液體冷卻，已從過去的選項，成為此刻的必需品。但「換上液冷」這四個字，並不像拔掉舊插頭、換上新燈泡那麼簡單。它不是單一技術的替換，而是一場牽一髮動全身的系統性革命。這是一場環環相扣的攻防戰，任何一個環節的疏漏，都可能讓千億投資的AI建設毀於一旦。液冷不是單一換裝升級，而是全面系統革命。
OCP制定新規則 因應TDP高牆
革命不能是各自為王的混戰。開放運算計畫(OCP)台灣區專案代表暨Submer台灣生態系與策略聯盟負責人Alex Chou指出，傳統氣冷的極限清晰可見，業界TDP預估值已喊到1000W甚至2500W。Alex Chou分析，液冷是唯一的出路，其中浸沒式冷卻是達成100%熱捕獲的終極方案。
他強調，OCP為此成立了「冷卻環境專案」，旨在為革命制定通用的規則，涵蓋冷板、冷卻液分配單元(CDU)、浸沒式以及最關鍵的「熱回收」。作為OCP的積極貢獻者，Submer的角色正是將開放理念付諸實踐，其SmartPod EXO方案能處理高達361kW的熱能，並支援高達55°C的進水溫度以極大化熱回收效益。
戰略思維轉變 從散熱走向創能
從開放標準的宏觀視野落地，首先，戰略思維必須徹底轉變。金運科技總經理郭丁賀直指，當AI伺服器單櫃功率動輒突破100千瓦，傳統氣冷已不適合。導入液冷的核心價值，也不僅僅是為了降溫。郭丁賀強調，數據顯示液冷能將PUE(電源使用效率)從氣冷的1.6大幅降低至1.2，這在1GW規模的資料中心，每年省下的電費可能高達千億台幣。
但更關鍵的革命在於「熱回收」。郭丁賀點出，液冷最大的優勢是能產生高溫回水，過去被當作廢棄物的餘熱，現在成為了可以再利用的「熱資產」，這才是將AI基礎設施從「耗能」轉型為「創能」的關鍵一役。
浸沒式材料大戰 液體選擇是關鍵
然而，決定了液冷這條宏觀戰略，真正的考驗才剛開始。當我們決定將昂貴的伺服器直接浸入液體，第一個最根本的問題是：到底該用什麼「油」來泡？這引發了一場浸沒式冷卻的「液體內戰」。INVENTEC亞太區技術經理Steven Teh分析，主流的碳氫化合物(Hydrocarbon oil)與氟化液(Fluorinated)存在天壤之別。對資料中心營運商而言，安全性絕對是第一考量。碳氫化合物油雖然閃點高，但依舊存在火災風險，且油膩特性易造成工安危險。
相較之下，Thermasolv氟化液不僅沒有閃點，在測試中甚至展現出卓越的「滅火特性」。在效能的硬碰硬比較上，200°C的熱源在氟化液中能被壓制在71.5°C(單相)甚至52°C(兩相)。Steven Teh解釋，這不只是比熱差異，更低的黏度帶來了遠勝於黏稠油品的流動性與均勻性。更別提，碳氫化合物油被證實與EPDM橡膠、PVC等伺服器常見密封件存在嚴重的材料相容性問題。顯然，選錯液體，整組系統都可能報銷。
被忽視的電力基石 主動預測才是王道
當我們把散熱系統的戰略、材料都做到極致，卻可能忽略了這一切運轉的根本——電力。就算冷卻系統完美無瑕，但如果供電不穩，一切都是空談。根據Uptime Institute的數據，高達95%的資料中心曾遭遇非計劃性停機，其中更有80%的事故原本能夠被預防。
EATON Exertherm亞太區總監Jason Lim指出，這正是因為傳統維運策略的盲點。AI時代的維運必須轉向「主動式」與「預測性」維護。
Exertherm的核心技術「連續性熱點監測」(CTM)，便是透過安裝在電氣資產內部的永久性感測器，24小時7天全天候收集即時熱數據，並即時分析，一旦偵測到異常便能立刻發出警報。
Jason Lim特別強調，CTM能精確對準如匯流排(Bus Duct)接頭這樣的「關鍵弱點」，在災難性故障發生前就識別出它們。
小元件成決勝關鍵 接頭充當預警角色
選對了安全的液體，也顧妥了電力基石，就高枕無憂了嗎？恐怕未必。在一個由數千個零件組成的複雜液冷迴路中，魔鬼藏在更微小的細節裡。CPC應用開發經理Gerate Lin指出，液冷系統的可靠性，已成為決定AI算力能否穩定輸出的勝負手。他以經典的「浴盆曲線」說明，元件的生命週期分為早期失效、正常壽命與損耗期，而一個看似微小的快速接頭(Quick Disconnect，QD)，就可能導致系統崩潰。
Gerate Lin因此提出一個生動的譬喻，快速接頭(QD)往往是液冷系統的「礦坑中的金絲雀」。當QD出現堵塞或腐蝕時，它其實是在警告你，整個系統的流體健康或過濾已經出了大問題。
系統工程大整合 散熱成跨領域的全面戰爭
AI算力的競賽，表面上是晶片速度之爭，裡子上卻是一場橫跨標準、戰略、材料、電力到元件可靠度的嚴謹「系統工程」。從OCP的開放架構、金運的熱回收戰略、INVENTEC的氟化液材料、EATON的電力預測性維護，到CPC的「金絲雀」接頭可靠度，這五個維度勾勒出了AI資料中心成功的完整圖像。
這場冰與火之歌的勝利者，必須同時是高瞻遠矚的專家、錙銖必較的科學家，以及最謹慎細心的工程師。在AI的未來，沒有任何一個環節是理所當然的。
