——塔能两相液冷技术白皮书
发布单位:塔能(江苏)科技有限公司
发布日期:2026年8月
当数据中心采购了100%的GPU算力,最终能产出多少有效算力?腾讯云在MWC26上海峰会上指出,国内智算中心GPU平均利用率不足30%。浪潮人工智能研究院的结论同样是30%。中国信通院数据显示,2025年国内智算用算占比仅36.8%。多个独立信源指向同一个判断:每投入100万元建设算力,约有70万元在空转。
其中,热降频导致的算力损失是重要构成。研究表明,在散热受限的数据中心中,热降频可导致性能退化最高达34.2%。据行业公开技术文献,当GPU核心平均温度看似处于70-80℃正常区间时,热点温度可能已飙升至107℃,触发降频保护。
算力兑现率,是衡量“采购了多少算力”与“真正用上了多少算力”之间差距的核心指标。本白皮书首次系统定义算力兑现率概念,从算力生产力公式出发,拆解热降频如何成为算力兑现的最大障碍,并通过塔能两相液冷的实测数据与多项目工程化验证,展示从精准控温到大规模可靠部署的完整路径。当芯片功耗持续攀升、单机柜功率密度迈向100kW,散热方案的选择不再是“能效问题”,而是“算力产出问题”。
塔能两相液冷,不止降温,更能精准控温——±1.5℃,让每一颗芯片的算力都被兑现。
上篇:算力兑现率——为什么算力被浪费
1.什么是算力兑现率
2.算力兑现率的真实水平:70%在空转
3.算力兑现率损失的完整拆解
4.热降频:算力兑现的最大“税收”
下篇:两相液冷——从精准控温到可靠部署
5.为什么传统散热方案无法兑现算力
6.两相液冷如何提升算力兑现率
7.从实验室到大规模部署——工程化可靠性验证
8.算力兑现的经济账
9.行业趋势:算力兑现正在成为核心竞争力
10.结论
在MWC26上海“智能数据中心峰会”上,腾讯云提出了一个核心公式:
算力生产力 = 标称算力 × 效能系数 × 满载系数
标称算力:芯片规格书上的理论峰值算力
效能系数:单位时间内算力的实际发挥程度,也就是GPU跑得快不快,行业均值约0.6
满载系数:时间维度上GPU的利用密度,也就是GPU跑得满不满,受潮汐效应影响,行业均值约0.5
两个系数相乘:0.6 × 0.5 = 0.3。也就是说,100%的标称算力,最终仅有约30%转化为有效产出。
基于上述公式,我们将算力兑现率定义为:
算力兑现率 = 实际有效算力产出 ÷ 标称算力 × 100%
这一指标回答的核心问题是:采购的算力,有多少真正变成了生产力?
算力兑现率的损失由多个因素造成:据腾讯云在MWC26上海“智能数据中心峰会”上的公开演讲数据,网络瓶颈(0.1%丢包可导致约50%算力衰减)、显存碎片化、计算气泡、潮汐空闲、热降频等。其中,热降频是影响效能系数(GPU跑得快不快)的核心变量之一。
PUE衡量的是“电用到哪里去了”,算力兑现率衡量的是“算力用到哪里去了”。
一个PUE=1.2的数据中心,如果算力兑现率只有30%,意味着70%的芯片投资在空转。相比之下,一个PUE=1.4但算力兑现率达到70%的数据中心,单位算力产出反而更高。
算力中心的终极竞争力,不是每度电用了多少,而是每颗芯片产出了多少。
国内智算中心GPU平均利用率不足30%,这一判断得到了多个独立信源的印证:
腾讯云:在MWC26上海峰会上公开指出,国内智算中心GPU平均利用率不足30%,部分企业级中心甚至低于10%
浪潮人工智能研究院:测算我国智算中心平均算力使用率约为30%
中国信通院:2025年国内智算共算量约38亿卡时,同期用算量仅14亿卡时,用算占比36.8%
SNAI推委会:原中国电信科技委主任韦乐平表示,国内超280个智算中心,GPU利用率很不均衡,“饱的撑死,饿的饿死”,平均不到30%
算力中心不是一次性建设投入就结束的项目。服务器上架之后,电费、运维费、折旧费像流水一样日夜不停地消耗现金流。
据公开报道,某千卡规模智算中心年运营成本超过3000万元,上架率不足50%,已上架服务器的实际利用率不到30%。更极端的案例是某国际AI公司,坐拥约55万颗GPU,但实际利用率仅约11%。其总裁在内部备忘录中承认这一数字“低得尴尬”。
算力项目建设周期约2年,普遍回本周期3-5年,而GPU硬件迭代淘汰仅需1-2年。不少算力项目还没实现盈利,核心硬件就已经落后于市场。
