热通道封闭（Hot Aisle Containment, HAC）
3 秒看懂
一句话：把服务器机柜排出的热风用物理隔板”围起来”，不让它跟冷风混在一起，让空调系统高效回热、冷却效率飙升——这是数据中心气流管理的核心基础设施技术。
3 分钟产业解释
为什么 AI 时代绕不开它？
传统数据中心机房像个”大混风池”——地板吹出的冷风和服务器排出的热风在机房里自由混合，空调系统不得不把温度设得很低（通常送风 13–16 °C）才能保证最热的机柜不至于过热。这种做法浪费大量制冷能耗。
当 AI 训练/推理集群把单机柜功率密度从传统的 5–8 kW 推升到 40–100+ kW 时，靠”低送风温度硬扛”的老路子走不通了。热通道封闭（HAC）的做法很简单：
- 物理封闭热通道：在相邻两排机柜背对背的热通道两侧装隔板、顶部封板、端头装门，形成一个封闭的”热风收集通道”。
- 热风专路回收：被封闭的热通道变成一个正压热风静压箱，高温回风（通常 35–45 °C）被集中、有序地送回精密空调（CRAC/CRAH）或直接排至室外。
- 冷热彻底隔离：机房其余空间全部是冷通道环境，冷风不再被热风短路污染，送风温度可以显著提高（行业实践中通常提到可提高 5–10 °C）。
核心收益：
| 维度 | 效果 |
|---|---|
| 冷却能耗 | 可降低冷量浪费 20–40%（行业估算范围，取决于原有气流管理水平） |
| PUE 贡献 | 制冷部分 PUE 显著下降，是实现整体 PUE ≤ 1.3 的关键手段之一 |
| 功率密度支撑 | 使传统风冷环境可支撑更高的单柜功率密度（从 ≤10 kW 提升至 20–30+ kW 量级） |
| 经济性 | 相比液冷改造，HAC 的 CAPEX 极低（主要是隔板+门+封板），投资回收周期短 |
[注] 以上数字为行业公开技术文献（ASHRAE、Uptime Institute 等）的常见范围描述，非特定厂商财报数据。
15 分钟专家深入
1. HAC 在 AI 数据中心热管理栈中的定位
AI 数据中心的热管理技术栈可以抽象为一个多层梯度：
┌─────────────────────────────────────────────────────┐
│ AI 数据中心热管理技术栈 │
├─────────────────────────────────────────────────────┤
│ Layer 4 芯片级冷却（TIM、微流道、浸没式液冷） │
│ → 处理 >1000 W TDP 的 GPU/AI 加速器 │
├─────────────────────────────────────────────────────┤
│ Layer 3 机柜级液冷（CDU + 冷板/后门换热器） │
│ → 处理 50–120+ kW/柜 的机柜级热负荷 │
├─────────────────────────────────────────────────────┤
│ Layer 2 ★ 气流管理层（HAC / CAC / 高架地板优化） ★ │
│ → 处理空气侧余热、防冷热短路 │
├─────────────────────────────────────────────────────┤
│ Layer 1 建筑级冷却（冷水机组/冷却塔/自然冷却/蒸发冷却）│
│ → 最终排热至大气环境 │
└─────────────────────────────────────────────────────┘
HAC 位于 Layer 2。即使部署了液冷（直接带走 GPU/CPU 主要热量），服务器中仍有大量辅助发热元件（VRM、内存、存储、网络接口卡、风扇等）通过空气对流散热。这些”残余热负荷”仍需空气冷却系统处理。HAC 确保这部分气流路径高效。
关键认知：液冷和 HAC 不是替代关系，而是互补关系。在 AI 训练集群中，液冷处理芯片级主热源（可能占总功耗 60–80%），HAC 处理剩余 20–40% 的辅热并维持机房空气环境。
