Переход от воздушного к жидкостному охлаждению стал одним из определяющих инфраструктурных решений в сфере искусственного интеллекта. Операторы центров обработки данных, которые когда-то считали жидкостное охлаждение экзотическим вариантом для крайних случаев суперкомпьютеров, теперь сталкиваются с совершенно иной реальностью: дорожные карты GPU от NVIDIA, AMD и Intel вывели энергопотребление одной стойки далеко за пределы того, что могут обеспечить вентиляторы и поток воздуха.
Подбор правильного подхода к жидкостному охлаждению серверов ИИ для каждого сценария развертывания больше не является теорией — именно от него зависит, оправдывает ли инвестиция в ИИ-инфраструктуру свои обещания по производительности.
По данным TrendForce, проникновение жидкостного охлаждения в ИИ-центрах обработки данных выросло с 14% в 2024 году до 33% в 2025 году. В отчете AFCOM за 2026 год зафиксировано, что средняя плотность стоек выросла с 16 кВт до 27 кВт всего за один год.
Стойки для обучения ИИ сегодня работают в диапазоне от 40 до 132 кВт: платформа NVIDIA Vera Rubin стремится к 190 кВт на стойку, а тестовая установка Rubin Ultra Kyber, по анализу Goldman Sachs, нацелена примерно на 600 кВт к 2027 году. Воздушное охлаждение достигает своего практического предела примерно на 30–40 кВт на стойку, что делает жидкостное охлаждение стандартом по умолчанию для современных GPU-кластеров. Если ваша организация планирует ИИ-инфраструктуру, вопрос не в том, внедрять ли жидкостное охлаждение, а в том, какая архитектура соответствует плотности ваших рабочих нагрузок.
Физический предел: почему воздух не может охладить ИИ
Жидкость передает тепло примерно в 3500 раз эффективнее, чем воздух. Устаревший объект с воздушным охлаждением обычно работает при значениях PUE от 1.55 до 1.67, а это значит, что примерно треть поступающей электроэнергии питает инфраструктуру, а не ИТ-оборудование. Когда операторы пытаются охладить стойку GPU мощностью 100 кВт только воздухом, требуемый объем воздушного потока становится физически разрушительным для соседних стоек и недопустимо энергозатратным — как задокументировано в анализе экономики охлаждения Axis Intelligence за июль 2026 года.
Жидкостное охлаждение с прямым контактом с чипом, напротив, обычно достигает значений PUE около 1.10–1.20. Компания Schneider Electric сообщает, что ее архитектуры с прямым контактом с чипом обеспечивают снижение энергопотребления на охлаждение на 30–60 процентов в подходящих приложениях. Для оператора, ограниченного фиксированным выделением мощности — очереди на подключение к электросети на крупных рынках теперь растягиваются на три-четыре года, по данным Data Center Dynamics — каждый мегаватт, возвращенный из расходов на охлаждение, напрямую превращается в развертываемую вычислительную мощность ИИ. Ваше текущее выделение мощности может внезапно поддержать на 20–30 процентов больше стоек GPU, не дожидаясь нового подключения к сети.
Крупномасштабное обучение: стойки мощностью 100+ кВт требуют жидкостного охлаждения
Самый требовательный сценарий развертывания жидкостного охлаждения — кластер крупномасштабного обучения. Платформа NVIDIA GB200 NVL72 объединяет 72 GPU и 36 процессоров Grace в единую стойку, потребляющую примерно 120–132 кВт. GB300 NVL72 идет еще дальше — до 132–155 кВт. Эти системы выделяют тепло, эквивалентное десяткам жилых домов, сосредоточенное на площади меньше парковочного места.
Для обучающих кластеров, охватывающих сотни или тысячи GPU, тепловая задача усугубляется. Развертывание на 10 000 GPU с оборудованием класса GB200 занимает примерно 140 стоек и генерирует 16–18 МВт тепла. Без жидкостного охлаждения серверов ИИ операторы сталкиваются с двумя неприемлемыми исходами: сниженные тактовые частоты GPU, удлиняющие сроки обучения на 20–40 процентов, или избыточные системы кондиционирования воздуха, потребляющие больше энергии, чем сами вычисления.
