當前幾乎所有網際網路流量都透過資料中心傳輸，再加上 ChatGPT 等生成式 AI 應用的火熱，對算力提出了空前需求，全球的資料中心都在儘可能部署高效能的 GPU 和 CPU。

這也相應地對電力和能源提出了更高要求。據瞭解，與 AI 大模型單次互動消耗的電量可能相當於低亮度 LED 燈泡開 1 個小時。

AI 的能源消耗不僅包括用於為伺服器供電的電力，還包括冷卻資料中心所需的額外能源。平均來說，為了冷卻系統，可能需要額外消耗這些裝置正常電力 50% 的能源。

而隨著 AI 和高效能計算的發展，資料中心的晶片、伺服器和機架的配置變得越來越密集，這種高密集度需要更強大的冷卻系統，來確保裝置能在安全的溫度範圍內執行，以維持系統的效能和可靠性。

據瞭解，資料中心的冷卻成本已成為其物理基礎設施成本中增長最快的部分，年複合增長率達 16%。資料中心在維持高效能執行時，冷卻成本增長速度超過現有能力。根據麻省理工學院林肯實驗室的資料，到 2030 年，資料中心會消耗全球高達 21% 的電力供應。

為了解決 AI 的能耗問題，業界除了開發專門的 AI 定製晶片來提高能源利用效率，另一方面也採用更高效的冷卻技術，以幫助資料中心最大限度地實現可持續性。

近期，一家名為 ZutaCore 的公司展示業界首款用於 NVIDIA GPU 的介電直接晶片液冷冷板。這是一種無水、直接到晶片、兩相液體冷卻系統，專為 AI 和高效能計算工作負載而設計。該公司已與英特爾、戴爾和威圖等眾多供應商合作，另有多家伺服器製造商正在與 ZutaCore 合作，以完成英偉達 GPU 平臺的認證和測試。

圖 | 介電直接到晶片的液冷冷板（來源：ZutaCore 官網）

儘管傳統的基於空氣的冷卻方法逐漸被淘汰，液態冷卻技術為資料中心提供了新的可能性。但基於水的冷卻方案會消耗大量的水資源，也面臨著提高能效和降低環境影響的挑戰。

ZutaCore 公司的“HyperCool”冷卻解決方案不依賴於水作為冷卻介質，使用的是一種特殊的介電液體。這種冷卻方式直接將冷卻液體接觸到需要冷卻的晶片上，與傳統的空氣冷卻或間接液體冷卻相比，可以更有效地吸收和移除熱量。HyperCool 技術還能夠回收和重新利用資料中心產生的熱量，實現 100% 的熱量回用。

下圖展示了 HyperCool 系統的運作方式，以及如何將熱能回收利用於學校、辦公室和家庭中。

當前幾乎所有網際網路流量都透過資料中心傳輸，再加上 ChatGPT 等生成式 AI 應用的火熱，對算力提出了空前需求，全球的資料中心都在儘可能部署高效能的 GPU 和 CPU。

這也相應地對電力和能源提出了更高要求。據瞭解，與 AI 大模型單次互動消耗的電量可能相當於低亮度 LED 燈泡開 1 個小時。

AI 的能源消耗不僅包括用於為伺服器供電的電力，還包括冷卻資料中心所需的額外能源。平均來說，為了冷卻系統，可能需要額外消耗這些裝置正常電力 50% 的能源。

而隨著 AI 和高效能計算的發展，資料中心的晶片、伺服器和機架的配置變得越來越密集，這種高密集度需要更強大的冷卻系統，來確保裝置能在安全的溫度範圍內執行，以維持系統的效能和可靠性。

據瞭解，資料中心的冷卻成本已成為其物理基礎設施成本中增長最快的部分，年複合增長率達 16%。資料中心在維持高效能執行時，冷卻成本增長速度超過現有能力。根據麻省理工學院林肯實驗室的資料，到 2030 年，資料中心會消耗全球高達 21% 的電力供應。

為了解決 AI 的能耗問題，業界除了開發專門的 AI 定製晶片來提高能源利用效率，另一方面也採用更高效的冷卻技術，以幫助資料中心最大限度地實現可持續性。

近期，一家名為 ZutaCore 的公司展示業界首款用於 NVIDIA GPU 的介電直接晶片液冷冷板。這是一種無水、直接到晶片、兩相液體冷卻系統，專為 AI 和高效能計算工作負載而設計。該公司已與英特爾、戴爾和威圖等眾多供應商合作，另有多家伺服器製造商正在與 ZutaCore 合作，以完成英偉達 GPU 平臺的認證和測試。

圖 | 介電直接到晶片的液冷冷板（來源：ZutaCore 官網）

儘管傳統的基於空氣的冷卻方法逐漸被淘汰，液態冷卻技術為資料中心提供了新的可能性。但基於水的冷卻方案會消耗大量的水資源，也面臨著提高能效和降低環境影響的挑戰。

ZutaCore 公司的“HyperCool”冷卻解決方案不依賴於水作為冷卻介質，使用的是一種特殊的介電液體。這種冷卻方式直接將冷卻液體接觸到需要冷卻的晶片上，與傳統的空氣冷卻或間接液體冷卻相比，可以更有效地吸收和移除熱量。HyperCool 技術還能夠回收和重新利用資料中心產生的熱量，實現 100% 的熱量回用。

