超大规模智算集群驱动下的算力温控系统重构：挑战、趋势与建议|冷源|智算集群|液冷|温控系统|空调|风冷|风扇

作者

电子信息产业研究中心

2026年3月，政府工作报告明确提出“实施超大规模智算集群、算电协同等新基建工程，加强全国一体化算力监测调度，支持公共云发展。”的工作任务内容，我国算力产业由此迈入以绿色低碳和高效调度为核心的高质量发展新阶段。随着人工智能大模型商业化进程加快，超大规模智算集群布局持续推进，温控系统作为数据中心能耗与安全的关键环节，正经历深刻的底层范式变革。为精准把握这一历史性机遇，赛迪顾问发布了《2025-2026中国液冷数据中心市场报告》《2025年中国机房空调市场研究报告》《2025年风墙机房空调市场研究报告》《2025年中国微模块数据中心市场研究报告》等系列研究，旨在全面剖析超大规模智算集群带来的热管理挑战，前瞻性探究温控系统的技术演进与重构路径。

一

超大规模智算集群将带来制冷极限与非稳态负载的双重挑战

算力密度快速攀升，传统制冷架构已逼近极限。AI大模型训练服务器单机柜平均功率已突破30kW，部分甚至向100kW迈进，传统制冷架构的散热能力已临近上限。在此类超高热流密度条件下，传统制冷架构不仅存在局部热点频发、风扇能耗倒挂等问题，还可能引发GPU风扇共振、灰尘吸入、噪音超标等次生问题。散热不达标将直接导致芯片降频、训练中断等风险。

AI负载的“非稳态特征”带来瞬态热冲击挑战。与传统IT负载运行平稳的特点不同，AI负载具有非稳态特征：一方面，训练任务呈现持续高负载状态；另一方面，推理任务具有极强的“突发活动”属性。当大量用户并发请求时，设施电力消耗可能在数秒甚至毫秒级内从基线迅速攀升至峰值。这种高频切换与剧烈波动对温控系统的动态响应能力提出了严峻挑战，传统温控系统往往响应滞后，极易引发瞬时热失控。

二

智算集群温控系统正加速向“高效、协同与智能化”方向全面演进

趋势一：液冷技术加速推广与风冷技术迭代升级并行。一方面，液冷技术应用加速推广，已进入规模化商用阶段。受AI算力需求指数级增长驱动，芯片功耗持续攀升，液冷技术已从“可选项”转变为“必选项”，渗透率快速提升。《2025-2026中国液冷数据中心市场报告》数据显示，2025年中国液冷数据中心市场规模达159.8亿元，同比增长45.2%，未来三年将保持35%以上的增长速度。另一方面，机房空调厂商密集推出搭载磁悬浮压缩机、氟泵双擎驱动技术的新型精密空调，持续提高自然冷源使用率，有效降低AI算力场景能耗。此外，针对高密度机柜局部热点问题，列间空调及风墙系统细分市场加快布局，《2025年风墙机房空调市场研究报告》数据显示，2025年中国风墙机房空调市场规模达7.7亿元，同比增长52.1%，未来将保持30%以上的增长率，预计2028年其在机房空调市场中的占比有望超过13%。

趋势二：单一解决方案向风液协同转变。在算力需求快速升级、业务不确定性加剧的背景下，传统单一的风冷或液冷方案已难以兼顾当前经济性与未来扩展性。特别是GPU等核心算力单元适配液冷，而存储、网卡等周边设备仍依赖风冷，单一散热手段往往顾此失彼。行业正加快向“风液协同”混合架构模式演进。该架构通过构建统一的“风液同源”冷源系统，将风冷与液冷高效集成，可依据IT设备实时发热量及室外气候条件，动态调配风液比例。既适配当前通用计算与智能计算并存的过渡阶段，以低成本液冷精准控制GPU等核心高功耗部件热量，又以风冷为存储、网络等常规设备提供兜底散热。风液协同不仅实现制冷容量按需分配与极致能效，更为智算中心未来持续演进提供弹性温控基础支撑，满足客户分期投入与灵活扩容需求。

趋势三：从“被动调节”向“预测性控温”转变。面对AI负载毫秒级的阶跃冲击，传统的温控反馈机制存在致命的滞后性。新一代温控设备正全面引入AI算法与数字孪生技术，构建“感知-预测-调控”的全闭环管控逻辑。通过实时采集服务器BMC数据与环境参数，AI模型能够提前预判GPU的温度波动趋势与算力负载变化，将冷却系统的控制策略从“事后补救的被动调节”升级为“未烧先防的主动预测”。这种基于强化学习的动态寻优机制，不仅实现了冷量供给与发热节奏的毫秒级动态匹配，更有效消除了局部热点风险，使PUE值显著下降。

三

赛迪建议

（一）对厂商的建议：强化技术创新，布局高效温控产品

建议厂商将战略重心向强化技术创新倾斜：一方面，需加快丰富产品矩阵，重点攻关双冷源风墙空调、多联热管制冷系统等前沿技术，通过提升产品精准制冷效能，有效应对高密度算力场景下的散热难题；另一方面，建议着力推动产品智能化迭代，运用智能算法精准锁定机房内“热点”“热区”，实现定点、定向高效制冷，提升整体能源利用效率。

（二）对用户的建议：重视灵活扩容及预测性维护

建议用户尝试采用“风液协同”的弹性混合架构。在规划期，需基于通用计算与智能计算的演进比例进行分期投入，利用风液同源系统实现冷量的按需分配与灵活扩容，避免前期过度投资造成的资源闲置。在运维端，用户可主动拥抱AI调优工具，将运维策略从人工巡检转变为数据驱动的预测性维护，从而有效应对非稳态负载带来的瞬时热失控风险。

（三）对投资机构的建议：重点关注核心技术壁垒

在人工智能加速发展、制冷需求持续扩大的窗口期，投资逻辑可从单纯的赛道布局转向对企业真实落地能力的甄别。短期建议重点关注具备规模化交付能力、掌握核心零部件自研能力以及拥有成熟风液协同架构的系统集成商；中长期则需挖掘在人工智能能效调优算法、新型环保冷却液以及余热回收等高附加值环节具有优势的隐形冠军企业。