資料中心算力卡散熱與功耗管理要點

一、問題的根源：功率密度躍升

傳統機櫃功率密度一般在 5～8kW。而一台搭載 8 顆高階算力卡的伺服器，單機功耗就可達 6～10kW 以上——一個 AI 機櫃輕鬆突破 30kW，甚至 80kW。

這帶來兩個直接後果：

• 散熱：傳統風冷難以在有限空間內帶走如此熱量
• 供電：配電、線徑、PDU 規格全部需要重新評估

二、散熱方案對比

冷板式液冷目前是 AI 機房的主流過渡方案：散熱能力足夠、改造相對可控、對現有機房結構衝擊較小。

三、散熱規劃要點

1. 冷通道封閉是基礎

無論何種方案，冷熱氣流混合都會大幅降低效率。風道方向必須統一（標準為前進後出）。

2. 進風口溫度是核心指標

依 ASHRAE 建議，進風口溫度宜控制在 18～27°C 區間。過高導致降頻，過低浪費能耗。

3. 關注熱點而非平均值

平均值好看不代表沒問題。單一機櫃、單一設備的局部熱點才是降頻與故障的直接原因。

4. 高密度區域單獨規劃

不要讓 AI 機櫃與一般機櫃混排，否則局部熱負荷會拖垮整個區域的散熱效率。

5. 液冷需提前確認相容性

冷板、快接頭、冷卻液規格需與伺服器廠商確認，並考慮漏液偵測與冗餘。

四、功耗管理要點

1. 配電容量重算

以滿載功耗為基準，並預留餘量。8 卡伺服器啟動瞬間的電流衝擊需納入考量。

2. 三相平衡

大功率機櫃要確保三相負載均衡，避免單相過載。

3. 供電冗餘

雙路供電應來自不同配電迴路，並定期做切換測試——未測試的冗餘等於沒有冗餘。

4. 監控與限功率

• 監控整櫃功率、單機功率、GPU 功耗趨勢
• 必要時透過功耗上限設定（power cap）避免超載
• 設定告警閾值，在觸發保護前介入

5. PUE 與成本

PUE = 資料中心總能耗 ÷ IT 設備能耗。散熱方式直接影響 PUE。液冷方案前期投入較高，但在高密度場景下長期能耗成本優勢明顯。

五、落地檢查清單

• 機櫃功率密度是否已按滿載配置重新計算
• 配電容量、線徑、PDU 規格是否匹配
• 冷通道是否封閉，風道方向是否統一
• 進風口溫度是否在建議區間
• 是否已部署功率與溫度監控及告警
• 冗餘供電是否實際做過切換測試
• 高密度區域是否與一般機櫃分區
• 若採液冷，相容性、漏液偵測與維護流程是否已確認

六、小結

算力基礎設施的規劃順序應該是：先算功耗與散熱，再談算力規模。散熱與供電是硬約束，一旦機房建成再改，成本會成倍上升。對正在擴建 AI 算力的企業而言，這部分的前期規劃價值遠高於設備本身。

說明：本文為技術交流與經驗分享，實作時請以設備原廠技術資料與現場環境為準；涉及維修與變更操作，建議由具備相關經驗的工程人員執行。