資料中心液冷系統怎麼監測？壓力、流量與溫度感測完整解析
AI資料中心液冷監測 · 昶特 ATLANTIS 2026
AI資料中心液冷
監測系統
壓力、流量、溫度完整指南
GB200 等超高熱密度 GPU 集群的液冷監測如何設計 · PUE 從 1.3 → 1.15 實現路徑 · 避免千萬級漏液災難 · 昶特提供完整監測解決方案與 31 年現場經驗
⚡ 核心問題
AI 資料中心的液冷系統一旦失效，整個 GPU 集群會在 10 秒內溫度超限停機。一台 100kW 的 H100 集群漏液成本可能高達 ¥1,000 萬（設備損毀 + 停機損失）。但很多機房的液冷系統只有「溫度錶」監測，根本無法檢測壓力異常、流量不足、或隱性洩漏。昶特提供的 7 層次感測器監測架構可以在故障發生前 5 分鐘預警，讓機房運維團隊有充分反應時間，年度節省成本 ¥200-500 萬，投資回本 3-9 個月。
為什麼 AI 資料中心需要液冷監測系統？
風冷機房只需要監測溫度，但液冷機房需要 7 層次的感測器網絡——因為失敗成本完全不同
傳統機房 vs AI 資料中心的熱密度差異：
- 風冷機房：15-25 kW / 機櫃
- 液冷機房（GPU 集群）：80-150 kW / 機櫃，某些 H100 高端集群可達 250+ kW
這意味著什麼？
- 單個機櫃的冷卻液洩漏，會在 10-60 秒內讓 GPU 溫度超過安全閾值（通常 60-75°C）
- 液冷管路的堵塞或氣塞，會導致整棟機房冷卻容量下降 30-50%，引發連鎖故障
- 壓力波動會導致流量不均勻分佈，某些機櫃冷卻不足，某些過度冷卻（浪費能耗）
失敗成本對比：
- 風冷機房故障：重啟空調、恢復冷卻，約 30 分鐘恢復，損失數十萬
- 液冷機房故障：GPU 設備報廢、訓練中斷、品牌信譽損害，成本¥ 1,000 萬+
結論：在 AI 資料中心，監測系統不是「選項」，是「基礎設施」。一個¥300-500 萬的監測系統，能避免¥1,000 萬的災難，ROI 無限高。
液冷監測的 4 大核心感測器
每個感測器有特定的故障檢測角色，合起來形成完整的「神經系統」
1️⃣ 壓力傳送器（Pressure Transmitter）
監測位置：CDU 出口、冷通道進口、機櫃液冷進出口
檢測的故障：
- 壓力驟降 → 漏液預警（提前 2-5 分鐘檢測）
- 壓力緩慢上升 → 管路堵塞或氣塞
- 壓力波動大 → 泵浦不穩定或流量分佈不均
規格要求：精度 ±0.5% FS，響應時間 < 100ms（越快越好）
昶特推薦：SDPT-3100 智能型壓力傳送器（HART 通訊，可遠端診斷）
💡 關鍵：壓力是最早的故障信號，比溫度提前 2-5 分鐘檢測
2️⃣ 流量計（Flow Meter）
監測位置：CDU 出口（整個系統的流量總和）
檢測的故障：
- 流量下降 > 15% → 可能有隱性洩漏（在機櫃內)
- 流量增加 > 10% → 泵浦轉速異常或控制邏輯故障
- 流量波動 → 氣塞或不穩定的泵浦運行
規格要求：精度 ±2%，最小流量 0.1 L/min（適合中等規模液冷）
昶特推薦：渦輪流量計（可集成 Modbus / 脈衝輸出）
💡 關鍵：流量是檢測洩漏的「後期確認」，結合壓力信號最有效
3️⃣ 溫度傳送器（Temperature Sensor）
監測位置：CDU 出水、機櫃進水、機櫃出水、機櫃冷板（高熱密度時）
檢測的故障：
- 冷板溫度 > 50°C → 冷卻不足，GPU 可能開始降速
- 出水溫度急速上升 → 冷卻容量下降，可能是泵浦故障或堵塞
- 進出水溫差異常 → 機櫃分配不均，某些機櫃過載
規格要求：精度 ±0.2°C（高精度），響應時間 < 5 秒
昶特推薦：RTD Pt100 或 NTC 熱敏電阻（¥500-2,000 / 個）
💡 關鍵：溫度是「最後防線」，當壓力和流量警報出現後，溫度開始異常
4️⃣ 漏液檢測器（Leak Detection Sensor）
監測位置：每個機櫃底部、CDU 底部、冷卻塔底部
檢測原理：
- 光學式：透光或反光面積改變時觸發
- 導電式：液體導電，接觸時電阻變化
- 濕度式：相對濕度劇增時觸發
反應時間：< 5 秒（最快的故障檢測）
成本：¥1,000-3,000 / 個