2. HAC vs. CAC（冷通道封闭）的选型逻辑
| 对比维度 | HAC（热通道封闭） | CAC（冷通道封闭） |
|---|---|---|
| 封闭对象 | 机柜背对背的热通道 | 机柜面对面的冷通道 |
| 机房环境温度 | 热通道内为高温区，机房其余冷区（含人员操作区）为冷环境，温度接近送风温度 | 冷通道为低温区，机房其余非封闭区域为热环境 |
| 安全性 | 热通道内温度较高（~40–50 °C），维护人员进入需注意 | 机房整体温度高，非封闭区工作人员环境不友好 |
| 与高架地板兼容性 | 可配合高架地板下送风，但回风靠热通道上方/端头回风 | 与高架地板下送风天然配合良好 |
| 与液冷混合部署 | 更适合（热通道封闭热集中回收，液冷处理主热源后残余热进入热通道） | 也可，但逻辑不如 HAC 直观 |
| ASHRAE 推荐 | ASHRAE TC 9.9 均认可两种方案 | 同左 |
| 大型云/AI 厂商偏好 | Google、Microsoft 等超大规模数据中心均有采用 | Meta 等也有大规模 CAC 部署 |
[注] 上述厂商偏好来自公开技术博客和行业会议分享，非排他性结论，各厂商在不同设施中可能混用。
行业趋势：在 AI 高功率密度场景下，越来越多的新建数据中心倾向于 HAC + 液冷混合架构。逻辑是：液冷直冷芯片，HAC 管理残余热，热通道内温度可达 40–50 °C，回风温度越高，冷冻水温度可以越高，从而大幅提高自然冷却（Free Cooling）利用小时数，甚至在部分气候区实现全年自然冷却。
3. 与电力-冷却协同的系统级考量
AI 数据中心的电力密度急剧上升是 HAC 获得重视的根本驱动力：
- 一个典型的 GB200 NVL72 机柜，官方公布的典型功耗在 120 kW 量级（含液冷 CDU 和网络设备电力，具体取决于配置）[供应链估算/公开技术文档]。
- 即使液冷带走其中大部分热，残余空气侧热负荷仍可能达到 15–40 kW/柜 级别。
- 没有气流管理的”裸机房”环境，这种残余热密度也会导致局部热点。
HAC 将热空气高效回收 → 空调回风温度升高 → 冷冻水出水温度可提高 → 冷却塔或干冷器效率提升 → 整体冷却链 COP（能效比）改善。这是一个系统级正反馈循环。
技术原理
1. 基本气流模型
┌──────────────────────────────────────────┐
│ 精密空调 (CRAC/CRAH) │
│ ↑ 回热风 (35-45°C) ↓ 送冷风 │
└──┬───────────────────────────────────┬───┘
│ 送风 (18-27°C*) │
▼ ▼
══════════════ ════════════════════════════════
║ 机柜正面 ║ ║ 机柜正面 机柜正面 ║
║ (冷通道) ║ ║ (冷通道 ← 冷风从地板/天花) ║
║ ←冷风进 ║ ║ ║
╠═══════════╣ ╠══════════════════════════════╣
║ 机柜背面 ║ ║ 机柜背面 机柜背面 ║
║ →热风出 ║ ║ →热风出 →热风出 ║
║ ▓▓▓▓▓▓▓▓ ║ ║ ▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓ ║
║ 热通道 ║ ║ 热通道（封闭区域） ║
║ (HAC封闭)║ ║ 顶部封板 + 两侧隔板 ║
║ ▓▓▓▓▓▓▓▓ ║ ║ ▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓ ║
║ 机柜背面 ║ ║ 机柜背面 机柜背面 ║
║ →热风出 ║ ║ →热风出 →热风出 ║
╠═══════════╣ ╠══════════════════════════════╣
║ 机柜正面 ║ ║ 机柜正面 机柜正面 ║
║ (冷通道) ║ ║ (冷通道) ║
══════════════ ════════════════════════════════
