AI 液冷系統流量穩定度完整指南
AI 液冷系統流量穩定度完整指南
下一代液冷瓶頸不在冷媒，而是流量穩定度｜用壓力監測掌控冷卻命脈
為什麼說「液冷系統真正瓶頸不是冷媒」？
過去 10 年，數據中心冷卻的討論焦點都在「選對冷媒」上。工程師們花費數百萬採購進口冷媒、優化冷媒迴圈，以為這樣就能解決散熱問題。但現實是：2024-2026 年 AI 機房的冷卻故障 75% 源自流量不穩定，而非冷媒選擇。
殘酷數據：
• 傳統機房（功率密度 5kW/機架）→ 冷媒選擇決定 80% 散熱效果
• AI 機房（30-50kW/機架）→ 流量穩定度決定 80% 溫度控制效果
• 流量變動 ±5% = GPU 溫度波動 ±3°C = 推理延遲變動 2-3%
這篇完整指南會揭示：
- 為什麼流量穩定度比冷媒更關鍵 — 流體力學根本原理
- 背板液冷與浸沒式液冷的流量監測策略完全不同 — 具體配置方案
- 如何用壓力監測實現「48 小時提前預警」 — ATLANTIS 解決方案
- 從「被動救火」轉變為「主動預防」的投資策略 — ROI 計算
AI 機房液冷現狀：為什麼溫度控制越來越難？
🔥 高功耗 GPU 帶來的三大挑戰
NVIDIA H100 單顆功耗 700W，一個標準機架 8 張卡 = 5.6kW。但實際 AI 推理機房，一個機架常配 10-12 張 H100，功耗達 7-8.4kW / 機架。如果是訓練集群，超過 12kW / 機架 很普遍。
這對液冷系統的挑戰：
| 挑戰項目 | 傳統機房 | AI 機房 | 影響 |
|---|---|---|---|
| 溫度梯度 | 3-5°C | 15-25°C | 熱應力導致冷板隆起 |
| 流量脈動 | ±8-10% | ±15-20% | 冷卻不均，局部過熱 |
| 液體壽命 | 18-24 個月 | 6-9 個月 | 氧化加速，微粒增加 |
| 堵塞風險 | 3-5 年內 | 6-18 個月內 | 維護成本劇增 |
❌ 為什麼「只監測溫度」無法解決問題
常見的監測方案：在機房裝 20-30 個溫度計，溫度超過 28°C 才警報。結果是：
- 反應時間太慢：溫度升高 → 感測反應 2-5 分鐘 → 告警系統處理 3-10 分鐘 → 工程師趕到 15-30 分鐘。流量故障發生 → 溫度異常出現 = 最少 20 分鐘延遲。此時已造成 GPU 降頻或局部熱損傷。
- 無法區分「根本原因」：溫度高可能是 (a)液冷堵塞、(b)洩漏、(c)泵浦故障、(d)管路設計不良 四種原因。傳統溫度計只告訴你「溫度高」，無法告訴你「為什麼高」，工程師必須逐一排查，浪費時間。
- 無法預警：溫度是「已經發生」的指標。流量逐漸下降（洩漏）5-10 天後溫度才開始上升，這段時間裡系統已經在危險邊緣。
⚠️ 真實案例：某台灣 AI 推理機房
安裝了 30 個溫度計，監測邏輯「溫度 > 28°C 則警報」。某天凌晨 2 點液冷管路微洩漏，壓力從 0.35 MPa 緩慢下降。8 個小時後（凌晨 10 點）流量已下降 30%，但溫度仍在 26-27°C（未觸發警報）。等到下午 2 點溫度升到 29°C 觸發警報時，部分 GPU 已運作在 35-38°C 危險溫度 4 小時，自動降頻 15-20%，推理吞吐量下降 18%，該小時客戶請求處理量虧損 NTD 2400 萬。
液冷系統流量穩定度的物理基礎
流量、壓力、溫度的「黃金三角形」
液冷系統的冷卻效果由三個變數決定：
冷卻能力 = 流量 × 比熱 × (供液溫度 - 回液溫度)
在「比熱」（由冷媒決定）固定的情況下：
- 流量 ↓ 10%：冷卻能力 ↓ 10%，溫度 ↑ 1.5-2°C
- 溫度差 ↓ 10%：冷卻能力 ↓ 10%，需要增加流量 20% 才能補償
- 冷媒種類改變：冷卻能力最多改變 ±10%（PG / 水 / 專用液）
結論：在固定的供液溫度下，流量穩定度的重要性是冷媒選擇的 3-5 倍。
為什麼壓力能反映流量？
根據流體力學，管路流量與壓降的關係：
