷監測產品清單

壓力監測產品

• 工業壓力表 — 0~1 bar / 0~2 bar / 0~4 bar / 0~6 bar / 0~10 bar / 0~16 bar，精度 Class 2.5 / 1.6 / 1.0
• 差壓表 — 0~0.5 bar / 0~1 bar / 0~2 bar，適合過濾器與 CDU 監測
• 數位壓力表 — LCD 顯示，精度 ±1%，便於讀取
• 壓力傳送器（4~20mA） — 遠程監測，精度 ±0.5%
• 壓力傳送器（RS485/Modbus） — 直接接 PLC，無需轉換

溫度監測產品

• 雙金屬溫度計 — -20~100°C，快速指示
• PT100 傳感器 — -50~400°C，精度 ±0.15°C（Class A）
• 溫度傳送器（4~20mA） — 接 PLC 或類比記錄器
• 溫度傳送器（RS485/Modbus） — 直接数位通訊
• 記錄式溫度計 — 內建儲存，可離線分析歷史數據

流量監測產品

• 轉子流量計 — 結構簡單，成本低
• 電磁流量計 — 精度高，適合導電液體
• 流量開關 — 低成本，適合開/關檢測

系統整合產品

• 多通道資料記錄器 — 同時記錄 8~16 個監測點
• 邊界閘道器（IoT Gateway） — Modbus 轉 AWS IoT 連接
• 監控儀表板軟體 — 即時展示壓力、溫度、流量趨勢圖
• 警報系統 — 異常時自動發送 Email / SMS 通知

12.3 快速詢價與導購流程

如果您正計畫建立或升級 AI 資料中心的液冷監測系統，昶特 ATLANTIS 提供以下支援：

1. 免費諮詢：評估您的液冷系統規模、冷卻方式、監測需求
2. 方案設計：根據需求推薦基礎、進階或智慧配置
3. 報價方案：所有方案採報價制，無隱藏費用
4. 安裝與調試：包含現場安裝、校正、系統測試
5. 定期維護：校正、保養、故障排查的年度服務合約
6. 技術支援：24/7 熱線支援，故障診斷協助

結論：AI時代，液冷監測已成標配

從 NVIDIA 與聯發科的合作，到全球資料中心液冷市場的快速擴張，這些都指向一個明確的趨勢：AI 晶片的高功耗決定了液冷不再是選項，而是必需品。

而液冷系統的可靠性，完全依賴於三大監測指標的協同工作：

• 壓力告訴您系統是否在正常循環
• 溫度告訴您冷卻容量是否足夠
• 流量告訴您冷卻液是否真的在流動

從基礎的壓力表，到進階的 Modbus 傳送器，再到企業級的 AWS IoT + Digital Twin 方案，昶特 ATLANTIS 提供了完整的監測路徑，幫助您：

• 🎯 降低故障風險：早期發現問題，避免停機損失
• 💰 降低運營成本：優化冷卻策略，年省 35~50% 能耗
• 🔮 邁向未來：從人工監測升級到 AI 預測維護

立即聯絡昶特ATLANTIS

官方網站 快速詢價