机柜功率密度

1. 3 秒看懂

机柜功率密度定义了单个机柜所能承载的 IT 设备最大功耗，通常用 kW/rack 表示。在传统数据中心，这一数字长期停留在 3～7 kW；随着生成式 AI 训练与推理负载爆发，单机柜功耗已快速跳升至 30～60 kW，NVIDIA 最新 NVL72 机架级方案更将整柜峰值推至 约 120 kW。机柜功率密度不再是机房管理员的后台参数，而是决定算力部署规模、选址可行性、供电架构与散热方式的第一物理约束——冷却必须从纯风冷转向冷板液冷或浸没式液冷，配电从单相 32 A 跃迁到三相 400 V/63 A 甚至直流母线，数据中心建筑也从通用楼宇变为围绕“兆瓦级 Pod”设计的专用设施。

2. 3 分钟产业解释

为什么机柜功率密度突然成为基础设施竞赛的核心？

一座数据中心的总引入电力、每排机柜的配电容量和散热能力，最终都压缩到“单柜可消耗多少千瓦”这个数字上。过去，装有双路 CPU 和少量扩展卡的通用服务器，单柜 8～10 kW 已被视为“高密”；但到了 H100/H200/GB200 时代，一台 8 GPU 的 AI 训练节点本身就有 8–10 kW 的峰值功耗，单个标准 42U 机柜即使仅放 2–4 台此类服务器，IT 负载轻轻松松突破 30 kW。

连锁反应

• 散热方式被迫改变：传统风冷单柜极限约 15～25 kW，要继续提升只能靠液冷。
• 配电系统重新设计：需要从 230 V 单相升级为 400 V 三相、更高安培母线，甚至 48 V 或 380 V 直流微网。
• 选址与电网容量变成瓶颈：很多现有建筑受限于变压器和桥架，只能推倒重建；部分超大型集群不得不建在具有充沛水电的偏远地区。

因此，机柜功率密度既是衡量一座数据中心“算力浓度”的标尺，也是决定其造价、工期与可扩展性的物理天花板。它把芯片 TDP、服务器 ODM 设计、温控设备、配电系统和建筑结构串联成了一条刚性约束链，任何一环缺失都无法安全运转。

3. 技术原理

3.1 功耗构成与配电模型

一个满配 AI 机柜的总 IT 功耗 P_{IT} 可表示为：

P_{IT} = \sum (P_{server} + P_{network}) + P_{switch} + P_{storage}

以 8 卡 NVIDIA H100 SXM 系统为例，单 GPU 热设计功耗（TDP）约 700 W，整机峰值约 10 kW（根据 NVIDIA 公开设计导则估算）。4 台并置即达到 40 kW，计入 Top-of-Rack 交换机、管理网络和智能 PDU 自耗，IT 负载可达 45 kW+。

中心向市电的取电还需叠加上游损耗：

P_{input} = P_{IT} \times PUE

优质超大规模数据中心 PUE 可低至 1.1～1.3。承载 45 kW IT 负载的机柜，实际需要从市电汲取约 50 kW 以上的总功率，供电链路从变压器 → 低压配电柜 → UPS → 列头柜/母线 → 机柜 PDU 均需以此峰值设计。

3.2 典型高密供电拓扑

市电 10 kV / 20 kV
     ↓
变压器 → 低压配电柜 (400 V)
     ↓
UPS 系统（锂电/飞轮）
     ↓
配电列头柜 / 母线系统
     ↓
机柜 PDU → 设备内 PSU

为承载单柜 30 kW 以上负载，业界正快速转向：

• 三相 400 V/63 A 输入：理论容量约 43 kW；超过则需要双路供电或更高电流。
• 48 V 直流 / 380 V 高压直流：减少 AC-DC 变换级数，电池可直挂在母线上，显著降低线路损耗。
• 机架内铜母线：替代多股电缆，支持动态调整分配，单母线电流可达 400 A 以上。

