對於高密度 AI 環境，數據中心行業已經在液冷技術上做出了選擇。運行密集 AI 工作負載的設施率先採用了這一技術，而直接晶片冷卻
——即通過冷板將液體直接輸送到處理器上——正在 AI 優化環境中變得愈發重要。
問題已不再是液冷技術是否會得到更廣泛的部署。更重要的運營問題在於，在這一新場景下，準確可靠的測量應該是什麼樣的。
液冷解決的是熱量問題。但長期可靠地運行這些系統帶來了一套不同的要求，而支撐可靠運行的測量基礎設施正是這一轉變的一部分。
從單一領域到雙重領域
運行液冷設施並不是運行風冷設施的簡單延伸，而是一種性質完全不同的運營環境，需要在電力、結構與機械工程、流體力學與化學，以及儀器儀表等多個學科上具備新的專業能力。而在所有這些學科中，測量是使環境變得可控的關鍵一環。
在傳統風冷設施中，受控環境的管理已經相當成熟。溫度、相對濕度和壓差等參數背後有著數十年的行業實踐經驗，並有成熟的傳感器技術以及美國採暖、製冷與冷氣工程師學會（ASHRAE）發布的標準化指南作為支撐。運營者清楚自己在測量什麼、為何測量、這些資訊如何反饋到控制系統，以及數字背後的含義。
液冷技術大大拓展了這一領域。輸送冷水的管道一直是數據中心基礎設施的一部分。但當冷卻通過 CDU（冷卻液分配單元）和冷板一路延伸到晶片時，液體側測量的範圍和重要性發生了根本變化。
現在需要專用儀器進行測量的參數包括液體溫度、壓力、流速和液位，以及泄漏檢測和冷卻液健康指標，如 pH 值、濁度、電導率和折射率。每一項參數都有其特定的故障模式，必須結合冷卻迴路性能和液體質量的具體情況加以理解。
液冷在風冷散熱能力達到極限的地方接管工作，但對於其他一切，風冷管理依然不可或缺。直接晶片冷卻能夠帶走最熱部件的熱量，但殘餘熱量仍需依靠空氣來處理。這正是運營者需要將兩種環境結合起來統籌理解的原因。
液冷環境中的測量
除了液體側參數之外，數據機房以及冷卻系統關鍵部位的環境條件也必須得到主動管理。露點是風險集中的一個關鍵領域。
液冷通過在冷板上循環冷卻液來提高效率。然而，在冷氣環境中，更冷的管道同樣帶來冷凝的風險。當管道表面溫度降至低於環境露點時，設備附近可能形成水汽，一旦發生故障，其後果可能遠超任何維護預算所能承受的範圍。
一種常見做法是將冷卻液供應溫度維持在比實測環境露點高出至少 2°C 的水平。冷卻液分配單元負責維持這一安全裕度，但前提是它必須持續獲得準確的實際露點數據。
在所有這些參數的測量上，挑戰並非來自某種高深莫測的技術。它依賴的是成熟完善的傳感器物理學原理。真正的挑戰在於，要理解在何處進行測量，以及傳感器數據應如何反饋到控制決策中，從而正確地運用這些物理學原理。
動態設施需要動態測量
從冷卻的角度看，AI 工作負載與傳統數據中心工作負載有著本質區別。AI 訓練任務強度大，而 AI 推理則呈間歇性特徵。一個計算集群可能在幾分鐘內從空閒狀態轉為滿負荷運行，由此產生的熱量輸出急劇變化，需要冷卻系統實時做出響應。
管理該集群的 CDU 需要持續控制冷卻迴路，確保供液和回液溫度保持在限定範圍內，壓力和流速保持在容差範圍內，並且隨著條件變化，冷歧管附近的環境露點也要保持在容差範圍內。
可靠的測量正是實現這種動態控制的基礎。如果沒有覆蓋整個設施的關鍵參數的準確實時數據，控制系統可能會基於延遲或不準確的資訊進行運作。
由此產生的後果可能會層層疊加。冷卻效率低下會浪費能源；冷卻不足會使硬體面臨風險；而過度矯正同樣會浪費能源，降低運營效率。
下一代技術將帶來哪些要求
機架密度還將持續攀升，而這一進程中的每一步都會帶來新的測量需求，其中許多需求尚未能借鑑數十年積累的行業成熟實踐。
可靠的測量能讓運營者確信，冷卻基礎設施及其所支撐的計算硬體都在安全參數範圍內運行。它們有助於實現更精確的控制，幫助設施達成效率目標，並在條件開始偏離正常範圍時提供早期預警。
如果沒有可信的測量數據，液冷數據中心的運行就只能建立在各種假設之上。
隨著冷卻架構日益複雜，風冷與液冷環境需要越來越緊密地協同運作，理解這一環境下嚴謹測量應有的樣貌，正是下一階段艱巨工作的起點。
