A：這是最危險的狀況。AI機房的熱分佈極度不均：整體平均可能是24°C，但前排機架是18°C，後排是30°C。你的整體溫度計只看到平均值，而後排的GPU早就在邊界條件下運作。根據ATLANTIS的案例，80%的「表面正常」機房其實都存在局部過熱區域。建議立即進行熱力圖掃描診斷。

A：冷卻系統解決「冷的來源」，監測系統解決「冷的分配」。就像你有心臟，也需要脈搏檢測儀。沒有監測的冷卻系統是盲人開車—你不知道冷卻是否真的到達了GPU。液冷系統尤其如此：冷卻液進液溫度上升1°C看似無害，但可能意味著5天內堵塞爆裂。

A：普通溫度計只是「看」，SDPT-3100是「懂」：

• 內置微處理器：根據3個月歷史自學習「正常」溫度範圍
• 趨勢預測：溫度曲線上升超過預期時，在故障發生前2小時就警報
• 同步監測：溫度 + 壓力 + 時間戳，建立完整故障跡象
• 4-20mA模擬輸出：可直接接入PLC/BMS，無需額外轉換器

比喻：普通溫度計如同檢查病人體溫，SDPT-3100如同心電圖監測—能看到變化趨勢和預警信號。

A：最少需要3層監測：

• 第1層：CDU（冷卻液分配單元）進出液 - 2個SDPT-3100
• 第2層：冷板進出液 - 每4個冷板配1個SDPT-3100（共8-16個）
• 第3層：環境溫濕度 - 按機房面積每50m²配1個（共4-20個）

200m²液冷機房的典型配置：15-20個傳感器。5年使用成本約NTD 150-250萬，每次故障預防都值回票價。

A：必須是動態的。ATLANTIS推薦的告警策略：

• 靜態紅線：GPU進液溫度 ≥ 45°C → 立即警報（危險區域）
• 動態告警：本週同時段溫度 > 過去4週均值 + 3°C → 警報（異常趨勢）
• 壓力告警：進液壓力 < 設定值 - 0.5 bar → 警報（洩漏信號）
• 效率告警：冷卻效率（進出液溫差 ÷ 功耗）下降 > 20% → 警報（管路堵塞信號）

固定閾值會導致深夜誤警泛濫，動態系統讓告警更精準，運維團隊信任度提升，響應速度更快。

A：這正是最應該投入的時候。PUE 1.75意味著：

• 你花在散熱上的成本是計算的75%
• 有巨大的效率提升空間
• 監測系統能快速定位浪費點（通常是冷氣短路、空槽未封）

根據我們的案例，PUE > 1.70的機房通常能改善15-25%，相當於 NTD 1,000-3,000萬/年的成本節省。監測系統投資（NTD 200-400萬）在6-12個月內就能回本。

A：傳統氣冷不需要，但AI級高密度氣冷需要。原因：

• 高密度氣冷通常配搭加壓冷卻管路（防止熱迴流）
• 地板靜壓箱內的負壓失衡會直接影響冷卻效果
• 壓力監測能診斷冷氣短路、漏洩點、濾網堵塞

建議在冷卻水塔、冷凍機出液管路配置差壓計（DPTX系列），監測冷卻水循環的壓力變化。

A：正好相反。好的監測系統應該簡化運維，而非複雜化。ATLANTIS的系統特點：

• 傻瓜式告警：顏色變紅就代表有問題，不需要看複雜的數據表
• 自動趨勢分析：系統自己學習，運維人員不用設置複雜參數
• 與BMS整合：導入現有的HVAC控制系統，不需要額外操作界面
• 歷史追蹤：90天數據本地存儲，故障發生時能快速回溯根因

實際上，有監測系統的機房運維效率更高，因為問題被「打死在搖籃裡」，不會發展成緊急故障。

A：根據NVIDIA官方規格：

• H100/H200：80°C開始輕度降頻，85°C進入激進降頻
• A100：75°C開始降頻，80°C激進降頻
• B100（預計）：85°C開始降頻（因為TDP更高）

但實際上，你不應該等到80°C才開始關注。最佳運作溫度是65-75°C：

• 性能穩定
• 壽命延長
• 功耗最優（溫度太高時芯片功耗反而增加）

建議將動態告警設置在73°C，給運維人員反應時間。

A：隔離後可以減少30-40%的監測點，但不能完全取消：

• 完全隔離前：200m²機房需要15-20點
• 完全隔離後：可降至10-12點（因為熱分佈更均勻）
• 但必留監測點：
  • 進風口（冷通道入口）
  • 排風口（熱通道出口）
  • 高熱密度區（GPU集中的幾台機架）

與其省監測點，不如保持密度，因為監測成本很低（SDPT-3100 NTD 8-12萬/台），故障成本很高（停機1小時 = NTD 5,700萬）。

A：液冷故障的典型信號（ATLANTIS經驗數據）：

• 洩漏信號（最常見）：
  • 進液溫度不變，出液溫度持續上升（△T越來越大）
  • 進液壓力緩慢下降，2-3天內下降0.5-1 bar
  • 冷卻效率（進出液溫差 ÷ 功耗）下降20%+
• 堵塞信號：
  • 進液壓力驟然升高0.5-1 bar
  • 進液溫度升高2-3°C（泵功率增加產熱）
• 泵故障信號：
  • 進液壓力驟然下降至接近0
  • 進液溫度持續上升但無冷卻效果