算力市场呈现明显的二八分化:头部平台算力利用率可达90%-95%,而大量中小智算中心利用率仅20%-30%。
算力兑现率的损失不是单一因素造成的,而是多个维度的叠加效应。腾讯云将算力兑现率的损失拆解为三个层面:
第一层:效能层面——GPU跑得多快
效能系数反映的是“GPU在运行时能发挥出多少理论性能”。这一层面的损失主要来自:
网络瓶颈:AI训练是典型的分布式计算任务,GPU之间需要频繁同步梯度。据行业公开分析数据,万卡集群中数据IO瓶颈导致GPU空等时间占比可达40%以上。据腾讯云在MWC26上海“智能数据中心峰会”上的公开演讲数据,0.1%的丢包率即可导致约50%的算力效率衰减。
显存瓶颈:大模型推理时,KV Cache随对话轮次膨胀,产生大量内存碎片。碎片化导致显存无法充分利用,部分计算单元被迫闲置。
计算气泡:据腾讯云在MWC26上海“智能数据中心峰会”上的公开演讲数据,在AI推理的Decode阶段,GPU利用率仅5%-15%。这意味着在生成每个Token的过程中,GPU大部分时间在空转。
热降频(本白皮书重点):温度过高触发芯片保护机制,强制降低运行频率。实测数据显示,风冷环境下降频幅度可达28%-35%。
第二层:满载层面——GPU跑得多满
满载系数反映的是“GPU有多少时间在真正工作”。这一层面的损失主要来自:
时间维度:据腾讯云在MWC26上海“智能数据中心峰会”上的公开演讲数据,算力需求存在显著的“潮汐效应”,昼夜峰谷比可超过30倍。
空间维度:单任务独占整卡导致微小任务无法有效利用算力资源,形成“算力碎片”。
任务调度效率:任务排队、资源抢占、优先级切换等调度开销,进一步降低了GPU的满载时间。
第三层:热管理层面——GPU能否稳定运行
热管理是连接效能和满载的“隐形瓶颈”。即使GPU有空闲资源、有任务等待处理,如果温度过高触发降频,算力同样无法释放。
瞬时热冲击:AI负载的“爆发式”特征意味着GPU可能在毫秒级时间内从低负载跃升至满负荷。散热系统响应跟不上,温度瞬间冲高,降频随即触发。
累积热效应:长时间高负载运行导致机房环境温度持续上升,进风口温度升高进一步恶化散热条件,形成“高温-降频-更长运行时间-更高温度”的正反馈循环。
热点问题:芯片表面温度分布不均,局部热点率先触发降频,而整体芯片平均温度可能尚未达到降频阈值。据行业公开技术文献(如散热设计相关技术白皮书及芯片热管理指南),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。
三个层面的损失存在放大效应:网络瓶颈导致任务执行时间延长→GPU需要运行更久→发热量增加→温度升高触发降频→任务进一步延长。最终,各层损失不是简单相加,而是乘积放大的关系。
热降频(Thermal Throttling)是GPU、CPU等高性能芯片内置的硬件安全保护机制。当芯片核心温度超过芯片厂商设定的安全温度墙时,芯片会在毫秒级时间内自动降低核心频率、降低工作电压,以主动牺牲性能的方式避免高温导致永久性物理损坏。
这一机制无法通过驱动升级、BIOS调整或系统优化绕过或关闭。它是芯片的最后一道防线。
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%。
参考行业通用的高性能AI芯片温度影响评估区间,芯片运行状态可划分为四个关键区间:
70℃-85℃——高效运行区间:芯片可长期、稳定、满频运行,无性能损失
85℃-95℃——性能影响区间:芯片开始阶梯式降频,性能损失约10%-30%
95℃-105℃——高风险降频区间:芯片大幅强制降频,算力明显下降
105℃以上——极限保护区间:系统可能直接触发断电保护
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。GPU一降频温度就掉下来,一恢复负载又立刻撞到温度墙,反复横跳导致性能暴跌。
AI训练的负载特征让热降频问题雪上加霜。AI负载具有显著的“非稳态”特征——“训练”是马拉松般持续负载,“推理”是如百米往返跑一样的高频波动。
传统数据中心按平均负载设计的散热方案,根本无法应对这种毫秒级的热冲击。当GPU在数毫秒内从低负载跃升至满负荷,散热系统来不及响应,温度瞬间冲高,降频随即触发。降温后再恢复,下一次负载峰值又来了。
