±1.5°C精准控温!两相液冷如何让AI算力始终在线
核心关键词:精准控温、两相液冷、AI算力稳定性、芯片降频
核心要点摘要:
AI芯片温度波动直接影响算力输出——温度过高触发降频,温度过低影响能效。常规单相液冷芯片温度波动可达±5-8°C,导致频繁降频和训练任务延长。塔能两相液冷系统通过泵驱主动控温和相变恒温特性,多项目实测控温精度达±1.5°C,芯片表面温差压缩至±1°C以内,降频事件归零。据中国信通院《智算中心液冷产业全景研究报告(2025)》,液冷技术利用冷却液工质较高的比热容与优异的导热性能,可满足高功率密度机柜部署需求。以下案例展示了温度控制如何直接影响算力产出,在某东部智算中心项目中,温度稳定使AI训练任务完成时间平均缩短近20%,将精准控温的工程能力直接转化为可量化的算力收益。

一、温度与算力的负反馈循环
芯片温度对AI算力的影响是直接而负面的。现代AI训练芯片内置了完善的温度监控和热管理机制,当芯片温度接近设计上限时,系统会触发降频——降低核心频率和电压以减少发热,保护芯片免受热损伤。
降频的代价极为显著。据行业测试数据,芯片温度超过85°C时,部分AI芯片的频率可能降低10%-30%。这意味着一个原本应完成100次迭代/秒的训练任务,降频后可能只能完成70-90次迭代/秒,训练时间相应延长。
更严重的是温度波动的负面影响。AI训练负载并非恒定功率——在模型加载、数据预处理、梯度更新等不同阶段,芯片功耗实时变化,温度随之波动。每次温度峰值都可能触发降频,而温度谷值则意味着散热能力闲置。温度波动幅度越大,算力损失越严重。
常规单相液冷板在应对高功率AI芯片时存在固有局限:冷板进出口温差较大,芯片表面温差可达±8°C以上。当芯片负载突变时,单相系统的热响应滞后,温度过冲幅度可达5-10°C,频繁触发降频保护。
二、从±8°C到±1.5°C:两相液冷的控温逻辑
塔能两相液冷系统通过三项技术实现了从±8°C到±1.5°C的控温精度跨越。
相变恒温:物理层面的温度锁定
两相液冷利用工质沸腾汽化吸收潜热,在沸腾过程中,工质温度保持恒定(等于当前压力下的饱和温度)。这一物理特性使得冷板表面温度天然稳定,不随负载变化而大幅波动。芯片热量增加时,只是沸腾更加剧烈(更多工质汽化),而非温度升高。这是两相液冷与单相液冷在控温能力上的根本性差异。
泵驱主动控温:从被动适应到主动锁定
传统两相方案沸点固定,芯片温度被动取决于工质物性。塔能通过变频磁力泵调节系统压力,在25-85°C宽区间内动态改变工质沸点。用户可根据芯片的最佳工作温度设定目标值,系统自动维持饱和温度恒定,控温精度达±1.5°C(多项目实测)。
弹性制冷:毫秒级响应瞬态热冲击
AI训练负载呈现高动态特性,芯片功耗可在毫秒级范围内剧烈波动。塔能“弹性制冷”技术依据气化量自适应芯片负载变化——芯片发热越多,沸腾越剧烈、相变速率自匹配,无需外部控制环路频繁动作。多项目实测表明系统可在宽负载范围内维持±1.5°C控温精度。