3.3 散热传热机理与物理限制

风冷散热能力可用简化公式描述：

Q_{cooling\_air} \approx 0.02 \times \Delta T \times text(Airflow) \;(text(m)^3/text(min))

ΔT 通常上限为 20 K，即便将风量推至机房条件允许的极限，单柜风冷也很难长时间稳定超过 25 kW 的热负载；局部热点更会导致芯片降频或宕机。

液冷利用液体的高比热容：冷板式液冷直接冷却 CPU/GPU 冷板，带走芯片 60%～80% 的热量，剩余部分由低速风冷辅助。配合 CDU（冷量分配单元）和一次侧冷水，单柜可轻松做到 60 kW，部分浸没式方案达 100 kW 以上。液冷系统的核心控制参数包括二次侧供水温度（通常 32～45 ℃）、流量和温差，必须与芯片允许结温精确匹配。

3.4 功率密度与算力密度的映射

芯片 TDP（瓦）与能效比（TFLOPS/W）的乘积决定了固定功耗下可获得多少算力。若每一代 AI 加速器 TDP 继续攀升（以 H100 的 700 W 到 Blackwell 的单芯片更高），则机柜功率密度提高是维持或增加集群总算力的必要前提。这使功率密度升级成为一条与摩尔定律并行、但受物理约束更苛刻的路径。

4. 关键参数

• 单机柜额定功率 (kW/rack)：设计阶段最硬性的边界。当前行业实践：传统企业机房 5～8 kW，主流云风冷 10～20 kW，高密液冷 30～60 kW，下一代旗舰达到 100 kW+。
• 机房单位面积功率 (kW/m²)：用于整体规划，高密 AI 机房可到 15～25 kW/m² 甚至更高（来源：施耐德电气高密部署白皮书系列）。
• 电能使用效率 (PUE)：全年总能耗/IT 能耗。采用液冷和高压直流的新建园区可达 1.1 以下（目标 1.05～1.08）。
• 冷却容量利用率：实际 IT 负载 ÷ 设计散热能力，反映冗余情况。
• 供电路径损耗：从变压器到芯片的累进损耗百分比，48 V 直流方案实测可节省 5%～8% 的线路损耗（参考 OCP ORv3 技术文档）。
• 机柜进/出风温差 ΔT：热点与平均温度差值，典型要求 ≤15 K（ASHRAE TC 9.9 推荐）。
• 液冷二次侧供水温度与流量：通常供水 32 ℃，回水 45 ℃，流量按 kW 负载和 ΔT 设计，是 CDU 选型核心。
• 芯片结温 Tjunction：GPU 通常上限 95～105 ℃，液冷设计须留有 15 ℃ 以上裕量。

以上参数均在数据中心设计阶段通过 CFD（计算流体动力学）仿真与电气系统模型迭代确认，缺一不可。

5. 技术路线

5.1 散热方式演进

5.2 配电架构升级路线

• 传统交流：230 V 单相 32 A → 三相 400 V 63 A/125 A，铜缆母线。
• 48 V 直流整机柜（OCP Open Rack v3）：集中式整流模块将交流转为 48 V，铜母线直供主板，省去设备内 AC-DC 电源，降低损耗。
• 380 V 高压直流 (HVDC)：在部分超大规模项目中探索，可进一步压缩电流、减少铜用量，但生态成熟度较低。
• 储能集成：锂电 UPS 直接挂在 48 V 或 400 V 母线，实现峰谷套利与电网辅助服务。

注：以上密度范围、供电容量均为行业实践经验值，实际需结合设备热设计、单路供电能力和机柜结构综合评估。

6. 上游

6.1 芯片与服务器设计

• GPU/ASIC 供应商：NVIDIA (H100/H200/B200/GB200)、AMD (MI300X)、Intel (Gaudi 系列)、Google (TPU v5p)、Amazon (Trainium2) 等。芯片 TDP 提升是机柜功耗增长的根本源头。
• 服务器 ODM/OEM：富士康、英业达、广达、超微、技嘉、联想等，负责集成 GPU 节点并适配液冷。基于 NVIDIA 参考设计，推出定制整机柜方案。

