制造、交付、服役——同一个“漏”字背后，是三个时钟、三类负责人和三套证据。
“漏液”是一个词，干着三份活。
去问一个数据中心的运营方，液冷最让他们睡不着的是什么，你大概率会听到这个词。再追一句“你说的是哪一种漏”，对话通常就停住了——因为这个行业还没真正把它拆开。
它该被拆开。这三种漏，被发现的时间不同、解法不同，最要命的是负责人不同。把它们当成同一种风险，结果就是防漏的注意力和预算明显堆在中间那一层，两头都薄。
先说清楚边界：这不是按漏点部位做的互斥分类。 一个接头可以在第一天漏，也可以在第三年漏；腐蚀最后也可能穿透冷板或管壁。我按的是风险最常暴露的三个时间窗口——制造、交付、服役。因为这三个窗口对应着三套证据、三类负责人、三种成本归属。
第一层｜制造时钟
焊缝、钎焊、扣压与总成缺陷 ｜ 时钟：小时到天 ｜ 该在工厂里被发现
浸没式也好，冷板式也好，设备里全是被“接起来”的金属。冷板要钎焊或搅拌摩擦焊，分水器要焊，撬装和 CDU 内部要焊，软管要扣压。每一处新形成的流体边界，都是一个缺陷可能活下来的地方——焊缝里的气孔、未熔合、夹渣、微裂纹；钎焊里的空洞和润湿不足；扣压里的偏心和压后回弹。肉眼看不见，仅靠目视水检或分辨率不足的短时压降测试，也可能看不见。
这是最粗糙的一层。但说实话，也是方法上最成熟的一层——这些手段在汽车和制冷行业存在几十年了。没被解决的不是技术，是纪律。
真正管用的五条：一、先定义允许漏率，再选方法。 检测不是越灵敏越好。允许漏率定下来，才谈得上介质、压力、稳定时间、保压时间、温度补偿、仪器分辨率和判退标准。跳过这一步直接问“用氦检还是压降”，是把工艺问题当成设备采购问题。
二、方法要匹配目标漏率。 压降法又快又便宜，查大漏完全够用；查小漏它不够。要查更小的漏，用与目标漏率匹配的示踪气体法：氦配质谱检漏，或成形气体（常见为低浓度氢氮混合气）配专用氢传感器。一个能通过水槽试验的微孔，在合适灵敏度的示踪气体法下会现形。
三、测总成，别只测零件。 一块冷板在部件阶段合格，不能说明它焊进去的那根分水管合格，更不能说明两者之间的过渡接头合格。**凡是产生了新流体边界的工序——焊接、钎焊、扣压、螺纹/法兰/快接装配——后面就该有一次边界清楚的检漏。**OCP 的系统级指南把压力与泄漏试验的对象明确列为接头、连接件和管路，并提到以设计压力的 1.5 倍作为参考试验压力——但同时说明，最终数值应由制造商与最终用户约定，不是一个可以照抄的常数。
四、最后一道工厂检漏，不是最后一次检漏。 运输和吊装会给结构加载，工厂 FAT 合格不等于到场后仍然合格。运输之后、首次充液之前，还应该有一次边界清楚的现场复验。五、把“留记录”升级成数字线程。 光有“打压记录”四个字，撑不起定价。要有：序列号、被测总成的边界、试验介质、试验压力、稳定时间、保压时间、环境与介质温度、仪器分辨率与校准状态、允许漏率、结果、操作人，以及返修后的复测记录。
这一层之所以比它的技术难度更重要，是因为它是唯一一层你还能便宜地失败。试验台上找到一条多孔焊缝，代价是一个接头；同一条焊缝在带电机柜底下被找到，代价是一个机房。
第二层｜交付时钟
快接、软管、阀件与现场连接 ｜ 时钟：周到月 ｜ 调试期或第一年被发现
公开的设计指南把连接处、软管、阀件和快接列为高关注漏点；完整管段通常不是第一怀疑对象，但腐蚀、磨损、冻融或外力仍可能让管体失效。所以这一层的说法要准确：不是“管子不会漏”，是“连接处更值得先看”。
而连接的数量会涨得很快。一套机柜级直触芯片系统里，每个计算托盘一供一回就是两个流体接口，再叠上机架干管、CDU 侧接口、阀件、传感器口和排空点——接口数量迅速上到数十乃至上百。（这里要注意统计口径：接口端数、成对连接数、可拆连接数，是三个不同的数，混着说就没法比较。）
这是行业最重视的一层，也确实值得。但重视的方向偏了一点：绝大部分精力花在选型上，而相当一部分失效来自装配与过程。
真正管用的六条：一、减少在现场做的连接。 这是系数最大、观赏性最差的杠杆。每增加一个可拆连接，就增加一个需要被设计、装配、验证和维护的失效机会——风险不是简单地同概率相加，接头类型、位置、装配过程和可检测性同样重要，但方向是确定的。现场装出来的回路，接头数量没人统计过；同一套回路作为总成在工厂装好、打压过，接头数量是已知的，而且带着记录。
