当前几乎所有互联网流量都通过数据中心传输，再加上 ChatGPT 等生成式 AI 应用的火热，对算力提出了空前需求，全球的数据中心都在尽可能部署高性能的 GPU 和 CPU。

这也相应地对电力和能源提出了更高要求。据了解，与 AI 大模型单次交互消耗的电量可能相当于低亮度 LED 灯泡开 1 个小时。

AI 的能源消耗不仅包括用于为服务器供电的电力，还包括冷却数据中心所需的额外能源。平均来说，为了冷却系统，可能需要额外消耗这些设备正常电力 50% 的能源。

而随着 AI 和高性能计算的发展，数据中心的芯片、服务器和机架的配置变得越来越密集，这种高密集度需要更强大的冷却系统，来确保设备能在安全的温度范围内运行，以维持系统的性能和可靠性。

据了解，数据中心的冷却成本已成为其物理基础设施成本中增长最快的部分，年复合增长率达 16%。数据中心在维持高性能运行时，冷却成本增长速度超过现有能力。根据麻省理工学院林肯实验室的数据，到 2030 年，数据中心会消耗全球高达 21% 的电力供应。

为了解决 AI 的能耗问题，业界除了开发专门的 AI 定制芯片来提高能源利用效率，另一方面也采用更高效的冷却技术，以帮助数据中心最大限度地实现可持续性。

近期，一家名为 ZutaCore 的公司展示业界首款用于 NVIDIA GPU 的介电直接芯片液冷冷板。这是一种无水、直接到芯片、两相液体冷却系统，专为 AI 和高性能计算工作负载而设计。该公司已与英特尔、戴尔和威图等众多供应商合作，另有多家服务器制造商正在与 ZutaCore 合作，以完成英伟达 GPU 平台的认证和测试。

图 | 介电直接到芯片的液冷冷板（来源：ZutaCore 官网）

尽管传统的基于空气的冷却方法逐渐被淘汰，液态冷却技术为数据中心提供了新的可能性。但基于水的冷却方案会消耗大量的水资源，也面临着提高能效和降低环境影响的挑战。

ZutaCore 公司的“HyperCool”冷却解决方案不依赖于水作为冷却介质，使用的是一种特殊的介电液体。这种冷却方式直接将冷却液体接触到需要冷却的芯片上，与传统的空气冷却或间接液体冷却相比，可以更有效地吸收和移除热量。HyperCool 技术还能够回收和重新利用数据中心产生的热量，实现 100% 的热量回用。

下图展示了 HyperCool 系统的运作方式，以及如何将热能回收利用于学校、办公室和家庭中。

当前几乎所有互联网流量都通过数据中心传输，再加上 ChatGPT 等生成式 AI 应用的火热，对算力提出了空前需求，全球的数据中心都在尽可能部署高性能的 GPU 和 CPU。

这也相应地对电力和能源提出了更高要求。据了解，与 AI 大模型单次交互消耗的电量可能相当于低亮度 LED 灯泡开 1 个小时。

AI 的能源消耗不仅包括用于为服务器供电的电力，还包括冷却数据中心所需的额外能源。平均来说，为了冷却系统，可能需要额外消耗这些设备正常电力 50% 的能源。

而随着 AI 和高性能计算的发展，数据中心的芯片、服务器和机架的配置变得越来越密集，这种高密集度需要更强大的冷却系统，来确保设备能在安全的温度范围内运行，以维持系统的性能和可靠性。

据了解，数据中心的冷却成本已成为其物理基础设施成本中增长最快的部分，年复合增长率达 16%。数据中心在维持高性能运行时，冷却成本增长速度超过现有能力。根据麻省理工学院林肯实验室的数据，到 2030 年，数据中心会消耗全球高达 21% 的电力供应。

为了解决 AI 的能耗问题，业界除了开发专门的 AI 定制芯片来提高能源利用效率，另一方面也采用更高效的冷却技术，以帮助数据中心最大限度地实现可持续性。

近期，一家名为 ZutaCore 的公司展示业界首款用于 NVIDIA GPU 的介电直接芯片液冷冷板。这是一种无水、直接到芯片、两相液体冷却系统，专为 AI 和高性能计算工作负载而设计。该公司已与英特尔、戴尔和威图等众多供应商合作，另有多家服务器制造商正在与 ZutaCore 合作，以完成英伟达 GPU 平台的认证和测试。

图 | 介电直接到芯片的液冷冷板（来源：ZutaCore 官网）

尽管传统的基于空气的冷却方法逐渐被淘汰，液态冷却技术为数据中心提供了新的可能性。但基于水的冷却方案会消耗大量的水资源，也面临着提高能效和降低环境影响的挑战。

ZutaCore 公司的“HyperCool”冷却解决方案不依赖于水作为冷却介质，使用的是一种特殊的介电液体。这种冷却方式直接将冷却液体接触到需要冷却的芯片上，与传统的空气冷却或间接液体冷却相比，可以更有效地吸收和移除热量。HyperCool 技术还能够回收和重新利用数据中心产生的热量，实现 100% 的热量回用。