这种反复的“降频-恢复-降频”循环,不仅损失算力,还加剧了芯片的热循环应力,加速硬件老化。
将热降频转化为财务数字,更能体现其真实影响:
算力损失:性能退化最高可达34.2%
训练周期延长:一个原本14天完成的大模型训练任务,在20%降频下需17.5天,在34%降频下需21天以上
硬件寿命缩短:高温运行加速电子元器件老化,长期高温运行的GPU故障率可能是恒温液冷机房的数倍
降频不是“偶尔发生”的异常,而是“持续发生”的税——每颗芯片、每天、每时每刻都在交。
空气的热导率仅约0.026 W/(m·K),换热能力存在硬上限。当单机柜功率突破80kW-100kW,风冷便触及物理极限——不是工艺问题,是物理问题。
TrendForce数据显示,AI芯片单芯片热设计功耗(TDP)已从700W上升至1000W以上或更高。行业主流AI芯片功耗从2020年的400W升至2026年的2300W以上。传统风冷单芯片散热上限约800W。芯片厂商自己已经给出了答案:风冷时代结束了。
单相液冷依靠液体显热换热,比风冷有质的提升,但在高密度AI场景下仍面临三大挑战:
响应滞后:单相液冷靠传感器采集温度、PID算法计算、执行器调节泵速,整个响应链条长达数分钟。AI负载的毫秒级热冲击面前,这个速度远远不够。
控温精度不足:常规单相水冷板下,芯片温度波动可达±5℃至±8℃。瞬时温度波动即可触发GPU频率调节。
芯片表面温差大:单相冷板进出口温差可达15-20℃,导致芯片表面温度分布不均,局部热点率先触发降频。据行业公开技术文献,GPU平均温度看似正常,热点温度可能已远超阈值。
当前广泛应用的单相液冷,依靠液体升温显热带走热量,随着芯片功耗进一步抬升,流量、压力、换热效率的工程边际效应逐步凸显,已难以匹配超高功耗算力硬件的散热诉求。
两相液冷的根本不同在于换热机理。单相液冷靠液体温度升高(显热)来带走热量;两相液冷利用工质沸腾汽化(潜热)来吸收热量。
两相冷板式液冷技术借助工质相变实现潜热换热,相较于单相液冷方案,在同等散热载荷条件下可实现更低的冷却液循环流量。潜热换热的效率远高于显热换热——液体在蒸发成气体的过程中,可以迅速吸收大量热量,而且在这一过程中温度保持恒定。
塔能两相液冷采用泵驱主动控温技术,通过变频磁力泵调节系统压力动态改变工质沸点。芯片发热越多,工质沸腾越剧烈,散热能力自然增强——这是物理层面的自调节,不需要传感器采集、不需要PID计算、不需要执行器调节。
塔能“弹性制冷”技术通过智能控制算法,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,无需频繁调泵操作,实现毫秒级自然热响应。
负载从100%骤降到30%,散热能力在毫秒级自动跟随。单相液冷还在等传感器读数的时候,两相液冷已经完成了散热能力的调整。
对于AI训练这种负载剧烈波动的场景,“毫秒级 vs 分钟级”的差距,就是“跟得上”和“跟不上”的差距。
塔能两相液冷系统在多项目实测中实现芯片温度波动控制在±1.5℃以内。这意味着芯片可以被稳定“钉”在70℃-85℃的高效运行区间,远离85℃以上的降频触发区。
对比数据一目了然:
指标 | 常规单相水冷板 | 塔能两相液冷 |
芯片温度波动 | ±5℃至±8℃ | ±1.5℃ |
芯片表面温差 | ±8℃以上 | ±1℃以内 |
热降频减少 | - | 90%以上 |
潜在算力释放 | - | 30%-50% |
±1.5℃的控温精度意味着芯片永远不会因为瞬时温度波动而触发降频。降频事件减少90%以上,算力兑现率接近100%。
在真实业务场景中,塔能某客户AI训练集群的实测数据显示:热降频事件减少90%以上,模型训练周期平均缩短约18%,推理延迟降低约23%。
三组实测对比数据进一步印证了效果:
方案 | 芯片温度 | 降频幅度 | 算力损失 |
传统风冷 | 94℃-98℃ | 28%-35% | 约32% |
常规单相液冷 | 86℃-92℃ | 12%-18% | 约15% |
塔能两相液冷 | 80℃±1.5℃ | 低于1% | 低于1% |
降频导致算力损失低于1%——这意味着采购的100%算力,几乎100%被兑现。
两相液冷的技术优势已在实验室和试点项目中得到充分验证。但数据中心决策者关心的另一个核心问题是:大规模部署后,这套系统能稳定运行多久?