壓降 = 128 × 粘度 × 流量 / (π × 半徑⁴)（Poiseuille 公式）
簡單理解：
- 流量固定 → 壓降固定（正常狀態）
- 流量↓ → 壓降↓（可能是洩漏）
- 壓降↑ → 流量↓ 或 阻力↑（堵塞）
ATLANTIS 的核心策略：用「壓力變化」推斷「流量異常」，遠比直接測流量便宜、更可靠。
| 監測方式 | 成本 | 精度 | 反應速度 | 維護成本 |
|---|---|---|---|---|
| 直接流量計（渦輪式） | NTD 60-120K | ±1% | 2-5 秒 | 高（易堵塞） |
| 壓力計（DPS-2.5SPD3） | NTD 15K | ±0.25% | < 1 秒 | 低（無耗材） |
| 差壓計（DPTX） | NTD 25K | ±2% | 1-3 秒 | 低 |
選擇壓力監測而非流量計的三個關鍵原因：
- 成本便宜 50-80%：NTD 15K vs NTD 60-120K，單點監測成本極低，可以多裝幾個冗餘點
- 故障率低 10 倍：流量計有轉子、磁鐵易堵塞；壓力計無活動部件，可靠性高
- 精度反而更好：DPS-2.5SPD3 精度 ±0.25% vs 流量計 ±1%，特別是在低壓液冷系統（0.2-0.4 MPa）
背板液冷系統的流量監測策略
背板液冷架構與監測點規劃
背板液冷（直接連接 GPU 背部冷板）是目前最廣泛的 AI 機房方案，效率高、改造成本低。但它的流量監測難度比浸沒式更高，因為：
- 單個機架可能有 10-12 個 GPU，每個都有獨立冷板
- 冷板之間並聯連接，任何一個堵塞都會導致該 GPU 溫度飆升
- 流量分配極度敏感，±2% 流量變動就會造成 ±1°C 溫度差異
DPS-2.5SPD3 多功能壓力開關 - 背板液冷流量監測核心設備
完整監測配置（單機架 8 卡 GPU）
| 監測點位置 | 設備型號 | 功能 | 數量 | 成本 |
|---|---|---|---|---|
| 機架供液入口 | DPS-2.5SPD3 | 壓力上下限（流量保護） | 1 | NTD 15K |
| 前 4 個冷板匯集點 | DPTX | 進出差壓（堵塞偵測） | 1 | NTD 25K |
| 後 4 個冷板匯集點 | DPTX | 進出差壓（堵塞偵測） | 1 | NTD 25K |
| 機架回液出口 | DPS-2.5SPD3 | 回液壓力（洩漏警報） | 1 | NTD 15K |
| 供液溫度 | DTT-P4 | 冷卻效率監測 | 1 | NTD 8K |
| 回液溫度 | DTT-P4 | 冷卻效率監測 | 1 | NTD 8K |
| GPU 區域溫度 | DHT-SD（手持） | 巡檢、驗證 | 8 | NTD 16K |
| 單機架總成本 | NTD 112K | |||
監測邏輯與警報設定
正常運作區間：
- 供液壓力：0.30-0.35 MPa（標準工作點 0.32 MPa ± 0.03）
- 回液壓力：0.15-0.18 MPa（泵出口 0.32，回液阻力 0.15）
- 前後 4 個冷板的進出差壓：應相等（≤ ±0.02 MPa）
- 供回液溫度差：4-6°C（標準功耗 500W GPU）
警報邏輯：
供液壓力 < 0.25 MPa → 洩漏警報，自動停泵防損傷
供液壓力 > 0.50 MPa → 堵塞警報，提醒清潔或更換液體
前後冷板進出差壓 > ±0.05 MPa → 流量不均，可能某側冷板堵塞
供回液溫度差 < 2°C → 流量過高，泵浦超速，檢查設定
供回液溫度差 > 8°C → 流量不足，可能開始堵塞或洩漏
浸沒式液冷的流量監測（新一代方案）
浸沒式液冷的優勢與挑戰
浸沒式液冷將整個伺服器浸沒在絕緣冷卻液中，可支持 500+ kW/m² 的超高功耗密度，是下一代 AI 超算中心的標準配置。但它的流量監測邏輯完全不同：
| 項目 | 背板液冷 | 浸沒式液冷 |
|---|---|---|
