液冷技术节能性和散热性兼优，算力浪潮下催动液冷技术市场扩容
思瀚产业研究院    2024-08-15

液冷技术相较于传统风冷技术，具有低能耗、高散热、低噪声和低 TCO 等优点，符合数据中心高能耗、高密度的发展趋势：

1）高效散热：液体的冷却能力是空气的 1000-3000 倍，使得液冷技术更适用于高能耗、高功率的服务器应用场景。

2）节能降耗：液冷系统可实现更高能效比，降低数据中心能耗。液冷技术（尤其是浸没式液冷）可将数据中心的PUE值降至1.2以下，相较于传统风冷技术，可以节省电量30~50%。

3）提高设备可靠性：液冷技术可以减少因高温引起的设备故障，延长服务器的使用寿命，并避免因风扇引起振动和噪音。

4）节省空间：液冷技术允许更紧凑的服务器布局，无需像风冷那样需要较大的空气流通空间，从而节省了数据中心的占地面积。5）提高功率密度：液冷技术可以支持更高的机架功率密度，满足高性能计算和 AI 应用的需求。浸没式液冷方案可以将单机架功率提升到 100kW 甚至 200kW 以上。

冷板式和浸没式等主流液冷技术在散热性、集成度、能效等冷却效果指标上显著优于传统风冷技术。

人工智能变革和数字经济转型趋势下，数据中心往高能耗、高密度方向发展，液冷技术应用渐广。传统的风冷方式只能满足 2.7kW/机柜的数据中心散热需求，无法适应中高密度数据中心需求。液冷技术利用高比热容的特点和对流传热的能力，可以满足 2.7-30kW/机柜的数据中心散热需求，解决超高热流密度的散热问题，未来液冷技术必将在数据中心领域得到愈加广泛的应用。

AI 大模型对算力需求大，推动 AI 基础设施建设。AIGC 行业进入高速发展期，AI 大模型性能持续提升的背后是千亿级以上的参数训练，带来对算力的高额需求，有望推动新一轮 AI基础设施建设。根据 OpenAI 官网，AI 模型训练计算量自2012 年起每 3.4 个月就增长一倍。

以 GPT-3 模型为例，根据 lambdalabs 数据，该模型参数规模达 1750 亿，完整训练运算量达 3640PFlop/s-days（以 3640PFlop/s 速度进行运算，需要 3640 天）。模型完成单次训练约需要 355 个 CPU 年并耗费 460 万美元（假设采用 Nvidia Tesla V100 芯片）。

高算力需求迫切，推动 AI 基础设施建设。高训练算力需要与相应基础设施匹配，根据《2022-2023 中国人工智能计算力发展评估报告》预计，2023 年全球 AI 支出增速有望达 27.9%，而中国智能算力规模将达 427EFlop/s，同比增长 59%。

人工智能行业高速发展，算力巨额缺口推动 AI 服务器出货量高速增长。2023 年全球普通AI 服务器/高端 AI 服务器出货量分别为 47.0 和 27.0 万台，较 2022 年分别同比增长 36.6%和 490.5%，并预计 2024 年全球普通 AI 服务器和高端 AI 服务器出货量分别为 72.5 和 54.3万台，分别同比增长 54.2%和 172.0%。

AI 服务器出货量高速增长

资料来源：华勤技术投资者关系公众号，源达信息证券研究所，思瀚

根据 2023《中国液冷数据中心市场深度研究报告》，预计 2024 年中国液冷数据中心市场规模有望达 236.3 亿元，同比增长 53%。基于市场需求发展及产业生态建设进程，未来五年中国液冷数据中心市场将以 59%的复合增长率持续发展。预计到 2027 年，AI 大模型商用落地，液冷生态趋于成熟，市场规模将出现较大幅度增长，有望达到 1020 亿元。

更多行业研究分析请参考思瀚产业研究院官网，同时思瀚产业研究院亦提供行研报告、可研报告、产业规划、园区规划、商业计划书、专项调研、建筑设计、境外投资报告等相关咨询服务方案。