AI算力的竞争，正在从芯片性能延伸至整机柜系统能力。
当一台服务器从传统的8卡配置走向32卡、64卡乃至128卡，当数百颗AI加速芯片被整合进一个超节点，计算、存储、网络、供电和散热也不再是可以独立设计的模块，而是必须协同工作的整体。
其中，散热正在成为最容易被低估、却又最难绕开的工程问题。
以英伟达的产品演进为例，从Blackwell GB200 NVL72到Vera Rubin系列，再到面向更大规模互联的Kyber架构，AI基础设施正在向更高的机柜功率密度演进。
随着单颗AI芯片功耗持续攀升，传统风冷架构在散热能力、空间利用率和能耗方面逐渐逼近物理边界，液冷也由此从可选配置变成高密度超节点的重要基础设施。
但液冷并不是一个简单的技术选择题。
超节点究竟应该追求100%全液冷，还是风液混合才是更经济的选择？冷板式液冷和浸没式液冷，谁更适合下一代高密度算力系统？当机柜功率迈向数百千瓦乃至兆瓦级，散热能力、建设成本、运维复杂度和长期可靠性，又该如何权衡？
从目前公开的产品路线来看，英伟达、中科曙光、华为、字节跳动、阿里云、中兴通讯、百度、沐曦、锐捷网络、新华三等厂商，正在给出不同答案。
来源：中国IDC圈
超节点的下一道门槛：散热
传统服务器的散热设计，通常围绕单台设备展开。风扇、散热器、机箱风道共同构成相对独立的散热体系，服务器可以按照标准机柜部署，数据中心则根据机柜功率密度配置制冷系统。
超节点改变了这种设计逻辑。
当数十颗甚至上百颗AI芯片集中部署，芯片之间通过高速互联形成一个完整的计算域，机柜内部的空间、供电、线缆和散热开始高度耦合。计算托盘怎么排列、交换托盘放在哪里、供电模块如何集中部署，都会影响液冷管路布局和散热效率。
更重要的是，超节点的热源并不只有GPU或NPU。CPU、内存、交换芯片、光模块以及电源转换模块，同样会产生热量。只给AI芯片安装液冷板，并不意味着整机柜已经具备完整的散热能力。尤其当高速交换、供电和计算模块集中部署，局部热密度同样可能成为系统稳定运行的制约因素。
这意味着，超节点需要从单个芯片的散热设计，转向整机柜级热管理。冷板、管路、CDU、分集水器、冷源系统以及漏液检测，都需要纳入统一设计。液冷系统不仅要解决热量能否带走的问题，还要考虑流量分配是否均衡、冷却液温度是否适宜、不同节点能否独立维护，以及发生故障时是否会影响整个计算域。
由此，超节点的液冷方案开始出现三种不同的技术路径：冷板式液冷、浸没式液冷，以及风冷与液冷协同工作的混合散热架构。
第一条是冷板式液冷。通过在GPU、CPU等核心发热器件上安装液冷板，让冷却液在封闭管路中循环，直接带走芯片热量。其优势是技术生态相对成熟，能够与现有服务器架构结合，在保留部分传统硬件形态和运维方式的同时，提升机柜功率密度。
第二条是浸没式液冷。将服务器或相关组件浸入绝缘冷却液中，通过液体直接吸收热量。其中，相变浸没式液冷利用冷媒沸腾吸热，再通过冷凝换热完成循环，能够应对更高的热流密度。不过，服务器结构、材料兼容性、冷媒管理、设备维护和备件更换方式，都需要重新考虑。
第三条是风液混合。它并不追求所有部件都采用液冷，而是根据不同器件的功耗和热密度进行分工：GPU、CPU等高功耗部件采用冷板液冷，内存周边、低功耗器件及其他组件则由风冷承担散热任务。
需要明确的是，三条路线没有绝对的优劣之分。真正值得关注的，不是谁的液冷覆盖率最高，而是谁能在目标功率密度下，以更低的全生命周期成本，保证算力持续稳定输出。
液冷路线大盘点：超节点厂商如何出牌？
如果把目前公开的超节点产品放在一起观察，可以发现一个明显趋势：液冷正在从服务器级散热方案，向整机柜级供电、散热、互联一体化设计演进。
不同厂商的技术选择，实际上反映了它们对超节点功率密度、系统可靠性、部署兼容性和运营成本的不同理解。
1NVIDIA VR200 NVL144：全液冷模块化设计
NVIDIA GB200 NVL72采用冷板式液冷，通过机柜级液冷集群架构，推动AI计算形态从单服务器向高密度机柜级系统演进；VR200 NVL72（原VR200 NVL144）机柜集成144个计算芯片，100%全液冷模块化设计，冷却液的温度可达45℃；其下一代Rubin Ultra NVL576整柜功率规格约600kW，采用全液冷无风扇设计。
2曙光8000（登峰）：MW级相变浸没式液冷
曙光8000（登峰）采用浸没式相变液冷技术，可支撑单机柜MW级高功率密度部署，并通过国产冷媒、全年自然冷却等方式提升集群能效。曙光数创推出C8000 V3.0 MW级相变浸没式液冷整机柜方案，单机柜功率超过900kW，散热能力超过200W/cm²。