▓▓ = HAC 封闭隔板/天花板
→ = 热风被约束在封闭通道内
← = 冷风自由进入机柜进风面
*注：ASHRAE TC 9.9 推荐的服务器进风温度范围为 A1 类 15–32 °C（允许范围），推荐范围 18–27 °C。实施 HAC 后，送风温度通常可运行在推荐范围的中上限。
2. 关键热力学机制
消除混合损失（Mixing Loss）
在无封闭的传统机房中，冷热空气混合的热力学代价可用以下简化模型理解：
传统机房（无封闭）：
冷风温度 Tc = 15°C, 热风温度 Th = 40°C
由于短路/混合，实际进入服务器的温度 T_in ≈ 20-25°C（因热风回渗）
→ 空调必须把冷风温度设得更低（Tc ≈ 13°C）以补偿混合损失
→ 冷水温度需更低 → 冷机效率低
HAC 封闭后：
冷热完全隔离，T_in ≈ Tc（几乎无混合损失）
→ 送风温度可提高至 Tc ≈ 20-24°C
→ 冷水温度可从 7°C 提高至 12-15°C 甚至更高
→ 干球温度 ≤ 冷水温度时可启用自然冷却（Free Cooling）
提高回风温度的级联效益
HAC 封闭 → 回风温度 ↑ (40-50°C)
→ 冷冻水供水温度可 ↑ (7°C → 12-15°C)
→ 冷却塔/干冷器冷凝温度允许 ↑
→ 压缩机负荷 ↓ 或进入自然冷却模式
→ 冷却系统 COP ↑↑
→ 冷却能耗 ↓↓
这个级联效应是 HAC 的核心价值，不仅仅是”少吹冷风”那么简单。
3. 封闭结构关键组件
| 组件 | 功能 | 典型材料/技术 |
|---|---|---|
| 热通道天花板封板 | 封闭热通道顶部，防止热风向上逃逸至机房空间 | 铝合金板、钢化玻璃、PVC 板 |
| 侧面隔板 | 封闭热通道两侧，与机柜侧面齐平 | 金属板、有机玻璃 |
| 端门 | 热通道两端的门，允许人员进入维护 | 旋转门或推拉门，带自动关闭机制 |
| 机柜盲板 | 封闭机柜内未使用 U 位，防止冷风从机柜内部短路 | 塑料或金属盲板（看似简单但极其关键） |
| 密封条/毛刷 | 填补机柜间缝隙、线缆穿孔处的空气泄漏 | 毛刷密封件、橡胶密封条 |
| 监控传感器 | 温湿度监控、压差监控 | 热电偶、RTD、压差传感器 |
一个常被忽略的细节：HAC 的效果高度依赖密封完整性。如果机柜顶部、底部、线缆孔洞处有大量缝隙，热风会从缝隙泄漏回冷区，封闭效果大打折扣。行业经验是：HAC 的效果取决于最薄弱的泄漏点。
4. 压力管理
HAC 封闭后，热通道成为一个相对封闭的空间。需要关注：
- 正压过大：可能导致热风从机柜缝隙反向渗入冷通道（尤其当机柜后门密封不良时），反而恶化冷通道环境。
- 负压不足：若回风抽吸不够，热风可能在热通道内积聚导致机柜排气困难。
- 最佳实践：通过调节 CRAC/CRAH 的回风方式（热通道直接上方回风 vs. 热通道端头回风）、调整送风/回风风量平衡来管理压差。通常热通道内维持微负压（相对于机房冷区），由回风系统主动抽风，防止热空气向冷区泄漏。
技术演进史
| 时期 | 阶段 | 关键事件 |
|---|---|---|
| 2000 年前 | 无气流管理时代 | 数据中心以低密度为主（<5 kW/柜），冷热混合问题不突出 |
| 2000–2005 | 高架地板+冷热通道交替布局成为标准 | ASHRAE 开始系统研究气流管理，“冷热通道交替”成为行业标准实践 |
| 2005–2010 | 盲板、地板刷等气流密封措施普及 | 行业发现简单密封措施可带来显著 PUE 改善 |
| 2008–2012 | CAC/HAC 概念商业化兴起 | APC（后被施耐德收购）、Subzero Engineering 等推出商业化封闭套件 |
| 2010–2015 | Google、Facebook 等超大规模厂商大规模部署 | Google 公开其数据中心 PUE 数据，气流管理是关键贡献；Facebook Open Compute Project 包含气流管理设计规范 |