6.2 散热解决方案

• 冷板组件：CoolIT Systems、Boyd Corporation、Delta Electronics 等，提供 GPU/CPU 直接液冷冷板与快速接头。
• CDU 与管路：CoolIT、Vertiv、nVent 等提供一次/二次侧热交换与水泵系统。
• 浸没式液冷：Iceotope、LiquidStack、GRC 等专注单相或两相浸没式散热。
• 制冷剂：3M Novec 等生产介电液体（注意环保法规变化）。

6.3 电力基础设施

• UPS/STS/储能：Vertiv、施耐德电气 (APC)、伊顿等提供高功率锂电 UPS、静态切换开关和 48 V/400 V 直流系统。
• PDU/母线：Server Technology (Legrand)、Raritan (Legrand)、Vertiv 等提供智能机柜 PDU 与高电流母线槽。
• 变压器与开关柜：ABB、西门子、施耐德等提供 10 kV/20 kV 中压到 400 V 的变电设备。

6.4 整机柜与标准

• OCP 社区：推动 Open Rack v3 48 V 规范、液冷接口标准化。
• 关键基础设施调试与仿真：提供 CFD 分析、电力系统建模的工程咨询公司。

7. 下游

7.1 超大规模云与互联网厂商

• AWS、Microsoft Azure、Google Cloud、Meta、Oracle：大规模部署 GPU 集群以训练和推理大模型，自研或共同定义液冷整机柜标准，是全球高密机柜需求的最大来源。
• 国内云厂商：字节跳动、阿里云、腾讯云等在自建数据中心中快速引入冷板液冷。

7.2 新兴 AI 与超算机构

• 头部大模型创业公司、国家超算中心等需要数十至数百个高密液冷机柜，通常托管在第三方数据中心或与云厂商合作。

7.3 托管与零售数据中心

• Equinix、Digital Realty、CyrusOne、GDS (万国数据)、秦淮数据 等提供支持高密液冷的托管空间（通常为 15–20 kW/柜起，并可定制液冷单元）。
• 辅助服务：设计咨询、热流体仿真、电气合规认证。

8. 受益公司

（本节描述业务关联与价值链地位，不构成任何投资建议）

• GPU 定义者 NVIDIA：DGX SuperPOD 和 NVL72 等参考架构直接设定行业功率密度标杆，生态供应商必须对标其要求，带动冷却与供电升级。
• 关键基础设施双巨头：Vertiv 和施耐德电气，提供覆盖 UPS、配电柜、CDU、行级空调、监控的全套高密方案，是高密升级过程中的基础设施中枢。
• 液冷专业厂商：CoolIT Systems（冷板龙头，已部署于多个超算与云集群）、Boyd（热管理）、Iceotope（浸没式），受益于液冷渗透率从 2022 年的不足 10% 向 2026 年预计 30%+ 的结构性提升。
• 液冷整机柜供应商：Supermicro（液冷整机柜大量出货，紧密接入 NVIDIA 认证）、广达、英业达、富士康等 ODM 获得高价值 AI 服务器与机柜订单。
• 数据中心 REITs：Equinix、Digital Realty 通过改造部分设施支持 30 kW+ 机柜，提升租金和定价能力，吸引 AI 客户。
• 国内产业链映射：中科曙光、浪潮信息（液冷服务器）；英维克、高澜股份、同飞股份（液冷 CDU、水泵、管路）；良信股份、正泰电器（配电母线）。

