熱通道封閉（Hot Aisle Containment, HAC）
3 秒看懂
一句話：把伺服器機櫃排出的熱風用物理隔板”圍起來”，不讓它跟冷風混在一起，讓空調系統高效回熱、冷卻效率飆升——這是資料中心氣流管理的核心基礎設施技術。
3 分鐘產業解釋
為什麼 AI 時代繞不開它？
傳統資料中心機房像個”大混風池”——地板吹出的冷風和伺服器排出的熱風在機房裡自由混合，空調系統不得不把溫度設得很低（通常送風 13–16 °C）才能保證最熱的機櫃不至於過熱。這種做法浪費大量製冷能耗。
當 AI 訓練/推論叢集把單機櫃功率密度從傳統的 5–8 kW 推升到 40–100+ kW 時，靠”低送風溫度硬扛”的老路子走不通了。熱通道封閉（HAC）的做法很簡單：
- 物理封閉熱通道：在相鄰兩排機櫃背對背的熱通道兩側裝隔板、頂部封板、端頭裝門，形成一個封閉的”熱風收集通道”。
- 熱風專路回收：被封閉的熱通道變成一個正壓熱風靜壓箱，高溫迴風（通常 35–45 °C）被集中、有序地送回精密空調（CRAC/CRAH）或直接排至室外。
- 冷熱徹底隔離：機房其餘空間全部是冷通道環境，冷風不再被熱風短路汙染，送風溫度可以顯著提高（行業實踐中通常提到可提高 5–10 °C）。
核心收益：
| 維度 | 效果 |
|---|---|
| 冷卻能耗 | 可降低冷量浪費 20–40%（行業估算範圍，取決於原有氣流管理水平） |
| PUE 貢獻 | 製冷部分 PUE 顯著下降，是實現整體 PUE ≤ 1.3 的關鍵手段之一 |
| 功率密度支撐 | 使傳統風冷環境可支撐更高的單櫃功率密度（從 ≤10 kW 提升至 20–30+ kW 量級） |
| 經濟性 | 相比液冷改造，HAC 的 CAPEX 極低（主要是隔板+門+封板），投資回收週期短 |
[注] 以上數字為行業公開技術文獻（ASHRAE、Uptime Institute 等）的常見範圍描述，非特定廠商財報資料。
15 分鐘專家深入
1. HAC 在 AI 資料中心熱管理棧中的定位
AI 資料中心的熱管理技術棧可以抽象為一個多層梯度：
┌─────────────────────────────────────────────────────┐
│ AI 資料中心熱管理技術棧 │
├─────────────────────────────────────────────────────┤
│ Layer 4 晶片級冷卻（TIM、微流道、浸沒式液冷） │
│ → 處理 >1000 W TDP 的 GPU/AI 加速器 │
├─────────────────────────────────────────────────────┤
│ Layer 3 機櫃級液冷（CDU + 冷板/後門換熱器） │
│ → 處理 50–120+ kW/櫃 的機櫃級熱負荷 │
├─────────────────────────────────────────────────────┤
│ Layer 2 ★ 氣流管理層（HAC / CAC / 高架地板最佳化） ★ │
│ → 處理空氣側餘熱、防冷熱短路 │
├─────────────────────────────────────────────────────┤
│ Layer 1 建築級冷卻（冷水機組/冷卻塔/自然冷卻/蒸發冷卻）│
│ → 最終排熱至大氣環境 │
└─────────────────────────────────────────────────────┘HAC 位於 Layer 2。即使部署了液冷（直接帶走 GPU/CPU 主要熱量），伺服器中仍有大量輔助發熱元件（VRM、記憶體、儲存、網路介面卡、風扇等）通過空氣對流散熱。這些”殘餘熱負荷”仍需空氣冷卻系統處理。HAC 確保這部分氣流路徑高效。
關鍵認知：液冷和 HAC 不是替代關係，而是互補關係。在 AI 訓練叢集中，液冷處理晶片級主熱源（可能佔總功耗 60–80%），HAC 處理剩餘 20–40% 的輔熱並維持機房空氣環境。