二、快接要标准化，但别把“标准化”读成“不会漏”。 OCP 的 UQD 与 UQDB 规范定义了尺寸互换、压力与温度范围、流量以及每次插拔的最大流体损失，让快接不必在每个项目上都变成一次定制风险。但符合规范不等于整条端接、软管扣压和装配过程都可靠。寿命也别笼统写“额定插拔多少次”——要向供应商索取具体的寿命与循环性能数据，并在项目里明确允许循环次数和寿命末端性能。三、一个反直觉的事实：快接在断开时的泄漏概率，高于固定连接。 原因是阀芯可能被污染物卡在开启位置。OCP/Vertiv 的检漏白皮书把这一条单独点了出来。这直接把“首次冲洗”和“快接保护”连成了一件事——冲洗残留不只是脏，它是会让阀关不上的东西。四、冲洗用临时设备，绝不用生产 CDU。 首次冲洗要冲掉的就是施工残留，把这些东西送进那台你马上要依赖的机器里，是一个要在后面还的账。冲洗本身也要有验收：临时冲洗撬、旁通过滤、取样点、压差趋势、颗粒度/清洁度判据——合格之后，才和生产 CDU 与 IT 回路连通。五、弹性体是敏感件，但不是唯一嫌疑人。 密封材料的介质相容性和寿命确实是重点，但阀芯污染、端接扣压、软管疲劳和装配偏载同样会成为失效点。别把整层风险压在一个 O 型圈上。六、若必须在一条回路上混多个平台，先把边界写清楚。 不同硬件的压降、流量需求、温度带和厂商流体规格都不一样。混合平台首先表现出来的往往不是漏，而是流量失衡和“以谁的规格为准”的责任扯皮——但那正是漏液的上游。
第三层｜服役时钟
材料、流体、循环与控制漂移 ｜ 时钟：一到五年 ｜ 通常是意外撞见的
这一层最难定价、也最难承保。液冷本身并不年轻，但在当前 AI 机架的功率、流量、接口数量与运行温度这个组合下，公开的多年现场数据仍然不足。
第三层有一个很不舒服的性质：所有东西在第零天都是合格的。 新接头是紧的，新密封件是有弹性的，新回路是干净的。跑三个月，还是好的。这一层的失效不是被造出来的，是被“攒”出来的——而攒的机理，一条比一条无聊：
振动、热循环和持续受力，会慢慢改变连接的状态。 泵在转，液体在流，机柜随负载起伏“呼吸”。OCP/Vertiv 白皮书里收录过一个很说明问题的案例：某国家实验室出现密封疲劳，根因是悬垂的软管持续给接头施加侧向载荷——而最后的修正不是换更好的密封件，是把那段软管重新布置为垂直走向并增加支撑，消除接头上的持续侧向载荷。第三层的解法常常长这个样子：不在零件里，在装法里。
混合金属会做混合金属该做的事。 铜冷板、不锈钢分水管、铝换热器、黄铜接头——同一条湿路里就是一个原电池。但腐蚀不只看一张电偶序：金属组合、面积比、温度、流体化学、溶解氧、流速和缓蚀剂配方共同决定结果。所以正确的做法是：不只验证单个零件合格，而是验证整条湿路的组合。冷却液的化学品，在回路里是有保质期的。 缓蚀剂会耗尽，pH 会漂移，乙二醇会氧化。这个过程不会通知你，液体可能看上去和第一天没有区别——而外观替代不了化验。低流速的地方更容易攒出问题。 盲端、闲置支路、从不循环的备用回路，更容易形成沉积、局部化学差异和微生物风险。而这些地方，恰恰是没人装仪表的地方。真正管用的五条——全都不好看：一、给湿路建一份材料清单（BOM）。 每一种金属、每一种弹性体、每一种塑料，连同供应商。不是因为它有意思，而是等哪天化验结果反常，这份文件就是“诊断”和“猜”之间的差别。二、按趋势取样，别按怀疑取样。 取样周期应由冷却液供应商、OEM、系统容积、材料组合、运行温度和风险共同确定——投运初期可以更密，稳定后再放宽。**关键不是把周期写死，而是要有：启动基线、固定取样点、固定方法、报警阈值、趋势记录。**检测项按流体类型选：pH、电导率/电阻率、乙二醇浓度或折光指数、缓蚀剂余量、金属离子、颗粒与浊度、微生物指标、颜色气味，以及过滤器压差。
三、把连接状态检查纳入 OEM 规定的预防性维护：目视、渗漏痕迹、支撑与应变、软管磨损、振动、阀件状态。⚠️不要盲目定期复紧——对很多密封形式，复紧会破坏密封或违反 OEM 要求。只有在制造商明确给出方法和数值时，才做扭矩复核。四、设计阶段就消灭盲端，给备用支路留可冲洗、可排净的路径，并让取样点覆盖最不利位置。