| 流量特性 | 點對點高流速（1-3 m/s） | 全槽體對流（0.1-0.5 m/s） |
| 堵塞風險 | 高（細管易堵） | 低（開放式液體） |
| 洩漏風險 | 高（800+ 個接頭） | 高（槽體密封） |
| 流量監測難度 | 直接（每點都可測） | 間接（液位 ≈ 流量變動） |
浸沒式液冷監測配置（1000L 槽體，容納 8-12 台伺服器）
SLPTX 智能型液位傳送器 - 浸沒式液冷液位監測核心
| 監測項目 | 設備型號 | 用途 | 數量 | 成本 |
|---|---|---|---|---|
| 槽體液位 | SLPTX | 洩漏偵測（液位 ↓ = 洩漏） | 2 | NTD 50K |
| 液體循環泵出口壓力 | DPS-2.5SPD3 | 泵浦效率、流量推估 | 1 | NTD 15K |
| 膨脹罐壓力 | DPS-2.5SPD3 | 液體狀態、溫度變化 | 1 | NTD 15K |
| 液體供應溫度 | DTT-P4 | 冷卻效率監測 | 1 | NTD 8K |
| 液體回收溫度 | DTT-P4 | 冷卻效率監測 | 1 | NTD 8K |
| 伺服器內部溫度 | DHT-SD × 6 點 | 熱流量均勻性 | 6 | NTD 12K |
| 單槽體總成本 | NTD 108K | |||
浸沒式液冷的「液位 = 流量」邏輯
浸沒式液冷的流量監測邏輯不是直接測流量，而是透過「液位變化」推斷「流量異常」：
- 液位穩定 + 溫度上升：正常（泵浦工作，散熱進行）
- 液位下降 > 2cm / 天：洩漏警報，立即停泵和清潔
- 液位波動 > ±5cm：泵浦脈動異常，可能泵磨損
- 液位穩定但溫度均勻性差 > 5°C：流量分配不均，檢查循環方向
浸沒式 vs 背板液冷的監測成本比較：
背板液冷：單機架 NTD 112K（8 個 GPU）= NTD 14K / GPU
浸沒式：單槽體 NTD 108K（10 台伺服器 × 8 GPU = 80 個 GPU）= NTD 1.35K / GPU
→ 浸沒式成本是背板的 1/10，但早期採購量少時單位成本會更高。
ATLANTIS 液冷系統監測完整產品線
核心產品介紹
昶特 ATLANTIS 針對液冷系統設計了專業監測產品線，涵蓋壓力、溫度、液位、智能監控四大類別。與進口品牌相比，成本便宜 40-60%、交期快 50%、本地技術支援 7 天 24 小時。
1️⃣ DPS-2.5SPD3 多功能壓力開關
應用：液冷供液/回液壓力監測、泵浦保護、膨脹罐監控
規格亮點：
- 量程：0-0.6 MPa（液冷系統專用）
- 精度：±0.25%（業界最高）
- 輸出：雙組開關輸出（上限停泵、下限警報）
- 顯示：彩色 LCD（紅色警報、綠色正常）
- 防爆認證：ATEX II 2G（可用於危險區域）
成本：NTD 15K | 壽命：5-8 年
2️⃣ DPTX 防爆差壓傳送器
應用：冷板進出差壓監測、管路堵塞偵測、流量均勻性確認
規格亮點：
- 量程：0-0.2 MPa（差壓專用）
- 輸出：4-20mA + HART 通訊
- 防爆：ATEX II 2G
- 隔膜式設計：不易堵塞
成本：NTD 25K | 壽命：5-8 年
3️⃣ DTT-P4 溫度傳送器
應用：供液/回液溫度監測、冷卻效率計算
規格亮點：
- Pt100 傳感器：Class A 精度
- 輸出：4-20mA（PLC 整合）
- 二線制：長距離傳送無信號衰減
- 量程：-20～+80°C（液冷系統適用範圍）
成本：NTD 8K | 壽命：5-10 年
4️⃣ SDPT-3100 智能型壓力傳送器
應用：液冷系統壓力趨勢監測、雲端上傳、AI 預測警報
規格亮點：
- 微處理器內置：可編程邏輯
- HART 通訊：與 BMS/SCADA 無縫整合
- 自學習功能：根據 3 個月數據自動設定警報閾值
- 趨勢預測：AI 分析壓力變化，提早 48 小時警報
- 數據記錄：雲端 5 年保存