2. HAC vs. CAC（冷通道封閉）的選型邏輯
| 對比維度 | HAC（熱通道封閉） | CAC（冷通道封閉） |
|---|---|---|
| 封閉物件 | 機櫃背對背的熱通道 | 機櫃面對面的冷通道 |
| 機房環境溫度 | 熱通道內為高溫區，機房其餘冷區（含人員操作區）為冷環境，溫度接近送風溫度 | 冷通道為低溫區，機房其餘非封閉區域為熱環境 |
| 安全性 | 熱通道內溫度較高（~40–50 °C），維護人員進入需注意 | 機房整體溫度高，非封閉區工作人員環境不友好 |
| 與高架地板相容性 | 可配合高架地板下送風，但迴風靠熱通道上方/端頭回風 | 與高架地板下送風天然配合良好 |
| 與液冷混合部署 | 更適合（熱通道封閉熱集中回收，液冷處理主熱源後殘餘熱進入熱通道） | 也可，但邏輯不如 HAC 直觀 |
| ASHRAE 推薦 | ASHRAE TC 9.9 均認可兩種方案 | 同左 |
| 大型雲端/AI 廠商偏好 | Google、Microsoft 等超大規模資料中心均有采用 | Meta 等也有大規模 CAC 部署 |
[注] 上述廠商偏好來自公開技術部落格和行業會議分享，非排他性結論，各廠商在不同設施中可能混用。
行業趨勢：在 AI 高功率密度場景下，越來越多的新建資料中心傾向於 HAC + 液冷混合架構。邏輯是：液冷直冷晶片，HAC 管理殘餘熱，熱通道內溫度可達 40–50 °C，迴風溫度越高，冷凍水溫度可以越高，從而大幅提高自然冷卻（Free Cooling）利用小時數，甚至在部分氣候區實現全年自然冷卻。
3. 與電力-冷卻協同的系統級考量
AI 資料中心的電力密度急劇上升是 HAC 獲得重視的根本驅動力：
- 一個典型的 GB200 NVL72 機櫃，官方公佈的典型功耗在 120 kW 量級（含液冷 CDU 和網路裝置電力，具體取決於配置）[供應鏈估算/公開技術文件]。
- 即使液冷帶走其中大部分熱，殘餘空氣側熱負荷仍可能達到 15–40 kW/櫃 級別。
- 沒有氣流管理的”裸機房”環境，這種殘餘熱密度也會導致區域性熱點。
HAC 將熱空氣高效回收 → 空調回風溫度升高 → 冷凍水出水溫度可提高 → 冷卻塔或乾冷器效率提升 → 整體冷卻鏈 COP（能效比）改善。這是一個系統級正反饋迴圈。
技術原理
1. 基本氣流模型
┌──────────────────────────────────────────┐
│ 精密空調 (CRAC/CRAH) │
│ ↑ 回熱風 (35-45°C) ↓ 送冷風 │
└──┬───────────────────────────────────┬───┘
│ 送風 (18-27°C*) │
▼ ▼
══════════════ ════════════════════════════════
║ 機櫃正面 ║ ║ 機櫃正面 機櫃正面 ║
║ (冷通道) ║ ║ (冷通道 ← 冷風從地板/天花) ║
║ ←冷風進 ║ ║ ║
╠═══════════╣ ╠══════════════════════════════╣
║ 機櫃背面 ║ ║ 機櫃背面 機櫃背面 ║
║ →熱風出 ║ ║ →熱風出 →熱風出 ║
║ ▓▓▓▓▓▓▓▓ ║ ║ ▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓ ║
║ 熱通道 ║ ║ 熱通道（封閉區域） ║
║ (HAC封閉)║ ║ 頂部封板 + 兩側隔板 ║
║ ▓▓▓▓▓▓▓▓ ║ ║ ▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓ ║
║ 機櫃背面 ║ ║ 機櫃背面 機櫃背面 ║
║ →熱風出 ║ ║ →熱風出 →熱風出 ║
╠═══════════╣ ╠══════════════════════════════╣
║ 機櫃正面 ║ ║ 機櫃正面 機櫃正面 ║
║ (冷通道) ║ ║ (冷通道) ║
══════════════ ════════════════════════════════
