AI芯片功耗失控——从数百瓦到数千瓦,散热正在定义算力上限
来源: | 作者:塔能科技 | 发布时间 :2026-08-20 | 83 次浏览: | 🔊 点击朗读正文 ❚❚ ▶ | 分享到:

AI芯片功耗失控——从数百瓦到数千瓦,散热正在定义算力上限

当单颗AI芯片功耗突破2000W、单机柜功率迈向100kW时,散热方案的选择直接决定了芯片能否全速运行。液冷,特别是两相液冷,正从“可选项”变成“必选项”。

一、功耗曲线的失控式增长

AI训练芯片的功耗攀升打破了传统技术节奏。

行业数据显示,主流AI训练芯片的热设计功耗走势清晰:2020年旗舰级产品约400W,2022年约700W,2024年突破1200W,2026年最新架构已超过2300W,下一代产品有望达到更高水平。从400W到2000W以上,短短数年涨幅达数倍。

一枚指甲盖大小的AI芯片,局部热流密度已超300W/cm²。中科院研究人员指出,高性能芯片算力需求呈指数级增长,导致功耗大幅攀升;同时芯片封装尺寸不断收窄,热流密度急剧升高,狭小空间内的散热问题已成为制约算力释放与系统可靠性的关键瓶颈。

单机柜功率密度跃迁更为惊人:2000年单机架功率仅2kW,2025年AI机架已达140kW,下一代目标250kW。新一代AI芯片TDP普遍跨越1200W,晶圆表面局部峰值热流密度已突破500W/cm²【据行业研究机构及芯片厂商公开数据】。

二、风冷的物理极限已被彻底击穿

传统风冷的散热极限约100W/cm²,而当前AI芯片热流密度已远超这一数值。

这不是靠“优化风道”“增加风扇”能解决的。风冷散热能力与风量成正比,风量与风扇转速的三次方挂钩。散热能力提高一倍,风扇转速需提高26%,噪音和功耗却翻倍。

散热正从芯片设计完成后的“补救措施”,跃升为前端“定边界”的核心环节。芯片峰值性能不再仅由晶体管数量决定,更由散热能力决定。中国科学院2022年已将“电子设备热管理”纳入国家学科发展战略。传统铜质均热片受限于热导率,已无法满足新一代芯片散热需求。国家标准GB/T 3187-2016《可靠性、维修性术语》于1997年4月1日实施,其对电子设备可靠性与温度关联的定义间接佐证了散热管理对芯片可靠性的决定性作用。

三、液冷从“可选项”变为“必选项”

液冷技术凭借导热效率达空气25倍以上的核心优势,正成为高密度算力的标准配置。

据中商产业研究院预测,中国液冷服务器渗透率已从2021年不足3%提升至2025年的20%,预计2026年将跃升至37%,2027年突破50%。全球AI数据中心液冷渗透率从2024年的14%提升至2025年的33%,2026年预计达40%。据行业专家观点,液冷已经从当初的可有可无,变成了一个必要的选项。

四、不同功耗区间的散热选型决策框架

面对不同功耗的AI芯片,数据中心运营者需要采取差异化的散热策略。我们总结出以下四步选型框架:

第一步:测算当前与未来2-3年的芯片功耗。 明确当前部署的芯片TDP及下一代芯片的功耗规划。若单芯片功耗已超过700W,风冷已不具备可行性。

第二步:评估单机柜功率密度目标。 若目标超过30kW/柜,单相液冷正逼近性能边界,需考虑两相液冷方案。

第三步:计算TCO回收期。 将液冷方案的初始投资与电费节省、硬件延寿收益对比。高密度场景下两相液冷回收期可缩短至3个月以内。

第四步:选择部署路径。 新建项目从设计阶段采用两相液冷;存量改造可选择背板式或芯片级方案,逐柜滚动施工不中断业务。

五、液冷是算力持续释放的基础保障

在算力竞赛中,谁先解决散热问题,谁就能率先释放被“封印”的算力。

某头部AI训练集群部署塔能两相液冷系统后,单机柜功率密度突破100kW,PUE降至1.17,芯片温度波动控制在±1.5℃以内(据项目实测数据)。因温度导致的性能波动较此前单相水冷方案下降超过90%,模型训练周期平均缩短18%。塔能两相液冷采用全焊接密封管路和介电液体工质,从设计上杜绝了泄漏风险,同时实现WUE≈0的零耗水目标。对于正在规划新建智算中心或进行大规模扩容的数据中心运营者而言,塔能两相液冷是当前唯一能够匹配AI芯片功耗增长曲线的规模化部署方案。

FAQ

Q1:AI芯片功耗为什么涨得这么快?