五、趁还来得及，在调试期把基线打下来。 每条支路的流量、每个机柜的压降、整条回路的温度分布、启动液样。两年后，“漂移”只有相对一个当初有人肯记下来的基线才存在。另列：凝露——一种从来没真的漏过的“漏” 它必须从三个时钟里拿出来单说。凝露可能在调试第一天就发生：供液温度低于局部露点，水就出现在从未被破坏过的表面上。电气后果和漏液一模一样，根因却是温湿度、保温或控制设定。 解法：控制系统按设计的露点安全裕量限制供液温度（不是零裕量），并明确传感器故障时的保守回退逻辑；保温与防潮层完整；露点/湿度传感器冗余。检测上要注意：感液绳分不清凝露和真实泄漏，需要配合露点与表面温度一起判读。
检测不是一个传感器，是一条从发现到隔离的链
把“漏液检测”等同于“装几个传感器”，是这件事上最常见的一个简化。公开白皮书里的框架其实很清楚，分四层：
第一层 · 直接检测。 感液绳（两线或四线电极，中间隔介质）和点式传感器、浮子。放在冷板与软管下方、快接与歧管附近、机柜底部、CDU 接水盘、架空地板低点和承液盘里。原则只有一句：传感器要放在液体真实会流到和积聚的地方，不是放在图纸上看起来对称的地方。
⚠️ 一个必须知道的边界：导电式直接检测要求液体接触到传感器、并且量足够、并且导电。这意味着它适用于水基或足够导电的流体，对介电液、制冷剂和某些配方不成立。走这些路线的系统，必须换用光学传感、质量平衡、压力/流量算法或制冷剂专用检测——不能默认一种传感器覆盖所有液冷路线。第二层 · 间接检测。 泵与回路压差、储液罐液位与补液量、供回流量或分支质量平衡、异常压力下降。它能在直接传感器还没被润湿之前就发现异常——但必须能区分排气、热胀冷缩、计划性补液和真实泄漏，否则它只会制造噪音。
第三层 · 传感器自诊断。 断线、短路、污染、未干燥、凝露、漂移，都会制造假阴性或假阳性。所以**“传感器故障”本身必须是一个可上报的告警状态**，而不是一个安静的空白。这里还有一个运维现实：**阈值设得太低会造成告警疲劳，最后的结果是关键信号被一起忽略。**灵敏度要在调试期按现场逐一整定。
第四层 · 干预分级。 报警之后做什么？第一类是通知与人工处置：告警、定位，再按操作程序关闭泄漏段上下游阀门。**单个手动截止阀便宜、压降小，但一次只能隔离流体网络的一侧；要隔离一个泄漏段，必须正确布置上下游阀门并由人员依次操作。**第二类是液路自动干预：由机柜、歧管或 CDU 级联锁隔离阀限制释放量；联锁球阀可以采用全通径设计、减少正常运行压降，但成本和机械复杂度明显更高。第三类是电气与液路协同：BMC 让受影响设备降载或受控断电，同时隔离液路，并确认剩余系统仍能维持所需流量。至于干断式快接，它解决的是维修断开时的流体损失，是一项预防设计，不替代告警后的隔离动作。
⚠️ CDU 停机也不能只写一个“停泵”。 OCP/Vertiv 白皮书指出，泵快速降速或停止后，冷板内流量骤降；如果芯片仍在满功率发热，局部冷却液可能沸腾并引发过压。因此，所有由冷板冷却的芯片都必须启用热降频与热保护，算力降载或断电、停泵、液路隔离的先后顺序必须经过瞬态验证。
动作要按泄漏位置、流体导电性、热惯量和误报代价分级，并且——这一条最重要——在调试期用规定的测试液体或受控模拟信号做联动测试。一个从来没被触发过的自动隔离逻辑，不是保护，是假设。
值得注意的是，平台侧已经走在前面了。在 NVIDIA 面向 GB200/GB300 NVL72 的 Mission Control 管理体系里，机架电气隔离状态、机架液路隔离状态、检测到泄漏的设备数，以及设备级的冷板漏液、歧管漏液和漏液检测系统状态，都已经是可监测量；更进一步，NVIDIA 官方示例中，发生大泄漏的节点会带着 ‘leak:large’ 标记进入 ‘DOWN’ 状态——泄漏已经不只是一条设施告警，而是一个会进入算力可用性管理的系统事件。
这说明“检测到并报警”已经不够了。隔离状态本身，正在变成一项要交付的证据。
从二分法升级成三因子