По данным Datacentres.com, Microsoft развернула иммерсионное охлаждение в 14 новых региональных кластерах ЦОД, построенных с января 2026 года. NVIDIA теперь указывает жидкостное охлаждение как базовое требование — а не опцию модернизации — для своих новых объектов в Северной Америке, Европе и Азиатско-Тихоокеанском регионе.
Инференс-кластеры: стабильная пропускная способность без снижения производительности
Пока обучение привлекает заголовки новостей, инференс представляет собой операционную основу корпоративного ИИ. Инференс-нагрузки работают непрерывно, обслуживая тысячи пользовательских запросов ежедневно. Термическая стабильность важна для предсказуемой задержки и пропускной способности, а не только для пиковой производительности.
В сценариях инференса с высокой степенью параллелизма температура переходов GPU при воздушном охлаждении может колебаться на 15–20 градусов Цельсия во время скачков нагрузки, вызывая корректировки тактовой частоты, которые ухудшают время отклика. Точное жидкостное охлаждение стабилизирует температуру переходов в пределах 3–5 градусов, обеспечивая устойчивые тактовые частоты и стабильную задержку инференса. Компания CoolIT Systems отмечает, что это снижает изменчивость температуры переходов чипов, создавая предсказуемую тепловую среду для длительных смешанных рабочих нагрузок с различной точностью вычислений. При работе с пользовательскими ИИ-приложениями, где стабильность времени отклика напрямую влияет на удовлетворенность пользователей, такая тепловая предсказуемость напрямую защищает соглашения об уровне обслуживания и выручку.
Мультитенантный колокейшн и смешанные ИИ-нагрузки
Колокейшн-объекты, размещающие разных арендаторов, должны поддерживать ИИ-нагрузки, не нарушая работу существующих клиентов. Одно развертывание ИИ высокой плотности может перегрузить общую систему охлаждения, рассчитанную на 8–12 кВт на стойку, создавая горячие точки, которые ухудшают производительность соседних стоек.
Компания Equinix ввела в эксплуатацию три объекта ИИ высокой плотности в регионах Стокгольма и Гётеборга в Швеции в период с февраля по июль 2026 года суммарной мощностью 340 МВт. Эти специализированные объекты выделяют ИИ-арендаторов в зоны с жидкостным охлаждением, сохраняя традиционное воздушное охлаждение для стандартных корпоративных нагрузок. Жидкостное охлаждение с прямым контактом с чипом позволяет колокейшн-провайдерам предлагать ИИ-клиентам 50–70 кВт на стойку, не требуя миграции всех арендаторов.
Эта смешанная модель охлаждения — жидкость для ИИ-серверных стоек, воздух для всего остального — является доминирующим образцом для колокейшн-операторов, расширяющихся в ИИ-хостинг. Если ваш бизнес арендует площади в колокейшн-центре, проверка поддержки зон с жидкостным охлаждением до подписания договора может предотвратить дорогостоящие инфраструктурные конфликты в середине срока аренды.
Периферийный ИИ: жидкостное охлаждение в ограниченном пространстве
Сценарии периферийного развертывания предъявляют иные ограничения. Ограниченное физическое пространство, отсутствие выделенных команд по обслуживанию объектов и суровые условия окружающей среды делают традиционные стойки с воздушным охлаждением непрактичными для ИИ высокой плотности. Точное жидкостное охлаждение позволяет создавать герметичные, почти бесшумные серверные корпуса, которые могут работать в офисах, производственных цехах или наружных телекоммуникационных укрытиях — без шума и пылевого загрязнения высокоскоростных вентиляторов.
Международное энергетическое агентство прогнозирует, что к 2030 году мировое потребление электроэнергии центрами обработки данных достигнет примерно 945 ТВт·ч, во многом благодаря ИИ. Значительная часть роста придется не на традиционные кампусы, а на распределенные периферийные узлы, обеспечивающие инференс для автономных транспортных средств, промышленного контроля качества и аналитики видео в реальном времени.
Жидкостное охлаждение на периферии снижает мощность вентиляторов, сокращает расход воды до 96 процентов по данным Iceotope и защищает электронику от загрязнений из воздуха — благодаря этому периферийные серверы с жидкостным охлаждением жизнеспособны там, где традиционные стойки с воздушным охлаждением невозможны, а ИИ-инференс разворачивается ближе к источникам данных вместо передачи данных по магистральным каналам.