| 2016–2020 | 混合冷却（液冷+风冷）兴起，HAC 定位变化 | HAC 从”主要冷却手段”转向”液冷的补充+空气侧残余热管理” |
| 2021–至今 | AI 大模型驱动高密度部署，HAC 成为新建标配 | GB200 等超大功耗平台推动 100+ kW/柜，HAC+液冷混合成为 AI DC 标准架构 |
技术路线对比（量化表）
| 方案 | 适用功率密度 | PUE 改善潜力* | CAPEX | 复杂度 | 适用场景 |
|---|---|---|---|---|---|
| 无封闭（传统布局） | <8 kW/柜 | 基线（PUE ~1.6-2.0+） | 最低 | 最低 | 老旧低密度设施 |
| 仅盲板+密封 | 8–12 kW/柜 | 有改善（幅度有限） | 极低 | 低 | 所有设施的低成本改进 |
| CAC（冷通道封闭） | 10–25 kW/柜 | 显著（PUE 可降至 ~1.3-1.5 区间） | 低 | 中 | 新建/改造均适用 |
| HAC（热通道封闭） | 10–30 kW/柜 | 显著（PUE 可降至 ~1.2-1.4 区间） | 低 | 中 | 新建优先；与液冷混合时最优 |
| HAC + 液冷（冷板） | 30–120+ kW/柜 | 极显著（系统 PUE 可接近 1.1-1.2） | 中-高 | 高 | AI 训练集群标准配置 |
| 全浸没式液冷 | 100+ kW/柜 | 最优（可彻底消除空气侧冷却需求） | 高 | 最高 | 特定高密度场景、边缘探索中 |
*PUE 改善潜力为行业公开案例和文献中的典型范围，实际效果取决于气候条件、负载率、基础设施设计等，非保证值。
上下游
上游（HAC 所需的材料/设备）
| 环节 | 代表供应商/品类 | 说明 |
|---|---|---|
| 封闭板材/型材 | 铝合金型材厂、玻璃加工 | 定制化程度高，非标件多 |
| 商业化封闭套件 | Schneider Electric（APC）、Subzero Engineering、Chatsworth Products、Rittal、Vertiv | 提供标准化 HAC/CAC 套件 |
| 机柜（含封闭兼容设计） | Vertiv、Schneider、Rittal、华为、维谛 | 机柜需预留封闭板安装接口 |
| 盲板/密封件 | 各机柜厂商配套 | 低成本但关键组件 |
| 温湿度/压差传感器 | Sensirion、Honeywell、各类国产传感器 | 监控封闭效果 |
| 精密空调 CRAC/CRAH | Vertiv、Schneider、Stulz、华为、依米康 | 与 HAC 配合的送回风设计 |
下游（HAC 的最终用户）
| 用户类型 | 应用特点 |
|---|---|
| 超大规模云厂商（Hyperscaler） | Google、Microsoft、AWS、阿里云等，自建 DC 中标准化部署 |
| AI 训练集群运营商 | CoreWeave、Lambda Labs 等 AI 云服务商 |
| Colocation 数据中心 | Equinix、万国数据等，为客户提供高密度机柜环境 |
| 企业自建数据中心 | 金融、电信等行业用户 |
关键指标
| 指标 | 定义 | HAC 典型影响 |
|---|---|---|
| PUE（Power Usage Effectiveness） | 总设施功耗 / IT 设备功耗 | HAC 可使制冷 PUE 分量下降显著，总 PUE 改善 0.2–0.5（视基线水平）[行业估算] |
| 冷却 COP（Coefficient of Performance） | 制冷量 / 输入电功 | 提高回风温度 → 提高冷水温度 → COP 提升 |
| ASHRAE 进风温度合规率 | 服务器进风温度落在推荐范围内的比例 | HAC 后应接近 100%（理想情况） |
| 送回风温差 ΔT | 回风温度 − 送风温度 | HAC 封闭良好时 ΔT 可达 15–25°C（无封闭时因混合导致 ΔT 仅 5–10°C）[行业经验值] |
