AI驱动液冷正其时

2022年底OpenAI引发AI热潮，，，，，，液冷有关话题也随之“风起云涌”：

2024年英伟达颁布NVL72/NVL36规划，，，，，，进一步推高全液冷数据中心的建设需要。。。。。。。

数据中心领域大规模在用的液冷重要有冷板、浸没两种，，，，，，其他如喷淋等未规模部署：

为什么互换机必要液冷？？？？？？？

“和尚关注想经，，，，，，路士关切养生”，，，，，，网络关注互换机液冷，，，，，，服务器关切GPU液冷：

12年间典型互换机system功耗增长22倍，，，，，，Optics增长26倍，，，，，，ASIC Serdes增长25倍，，，，，，功耗增长速度超过风冷散热能力提升速度。。。。。。。

互换机液冷需要1：128 x 3.2T DR16-DSP设备为例，，，，，，光模？？？？？？楣拇笥贕PU，，，，，，耐温低于GPU，，，，，，可增长散热器空间远幼于GPU。。。。。。。

互换机液冷需要2：互换芯片功耗和热流密度均大于GPU。。。。。。。

→具体产品规划&有关需要请点击此处反馈

液冷互换机设计三难

难点1：互换机冷板系统属于“三维”组装，，，，，，GPU液冷冷板系统属于“二维”组装，，，，，，三维难度弘远于二维。。。。。。。

难点2：硬件不成能不坏，，，，，，液冷亦如此，，，，，，单台互换机宕机影响弘远于单台服务器，，，，，，若何实现即便漏液单台互换机“不宕机”。。。。。。。

难点3：Belly-belly optics冷板设计较容易，，，，，，系统成本更高，，，，，，stack opitcs规划成本更低，，，，，，但是截止2024年前，，，，，，市面上没有bottom optics in stack cage冷板规划可用。。。。。。。

针对难点1：基于S³IP UNP理想定造自动化液冷组装平台，，，，，，已通过批量交付验证，，，，，，可实现TH5 Tigatron互换机液冷套件的“三维”急剧组装和气密测试。。。。。。。

针对难点2：TH5 Liquid Tigatron互换机实现液路和电路分离设计，，，，，，高风险区漏液不会渗漏到电路板，，，，，，提升可用性。。。。。。。

针对难点3：选取铝板嵌水管的低成本规划，，，，，，支持多个2x4 stack cage上、基层optics级联液冷，，，，，，解决行业难点（一块冷板覆盖22个光模？？？？？？，，，，，，保险所有模？？？？？？橛帕冀哟ド⑷，，，，，，且插拔50～100次后热机能不降落）。。。。。。。

液冷除了带来冷，，，，，，还有什么？？？？？？？

液冷，，，，，，可不仅仅是个单一的散热伎俩，，，，，，它更像是网络设备领域“创新引擎”的光滑剂。。。。。。。

好比：最近盛行的CPO “缓蚀剂” Vertical Switch设计，，，，，，必要液冷加持能力持续演进。。。。。。。

还有行业内多年备受争议的CPO互换机：冷板式液冷更是强造需要套装。。。。。。。

液冷即将迎来更大规模市场发作，，，，，，一路见证更多液冷设计案例涌现。。。。。。。

→具体产品规划&有关需要请点击此处反馈