Модернизация существующих центров обработки данных под жидкостное охлаждение
Не каждая организация может построить ИИ-центр обработки данных с нуля. Существующие объекты, рассчитанные на 5–10 кВт на стойку, необходимо адаптировать для размещения GPU-кластеров — и именно на этом пути модернизации жидкостное охлаждение демонстрирует свою гибкость. Контуры охлаждения с прямым контактом с чипом можно развернуть в целевых зонах стоек, не перестраивая всю систему охлаждения.
Ключевые компоненты модернизации включают распределительные блоки хладагента (CDU), устанавливаемые как боковые или внутрирядовые блоки, и теплообменники на задней дверце стойки, отводящие остаточное тепло со стороны воздуха. Анализ Schneider Electric показывает, что поэтапная модернизация жидкостного охлаждения позволяет операторам постепенно переводить стойки высокой мощности.
На кампусе Lake Mariner компании TeraWulf в Буффало, штат Нью-Йорк — проекте brownfield, перепрофилирующем бывшую промышленную площадку — интегрированная энергетическая инфраструктура и жидкостное охлаждение поддерживают поэтапное строительство, которое, как ожидается, достигнет 750 МВт, доказывая, что существующие подключения к сети могут служить базовыми активами для развертываний ИИ высокой плотности. Если на вашем объекте есть запас мощности, но устаревшая система охлаждения, поэтапная модернизация жидкостного охлаждения может открыть доход от GPU-хостинга без многолетних сроков нового строительства.
Строительство с нуля: нативное жидкостное охлаждение с первого дня
Новое строительство ИИ-центров обработки данных сошлось на общей философии: жидкостное охлаждение — стандарт по умолчанию. В глобальном портфеле проектов мощностью 25 000 МВт примерно 60 процентов гиперскейлер-проектов теперь требуют иммерсионных архитектур или архитектур с прямым контактом с чипом, по данным Datacentres.com. Google и AWS развернули в Европе модульные ЦОД, готовые к жидкостному охлаждению, а модульное строительство сократило сроки создания объектов с нуля с 36–42 до 22–26 месяцев для типового объекта мощностью 50 МВт.
Проектирование под нативное жидкостное охлаждение позволяет интегрировать тепловую и электрическую инфраструктуру, устраняя потери эффективности при модернизации и обеспечивая рекуперацию отработанного тепла для централизованного отопления, которое все чаще требуется по европейским нормам. Капитальная надбавка за инфраструктуру, готовую к жидкостному охлаждению, оцениваемая в 8–12 процентов по сравнению с обычными проектами, окупается за счет снижения операционных затрат на 20–30 процентов в течение жизненного цикла объекта.
Выбор правильной архитектуры жидкостного охлаждения серверов ИИ
Выбор подходящей архитектуры зависит от трех параметров: плотности мощности стойки, типа объекта и характеристик рабочих нагрузок. Для стоек мощностью ниже 40 кВт достаточно гибридных воздушно-жидкостных решений. Для обучающих стоек мощностью 40–100 кВт установленным стандартом является прямое охлаждение чипов с внутрирядовым CDU. При мощности свыше 100 кВт на стойку обязательным становится полное жидкостное охлаждение с отводом тепла жидкость-жидкость. Иммерсионное охлаждение достигает PUE до 1.05, но несет более высокие капитальные затраты, что ограничивает его применение сверхплотными развертываниями.
При планировании ИИ-кластера с жидкостным охлаждением ранняя оценка мощности CDU, резервирования и совместимости интерфейсов объекта позволяет избежать дорогостоящих переделок. Холодные пластины, быстросъемные соединения и коллекторы должны соответствовать конкретным конфигурациям GPU — эту задачу SOETECK решает за счет комплексных поставок оборудования, рассматривая охлаждение как часть сквозного стека поставки вычислительных мощностей.
Goldman Sachs отмечает, что конструкции ИИ-стоек 2027 года потребуют примерно в 50 раз больше мощности, чем сегодняшние интернет-серверные стойки, а консультанты проектируют стойки мощностью до 2.2 МВт в течение пяти лет. Жидкостное охлаждение серверов ИИ превратилось из нишевого отличия в базовое допущение для любой организации, разворачивающей вычисления с GPU-ускорением в масштабе.
发表回复