| Rack Density（kW/柜） | 单机柜平均功耗 | HAC 支持更高的安全运行密度 |
| 密封泄漏率 | 封闭通道冷热空气泄漏比例 | 衡量 HAC 实施质量的关键指标 |
供需与市场数据
市场规模
| 维度 | 数据 | 来源/口径 |
|---|---|---|
| 全球数据中心气流管理市场 | 2023 年约 15–25 亿美元规模（含 HAC/CAC 产品及服务） | [行业报告估算，口径不同差异大] |
| AI 驱动增长 | 2024–2028 年 AI 数据中心新建/改造预计 CAGR >15% 以上的冷却基础设施投资增长 | [行业估算] |
需求驱动
- AI 算力密度提升：单 GPU 功耗从 V100 的 ~300W 到 H100 的 ~700W 到 GB200 的更高水平，推动机柜功率密度跃升。
- PUE 监管趋严：多国/地区对新建数据中心 PUE 设定上限（如中国部分地区要求新建 DC PUE ≤ 1.3）。
- 电力成本上涨：冷却能耗占数据中心总能耗的 30–40%，HAC 作为低成本高回报的改造手段需求旺盛。
- ESG/碳排放要求：降低 PUE 直接关联 Scope 2 碳排放减少。
代表公司与资本映射
| 公司 | 角色 | 上市/关联 | 备注 |
|---|---|---|---|
| Vertiv (VRT) | 端到端数据中心基础设施（含封闭套件、精密空调、液冷） | NYSE: VRT | AI DC 受益标的，2024 年股价受 AI 概念驱动显著上涨 |
| Schneider Electric (SU.PA) | APC 品牌提供 HAC/CAC 套件及精密空调 | Euronext: SU | 数据中心基础设施综合龙头 |
| Rittal | 机柜及封闭系统供应商 | 非上市（Friedhelm Loh Group） | 德国工业级数据中心解决方案 |
| Subzero Engineering | 专注气流管理（HAC/CAC 产品线） | 非上市 | 气流管理细分领域专业厂商 |
| 维谛技术/华为 | 国内精密空调及数据中心基础设施 | 维谛 NYSE 退市后私有化；华为非上市 | 国内市场重要参与者 |
| 依米康 (300249.SZ) | 国内精密空调/数据中心温控 | A 股上市 | 受益于国内 AI DC 建设潮 |
[注] HAC 产品通常是整体数据中心基础设施解决方案的一个组成部分，很难单独估算其营收占比。投资角度应关注整体 DC 基础设施供应商。
投资逻辑
核心逻辑链条
AI 模型参数/算力需求 ↑↑
→ GPU/加速器功耗 ↑↑ (单卡 700W+，单柜 100kW+)
→ 数据中心冷却需求激增
→ 液冷解决主热源，HAC 解决辅热+气流管理
→ HAC 成为新建 AI DC 标配（CAPEX 低、见效快）
→ DC 基础设施供应商订单 ↑
关注要点
- 边际成本低、见效快：HAC 的 CAPEX 在整个数据中心建设中占比极小（通常 <1–2%），但对 PUE 改善贡献显著——这是性价比极高的基础设施投资。
- 与液冷的伴生关系：液冷渗透率提升的同时，HAC 需求不降反升（因为混合架构需要更好的气流管理）。
- 改造存量需求：全球大量存量数据中心需要从无封闭升级到 HAC/CAC，这是一个长尾市场。
- 风险点：HAC 本身技术门槛不高、市场分散，难以形成高壁垒的独立商业模式。投资价值更体现在综合 DC 基础设施平台中。
常见误读纠偏
误读 1：“有了液冷就不需要 HAC 了”
纠偏：液冷（冷板/浸没）通常只能带走芯片/内存等主热源的热量（可能占总功耗 60–80%，具体取决于系统设计）。服务器中的 VRM、存储、网络模块、风扇、电源等仍有大量空气侧散热需求。在 100+ kW/柜的 AI 机柜中，残余空气侧热负荷仍可达 15–40 kW/柜。没有 HAC 管理这些残余热，机房环境仍然会出问题。液冷和 HAC 是互补而非替代关系。