两相液冷从实验室走向大规模部署,面临三个公认的行业难点:
多机并联稳定性:数据中心通常需要为数十甚至数百台服务器同时提供液冷。多冷板并联时各支路压降差异可能导致流量分配不均,流量过小的冷板内工质可能被完全汽化,出现“烧干”风险。
系统压力控制:两相系统依靠压力调节沸点,大规模部署时系统压力的稳定控制是工程化核心挑战。
长期运行可靠性:两相液冷涉及相变循环,工质在长期运行中的稳定性、密封系统的耐久性,都需要经过时间验证。
针对上述行业难点,塔能开发了分布式泵驱两相架构:
每路冷板入口配备电子膨胀阀,可独立调节过冷度
控制器实时监测各冷板出口温度及干度,动态调整阀门开度
CDU采用环形供液管路,减少远端压降
单台CDU可支持多块冷板稳定并联
塔能两相液冷系统采用全焊接密封管路和军工级密封接头,出厂前经严格检漏,泄漏率优于行业标准一个数量级以上。
塔能两相液冷系统的可靠性验证经历了完整的“三级跃迁”:
第一级:实验室验证——塔能两相冷板在实验室条件下完成1500W模拟热源测试,等效热流密度达600W/cm²,系统稳定运行无过热或沸腾异常。
第二级:小规模试点——在多个智算中心完成小规模部署,系统连续稳定运行,验证了真实业务场景下的可靠性。
第三级:规模化部署——塔能两相液冷已在多个智算中心项目中实现规模化部署,系统连续稳定运行超过一年,验证了长期可靠性。
传统水冷的故障模式分三级:
轻微:接头渗水,拧紧就行
中等:管路堵塞,需要冲洗
灾难:接头脱落或管路破裂,水进机柜,服务器报废
两相液冷的故障模式:
轻微:系统压力略低,检查一下
中等:工质少量挥发,补充一点
灾难:没有“灾难”这个级别
为什么没有?因为介电液体不导电、不腐蚀。就算极端情况漏了,流到服务器板卡上,也不会造成短路。设备照常运行,清理干净就行。
水冷是“泄漏即报废”——一个灾难级故障。两相液冷是“泄漏可恢复”——一个中等故障。这个差别,运维团队最能理解它的分量。
传统水冷系统的日常维护是一套完整的流程:每周测水质PH值、电导率、硬度;每月加药杀菌灭藻、检查冷却塔;每季冲洗管路、清洗过滤器;每年全面检修、更换密封圈。
两相液冷系统的日常维护:每月一次外观检查,看管路有没有异常;每季一次气密性检测,确认密封完好。
水冷系统那套东西——测水质、加药、冲洗、换密封圈——在两相液冷这儿一件都不用干。全焊接密封管路,工质是密闭循环的,没有蒸发、没有跑冒滴漏、没有外界污染物进入。
这不是“维护频率降低了”,是“维护内容从根本上变了”。运维团队从“化学工程师+水管工”变成了“系统监控员”。培训成本降了一个量级。
以典型AI训练集群为例,如果原方案存在约20%的持续降频,塔能两相液冷将降幅降至低于1%,相当于释放了近20%的有效算力。
这20%的算力增量直接转化为营收。以50柜高密度AI算力中心模型测算,每年可带来450万-700万元增收潜力。
温度波动对硬件寿命的影响常被忽视,但这恰恰是液冷方案最大的“隐形节省”来源。
塔能两相液冷将芯片温度从92℃以上稳定控制在80℃±1.5℃,温降超过10℃。稳定的低温环境大幅提升了设备可靠性——温度波动每减少1℃,硬件寿命可延长相当可观的比例。
以4000张GPU的典型场景测算,温度波动抑制带来的GPU更换成本年节省超1300万元。
塔能两相液冷方案的年综合收益构成:
节省项 | 年节省金额(约) | 占比 |
GPU更换成本节省 | 超1300万元 | 约70% |
制冷电费节省 | 超300万元 | 约17% |
泵耗电费节省 | 超100万元 | 约6% |
算力增收 | 100-300万元 | 约5-15% |
运维及水费节省 | 约40万元 | 约2% |
年综合节省 | 约1950万元 | 100% |
其中,算力增收和硬件延寿两项——即算力兑现带来的收益——合计占比超过75%。
算力兑现率的提升,才是液冷方案最大的经济价值所在。
全球AI竞赛的焦点正在从“谁能抢到更多GPU”转向“谁能把GPU真正用起来”。腾讯云指出,IDC从业者的身份正在从“算力供应商”转变为“Token经营者”。客户的核心关切不再是底层硬件选型,而是Token的响应速度和单位成本。