所有受益逻辑均基于各公司公开披露的业务定位与行业趋势推导，不涉及经营预测。

9. 市场规模

高密机柜的相关市场分散在多个产品类别中，目前尚无“机柜功率密度解决方案”的统一统计，公开资料未见独立规模数据。但可通过几个细分子项勾勒增长轮廓：

• 数据中心液冷市场：据第三方研究机构 650 Group 数据（2023 年发布），全球数据中心液冷市场 2023 年预估约 22 亿美元，预计 2028 年达 89 亿美元，年复合增速约 32%（口径含冷板、浸没式及相关 CDU/分配系统）。需注意此为基于公开转述的估算，最终以报告全文为准。
• 高压直流与母线市场：根据 Global Market Insights 等调研（2022–2023 年），数据中心 PDUs/母线市场约 25 亿–30 亿美元，高功率母线因 30 kW+ 需求而加速增长，但精确细分暂缺。
• AI 服务器资本支出：主要云厂商（Amazon、Microsoft、Google、Meta、Oracle）2024 年资本支出合计预计超 1,800 亿美元（来源：公司财报指引、彭博一致预期），其中相当比例用于 GPU 集群基建，直接拉动高密机柜配电与散热投入。
• 单位造价：传统风冷单柜配电+散热约 $3,000–$5,000，同等容量的液冷方案现阶段约 $10,000–$25,000（来源：施耐德电气与 Vertiv 白皮书及行业调研，具体取决于规模与冗余等级）。随着标准化和规模效应，价差有望收敛。

以上数据仅展示公开研究中的部分参考口径，不构成对任何公司收入或市场规模的承诺。

10. 玩家对比

注：此表基于公开信息整理的行业概况，各企业财务数据、市占率等需查阅其定期报告，此不赘述。

11. 风险

11.1 液冷泄漏与系统可靠性

冷板快速接头、管路长期运行存在滴漏风险，一旦冷却液泄漏可能损坏整柜乃至整排 GPU，造成训练中断和巨额资产损失。行业对材料、焊接、接头寿命和监控要求极高，全行业交付能力和认证周期仍是瓶颈。

11.2 区域电网与审批

单座 AI 数据中心年耗电未来可能以百兆瓦计算，很多城市电网无法满足，获取变电站指标和环境审批周期长达 2–5 年。高密机柜的优势可能因“有硬件但无电可用”而无法落地。

11.3 标准不统一

尽管 OCP 推进 48 V 和液冷接口标准化，但各家云厂仍存在自研接口和协议，“各自为战”导致供应商无法大范围平滑复用，增加成本和备件压力。

11.4 成本与投资回报

高密液冷方案单位初始资本开支远高于传统风冷，老旧机房无法原地升级。投资者和运营方需仔细评估 AI 需求持续性，避免基础设施过度建设而利用率不足。

11.5 环保法规变化

浸没式液冷常用的 PFAS 类介电液体面临全球日益严苛的环保管控（欧盟、美国部分地区已在推动限制），可能影响长期运维成本和方案选择。

12. 误读纠偏

• 误读：“高密机柜就是换个空调或加个液冷” 纠偏：供电线路、UPS 容量、变压器、承重和消防等都需要同步改造。仅更换冷却但供电未升级，轻则跳闸，重则线缆过热引发火灾。
• 误读：“液冷机柜可以无限堆高密度” 纠偏：受芯片封装热阻、冷板面积、CDU 换热能力和流量极限，以及连接器电流承载力的物理约束。成本随密度指数上升，100 kW 级方案通常需要浸没式或两相，仍有天花板。
• 误读：“额定功率=所有设备电源铭牌功率相加” 纠偏：实际负载很少同时达到所有部件峰值，但数据中心设计必须按最大可能负荷考虑 N+1 冗余。安全余量取决于实测与 CFD，不能用简单的额定叠加做出判断。
• 误读：“机柜功率密度只在 AI 训练集群有意义” 纠偏：推理、边缘计算和高性能存储也在推高密度，只是增长速度与训练集群有差异。机柜功率密度是通用基础设施度量。