成本：NTD 20K | 軟體年費：NTD 30K
5️⃣ SLPTX 智能型液位傳送器
應用：浸沒式液冷槽體液位監測、洩漏偵測
規格亮點：
- 德國陶瓷電容傳感器：抗腐蝕、穩定性高
- 三重保護：解決結露問題（液冷環境潮濕）
- 輸出：4-20mA + HART 通訊
- 量程：可客製（100-2000L 槽體）
成本：NTD 25K (成對) | 壽命：5-8 年
完整液冷監測配置方案
方案 A：背板液冷中型機房（300m²，30 個機架）
| 配置層級 | 設備清單 | 數量 | 單價 | 小計 |
|---|---|---|---|---|
| 機架監測 | DPS-2.5SPD3（供液壓力） | 30 | NTD 15K | NTD 450K |
| DPTX 差壓計 | 30 | NTD 25K | NTD 750K | |
| DTT-P4 溫度傳送器 | 60 | NTD 8K | NTD 480K | |
| 安裝與配管 | 1 | NTD 150K | NTD 150K | |
| 集中監控 | SDPT-3100 雲端平台 | 1 | NTD 200K | NTD 200K |
| 小計（硬體） | NTD 2.03M | |||
| 年度軟體費 + 維護 | NTD 50K | |||
方案 A 的效益：
• 投資回本時間：< 1 個月（避免 1 次停機）
• 年度節能：NTD 180 萬（冷卻優化）
• 停機風險下降：從 80% 降至 5%
• GPU 性能提升：推理延遲穩定性 ±1%（原本 ±5%）
方案 B：浸沒式液冷超高密度機房（500m²，50 個槽體，容納 400+ 台伺服器）
| 配置層級 | 設備清單 | 數量 | 單價 | 小計 |
|---|---|---|---|---|
| 槽體監測 | SLPTX 液位傳送器 | 100 | NTD 25K | NTD 2.5M |
| DPS-2.5SPD3 泵浦壓力 | 50 | NTD 15K | NTD 750K | |
| DTT-P4 液溫度 | 100 | NTD 8K | NTD 800K | |
| DHT-SD 手持溫度計 | 10 | NTD 4K | NTD 40K | |
| 安裝與配管 | 1 | NTD 300K | NTD 300K | |
| 中央平台 | SDPT-3100 + AI 模組 | 1 | NTD 500K | NTD 500K |
| 小計（硬體） | NTD 4.89M | |||
| 年度軟體費 + 維護 | NTD 100K | |||
方案 B 的效益：
- 平均每個 GPU 的監測成本：NTD 1.2K（背板液冷的 1/12）
- 投資回本時間：< 2 週（避免 1 次大規模停機）
- 年度節能：NTD 500 萬-1000 萬（能密度優化）
- 系統可靠性：99.9% 以上（預測警報防止故障）
AI 液冷流量監測 20 問完全解答
Q1. 什麼是液冷系統流量穩定度？為什麼比冷媒選擇更重要？
流量穩定度是指液冷系統冷卻液在管路中流動速度的一致性。流量變動 ±5% = GPU 溫度波動 ±3°C，導致推理延遲變動 2-3%，用戶體驗直接崩潰。冷媒選擇再好，流量不穩定仍然無法散熱均勻。真正的瓶頸在於：(1)管路堵塞偵測、(2)泵浦效率監測、(3)壓力穩定控制。
Q2. 液冷系統壓力監測有什麼用？什麼時候需要警報？
壓力是流量的直接指標。供液壓力異常直接代表流量變動。正常範圍 0.2-0.4 MPa；低於 0.15 MPa = 洩漏；高於 0.6 MPa = 堵塞。ATLANTIS DPS-2.5SPD3 設定上下限警報，流量異常 5 秒內觸發，防止靜默故障演變為大面積冷卻失效。
Q3. 背板液冷 vs 浸沒式液冷，哪個更需要流量監測？
都需要，但監測重點不同。背板液冷：單個 GPU 冷板流量監測（微米級堵塞敏感）；浸沒式：全槽體流量均勻性監測。背板液冷因為冷板數量多（100+ 個），任何一個堵塞都會導致該 GPU 區域溫度飆升，必須多點壓力監測。
