# 液冷最怕的不是漏液，而是不知道它会在哪一天漏

> 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。

- 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
- 发布：2026-08-23
- 网页：https://tsingchain.ai/insights/three-clocks
- 首发：微信公众号「清链学堂在线」 https://mp.weixin.qq.com/s/-BUaTRCOOKLVIR8QBCMeVw
- 标签：调试与证据、液冷技术

---

*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。*

![](/wx/three-clocks/01.jpg)

“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**。

![](/wx/three-clocks/02.jpg)

## 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。

![](/wx/three-clocks/03.jpg)

## 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。**

![](/wx/three-clocks/04.jpg)

## 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

![](/wx/three-clocks/05.jpg)

## 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》](https://www.opencompute.org/documents/acs-cold-plate-leak-detection-and-intervention-white-paper-pdf-1)、[OCP《ACS Liquid Cooling Cold Plate Requirements》](https://www.opencompute.org/documents/ocp-acs-liquid-cooling-cold-plate-requirements-pdf)、[OCP《OAI System Liquid Cooling Guidelines》](https://www.opencompute.org/documents/oai-system-liquid-cooling-guidelines-in-ocp-template-mar-3-2023-update-pdf)、[OCP《Universal Quick Disconnect Specification》](https://www.opencompute.org/documents/ocp-universal-quick-disconnect-uqd-specification-rev-1-0-2-pdf)、[OCP《Cold Plate Development and Qualification》](https://www.opencompute.org/documents/ocp-cold-plate-development-and-qualification-with-integrated-comments-pdf)、[NVIDIA《Mission Control Software Administration Guide—Leak Detection》](https://docs.nvidia.com/mission-control/docs/systems-administration-guide/2.3.0/leak-detection.html)，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。*