這些信號在出現24小時內必須處理，否則伺服器會因為缺冷而降頻或宕機。SDPT-3100能在12小時內檢測這些信號並告警。

A：ATLANTIS推薦的備份策略：

• 本地存儲：90天，頻率1分鐘採樣
• 日備份：每天晚上11點自動上傳雲端（NTD 500/月）
• 事件備份：告警發生時自動保存前後6小時數據
• 月歸檔：每月匯總報告，用於容量規劃與趨勢分析

這樣即使監測設備故障，你也能回溯過去3個月的運行狀況，對根因分析非常有幫助。

A：根據機房密度決定：

• < 20 kW/機架：高效氣冷足夠（配冷熱通道隔離）
• 20-50 kW/機架：氣冷 + 液冷混合（直接到芯片的液冷，背板風扇幫助排熱）
• > 50 kW/機架：必須全液冷（浸沒或冷板）

但無論選擇哪種，監測系統是必需的。因為：

• 氣冷需要監測冷熱混流情況
• 液冷需要監測管路壓力與溫度
• 混合冷卻需要兩者都監測

A：昶特ATLANTIS有31年的工業測量經驗，針對AI機房的優勢包括：

• 硬件可靠性：SDPT-3100經過台積電、台達電等龍頭企業的實戰檢驗
• 本地技術支援：台灣團隊，不依賴海外供應商，故障時24小時內上門
• 產品整合度高：壓力 + 溫度 + 濕度 + 差壓所有AI機房需要的參數都有
• 客製化能力強：能根據機房架構調整監測點佈局與告警邏輯
• 成本優勢：不依賴雲端SaaS，本地運作，無月費

A：可以無中斷安裝：

• 設計與勘查：1周（不影響機房）
• 設備採購與測試：2-3周
• 安裝：2-3周（通常利用夜間或低負載時段，無需停機）
• 軟件配置與測試：1周
• 總計：6-8周

整個過程可以分階段進行，先監測液冷系統關鍵點，後逐步擴展到全機房。不需要一次性停機。

A：能，但需要評估：

• 故障程度診斷：用SDPT-3100採樣1周，確認故障是否持續或已解決
• 硬件健康檢查：檢查GPU是否有永久損傷（需要廠商檢測）
• 根因分析：為什麼原有監測沒有檢測到？冷卻系統設計有缺陷嗎？
• 預防升級：安裝ATLANTIS監測系統，防止二次故障

根據我們的案例，即使發生過故障，只要在之後3-6個月內安裝監測系統，通常能避免再次故障。成本：故障損失 > 監測投資。

A：部分能預測散熱相關故障，但不是芯片本身故障：

• 能預測：
  • 冷卻系統即將故障（壓力/溫度趨勢異常）
  • 機房散熱環境劣化（溫度持續上升）
  • GPU因過熱導致的降頻或宕機
• 無法預測：
  • GPU芯片內部缺陷（製造瑕疵）
  • 驅動程序bug導致的crash
  • VRAM故障（需要NVIDIA DCGM監測）

ATLANTIS的監測系統適合與NVIDIA DCGM配搭使用，互補覆蓋環境 + 硬件全面。

A：根據機房規模的典型成本：

• 200m² AI機房（60-80台GPU）：
  • 硬件 + 安裝 + 集成：NTD 300-450萬
  • 軟件 + 測試：NTD 100-150萬
  • 人員培訓：NTD 50萬
  • 總計：NTD 450-650萬
• 500m² 大型機房：NTD 1,000-1,500萬
• 1,000m² 超大型：NTD 2,000-3,000萬

這個投資在第一年就能從PUE改善、故障預防、設備壽命延長中回本。

A：能，而且很有幫助：

• PUE認証（如ISO 50001）：需要完整的能耗數據與改善記錄，ATLANTIS的系統能自動生成月/年報告
• ESG報告：投資者關心機房的能源效率與故障率，數據越詳細越好
• 競標優勢：在雲服務商或AI訓練廠商的採購中，有完善監測系統的機房被視為「運營成熟度高」
• 保險費率：某些數據中心保險會根據監測完善度給予折扣

簡單說：監測系統不只是技術投資，也是商業投資。

A：不要等到問題出現。理想時間點：

• 最優：機房建設規劃階段（0成本改造，直接設計進去）
• 次優：機房投入運營前（可利用測試階段微調監測點佈局）
• 及時：機房運營3-6個月內（此時負載特性已明確，能做精準設計）
• 亡羊補牢：發生過散熱故障後（知道風險所在，能快速決策）

最不建議的時機：等到機房已經穩定運營2年以上。此時積累的冷卻浪費已經達到數億NTD，改造成本也更高。

ATLANTIS的建議：如果你的AI機房正在規劃或剛投運，現在正是最佳時機。聯絡我們進行免費的熱力圖掃描與設計諮詢。