▓▓ = HAC 封閉隔板/天花板
→ = 熱風被約束在封閉通道內
← = 冷風自由進入機櫃進風面*注：ASHRAE TC 9.9 推薦的伺服器進風溫度範圍為 A1 類 15–32 °C（允許範圍），推薦範圍 18–27 °C。實施 HAC 後，送風溫度通常可執行在推薦範圍的中上限。
2. 關鍵熱力學機制
消除混合損失（Mixing Loss）
在無封閉的傳統機房中，冷熱空氣混合的熱力學代價可用以下簡化模型理解：
傳統機房（無封閉）：
冷風溫度 Tc = 15°C, 熱風溫度 Th = 40°C
由於短路/混合，實際進入伺服器的溫度 T_in ≈ 20-25°C（因熱風回滲）
→ 空調必須把冷風溫度設得更低（Tc ≈ 13°C）以補償混合損失
→ 冷水溫度需更低 → 冷機效率低
HAC 封閉後：
冷熱完全隔離，T_in ≈ Tc（幾乎無混合損失）
→ 送風溫度可提高至 Tc ≈ 20-24°C
→ 冷水溫度可從 7°C 提高至 12-15°C 甚至更高
→ 乾球溫度 ≤ 冷水溫度時可啟用自然冷卻（Free Cooling）提高迴風溫度的級聯效益
HAC 封閉 → 迴風溫度 ↑ (40-50°C)
→ 冷凍水供水溫度可 ↑ (7°C → 12-15°C)
→ 冷卻塔/乾冷器冷凝溫度允許 ↑
→ 壓縮機負荷 ↓ 或進入自然冷卻模式
→ 冷卻系統 COP ↑↑
→ 冷卻能耗 ↓↓這個級聯效應是 HAC 的核心價值，不僅僅是”少吹冷風”那麼簡單。
3. 封閉結構關鍵元件
| 元件 | 功能 | 典型材料/技術 |
|---|---|---|
| 熱通道天花板封板 | 封閉熱通道頂部，防止熱風向上逃逸至機房空間 | 鋁合金板、鋼化玻璃、PVC 板 |
| 側面隔板 | 封閉熱通道兩側，與機櫃側面齊平 | 金屬板、有機玻璃 |
| 端門 | 熱通道兩端的門，允許人員進入維護 | 旋轉門或推拉門，帶自動關閉機制 |
| 機櫃盲板 | 封閉機櫃內未使用 U 位，防止冷風從機櫃內部短路 | 塑膠或金屬盲板（看似簡單但極其關鍵） |
| 密封條/毛刷 | 填補機櫃間縫隙、線纜穿孔處的空氣洩漏 | 毛刷密封件、橡膠密封條 |
| 監控感測器 | 溫溼度監控、壓差監控 | 熱電偶、RTD、壓差感測器 |
一個常被忽略的細節：HAC 的效果高度依賴密封完整性。如果機櫃頂部、底部、線纜孔洞處有大量縫隙，熱風會從縫隙洩漏回冷區，封閉效果大打折扣。行業經驗是：HAC 的效果取決於最薄弱的洩漏點。
4. 壓力管理
HAC 封閉後，熱通道成為一個相對封閉的空間。需要關注：
- 正壓過大：可能導致熱風從機櫃縫隙反向滲入冷通道（尤其當機櫃後門密封不良時），反而惡化冷通道環境。
- 負壓不足：若迴風抽吸不夠，熱風可能在熱通道內積聚導致機櫃排氣困難。
- 最佳實踐：通過調節 CRAC/CRAH 的迴風方式（熱通道直接上方迴風 vs. 熱通道端頭回風）、調整送風/迴風風量平衡來管理壓差。通常熱通道內維持微負壓（相對於機房冷區），由迴風系統主動抽風，防止熱空氣向冷區洩漏。
技術演進史
| 時期 | 階段 | 關鍵事件 |
|---|---|---|
| 2000 年前 | 無氣流管理時代 | 資料中心以低密度為主（<5 kW/櫃），冷熱混合問題不突出 |
| 2000–2005 | 高架地板+冷熱通道交替版面配置成為標準 | ASHRAE 開始系統研究氣流管理，“冷熱通道交替”成為行業標準實踐 |
| 2005–2010 | 盲板、地板刷等氣流密封措施普及 | 行業發現簡單密封措施可帶來顯著 PUE 改善 |
| 2008–2012 | CAC/HAC 概念商業化興起 | APC（後被施耐德收購）、Subzero Engineering 等推出商業化封閉套件 |
| 2010–2015 | Google、Facebook 等超大規模廠商大規模部署 | Google 公開其資料中心 PUE 資料，氣流管理是關鍵貢獻；Facebook Open Compute Project 包含氣流管理設計規範 |