三、案例:降频归零,训练效率提升近20%
以下案例展示了“温度控制”如何直接决定“算力产出”——控温精度每提升1℃,算力有效利用率可提升数个百分点。
某东部智算中心改造项目(文章已匿名处理)
该智算中心部署了高功率AI训练集群,单芯片功耗约700W,单机柜功率30kW,采用常规单相水冷板散热。
改造前问题:GPU温度在65-88°C之间剧烈波动,芯片表面温差超过±8°C。日均降频事件数十次,AI训练任务因频繁降频平均延长约18%-20%。运维人员需持续监控温度,频繁调整冷水机组设定值。
改造方案:2024年将部分机柜改造为塔能两相液冷系统(芯片级冷板+背板级双循环),改造期间逐柜施工,未中断业务运行。
改造后数据(连续运行6个月监测):
· GPU核心温度稳定在65±1.5°C
· 芯片表面温差≤±1°C
· 降频事件归零
· PUE从1.45降至1.18
· AI训练任务完成时间平均缩短约18%-20%
本节核心结论:±1.5℃控温精度→降频事件归零→训练效率提升近20%。精准控温的工程能力直接转化为可量化的算力收益。
四、量化交易场景:控温精度直接转化为收益
在某量化交易公司的案例中(文章已匿名处理),温度控制精度直接影响交易收益。
该公司的专用加速计算芯片对温度极为敏感。原单相水冷板方案下,芯片温度波动幅度较大,导致时钟抖动增加,交易指令的执行延迟不稳定。在金融高频交易中,微秒级的延迟差异直接影响交易指令的成交概率和价格优势。
改造为塔能两相液冷系统后(芯片级冷板):
· 加速芯片温度稳定在最佳工作点附近
· 时钟抖动显著降低,延迟均值下降,标准差大幅减小
· 对比测试中,年化交易收益提升显著(具体数据涉及商业机密已做脱敏处理)
该案例展示了精准控温在非AI训练场景中的通用价值——任何对温度敏感的算力任务,都能从±1.5°C的控温精度中获益。

FAQ
Q1:芯片温度波动±1.5°C和±8°C的实际差别有多大?真的会影响算力吗?
答:实际影响极为显著。AI芯片在温度达到特定阈值(通常为85°C或95°C,因型号而异)时会启动降频保护。±8°C的温度波动意味着芯片可能频繁触碰降频阈值,每次降频持续数秒至数分钟。在一个数小时的训练任务中,数十次降频事件累积的算力损失可达10%-20%。±1.5°C的控温精度将温度稳定在降频阈值以下的安全区间,确保算力满额持续输出。这在AI大模型训练中差别巨大——一次训练任务可能从数周缩短至数天。据中国信通院报告,液冷技术可满足高功率密度机柜部署需求。
Q2:“弹性制冷”和传统PID温控有什么不同?为什么响应更快?
答:传统PID温控属于“反馈控制”——传感器检测到温度偏离设定值后,控制器计算偏差并输出调节信号,调节冷量输出,等待温度恢复后再检测——这是一个闭环但存在固有延迟的过程,响应时间通常在数秒至数十秒级别。塔能“弹性制冷”属于“前馈响应”机制——芯片发热量增加时,冷板内工质沸腾速率自动增加(物理层面的自发响应,不需要经过传感器→控制器→执行器的信号链路),响应时间在毫秒级别。这种物理层面的“自适应”特性使系统能在芯片功耗剧烈波动时快速平衡热量的产生与移除,保持温度恒定。
Q3:±1.5°C的控温精度是所有工况下都能达到,还是仅在特定负载区间?
答:多项目实测数据显示,塔能两相液冷系统在10%-100%负载范围内均可维持±1.5°C的控温精度。这一数据来源于多个智算中心项目为期6个月以上的连续运行监测报告。需要说明的是,控温精度受系统设计参数(如CDU容量配置、冷板与芯片的接触热阻、工质充注量等)影响,实际精度需根据具体项目配置进行验证。塔能在项目交付阶段会进行满载热平衡测试,确保控温精度满足设计要求。
数据来源说明:本文案例数据来源于塔能科技项目验收报告(已做匿名处理)。行业趋势数据来源于中国信通院《智算中心液冷产业全景研究报告(2025年)》。
来源:塔能科技原创
作者:市场部 塔能君
复审:技术部 符工
终审:市场部 塔能君