我过去常说“检测买的是严重度，发生率由别的东西决定”。这句话方向对，但不够。公开的风险框架用的是三个因子：发生概率（Probability）、后果严重度（Severity）、可检测性（Detection）。
准确的说法是：
检测主要压缩的是“从发生到隔离的时间”——它改善的是后果与可检测性，它消灭不了那个已经存在的装配缺陷。发生概率更多由连接数量、连接方式、材料相容性、制造与安装过程决定。
保险要定价的是这三项的组合，不是把一个传感器当成全部答案。
顺带说一个我很想知道、但目前谁也答不上来的数：出事的那个接头，究竟是现场制作的，还是工厂预制并打压过的？ 运营方通常只会告诉你“漏了”，不会告诉你那是什么接头。这不是一个已经被证明的结论，而是一个承保方应该开始收集的字段——一旦开始收集，第二个时钟的经济学会立刻改变。
一段来自另一种工况的旁证
在做冷板交付之前，我们已经做了几年的浸没式。浸没会把第三个时钟加速——机理不能直接照搬到冷板上，但教训是通用的。
两件我亲眼看着发生的事，都在 60 ℃ 左右的机群上：装机时完全正常的板子，热界面在几天之内逐渐失效——不是制造缺陷，不是设计错误，就是一个界面并没有义务待在你把它放的位置上；最后是靠补上一道经过验证的表面保护工序解决的，而那道工序此前一直被当成“可选项”。另一件是有一代硬件在介质里出现电容变形和脱落——电容外壳的材料从来没有为这个环境做过验证，而板子其他部分完全没问题。那批机器从此不再上浸没。
这两件都不是泄漏，支持的也不是“冷板回路第三层会漏”，而是更基础的一条：材料相容性必须在真实工况下做加速老化验证，而不是靠零件规格书推定。
一句话：
你在第零天量到的性质，是一个带日期的测量值，不是零件的固有属性。一份只表征“全新总成”的验证报告，表征的是它一生中最容易的那一天。
一张表
这篇文章真正想说的
三层，三个时钟，三份该被留下来的证据。
制造证据：被测总成的边界、序列号、允许漏率、试验方法、压力、时间、温度、结果、返修复测记录。
交付证据：连接清单、连接类型、安装地点、装配人与工具、运输后与充液前的复验、冲洗清洁度判据。
运行证据：启动液样、湿路 BOM、取样与补液记录、压力/流量/液位趋势、告警与自动隔离的联动测试记录、维护与变更记录。
这三件事都不高深，三件都做得出来。但在我看到的项目里，资金和注意力主要集中在第二个时钟上，而三个时钟都很少以“能被定价的形式”存在。
最后这半句才是重点。这件事的经济学正在往保险那一侧移动，而保险跑在证据上。承保方能给一份带边界和判据的打压记录、一份连接清单、一条液体化验趋势、一份联动测试记录定出价钱。承保方给不了“活儿做得细”定价——哪怕它是真的。
你能给一份文件定价，给不了手艺定价。
所以，未来十八个月里，任何要落一个液冷机房的人，真正该问的不是“我们有没有装漏液传感器”。
而是：
制造、交付、服役这三个时钟，我们分别留下了什么证据？以及——报警之后，谁有权在多少秒内，关掉哪一段液路、哪一组算力？
作者李俊明：清链科技副总裁,NextGenergy创始人兼CEO。专注 AI 算力基础设施的电力、冷却与热能再利用，致力于让新一代 AI 数据中心超越单点设备优化,走向电力、液冷与热回收协同的一体化系统设计。
本文参考的公开资料包括：
OCP/Vertiv《Leak Detection and Intervention》、OCP《ACS Liquid Cooling Cold Plate Requirements》、OCP《OAI System Liquid Cooling Guidelines》、OCP《Universal Quick Disconnect Specification》、OCP《Cold Plate Development and Qualification》、NVIDIA《Mission Control Software Administration Guide—Leak Detection》，以及施耐德电气关于液冷失效成因与启动取样的公开材料。
作者：李俊明（Jim Li），清链科技联合创始人兼副总裁，NextGenergy 创始人兼 CEO。首发于微信公众号「清链学堂在线」，原文链接。转载请注明出处。 Markdown 版本