13. 最新事件

• NVIDIA NVL72 机架级方案 (2024 年 3 月 GTC)：单个 GB200 NVL72 机架集成 72 块 Blackwell GPU 和 36 颗 Grace CPU，满载功耗达 约 120 kW，采用直接液冷与水循环分配单元。这是量产级方案中单柜功耗的新高点，也标志着液冷成为高端 AI 集群标配。
• OCP 2024 全球峰会 (2024 年 10 月)：发布 Open Rack v3 液冷整机柜规范更新，多家厂商展出 100 kW+ 液冷电源架构与全直流方案，推动 48 V、380 V 直流生态成熟。
• 云厂商大规模液冷部署：Microsoft 在 2024 年宣布为 Azure 高密度区域规模引入冷板液冷；Meta 在新一代 AI 集群中也转向液冷整机柜方案；Google 披露其自研 TPU v5p 集群已采用液冷。
• 国内推动：三大运营商与大型互联网公司发布液冷白皮书，推进“风液融合”，部分省份规定新建大型数据中心液冷比例不低于 10%–20%（2025 年目标）。
• 担忧与事故：2024 年内有媒体报道某超算液冷泄漏导致 GPU 损坏，引发对冷板快速接头可靠性的再次审视，行业开始强调接头认证标准和二次防护设计。

（以上事件皆为 2024 年公开报道与技术公告摘要，具体细节以厂商官方声明为准。）

14. 跟踪指标

若需持续观察行业动态，可重点跟踪以下数据和信号：

• 云厂商资本开支：Amazon、Microsoft、Google、Meta、Oracle 的季度资本开支与指引，尤其 AI 基础设施相关部分。
• NVIDIA 数据中心 GPU 出货与供电需求：NVIDIA 每季度数据中心业务收入、发布的参考设计功耗值，可作为功率密度需求的直接代理。
• 液冷渗透率：定期出自 650 Group、Omdia 等报告；也关注超大规模厂商在财报电话会议中提及的“液冷部署比例”。
• 基础设施公司订单：Vertiv、施耐德电气、CoolIT 等非上市或上市公司财报中液冷相关收入增速、在手订单与 backlog。
• 高密机柜功率目标：云厂商在技术大会（AWS re:Invent、Microsoft Ignite、Google Cloud Next 等）公布的新一代机柜设计目标，常为 50 kW→100 kW 跃迁节点。
• 电力与选址指标：主要城市建设 100 MW+ 新建数据中心项目的审批进度、电网增容规划，反推现实落地速度。
• 标准与法规：OCP 规范更新、IEC/UL 针对液冷和直流配电的安全标准、PFAS 相关环保法规进展，影响技术路线切换。

15. 信源

• Uptime Institute：“Rack Density Trends, Risks and Preparations” 年度调查报告、高密度白皮书。
• OCP (Open Compute Project)：Advanced Cooling Solutions、Open Rack v3 48 V 规范。
• NVIDIA：DGX SuperPOD 参考架构、NVL72 技术白皮书。
• ASHRAE TC 9.9：Datacom Equipment Power Trends and Cooling Applications 热设计指导。
• 施耐德电气：“How to Deploy High-Density Racks” 设计系列白皮书。
• Vertiv：“High Density and AI’s Impact on Data Center Power Infrastructure” 白皮书。
• 650 Group：Data Center Liquid Cooling Market Report（2023/2024）。
• 各公司财报与公开声明：NVIDIA、Vertiv、施耐德电气、Supermicro、Equinix、Digital Realty 等。
• 第三方市场研究：Global Market Insights、Mordor Intelligence 等对机架 PDU、电力基础设施市场的估计（使用时请核实最新版本）。
• 云厂商技术博客：Azure High-Performance Computing、Meta AI Research Infrastructure、Google Cloud TPU System Architecture 等公开工程分享。

以上信源可在各机构官网、技术社区及公开数据库中检索获取，部分深度报告需付费订阅。