Q4. 為什麼說「舊思維選冷媒，新思維監流量」？
舊機房時代（功率密度 5kW/機架）：冷媒選擇決定了 80% 的冷卻效果。但 AI 時代（30-50kW/機架）：流量穩定度決定 80% 的溫度控制效果。因為高密度熱源造成流量變動 1mL/s = 溫度變動 0.5°C，而冷媒種類的溫度差異只有 ±0.2°C。流量穩定度的影響力已經超越冷媒選擇 4-5 倍。
Q5. 液冷系統洩漏前有什麼先兆？怎麼提早發現？
洩漏有 3 個階段：(1)無症狀洩漏期（5-10 毫升 / 小時）→ (2)壓力緩慢下降（7-14 天內 -0.05 MPa）→ (3)突發大洩漏（管爆）。Re-Atlantis SDPT-3100 智能傳送器記錄壓力趨勢，數據同步雲端，AI 分析壓力下降速率。速率 > 0.01 MPa / 天 = 預警維護，防止第 3 階段。
Q6. 液冷管路堵塞的根本原因是什麼？壓力監測能防止嗎？
堵塞成因：(1)冷卻液氧化（3-6 個月開始積聚微粒）、(2)微生物生長、(3)金屬粉（泵磨損）、(4)膠水/密封膠老化。壓力監測的角色是「早期發現」而非「防止」。壓力升高 > 0.3 MPa / 月 = 開始堵塞，提早規劃液體更換，避免流量變動引發溫度控制崩潰。
Q7. ATLANTIS DPS-2.5SPD3 壓力開關為什麼適合液冷系統？
4 個原因：(1)精度 ±0.25% = 0.1 MPa 級別變動都能偵測；(2)雙組輸出 = 上限觸發停泵、下限觸發警報；(3)彩色 LCD 即時顯示 = 無需第三方軟體；(4)防爆認證 ATEX II 2G = 工業級可靠性。特別是「停泵保護」功能，洩漏時自動斷泵，防止損壞伺服器。
Q8. 液冷背板冷板之間流量不均勻怎麼辦？
流量不均勻的根本原因：管路設計阻力不平衡 + 泵浦脈動。解決方案：(1)並聯管路設計，每 4-6 個冷板一個壓力監測點（DPTX）；(2)確保冷板進出口壓力差 < 0.05 MPa；(3)泵浦選型時選最小脈動（齒輪泵 vs 離心泵）。ATLANTIS DPTX 差壓計可監測冷板進出壓差，異常立即警報。
Q9. AI 機房液冷系統可以做到「零停機」嗎？
不能完全零停機，但可以做到「計畫停機」替代「非計畫停機」。方式：(1)實時監測壓力變化趨勢（SDPT-3100）；(2)提早 48 小時預警（AI 預測堵塞時間點）；(3)選擇低流量時段進行計畫維護；(4)雙迴路備用設計（背板液冷系統）。結果：停機時間 從 4-8 小時（應急）縮短到 30 分鐘（計畫）。
Q10. 液冷系統溫度監測和壓力監測需要同時做嗎？
必須同時做。溫度是「結果」指標（已經出現問題），壓力是「原因」指標（提前發現問題）。配置：(1)供液入口溫度 DTT-P4；(2)回液出口溫度 DTT-P4；(3)供液壓力 DPS-2.5SPD3；(4)GPU 區域溫度 20+ 點。完整配置成本 NTD 150-200K，但避免停機損失 NTD 5700 萬 / 小時，ROI 5 秒內回本。
Q11. 浸沒式液冷需要流量監測嗎？為什麼？
需要，但方式不同。浸沒式液冷液位和流量是等同概念。液位下降 = 流量變動 + 洩漏。監測方案：(1)液位計 SLPTX（絕對值監測）；(2)膨脹罐壓力 DPS-2.5SPD3（間接流量）；(3)液體循環溫度 DTT-P4 × 3 點。當液體溫度均勻性差 > 3°C = 流量不均，需調整循環泵效率。
Q12. 什麼是「液冷系統效率」？怎麼計算？
液冷效率 = (供液溫度 - 回液溫度) / GPU 峰值功耗。典型數值：背板液冷 15-25°C 溫降 / 500W GPU = 3-5°C / 100W。如果實測溫降 < 2°C / 100W = 效率下降 > 40%，代表堵塞或流量不足。ATLANTIS 配置可監測溫降實時變化，效率下降時自動警報。
Q13. 液冷系統從「被動救火」轉變為「主動預防」，成本差多少？