💡 關鍵：漏液檢測是「最後一道防線」，自動斷電保護，避免設備水毀
3 種監測系統方案對比
根據機房規模和預算，選擇適合的監測方案
| 方案等級 | 適用規模 | 監測範圍 | 投資成本 | 年度節能 | 回本期 |
|---|---|---|---|---|---|
| 基礎版 | 小型 < 5MW | CDU 溫度 + 壓力 + 基礎冷通道 | ¥100-150 萬 | ¥100-150 萬 | 8-12 月 |
| 標準版 ⭐ 最熱門 | 中型 5-20MW | 7 層次完整監測 + BMS 聯動 | ¥300-500 萬 | ¥200-300 萬 | 3-6 月 |
| 超級版 | 超大型 > 20MW | 完整 + AI 能源優化 + 儲能系統 | ¥800-1,200 萬 | ¥350-500 萬 | 2-4 月 |
📊 標準版（¥300-500 萬）是 ROI 最高的選擇：投資 ¥400 萬，年省 ¥250 萬，3-6 個月回本，5 年累計節省 ¥1,250 萬。同時避免了 80-90% 的故障風險。
液冷故障發生時，監測系統如何「救命」
一個實際案例：某企業的 100kW 機櫃發生隱性洩漏，監測系統如何在 5 分鐘內檢測到
故障時間軸
- T=0s：機櫃液冷管路微小裂縫，液體開始洩漏（肉眼看不見）
- T=30s：⚠️ 壓力傳送器檢測到出口壓力下降 -2% → 立即告警
- T=1min：流量計確認流量異常（-5%），告警升級為「可能洩漏」
- T=2min：機櫃底部漏液感應器觸發（液體已漏至機櫃底盤）
- T=3min：自動控制邏輯啟動：(a) 該機櫃液冷迴路切換到備用 CDU；(b) 該機櫃 GPU 電源自動斷開（防止水毀）；(c) 告警通知運維人員
- T=5min：✓ 運維人員接到告警，已知道洩漏的確切位置和機櫃號
- T=20-40min：隔離、修復、重新上線。停機時間最短化
如果沒有監測系統？
- T=0-10min：液體持續洩漏，機櫃 GPU 溫度正常（還沒發熱）
- T=15min：液體已完全漏出，GPU 開始過溫→降速→報警
- T=20min：整棟機房的 GPU 都收到「某機櫃冷卻故障」的信號，訓練任務停止
- T=30min：運維人員接到告警，但不知道是哪個機櫃洩漏，需要逐一巡檢
- T=60min：終於找到洩漏機櫃，但已經晚了 → 液體進入 GPU 基座 → 設備報廢
- 損失：¥800-1,000 萬 + 訓練中斷 ¥數百萬
vs 無系統需 30+ 分鐘
vs 無系統 ¥800-1000 萬
第一次故障
（自動保護）
昶特的 AI 資料中心液冷監測完整方案
31 年液冷系統經驗 + 3 個台灣超大型機房案例 + HART / Modbus 標準集成
昶特的核心優勢
- 完整的感測器產品線：壓力、流量、溫度、差壓、液位全套
- HART / Modbus 標準協議：與西門子、施耐德、華為等主流 BMS 無縫集成
- 現場勘查設計：根據機房熱密度分佈，量身訂製監測架構
- BMS 與控制邏輯開發：自動告警、故障預測、能耗優化算法
- 24 小時遠端支援：AI 機房的「隨時隨地」需求，技術團隊全天候待命
- 月度能源成本分析：PUE 追蹤、節能機會識別、優化建議報告
昶特已服務的 AI 機房案例
- ✓ 台灣 3 個超大型 AI 訓練中心（合計 40+ MW）
- ✓ 聯發科 GPU 測試機房
- ✓ 某國際雲服務商台灣分支的液冷升級
- ✓ 多個政府級 AI 研究中心
你的 AI 資料中心在「精準控制」，還是在「等待故障」？
一個 ¥300-500 萬的監測系統，年度節省 ¥200-300 萬，投資回本 3-6 個月。
更關鍵的是：避免了 ¥1,000 萬級別的漏液災難風險。
昶特提供免費的「液冷監測診斷」 — 我們會評估你現有的監測配置、計算年度能耗浪費、識別故障風險，提出最適合的優化方案。
☎️ 02-2820-3405 | 📧 gauge6@atlantis.com.tw
專案經理（AI 機房）：Ian（廖先生）ext. 27
技術總監：Nori（楊先生）ext. 16
✓ 31 年液冷系統監測經驗 ✓ 3 個台灣超大型機房案例 ✓ HART 標準認證 ✓ 24 小時技術支援