| 2016–2020 | 混合冷卻（液冷+風冷）興起，HAC 定位變化 | HAC 從”主要冷卻手段”轉向”液冷的補充+空氣側殘餘熱管理” |
| 2021–至今 | AI 大型模型驅動高密度部署，HAC 成為新建標配 | GB200 等超大功耗平台推動 100+ kW/櫃，HAC+液冷混合成為 AI DC 標準架構 |
技術路線對比（量化表）
| 方案 | 適用功率密度 | PUE 改善潛力* | CAPEX | 複雜度 | 適用場景 |
|---|---|---|---|---|---|
| 無封閉（傳統版面配置） | <8 kW/櫃 | 基線（PUE ~1.6-2.0+） | 最低 | 最低 | 老舊低密度設施 |
| 僅盲板+密封 | 8–12 kW/櫃 | 有改善（幅度有限） | 極低 | 低 | 所有設施的低成本改進 |
| CAC（冷通道封閉） | 10–25 kW/櫃 | 顯著（PUE 可降至 ~1.3-1.5 區間） | 低 | 中 | 新建/改造均適用 |
| HAC（熱通道封閉） | 10–30 kW/櫃 | 顯著（PUE 可降至 ~1.2-1.4 區間） | 低 | 中 | 新建優先；與液冷混合時最優 |
| HAC + 液冷（冷板） | 30–120+ kW/櫃 | 極顯著（系統 PUE 可接近 1.1-1.2） | 中-高 | 高 | AI 訓練叢集標準配置 |
| 全浸沒式液冷 | 100+ kW/櫃 | 最優（可徹底消除空氣側冷卻需求） | 高 | 最高 | 特定高密度場景、邊緣探索中 |
*PUE 改善潛力為行業公開案例和文獻中的典型範圍，實際效果取決於氣候條件、負載率、基礎設施設計等，非保證值。
上下游
上游（HAC 所需的材料/裝置）
| 環節 | 代表供應商/品類 | 說明 |
|---|---|---|
| 封閉板材/型材 | 鋁合金型材廠、玻璃加工 | 定製化程度高，非標件多 |
| 商業化封閉套件 | Schneider Electric（APC）、Subzero Engineering、Chatsworth Products、Rittal、Vertiv | 提供標準化 HAC/CAC 套件 |
| 機櫃（含封閉相容設計） | Vertiv、Schneider、Rittal、華為、維諦 | 機櫃需預留封閉板安裝介面 |
| 盲板/密封件 | 各機櫃廠商配套 | 低成本但關鍵元件 |
| 溫溼度/壓差感測器 | Sensirion、Honeywell、各類國產感測器 | 監控封閉效果 |
| 精密空調 CRAC/CRAH | Vertiv、Schneider、Stulz、華為、依米康 | 與 HAC 配合的送回風設計 |
下游（HAC 的終端使用者）
| 使用者型別 | 應用特點 |
|---|---|
| 超大規模雲端廠商（Hyperscaler） | Google、Microsoft、AWS、阿里雲端等，自建 DC 中標準化部署 |
| AI 訓練叢集運營商 | CoreWeave、Lambda Labs 等 AI 雲端服務商 |
| Colocation 資料中心 | Equinix、萬國資料等，為客戶提供高密度機櫃環境 |
| 企業自建資料中心 | 金融、電信等行業使用者 |
關鍵指標
| 指標 | 定義 | HAC 典型影響 |
|---|---|---|
| PUE（Power Usage Effectiveness） | 總設施功耗 / IT 裝置功耗 | HAC 可使製冷 PUE 分量下降顯著，總 PUE 改善 0.2–0.5（視基線水平）[行業估算] |
| 冷卻 COP（Coefficient of Performance） | 製冷量 / 輸入電功 | 提高迴風溫度 → 提高冷水溫度 → COP 提升 |
| ASHRAE 進風溫度合規率 | 伺服器進風溫度落在推薦範圍內的比例 | HAC 後應接近 100%（理想情況） |
| 送回風溫差 ΔT | 迴風溫度 − 送風溫度 | HAC 封閉良好時 ΔT 可達 15–25°C（無封閉時因混合導致 ΔT 僅 5–10°C）[行業經驗值] |
