回报不只是更低的电费——而是更少故障、更高残值、更长寿命。关键不是让芯片更热，而是让它在更稳定、更洁净、热阻更低的环境里运行。

行业争论两个数字：每张 GPU 多少钱、每秒多少 token。可还有第三个数字，悄悄决定着一个 AI 集群的经济性：每张 GPU 还能赚多久。

一张三四万美元的 GPU，不是一个普通零件，而是一项会折旧的金融资产。决定它能用多久的，不只是算力负载，还有它长期生活的热环境——不只是峰值温度，还有温度的稳定度、洁净度和振动。

这就是暖水液冷被忽略的回报。它带来的不只是更低的电费，还有更少的故障、更高的残值，以及在合适场景下更长的硬件使用周期。

开头先说清一句，免得误解：这里的杠杆不是“更热”，而是让硅片在一个更稳定、更洁净、热阻更低的环境里运行。这是上一期的自然续集——如果更热的水更省钱，那它对硬件是不是也更友好？答案是：做得好，可以。下面是不掺水的版本，连代价一并讲清楚——这些坑我们从 2020 年起就在真实部署里趟过。

一、到底是什么“杀死”了一块 GPU

芯片很少死于某个瞬间，它沿三条路径慢慢老化，而热藏在每一条背后。

**电迁移。**电流长期“推着”互连里的金属原子搬家，直到某根线变细、断裂——速率随结温升高呈指数上升（阿伦尼乌斯）。经验法则：温度每升约 10°C，半导体反向漏电流大致翻倍（现代 CMOS 约 8–11°C 翻一倍）。而对许多配套元件——尤其供电链里的电解电容——相关的“10 度规则”说，温度每升 10°C 寿命大致减半。热让硬件变老不是线性的，是复利的。

**热循环。**每从空闲拉到满载再回落，硅、焊料、基板、电路板就以不同速率热胀冷缩，像反复折回形针一样作用在焊点和 BGA 球栅上，直到某处开裂。伤害更多来自摆动的幅度与频次，而非峰值温度本身。

**环境。**风冷（air-side）把大量空气在机房里循环、吹过设备；视过滤与节能器设计而定，灰尘、湿气、污染物与风扇振动都成了“可靠性变量”——滋生氧化、腐蚀、静电和慢性机械磨损。

看出规律了吗：敌人不是“热”，敌人是又热、又抖、又脏。

【图1｜到底是什么杀死一块 GPU：电迁移 / 热循环 / 环境】

二、真正的解锁点是“稳定”

**稳定。**液体热容远高于空气，这份“热质量”像减震器，抚平那些让焊点疲劳的空闲—满载摆动。芯片稳在一个很窄的区间，而不是坐过山车。更少、更温和的循环＝更慢的机械老化——这份收益你每一年都在拿，不只在换机时。

**结温，前提是做对。**芯片怕的不是冷却液多冷，而是它自己的结温——由热通路（热阻×功耗）决定，而非进水温度。但这有前提：暖水运行只有当热通路（冷板、TIM、流量、控制）做得够好、把结温压在规格内、把摆动压小时，才是可靠性收益。45°C 进水本身不会延寿；围着它做的好工程才会。

**更洁净的环境——这里两种架构要分开讲。**浸没式把整块板卡放进单一、洁净、均匀的介质里：没有灰尘、没有湿度波动、没有静电。冷板式则把热通路封进一个密封液环，即便仍有部分空气，也大幅减少气流、风扇与振动。两者都把硬件搬进了更友好的世界。在可比的部署与工况下，我们测到系统级温度比风冷基线最多低约 20°C——并且就是围着上面那些可靠性数字来做设计的。最终体现为更低的故障率。

【图2｜真正的解锁点是“稳定”：风冷温度过山车 vs 液冷平稳曲线】

三、你必须工程化解决的代价

大多数“液冷更耐用”的帖子讲到这里就闭嘴了。但液冷有自己的失效模式，假装没有，正是试点变成昂贵教训的原因。有两个必须点名。

**材料相容性——尤其在浸没式里。**支配原理是“相似相溶”：非极性的烃类冷却液会随时间溶胀或侵蚀非极性高分子，把 PVC 等材料里的增塑剂（邻苯/对苯二甲酸酯类）抽出来，使线缆护套变脆或发黏、密封圈溶胀。**没有任何一种冷却液是普适相容的。**正确做法是：对每一种接触液体的材料，按所用的具体液体、温度、暴露时长和工况做相容性认证——用溶解度参数（Hansen）匹配与 ASTM D471 等标准测试——再在运行中持续监测。工程化液体对常见高分子比原矿物油温和，但它们各有成本、供应链、环保或监管上的取舍。没有万能液，只有严谨的验证。