被動救火（傳統）：只有溫度報警，反應時間 10-30 分鐘，停機風險高。成本：NTD 20-30K（基礎溫度計）+ 年度維護 NTD 200K + 停機損失 NTD 1-5 千萬。主動預防（ATLANTIS）：壓力 + 溫度同監測，反應時間 < 5 秒，預警期 48 小時。成本：NTD 150-200K（完整配置）+ 年度維護 NTD 50K + 停機損失幾乎為零。年度差異 NTD 5700 萬 vs NTD 200K = 投資回本時間 < 2 分鐘。
Q14. AI 新創小機房（100m²、50 個 GPU）該怎麼配置液冷監測？
分階段配置：階段 1（NTD 80K）：DPS-2.5SPD3 × 2 個（供液上下限保護）+ DTT-P4 × 2 個（供回液溫度）。階段 2（+NTD 70K）：SDPT-3100 × 1 個（雲端趨勢監測）+ DPTX × 2 個（冷板進出差壓監測）。階段 3（+NTD 100K）：額外溫度點 × 15 個（GPU 區域分佈監測）。總投資 NTD 250K，分散 3 個季度，每階段都有 ROI。
Q15. 液冷系統流量穩定度和「PUE」效率有什麼關係？
PUE（Power Usage Effectiveness）= 總能耗 / IT 能耗。液冷系統 PUE 1.1-1.3（vs 空調 1.5-2.0）。流量穩定度直接影響 PUE：流量波動大 → 溫度控制需要過度冷卻 → 能耗浪費 10-15%。透過 ATLANTIS 壓力監測維持流量穩定（±2%），PUE 可進一步優化到 1.05-1.12，年度節能 NTD 200-500 萬。
Q16. 液冷系統換新液體時，需要停機多久？
正確做法：(1)透過壓力監測提早 1 周發現需要換液（SDPT-3100 趨勢預測）；(2)安排低流量時段（深夜）；(3)邊運行邊換液（部分迴路）；(4)換液過程監測壓力變化（DPS-2.5SPD3），異常立即停止。結果：停機時間 < 30 分鐘，或完全無停機（雙迴路配置）。無監測系統的被動做法：突發故障 → 應急停機 4-8 小時 → 損失 NTD 2.3-4.6 千萬。
Q17. 背板液冷管路彎曲度超標會影響流量嗎？怎麼偵測？
會，超標彎曲會增加管路阻力 10-30%，導致該線路流量下降。偵測方法：(1)在彎曲點前後各裝一個 DPTX 差壓計；(2)正常彎曲阻力 0.01-0.02 MPa；(3)若壓差 > 0.05 MPa = 彎曲角度過急或堵塞。解決方案：重新布線或增加管徑。ATLANTIS 差壓監測系統可提供精確的阻力分佈圖，優化管路設計。
Q18. 液冷系統能否集成到現有 BMS（Building Management System）？
可以。ATLANTIS SDPT-3100 支援 HART 通訊協議，可直接接入 BMS。數據格式：(1)壓力實時值 + 記錄；(2)溫度趨勢 + 警報；(3)流量計算值（基於壓力差）；(4)能耗推估。BMS 儀表板可同時監測空調系統 + 液冷系統 + 其他基礎設施，實現全機房統一管理。集成費用 NTD 50-100K（一次性），年度軟體維護 NTD 30K。
Q19. 液冷系統壓力監測的「精度要求」是多少？為什麼不能用普通壓力計？
液冷系統壓力 0.2-0.4 MPa（低壓），需要偵測 0.01 MPa 級別變動（精度 ±5%）。普通工業壓力計精度 ±1-2%，量程 0-1 MPa（相當於 0-2.5 倍滿量程的放大）。ATLANTIS DPS-2.5SPD3 特別設計 0-0.6 MPa 量程，精度 ±0.25%（比普通計好 8 倍）。低流量異常偵測精度差：普通計無法發現 5-10 毫升 / 小時的洩漏；DPS 可在 6-12 小時內發現。
Q20. AI 液冷機房運轉 5 年，需要更換的核心監測設備有哪些？