| Rack Density（kW/櫃） | 單機櫃平均功耗 | HAC 支援更高的安全執行密度 |
| 密封洩漏率 | 封閉通道冷熱空氣洩漏比例 | 衡量 HAC 實施質量的關鍵指標 |
供需與市場資料
市場規模
| 維度 | 資料 | 來源/口徑 |
|---|---|---|
| 全球資料中心氣流管理市場 | 2023 年約 15–25 億美元規模（含 HAC/CAC 產品及服務） | [行業報告估算，口徑不同差異大] |
| AI 驅動增長 | 2024–2028 年 AI 資料中心新建/改造預計 CAGR >15% 以上的冷卻基礎設施投資增長 | [行業估算] |
需求驅動
- AI 算力密度提升：單 GPU 功耗從 V100 的 ~300W 到 H100 的 ~700W 到 GB200 的更高水平，推動機櫃功率密度躍升。
- PUE 監管趨嚴：多國/地區對新建資料中心 PUE 設定上限（如中國部分地區要求新建 DC PUE ≤ 1.3）。
- 電力成本上漲：冷卻能耗佔資料中心總能耗的 30–40%，HAC 作為低成本高回報的改造手段需求旺盛。
- ESG/碳排放要求：降低 PUE 直接關聯 Scope 2 碳排放減少。
代表公司與資本對映
| 公司 | 角色 | 上市/關聯 | 備註 |
|---|---|---|---|
| Vertiv (VRT) | 端到端資料中心基礎設施（含封閉套件、精密空調、液冷） | NYSE: VRT | AI DC 受益標的，2024 年股價受 AI 概念驅動顯著上漲 |
| Schneider Electric (SU.PA) | APC 品牌提供 HAC/CAC 套件及精密空調 | Euronext: SU | 資料中心基礎設施綜合龍頭 |
| Rittal | 機櫃及封閉系統供應商 | 非上市（Friedhelm Loh Group） | 德國工業級資料中心解決方案 |
| Subzero Engineering | 專注氣流管理（HAC/CAC 產品線） | 非上市 | 氣流管理細分領域專業廠商 |
| 維諦技術/華為 | 國內精密空調及資料中心基礎設施 | 維諦 NYSE 退市後私有化；華為非上市 | 國內市場重要參與者 |
| 依米康 (300249.SZ) | 國內精密空調/資料中心溫控 | A 股上市 | 受益於國內 AI DC 建設潮 |
[注] HAC 產品通常是整體資料中心基礎設施解決方案的一個組成部分，很難單獨估算其營收佔比。投資角度應關注整體 DC 基礎設施供應商。
投資邏輯
核心邏輯鏈條
AI 模型引數/算力需求 ↑↑
→ GPU/加速器功耗 ↑↑ (單卡 700W+，單櫃 100kW+)
→ 資料中心冷卻需求激增
→ 液冷解決主熱源，HAC 解決輔熱+氣流管理
→ HAC 成為新建 AI DC 標配（CAPEX 低、見效快）
→ DC 基礎設施供應商訂單 ↑關注要點
- 邊際成本低、見效快：HAC 的 CAPEX 在整個資料中心建設中佔比極小（通常 <1–2%），但對 PUE 改善貢獻顯著——這是價效比極高的基礎設施投資。
- 與液冷的伴生關係：液冷滲透率提升的同時，HAC 需求不降反升（因為混合架構需要更好的氣流管理）。
- 改造存量需求：全球大量存量資料中心需要從無封閉升級到 HAC/CAC，這是一個長尾市場。
- 風險點：HAC 本身技術門檻不高、市場分散，難以形成高壁壘的獨立商業模式。投資價值更體現在綜合 DC 基礎設施平台中。
常見誤讀糾偏
誤讀 1：“有了液冷就不需要 HAC 了”
糾偏：液冷（冷板/浸沒）通常只能帶走晶片/記憶體等主熱源的熱量（可能佔總功耗 60–80%，具體取決於系統設計）。伺服器中的 VRM、儲存、網路模組、風扇、電源等仍有大量空氣側散熱需求。在 100+ kW/櫃的 AI 機櫃中，殘餘空氣側熱負荷仍可達 15–40 kW/櫃。沒有 HAC 管理這些殘餘熱，機房環境仍然會出問題。液冷和 HAC 是互補而非替代關係。