下图展示了 HyperCool 系统的运作方式，以及如何将热能回收利用于学校、办公室和家庭中。

当前几乎所有互联网流量都通过数据中心传输，再加上 ChatGPT 等生成式 AI 应用的火热，对算力提出了空前需求，全球的数据中心都在尽可能部署高性能的 GPU 和 CPU。

这也相应地对电力和能源提出了更高要求。据了解，与 AI 大模型单次交互消耗的电量可能相当于低亮度 LED 灯泡开 1 个小时。

AI 的能源消耗不仅包括用于为服务器供电的电力，还包括冷却数据中心所需的额外能源。平均来说，为了冷却系统，可能需要额外消耗这些设备正常电力 50% 的能源。

而随着 AI 和高性能计算的发展，数据中心的芯片、服务器和机架的配置变得越来越密集，这种高密集度需要更强大的冷却系统，来确保设备能在安全的温度范围内运行，以维持系统的性能和可靠性。

据了解，数据中心的冷却成本已成为其物理基础设施成本中增长最快的部分，年复合增长率达 16%。数据中心在维持高性能运行时，冷却成本增长速度超过现有能力。根据麻省理工学院林肯实验室的数据，到 2030 年，数据中心会消耗全球高达 21% 的电力供应。

为了解决 AI 的能耗问题，业界除了开发专门的 AI 定制芯片来提高能源利用效率，另一方面也采用更高效的冷却技术，以帮助数据中心最大限度地实现可持续性。

近期，一家名为 ZutaCore 的公司展示业界首款用于 NVIDIA GPU 的介电直接芯片液冷冷板。这是一种无水、直接到芯片、两相液体冷却系统，专为 AI 和高性能计算工作负载而设计。该公司已与英特尔、戴尔和威图等众多供应商合作，另有多家服务器制造商正在与 ZutaCore 合作，以完成英伟达 GPU 平台的认证和测试。

图 | 介电直接到芯片的液冷冷板（来源：ZutaCore 官网）

尽管传统的基于空气的冷却方法逐渐被淘汰，液态冷却技术为数据中心提供了新的可能性。但基于水的冷却方案会消耗大量的水资源，也面临着提高能效和降低环境影响的挑战。

ZutaCore 公司的“HyperCool”冷却解决方案不依赖于水作为冷却介质，使用的是一种特殊的介电液体。这种冷却方式直接将冷却液体接触到需要冷却的芯片上，与传统的空气冷却或间接液体冷却相比，可以更有效地吸收和移除热量。HyperCool 技术还能够回收和重新利用数据中心产生的热量，实现 100% 的热量回用。

下图展示了 HyperCool 系统的运作方式，以及如何将热能回收利用于学校、办公室和家庭中。

当前几乎所有互联网流量都通过数据中心传输，再加上 ChatGPT 等生成式 AI 应用的火热，对算力提出了空前需求，全球的数据中心都在尽可能部署高性能的 GPU 和 CPU。

这也相应地对电力和能源提出了更高要求。据了解，与 AI 大模型单次交互消耗的电量可能相当于低亮度 LED 灯泡开 1 个小时。

AI 的能源消耗不仅包括用于为服务器供电的电力，还包括冷却数据中心所需的额外能源。平均来说，为了冷却系统，可能需要额外消耗这些设备正常电力 50% 的能源。

而随着 AI 和高性能计算的发展，数据中心的芯片、服务器和机架的配置变得越来越密集，这种高密集度需要更强大的冷却系统，来确保设备能在安全的温度范围内运行，以维持系统的性能和可靠性。

据了解，数据中心的冷却成本已成为其物理基础设施成本中增长最快的部分，年复合增长率达 16%。数据中心在维持高性能运行时，冷却成本增长速度超过现有能力。根据麻省理工学院林肯实验室的数据，到 2030 年，数据中心会消耗全球高达 21% 的电力供应。

为了解决 AI 的能耗问题，业界除了开发专门的 AI 定制芯片来提高能源利用效率，另一方面也采用更高效的冷却技术，以帮助数据中心最大限度地实现可持续性。

近期，一家名为 ZutaCore 的公司展示业界首款用于 NVIDIA GPU 的介电直接芯片液冷冷板。这是一种无水、直接到芯片、两相液体冷却系统，专为 AI 和高性能计算工作负载而设计。该公司已与英特尔、戴尔和威图等众多供应商合作，另有多家服务器制造商正在与 ZutaCore 合作，以完成英伟达 GPU 平台的认证和测试。

图 | 介电直接到芯片的液冷冷板（来源：ZutaCore 官网）

尽管传统的基于空气的冷却方法逐渐被淘汰，液态冷却技术为数据中心提供了新的可能性。但基于水的冷却方案会消耗大量的水资源，也面临着提高能效和降低环境影响的挑战。

ZutaCore 公司的“HyperCool”冷却解决方案不依赖于水作为冷却介质，使用的是一种特殊的介电液体。这种冷却方式直接将冷却液体接触到需要冷却的芯片上，与传统的空气冷却或间接液体冷却相比，可以更有效地吸收和移除热量。HyperCool 技术还能够回收和重新利用数据中心产生的热量，实现 100% 的热量回用。

下图展示了 HyperCool 系统的运作方式，以及如何将热能回收利用于学校、办公室和家庭中。