AI服务器液冷的变化，并不只是“风冷不够用了”。
更关键的矛盾在于：算力系统越来越像一台整机，而不是一排服务器的简单组合。
在传统IDC里，服务器、机柜、空调和机房往往是分层设计的。
芯片发热先由散热器和风扇带走，再交给机房空调、冷热通道和风组织处理。
只要功率密度没有越过边界，增加风量、扩大换热面积、提高空调能力，系统还能继续运行。
但机架级AI计算改变了这个前提。
GPU需要通过NVLink或高速网络保持低时延、高带宽互联，服务器之间不能简单拉开距离来降低热密度。
与此同时，CPU、交换芯片、网卡、DPU、内存、电源系统的功耗都在上升。
机柜不再只是“装服务器的柜子”，而是在向统一供电、统一互联、统一冷却的计算系统演进。
Rubin周期的意义，正在于它把液冷从可选方案推成了基础设施。
液冷是什么
液冷，是用液体介质替代或部分替代空气，把芯片、板卡、服务器和机柜产生的热量带走的散热方式。
在AI数据中心场景里，它通常不是单个零件，而是一套从芯片冷板到机柜管路，再到CDU和数据中心水系统的工程体系。
典型链路包括：
冷板贴近GPU、CPU、交换芯片等热源；
冷却液在冷板内流动并吸收热量；
Manifold、软管、快接头和传感器负责分配、连接和监测；
CDU把IT侧液冷回路与设施侧水系统隔离，并完成换热、循环、过滤、控制和保护。
过去，液冷更多出现在超算和少数高性能计算场景。
现在，高密度AI机柜正在把液冷变成数据中心建设的一部分。
这一变化背后有三个约束。
第一，热流密度约束。
空气的体积热容量和导热能力有限。
当芯片和机柜功率持续上升时，单纯提高风量会带来风机功耗、噪声、压差、气流短路和空间占用的快速增加。
第二，电力约束。
AI数据中心真正稀缺的资源，正在从机位变成电力接入容量。
制冷系统少消耗一部分电力，理论上就能把更多电力留给GPU。
NVIDIA把45℃温水液冷与动态Max-Q功率管理结合，本质上是把原本花在压缩机、低温冷水和静态冗余上的电力，转化为更多可运行GPU和更多Token产出。
第三，交付约束。
高密度液冷机柜需要在进入机房前完成冷板、管路、快接头、Manifold等部件测试；
进入数据中心后，还要与CDU、一次侧水系统和控制平台联调。
任何一个漏点、流量失衡或水质问题，都可能导致整柜无法上线。
这使液冷供应商面对的要求，不再只是“能不能做出来”，而是能否稳定批量交付。
单相冷板仍是主线
AI服务器液冷大体可以分为单相冷板液冷、两相液冷、浸没式液冷以及风液混合方案。
目前Rubin周期最重要的路线，是单相直触芯片液冷。
Vera Rubin公开采用45℃温水、单相直触芯片液冷。
冷却介质进入冷板后保持液态，通过温升吸收芯片热量，再由CDU把热量传递到设施侧。
第三代MGX可沿用去离子水或丙二醇水溶液，并与上一代液冷基础设施兼容。
这说明在2026—2028年的主要放量阶段，产业增量大概率首先来自单相冷板的结构升级和覆盖范围扩大，而不是两相方案的大规模替代。
单相技术本身仍有空间。
冷板流道可以从普通蛇形结构升级为微通道、射流冲击和复合结构；
系统侧可以通过提高供液温度、降低接触热阻、优化流量控制来提高效率。
英维克公开披露，其在微通道冷板基础上开发射流冷板、微通道冷板和两相冷板，同时将冷板覆盖范围由CPU、GPU扩展至计算ASIC、交换ASIC、内存、SSD和光模块。
这反映了一个趋势：
液冷不是只服务GPU，而是在向AI服务器内部更多高功耗器件扩散。
两相冷板的理论效率更高。
它利用冷媒汽化潜热吸收热量，可以在较低流量下处理更高热流密度。
但问题也更复杂：
沸腾后的汽液两相流需要处理局部干涸、压力控制、冷凝回流、密封材料兼容、冷媒回收和环境监管。
OCP已经发布泵驱两相液冷和介电工质指南，说明标准化正在推进。
但现阶段，两相液冷更像是在建立设计和运维规范，距离大规模替代成熟单相系统还需要时间。
从机房空调到机架液冷网络
传统IDC的散热路径相对清晰。
服务器内部依赖芯片散热器和风扇，机柜外部依赖CRAC/CRAH机房空调、冷热通道、架空地板和气流组织。
这种架构适合通用服务器时代。
因为单柜功率密度较低，热量可以逐级排出。
机房层面通过加大风量、优化冷热通道、增加空调能力，通常可以继续维持运行。