誤讀 2：“HAC 就是裝幾塊隔板，沒什麼技術含量”
糾偏：HAC 的硬體確實不復雜（板材、型材、門），但系統整合和運維才是難點：
- 需要精確的 CFD（計算流體力學）模擬確保氣流路徑設計合理；
- 密封完整性直接影響效果，線纜穿孔、地板縫隙等細節處理至關重要；
- 與 CRAC/CRAH 的送回風策略需要協同設計；
- 隨著負載變化可能需要動態調整（如部分機櫃空置時的氣流短路風險）。
低估這些工程複雜性是 HAC 部署效果不達預期的常見原因。
誤讀 3：“HAC 和 CAC 效果差不多，選哪個都行”
糾偏：兩者在封閉效果上確實可以做到相近，但適用場景和後續影響不同：
- HAC 使機房整體處於暖環境，有利於在高緯度/寒冷氣候區利用自然冷卻（因為冷凍水溫度可以設得更高）；
- CAC 使冷通道為低溫區、機房其餘為高溫區，在人員經常進入操作維護的場景中，HAC 的人員工作環境更友好（冷區環境溫度可控）；
- 在與液冷混合部署時，HAC 的熱回收邏輯更自然。
具體選擇需結合氣候條件、運維習慣、液冷方案等綜合決策，不存在”通用最優解”。
學習路徑
入門階段
- ASHRAE TC 9.9：《Thermal Guidelines for Data Processing Environments》——資料中心溫控的權威參考標準
- Uptime Institute：資料中心基礎設施最佳實踐白皮書系列
- 施耐德/APC 白皮書：搜尋 “Schneider Electric data center cooling white paper”，有大量免費氣流管理技術白皮書
進階階段
- Open Compute Project (OCP)：Facebook（Meta）開源的 DC 設計規範中包含氣流管理設計標準
- CFD 模擬工具實踐：6SigmaDC（Future Facilities）、ANSYS Fluent 等用於模擬氣流分佈
- ASHRAE Standard 90.4：資料中心能效標準，理解 PUE 各分量的構成
專家階段
- 混合冷卻架構設計：學習液冷+HAC 的協同設計方法論
- Google/Microsoft 公開的資料中心技術部落格：關注其冷卻架構演進的實際案例
- 行業會議：Data Center World、OCP Global Summit、Open Compute 相關會議的冷卻專題
一句話總結
熱通道封閉是資料中心氣流管理的”低成本高槓杆”基礎設施技術，在 AI 驅動的高功率密度時代，它不是液冷的替代品，而是液冷的”黃金搭檔”——兩者共同構成 AI 資料中心冷卻架構的兩大支柱。
延伸閱讀與來源
| 來源 | 內容 | 獲取方式 |
|---|---|---|
| ASHRAE TC 9.9 | 資料處理環境熱指南（2021 版） | ASHRAE 官網購買 |
| Uptime Institute | 資料中心效率與可靠性白皮書 | uptimeinstitute.com |
| Schneider Electric 白皮書庫 | ”Cooling Strategies for Ultra-High Density Racks” 等 | se.com/whitepapers |
| Open Compute Project | 資料中心機械設計規範 | opencompute.org |
| Google Data Center Blog | Google 內部 DC 冷卻技術分享 | datacenters.google.com/blog |
| Meta Engineering Blog | OCP 相關冷卻設計 | engineering.fb.com |
| 液冷+氣流管理混合架構案例 | 各 DC 基礎設施廠商技術案例 | Vertiv、Schneider、華為等官網 |
本文技術事實基於公開行業標準（ASHRAE）、主要廠商公開技術文件及行業報告撰寫。具體產品的效能引數以廠商最新資料表為準。市場資料為行業估算範圍，非精確定量資料。