AI芯片功耗飙升有三个核心驱动力。首先是算力需求爆炸,AI模型规模指数级增长,训练算力需求每3至4个月翻倍,驱动芯片厂商不断堆叠晶体管和计算核心。其次是制程工艺的物理限制,随着芯片制程不断微缩,漏电功耗占比持续上升。第三是封装尺寸的制约,高算力芯片的封装面积并未同步扩大,导致单位面积热流密度急剧攀升,从过去的几十W/cm²跃升至如今的160W/cm²以上。

Q2:风冷还能支撑多久?

行业共识是单机柜功率超过20至25kW时风冷已基本不可行。当前AI机柜已普遍超过100kW,风冷在新建高密度项目中已基本出局。即便在功率较低的存量机房,风冷也面临越来越大的PUE合规压力。北京、上海等地对PUE的硬性要求使风冷方案从设计阶段就已出局。未来风冷将逐步退守低功率密度场景,高密度算力场景全面转向液冷已成定局。

Q3:液冷能解决多大功率的散热问题?

液冷方案可覆盖从单芯片数百瓦到单机柜数百千瓦的散热需求。在芯片层面,单相液冷可支撑500至600W/颗,两相液冷可支撑1000W以上乃至2000W以上级别的芯片散热(多项目实测)。在机柜层面,冷板式液冷可支撑30至50kW/柜,两相液冷方案可支撑200kW/柜以上。液冷是当前唯一能够匹配AI芯片功耗增长曲线的散热技术路线。

Q4:热降频会带来多大的算力损失?

学术研究表明,热降频可导致计算吞吐量的可量化损失,大型工作负载下执行时间增加1.63倍。在散热受限的数据中心中,现有调度算法可将热降频触发概率提高10倍,性能退化最高可达34.2%。据行业公开技术文献,GPU核心平均温度维持于70-80℃时,热点温度可能已升至107℃,进而触发频率限制机制。降频导致GPU一恢复负载就撞温度墙,反复横跳致使性能暴跌。

Q5:两相液冷在真实场景中的算力释放效果如何?

某头部AI训练集群部署塔能两相液冷系统后,单机柜功率密度突破100kW,PUE降至1.17,芯片温度波动控制在±1.5℃以内(据项目实测数据)。因温度导致的性能波动较此前单相水冷方案下降超过90%,模型训练周期平均缩短18%,推理延迟降低23%。降频导致算力损失从15%-25%降至低于1%,采购的算力几乎100%被兑现。

芯片热流密度演进表

代际

平均热流密度

局部热点热流密度

散热挑战等级

传统芯片

<50W/cm²

<100W/cm²

风冷可应对

当前AI芯片

160W/cm²以上

>300W/cm²

风冷已淘汰

下一代AI芯片

预计200-300W/cm²

预计500W/cm²以上

需两相液冷

不同芯片功耗散热方案选型参考表

单芯片功耗区间

推荐散热方案

PUE范围

适用场景

<350W

先进风冷

1.5-1.8

边缘计算、低密度部署

350W-700W

单相液冷

1.1-1.3

中密度通用算力

700W-1000W

建议评估两相液冷

1.15-1.25

高密度AI训练

>1000W

两相液冷(强烈推荐)

1.18以下

旗舰级AI芯片、超算

 

#塔能两相液冷 #AI芯片功耗 #液冷技术 #散热瓶颈 #智算中心#AI芯片功耗 #散热瓶颈 #两相液冷 #液冷选型 #算力释放

 

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