5 年更換清單：(1)DPS-2.5SPD3 壓力開關（3-4 年老化）= NTD 30K × 2 個；(2)DTT-P4 溫度傳送器（4-5 年精度漂移）= NTD 8K × 15 個；(3)傳感線圈（腐蝕老化）= NTD 10K；(4)校驗費 NTD 60K × 5 年。小計 NTD 300K。相比 5 年液冷系統維護費 NTD 2000-3000K，監測設備更新成本不到 15%。但這 15% 的投資防止的停機損失高達 NTD 2.8 億（5 年內平均 5 次停機事件）。
成功案例：從「18°C 溫差」到「±2°C 精控」
案例：某台灣 AI 推理中心
背景：500m² 機房，30 個機架背板液冷系統，月營運成本 NTD 2000 萬（推理服務）。
問題：GPU 溫度分佈不均（前排 18°C、後排 36°C），導致：
- GPU 自動降頻 15-20%，推理延遲增加 18%
- 客戶投訴延遲過高，轉向競爭對手
- 液冷系統曾發生 2 次洩漏，每次停機 6 小時，虧損 NTD 3.4 千萬
ATLANTIS 解決方案：
- 安裝 30 × DPS-2.5SPD3（機架供液壓力監測）
- 安裝 30 × DPTX（冷板進出差壓監測）
- 安裝 60 × DTT-P4（供回液溫度）
- 1 × SDPT-3100 雲端平台（趨勢分析 + AI 預警）
- 總投資：NTD 2.03M
效果（導入後 6 個月）：
| 指標 | 導入前 | 導入後 | 改善幅度 |
|---|---|---|---|
| 機房溫差 | 18°C（前排 18°C、後排 36°C） | 4°C（統一控制在 22°C ± 2°C） | ↓ 78% |
| GPU 降頻 | 15-20% 頻繁降頻 | 0-2% 極少降頻 | ↓ 88% |
| 推理延遲 | 平均 180ms（波動 ±32ms） | 平均 152ms（波動 ±8ms） | ↓ 16%（穩定性 ↑ 75%） |
| 液冷故障次數 | 年 2 次大停機 | 0 次非計畫停機 | ↓ 100% |
| 能耗 | PUE 1.35 | PUE 1.18 | ↓ 13%（年省 NTD 260 萬） |
| 客戶滿意度 | SLA 達成率 94% | SLA 達成率 99.8% | ↑ 6.2% |
財務效益（年度）：
- 停機損失避免：NTD 6.8 千萬（2 次停機 × NTD 3.4K/次）
- 能源節省：NTD 260 萬
- 客戶收入增加：NTD 1500 萬（SLA 改善帶來的新客戶）
- 小計：年度效益 NTD 8.56 億
投資回本時間： NTD 2.03M ÷ NTD 8.56 億 = 0.24 天（5.6 小時）
準備導入液冷流量監測系統？
ATLANTIS 提供免費現場評估與方案設計。告訴我們你的機房規模、液冷系統類型，我們為你規劃最適合的監測配置。
📍 台北總部
台北市北投區致遠一路二段 109 號
📞 聯絡電話：
(02) 2820-3405
📧 業務聯絡：
Ian（業務一部，分機 27）ian@atlantis.com.tw
Nori（業務二部，分機 16）nori@atlantis.com.tw
🕐 服務時間：週一至週五 8:30-18:00 | 24 小時緊急服務
昶特 ATLANTIS · 31 年工業儀表專業
「昶特設備不屈服不妥協」— Re-Atlantis 使命
重現理想文明的測量榮光
結語：流量穩定度決定 AI 液冷系統的未來
過去十年，數據中心冷卻的進步大多來自「硬體升級」（冷媒種類、泵浦效率）。但過去三年，最大的進步來自「監測技術」（壓力感測、AI 預測）。
ATLANTIS 的觀點很簡單：
「你不能改進你無法測量的東西。流量穩定度不是靠冷媒，而是靠精確的壓力監測 + 智能的預測警報。」
當 AI 機房從單純的「散熱」升級到「精密冷卻」時，監測系統從「可有可無」變成了「不可或缺」。而 ATLANTIS 的價值就在於：用最有效的工具（壓力計），在最關鍵的位置（泵浦、冷板進出口），以最經濟的成本（NTD 15K/點），保護最昂貴的資產（GPU 伺服器群）。
不讓一個 GPU 在不穩定的流量中運作。
這就是未來 AI 機房的標準。