3华为Atlas 950 SuperPoD：全液冷重构超节点散热
华为Atlas 950 SuperPoD采用全液冷散热架构（冷板式为主），制冷能耗大幅压缩。单节点最高1024张昇腾950DT卡，依靠自研灵衢互联，微秒级通信时延，拥有256TB全局统一内存，FP8算力达到1EFLOPS。
4字节跳动AI Rack 3.0：800V HVDC加持全液冷
字节跳动AI Rack 3.0采用800V HVDC高压直流供电，并配套100%整机柜全液冷散热架构，机柜内置54V液冷Busbar、进出液分集水歧管，搭配36台1U/18台2U液冷XPU节点及16台高速交换机，支持3000W以上多Chip XPU芯片的散热需求。
5阿里云磐久AL128：八成液冷，两成风冷
阿里云磐久AL128超节点整柜采取定制双宽机柜方式，支持128~144颗GPU芯片，支持高达350kw供电能力和500kw散热能力（冷板液冷处理80%热量、风冷20%），支持单颗GPU芯片2kw的液冷散热能力，采用BusBar柜内集中供电。
6中兴通讯OEX超节点：全栈液冷覆盖高密度算力
中兴通讯OEX超节点基于自研的“OEX创新正交架构”，打造开放、高密度、高可扩展的超节点架构；可支持单机柜128个GPU，算力规模可进一步扩展至1.6万卡。配套全栈液冷散热技术，实现了冷板液冷全覆盖，将机柜内的高密度布线与极端发热两大工程痛点一并解决。
7百度天池超节点：液冷主导，风冷辅助
百度天池超节点采用风液混合散热架构：高功率部件采用冷板液冷，保障AI芯片与CPU持续运行在高性能状态；低功耗部件采用低速风冷，在满足散热需求的同时降低整体能耗。在25kW机柜场景下，混合散热方案比纯风冷方案降低PUE值0.3以上，同时比全液冷方案减少60%的液冷管路部署成本。
8沐曦曦景S600超节点：模块化冷板液冷设计
沐曦曦景S600超节点搭载全自研GPGPU与MXMACA完整软件栈，单机柜支持高密度64卡部署，可横向扩展至万卡集群，采用解耦模块化设计，计算、交换、电源及液冷等关键模块均支持快速部署和维护，标配标准化冷板液冷，电源与液冷管路支持盲插热插拔，显著降低数据中心运维成本。
9锐捷网络ETH 128：风液混合兼顾高密度与灵活性
锐捷网络ETH 128超节点单机柜最大承载128张GPU芯片，采用风液混合散热方案，针对功耗较高的 CPU、GPU 以及电源转换模块进行冷板式液冷散热，对于其他低功耗组件采用风冷散热的模式，节点液冷散热占比超过85%。
10H3C UniPoD S80000：冷板覆盖核心热源
H3C UniPoD S80000超节点整柜采用一体化液冷散热方案（冷板式液冷），冷板散热覆盖CPU、GPU、内存等核心热源，其单机柜最多支持64张AI加速卡，整柜液冷散热占比达75%-80%，散热功率可达80KW。该设计有助于将数据中心PUE控制在1.1以下，实现高算力与绿色节能的协同平衡。
结语
从各家厂商的产品布局来看，行业并没有选择完全一致的制冷路线。
英伟达、华为、字节跳动、中兴通讯等厂商强调全液冷架构，希望通过系统级热管理支撑更高的机柜功率密度；沐曦、新华三等厂商强调冷板式液冷；中科曙光将相变浸没式液冷推向MW级机柜，探索更高热流密度下的散热边界。
阿里云、百度智能云、锐捷网络等厂商则选择风液混合，在满足核心热源散热需求的同时，兼顾建设成本与运维灵活性。
这也说明，液冷产业真正需要回答的问题，并不是全液冷是否一定优于风液混合，也不是浸没式能否取代冷板式，而是不同技术路线能否与芯片架构、机柜功率、供电系统和数据中心基础设施形成最优匹配。毕竟，液冷覆盖率越高，并不意味着综合成本越低；散热能力越强，也不代表系统可靠性和运维效率就一定更好。
当算力进入超节点时代，液冷的终极价值不是把设备变得更冷，而是让每一瓦电力、每一颗芯片都转化为真正可用、可持续交付的算力。从散热能力到系统能力，谁能跨过这道门槛，谁才有机会在下一轮AI基础设施竞争中占据主动。
12月10日，第二十一届中国IDC产业年度大典（IDCC2026）主题论坛——“中国智算液冷产业发展论坛暨COOL-AIDC论坛”将在北京首钢园举办，论坛将汇聚科研机构、液冷厂商、制冷设备厂商、能源企业、服务器厂商、数据中心运营商等行业专家，围绕“极致冷、创新冷、场景冷”三大方向，深入探讨AI时代高性能芯片热管理、液冷规模化部署、风液融合、液冷材料与核心部件创新，以及大型智算园区液冷规模化建设与运维实践。
热门专题
