R1-02 · 算力中心与液冷 / 负载、迁移与热环境
待认领listed
→
众筹中recruiting
→
已开课open · Course 售卖
一课题可并存多讲师版本
课程大纲
学完能做什么
- 按芯片、板卡、机柜、机房四层把产热逐层加起来，说得出每一层新增了什么
- 用输入功率与效率估出各类器件的产热量级，并排出主次，不查手册也能给出数量级
- 说清「铭牌功率」「实测功率」「设计裕量」三者的差别，以及各自该用在哪一步
- 识别负载的时间特征：训练、推理、混合负载在功率曲线上的形状差别，以及它们对冷却系统的不同要求
内容大纲
- 四层加起来：从芯片到机房
- 芯片级：加速卡与处理器是主热源，产热近似等于其输入功率——计算做功可忽略
- 板卡级：除主芯片外还有内存、供电模块、网络与光模块，它们的产热合计不可忽略，且大多不贴冷板
- 机柜级：板卡之和加上柜内供电与风扇自身耗功
- 机房级：机柜之和加上供配电损耗与冷却系统自身耗功——这就是能效指标分母与分子的来源
- 每上一层都会新增一类此前不在账上的热源，漏掉哪一层，冷量就会配不够
- 三个功率数字，不要混用
- 铭牌功率：设备标称的最大值，用于电气容量与最坏工况校核
- 实测功率：在给定负载下测到的值，用于能效核算与运行策略
- 设计取值：在实测基础上加裕量，用于冷却系统选型；裕量取多少属于项目决策
- 把铭牌当设计值会把冷量做大一号，把实测当设计值又会在负载抬升时不够——两种错各有代价
- 负载的时间形状
- 训练类负载长时间接近满载，功率曲线平坦，冷却系统按稳态设计即可
- 推理类负载随请求波动，功率曲线起伏，需要考虑冷量的跟随能力
- 混合负载与故障切换会带来快速的功率跃变，那是冷却侧真正的瞬态来源
- 与整车不同：机房的主要瞬态来自负载与故障，不是启停
- 机柜功率密度：路线分叉的那把尺
- 行业普遍把每柜 30 千瓦当作液冷成为必选的门槛，标杆机型单柜已达约 120 千瓦
- 这两个数是行业典型与标杆值，不是任何一个机房的验收依据，你的项目须按实际设备清单核算
- 密度决定的不只是冷量，还有配电、承重、机柜深度与运维通道
- 密度上去之后，风冷的失效不是效率变差，而是所需风量与噪声、风机功耗一起失控
关键公式
Q_gen = P · (1 − η)
部件产热的第一把尺；对计算芯片而言效率项接近零，产热近似等于输入功率
Q_房 = Σ Q_柜 + P_配电损耗 + P_冷却自耗
机房级热账；后两项正是能效指标里 IT 之外的那部分
关键概念
四层热账铭牌功率与实测功率设计裕量机柜功率密度负载时间形状供配电损耗冷却自耗不贴冷板的那部分热源
推荐工具与标准
Excel 或 Python（四层热账表） 设备铭牌与功耗实测数据（须自备） 本站交互原理图（画机柜级回路）
数据中心设计规范（机房总体与电气容量要求的来源；版本与条款按现行版本确认，本课只写去向） 数据中心能效相关标准（能效指标分子分母边界的来源；该体系正在修订，引用前须核现行状态） 以上文件的编号、现行版本与条款内容一律按现行有效版逐条核对；本大纲未填入任何条款级判定表与限值
工程案例
（教学构造案例，不对应任何真实机房）给定：某团队按加速卡铭牌功率乘卡数算出机柜热负荷，据此配了冷量。判据：机柜实际产热还要加上内存、供电模块、光模块与柜内风扇，而这些在铭牌里不体现。结论：实际运行时冷量不足，且缺口恰好落在不贴冷板的那部分器件上，液冷侧看起来还有余量，风冷侧却先撑不住。做错的代价：机柜要降载运行，或者临时加装风侧末端，两条都比设计阶段多花一笔。根子在于只数了主芯片这一层。
动手做
交付物 · 取一份你手上的设备清单：① 按芯片、板卡、机柜、机房四层各列一张热源表，每层标出新增了哪些此前不在账上的热源；② 对同一台设备分别用铭牌功率与实测功率算一遍，比较两个结果的差距，并说明各自该用在哪一步；③ 画出该负载一天的功率曲线（可用估计），标出最大跃变段，说明它对冷却系统提出了什么要求。
常见误区
- 只数主芯片：内存、供电、光模块、柜内风扇的产热合计不小，且大多不贴冷板，漏掉会让风冷侧欠配
- 拿铭牌功率当设计值：会把冷量做大一号，白付投资与运行电费
- 只按稳态设计：训练类负载确实平坦，但推理与故障切换会带来快速跃变，冷量跟随不上会触发降频
- 把行业典型密度当自己的设计输入：每柜 30 千瓦与约 120 千瓦都是典型与标杆值，你的项目必须按实际设备清单核算
相关课题