**机房里的热与挥发。**跑 45°C 环路、或开放式浸没缸，会抬高空间的环境温度；而挥发性或两相液会蒸发，带来液体流失、蒸气管理，某些氟化液还有真实的环保与监管暴露（GWP 与 PFAS 审视）。答案是设计纪律：密封、低/不挥发液；把热导到设施侧——最好拿去回收——而不是排进机房；以及做好防泄漏与监测。是设计纪律，把这些风险重新变回可靠性。

【图3｜必须工程化解决的代价：材料相容性 · 挥发/环境 → 设计纪律把风险变回可靠性】

四、经济账——先讲你能“打包票”的那部分

先讲不依赖激进假设的回报。

**当下的可靠性：**更少热故障、更少返修＝更少计划外停机——这是你在当前换机周期内就能拿到的价值，而非某个假想的第五年。

**残值：**一张在暖、稳、净环路里服役过的卡，转手或调去做推理/边缘，远比在风冷机房里被热循环和氧化过的卡值钱。

**长尾：**在前沿之外——推理、企业、主权与边缘机群——上一代硬件还能用很多年，那里“延长日历”是真实的。

之后才讲那个吸睛模型，并明确标注其性质。**作为一个示意模型、而非预测：**一个 10 万张 GPU、一年约产出 20 亿美元算力的集群，若把换机周期从 3 年拉到 5 年，会记入数十亿美元已折旧产出。逻辑成立，但那是上限：在前沿，GPU 往往因被淘汰、而非用坏，提前退役。所以诚实的说法不是“液冷让你的 GPU 用满五年”，而是：液冷提高你所跑的每一年的质量，以及退出时的资产价值。

五、一条环路，多重回报

同一条暖水环路，一个决策做三件事：砍掉冷却的电与水、把排出的热变得够热可再利用、让楼里最贵的硬件更健康更保值更耐用。供电、冷却、热回收，再加上硬件寿命，不是彼此独立的决策，而是同一个架构选择带来的相互关联的回报。

【图4｜一条环路，多重回报：一条暖水环路 → 省能省水 · 余热可用 · 硬件更健康/残值更高】

我们不是从场边评论这件事的。2020 年我们建成第一代浸没式系统，次年把冷板式推进规模化，此后累计部署已覆盖超过 1 GW 装机——并把回收的热送进区域供暖、温室与水产养殖，累计超过 2,000,000 平方米。上面的延寿逻辑、可靠性数字与各种代价，对我们都不是理论，而是让那些系统真正跑起来所必须工程化解决的东西。

最便宜、也最环保的那块 GPU，是你不必更换的那一块。让每一瓦都算数。也让每一块芯片，都更久。

—— 李俊明，清链科技副总裁。为 AI 数据中心做供电、冷却与热回收的一体化设计。

参考与说明 / Notes

• 漏电流随温度指数上升（现代 CMOS 约每 8–11°C 翻倍）；电解电容“10 度规则”（每升 10°C 寿命约减半）为业界通用经验，2022–2024 年厂商资料仍一致。

• 焊点/BGA 热循环疲劳由温度摆动的幅度与频次驱动，而非仅峰值温度。

• 材料相容性遵循 Hansen 溶解度参数匹配；非极性液会溶胀非极性高分子、抽出 PVC 增塑剂；浸液耐化学标准测试可参 ASTM D471。

• 挥发/GWP/PFAS 主要与挥发性及两相氟化液相关。

• “比风冷基线低约 20°C”为可比工况下的内部部署实测；“3→5 年换机 / 20 亿美元”为示意模型，非预测。

• 结温 ≈ 冷却液温度 + 热负荷 × 热阻 —— 见上一期《45°C 进水》。

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