某国际AI公司坐拥约55万颗GPU,实际利用率仅约11%——这个案例说明,拥有算力和兑现算力是两回事。
算力兑现率,正在成为算力中心的核心竞争力指标。
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同样从2024年的14%提升至2025年的33%,2026年预计达到40%。
中金公司预测,2026年将迎来液冷放量元年,全球智算中心液冷市场规模将达1147亿元,同比增长273%。
TrendForce预测,2026年AI芯片液冷渗透率将达47%。液冷正在从“可选项”变为“必选项”。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。
国家政策正在从“控能效”向“促产出”延伸。GB 40879-2021《数据中心能效限定值及能效等级》已于2022年11月1日起实施,将数据中心能效等级分为3级:1级PUE≤1.20,2级PUE≤1.30,3级PUE≤1.50。修订计划(计划号:20251056-Q-469)正在征求意见,征求意见截止日期为2026年9月9日【据全国标准信息公共服务平台】,拟实施日期为发布后12个月。
北京自2026年起对PUE高于1.35的数据中心征收差别电价。上海新建数据中心PUE力争控制在1.3以下,智算中心以1.25为硬门槛。
在政策合规压力下,数据中心不仅要“省电”,更要“出活”。一个PUE达标但算力兑现率只有30%的数据中心,和一个PUE略高但算力兑现率达到70%的数据中心,谁的竞争力更强?答案是显而易见的。
算力兑现率,是衡量数据中心从芯片投资中获得实际回报的核心指标。当前行业平均仅30%的算力兑现率意味着,70%的芯片投资在空转。
算力兑现率的损失是多重因素的叠加结果——网络瓶颈、计算气泡、昼夜潮汐、热降频。但其中,热降频是最隐蔽、最持续、最容易被忽视的因素。
热降频是算力兑现的最大障碍。在散热受限的数据中心中,热降频触发概率可提高10倍,性能退化最高可达34.2%。风冷环境下28%-35%的降频幅度、单相液冷下15%-25%的有效算力损失,正在让昂贵的AI芯片无法发挥应有的价值。
塔能两相液冷通过相变换热的高效率、毫秒级的负载响应、±1.5℃的精准控温,将芯片稳定在高效运行区间,降频导致算力损失低于1%——采购的算力,几乎100%被兑现。
塔能两相液冷的工程化可靠性已通过“实验室→小规模试点→多项目规模化部署”三级验证,系统连续稳定运行超过一年。从精准控温到大规模可靠部署,塔能两相液冷完成了算力兑现“最后一公里”的完整验证。
这不是“更省电”的问题,是“更出活”的问题。当芯片功耗持续攀升、单机柜功率迈向100kW,散热方案的选择不再是能效优化,而是算力产出的战略抉择。
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。对于数据中心运营者而言,这意味着不能再等芯片“烧起来”再考虑散热——而应根据当前及未来2至3年的芯片规划,提前布局相应的散热技术路线。
塔能两相液冷,不止降温,更能精准控温——±1.5℃,让每一颗芯片的算力都被兑现。
关于塔能
塔能(江苏)科技有限公司专注于两相液冷散热技术的研发与工程化应用,致力于为AI算力中心、智算中心、超算中心提供完整的热管理解决方案。公司自主研发的泵驱两相液冷系统已在多个智算中心项目中实现规模化部署,以“降温快、控温准、节能高、运维简”的综合优势,助力算力中心实现算力兑现率的最大化。
免责声明
本白皮书所载数据来源于塔能科技内部实验室测试及多项目验收报告(均已做匿名处理),以及公开可查的行业研究数据。实际应用效果因服务器配置、使用环境、负载模式等因素可能有所差异。经济性测算基于特定模型假设,实际收益需结合具体项目评估。本白皮书所引用行业数据来源于公开资料及行业分析报告,仅供参考。塔能科技保留对本文件内容的最终解释权。
标签: #算力兑现率 #两相液冷 #塔能两相液冷 #精准控温 #数据中心算力 #工程化可靠性