下圖展示了 HyperCool 系統的運作方式，以及如何將熱能回收利用於學校、辦公室和家庭中。

當前幾乎所有網際網路流量都透過資料中心傳輸，再加上 ChatGPT 等生成式 AI 應用的火熱，對算力提出了空前需求，全球的資料中心都在儘可能部署高效能的 GPU 和 CPU。

這也相應地對電力和能源提出了更高要求。據瞭解，與 AI 大模型單次互動消耗的電量可能相當於低亮度 LED 燈泡開 1 個小時。

AI 的能源消耗不僅包括用於為伺服器供電的電力，還包括冷卻資料中心所需的額外能源。平均來說，為了冷卻系統，可能需要額外消耗這些裝置正常電力 50% 的能源。

而隨著 AI 和高效能計算的發展，資料中心的晶片、伺服器和機架的配置變得越來越密集，這種高密集度需要更強大的冷卻系統，來確保裝置能在安全的溫度範圍內執行，以維持系統的效能和可靠性。

據瞭解，資料中心的冷卻成本已成為其物理基礎設施成本中增長最快的部分，年複合增長率達 16%。資料中心在維持高效能執行時，冷卻成本增長速度超過現有能力。根據麻省理工學院林肯實驗室的資料，到 2030 年，資料中心會消耗全球高達 21% 的電力供應。

為了解決 AI 的能耗問題，業界除了開發專門的 AI 定製晶片來提高能源利用效率，另一方面也採用更高效的冷卻技術，以幫助資料中心最大限度地實現可持續性。

近期，一家名為 ZutaCore 的公司展示業界首款用於 NVIDIA GPU 的介電直接晶片液冷冷板。這是一種無水、直接到晶片、兩相液體冷卻系統，專為 AI 和高效能計算工作負載而設計。該公司已與英特爾、戴爾和威圖等眾多供應商合作，另有多家伺服器製造商正在與 ZutaCore 合作，以完成英偉達 GPU 平臺的認證和測試。

圖 | 介電直接到晶片的液冷冷板（來源：ZutaCore 官網）

儘管傳統的基於空氣的冷卻方法逐漸被淘汰，液態冷卻技術為資料中心提供了新的可能性。但基於水的冷卻方案會消耗大量的水資源，也面臨著提高能效和降低環境影響的挑戰。

ZutaCore 公司的“HyperCool”冷卻解決方案不依賴於水作為冷卻介質，使用的是一種特殊的介電液體。這種冷卻方式直接將冷卻液體接觸到需要冷卻的晶片上，與傳統的空氣冷卻或間接液體冷卻相比，可以更有效地吸收和移除熱量。HyperCool 技術還能夠回收和重新利用資料中心產生的熱量，實現 100% 的熱量回用。

下圖展示了 HyperCool 系統的運作方式，以及如何將熱能回收利用於學校、辦公室和家庭中。

當前幾乎所有網際網路流量都透過資料中心傳輸，再加上 ChatGPT 等生成式 AI 應用的火熱，對算力提出了空前需求，全球的資料中心都在儘可能部署高效能的 GPU 和 CPU。

這也相應地對電力和能源提出了更高要求。據瞭解，與 AI 大模型單次互動消耗的電量可能相當於低亮度 LED 燈泡開 1 個小時。

AI 的能源消耗不僅包括用於為伺服器供電的電力，還包括冷卻資料中心所需的額外能源。平均來說，為了冷卻系統，可能需要額外消耗這些裝置正常電力 50% 的能源。

而隨著 AI 和高效能計算的發展，資料中心的晶片、伺服器和機架的配置變得越來越密集，這種高密集度需要更強大的冷卻系統，來確保裝置能在安全的溫度範圍內執行，以維持系統的效能和可靠性。

據瞭解，資料中心的冷卻成本已成為其物理基礎設施成本中增長最快的部分，年複合增長率達 16%。資料中心在維持高效能執行時，冷卻成本增長速度超過現有能力。根據麻省理工學院林肯實驗室的資料，到 2030 年，資料中心會消耗全球高達 21% 的電力供應。

為了解決 AI 的能耗問題，業界除了開發專門的 AI 定製晶片來提高能源利用效率，另一方面也採用更高效的冷卻技術，以幫助資料中心最大限度地實現可持續性。

近期，一家名為 ZutaCore 的公司展示業界首款用於 NVIDIA GPU 的介電直接晶片液冷冷板。這是一種無水、直接到晶片、兩相液體冷卻系統，專為 AI 和高效能計算工作負載而設計。該公司已與英特爾、戴爾和威圖等眾多供應商合作，另有多家伺服器製造商正在與 ZutaCore 合作，以完成英偉達 GPU 平臺的認證和測試。

圖 | 介電直接到晶片的液冷冷板（來源：ZutaCore 官網）

儘管傳統的基於空氣的冷卻方法逐漸被淘汰，液態冷卻技術為資料中心提供了新的可能性。但基於水的冷卻方案會消耗大量的水資源，也面臨著提高能效和降低環境影響的挑戰。

ZutaCore 公司的“HyperCool”冷卻解決方案不依賴於水作為冷卻介質，使用的是一種特殊的介電液體。這種冷卻方式直接將冷卻液體接觸到需要冷卻的晶片上，與傳統的空氣冷卻或間接液體冷卻相比，可以更有效地吸收和移除熱量。HyperCool 技術還能夠回收和重新利用資料中心產生的熱量，實現 100% 的熱量回用。

下圖展示了 HyperCool 系統的運作方式，以及如何將熱能回收利用於學校、辦公室和家庭中。