误读 2：“HAC 就是装几块隔板，没什么技术含量”
纠偏：HAC 的硬件确实不复杂（板材、型材、门），但系统集成和运维才是难点：
- 需要精确的 CFD（计算流体力学）模拟确保气流路径设计合理；
- 密封完整性直接影响效果，线缆穿孔、地板缝隙等细节处理至关重要；
- 与 CRAC/CRAH 的送回风策略需要协同设计；
- 随着负载变化可能需要动态调整（如部分机柜空置时的气流短路风险）。
低估这些工程复杂性是 HAC 部署效果不达预期的常见原因。
误读 3：“HAC 和 CAC 效果差不多，选哪个都行”
纠偏：两者在封闭效果上确实可以做到相近，但适用场景和后续影响不同：
- HAC 使机房整体处于暖环境，有利于在高纬度/寒冷气候区利用自然冷却（因为冷冻水温度可以设得更高）；
- CAC 使冷通道为低温区、机房其余为高温区，在人员经常进入操作维护的场景中，HAC 的人员工作环境更友好（冷区环境温度可控）；
- 在与液冷混合部署时，HAC 的热回收逻辑更自然。
具体选择需结合气候条件、运维习惯、液冷方案等综合决策，不存在”通用最优解”。
学习路径
入门阶段
- ASHRAE TC 9.9：《Thermal Guidelines for Data Processing Environments》——数据中心温控的权威参考标准
- Uptime Institute：数据中心基础设施最佳实践白皮书系列
- 施耐德/APC 白皮书：搜索 “Schneider Electric data center cooling white paper”，有大量免费气流管理技术白皮书
进阶阶段
- Open Compute Project (OCP)：Facebook（Meta）开源的 DC 设计规范中包含气流管理设计标准
- CFD 模拟工具实践：6SigmaDC（Future Facilities）、ANSYS Fluent 等用于模拟气流分布
- ASHRAE Standard 90.4：数据中心能效标准，理解 PUE 各分量的构成
专家阶段
- 混合冷却架构设计：学习液冷+HAC 的协同设计方法论
- Google/Microsoft 公开的数据中心技术博客：关注其冷却架构演进的实际案例
- 行业会议：Data Center World、OCP Global Summit、Open Compute 相关会议的冷却专题
一句话总结
热通道封闭是数据中心气流管理的”低成本高杠杆”基础设施技术，在 AI 驱动的高功率密度时代，它不是液冷的替代品，而是液冷的”黄金搭档”——两者共同构成 AI 数据中心冷却架构的两大支柱。
延伸阅读与来源
| 来源 | 内容 | 获取方式 |
|---|---|---|
| ASHRAE TC 9.9 | 数据处理环境热指南（2021 版） | ASHRAE 官网购买 |
| Uptime Institute | 数据中心效率与可靠性白皮书 | uptimeinstitute.com |
| Schneider Electric 白皮书库 | ”Cooling Strategies for Ultra-High Density Racks” 等 | se.com/whitepapers |
| Open Compute Project | 数据中心机械设计规范 | opencompute.org |
| Google Data Center Blog | Google 内部 DC 冷却技术分享 | datacenters.google.com/blog |
| Meta Engineering Blog | OCP 相关冷却设计 | engineering.fb.com |
| 液冷+气流管理混合架构案例 | 各 DC 基础设施厂商技术案例 | Vertiv、Schneider、华为等官网 |
本文技术事实基于公开行业标准（ASHRAE）、主要厂商公开技术文档及行业报告撰写。具体产品的性能参数以厂商最新数据表为准。市场数据为行业估算范围，非精确定量数据。