R1-02 芯片到机柜的功耗谱与热源特征

课程代码 R1-02 · 板块 R 算力中心与液冷 / R1 负载、迁移与热环境 时长 约 3.0~3.5 小时（6 讲） 适合对象 要给一个算力机房估热负荷的系统与仿真岗（主修）；需要判断「这批设备该配多少冷量」的项目岗与预研岗（主修）；采购与售前（选修，读第 4、6 讲即可）。⛔ 本课假定你已经读过 R1-01，知道机柜、CDU、一次侧/二次侧大致是什么关系。 前置 R1-01 从整车热管理迁移到机柜热管理：什么变了、什么没变；A1-01 一维/多维、稳态与瞬态导热的工程建模 一维/多维、稳态与瞬态导热的工程建模。⚠ 体系外前置需自备：对服务器构成（处理器、加速卡、内存、电源模块、网卡与光模块）的基本认识。 本讲义定位 讲师授课蓝本 / 学员自学讲义。本课是估算课，不是选型课——它教你把一个机房的热量从芯片一层层加到机房，并说清每个数字该用在哪一步；⛔ 它不给任何可以直接抄进项目的功耗值。

---

按任务导航

你手上的事	直接看	还要配
要在两小时内给一个机房估出总热负荷	第 1 讲：四层热账的记账规则	第 6 讲 6.6：一张空白热账表的填法
客户只给了加速卡型号和数量，你要估机柜热量	第 2 讲：芯片级与板卡级逐个点名	第 3 讲 3.2：柜内自耗那两项
冷量配好了，运行起来风侧先撑不住	第 2 讲 2.5：不贴冷板的那部分	〈典型案例详解〉
电气给了一个数、运维给了另一个数，你不知道用哪个	第 4 讲：三个功率数字各管什么	第 4 讲 4.5：裕量该由谁定
有人问「设计裕量取多少」，你要给出依据而不是一个数	第 4 讲 4.5~4.6	〈常见误区〉误区二、误区三
方案按稳态做完了，上线后频繁触发降频	第 5 讲：负载的时间形状	第 5 讲 5.5：真正的瞬态来自哪里
要判断「这个密度到底该不该上液冷」	第 6 讲：功率密度那把尺	R1-04（风冷物理上限的定量推导）
要向能效指标口径对齐，分子分母老是对不上	第 3 讲 3.4~3.5	R6-03（能效指标体系本体）

⛔ 本课不覆盖 · 栏一（每样带去向）：风冷密度上限的定量推导与撞墙判据 → R1-04《风冷的物理上限：什么时候必须换液冷》；混合系统里剩余风冷那一部分怎么设计（含分账表与覆盖清单的完整做法）→ R3-03；冷板本体与流道设计 → R3-01；CDU 形态与选型 → R5-01；PUE / WUE / ERF / REF 的口径细节与监管要求 → R6-03；标杆厂商机柜级参考架构的解构 → R9-01；一维/瞬态建模方法本体 → A1-01 一维/多维、稳态与瞬态导热的工程建模。

⛔ 本课不覆盖 · 栏二（真正不给的数）：① 任何标准的条款内容、等级取值与限值——本课提到的数据中心设计规范与数据中心能效相关标准只写「它管什么、在哪一步卡你」，⛔ 未逐条核过原文，版次一律以现行有效目录为准、引用前须自行核原文；② 供配电损耗与冷却自耗各占多少——它随架构、气候区与负载率变化很大，给一个数会误导，本课只给结构与自己算的路；③ 柜内风扇耗功占机柜功率的比例——⚠ 这一项本课明确不给典型值，理由与拿到它的路写在 3.3，⛔ 别把它当成「本课忘了写」。

⚠ 栏二之外的平台相关量（单柜 IT 功率、液侧份额、单条内存与单个光模块的功耗量级、服务器电源转换效率、功率密度门槛）本课照给典型区间与常见值锚点，逐条标「⚠ 典型值、⛔ 不是验收依据，须实测确认」并写明拿到它的路。汇总表在 6.7。

---

引言：账做错的地方，几乎总是同一处

你大概率会在某个下午接到这样一个请求：「这边要上 20 个柜，每柜 8 张卡，卡是 1 千瓦的，你帮忙看一下冷量配多少。」

这句话里已经包含了一次乘法：20 × 8 × 1 千瓦 ＝ 160 千瓦。这个数看起来完全合理，它甚至用了正确的物理——加速卡的电几乎全变成热，这一点没错。

但它是错的，而且错得有规律：它只数了主芯片这一层。

内存要耗电，供电模块转换有损耗，网卡和光模块在发光，柜内风扇在转，机柜后面的供配电设备在发热，冷却系统自己的泵和风机也在发热。这些没有一样出现在「卡是 1 千瓦的」这句话里，而它们加起来不是零头。

更要命的是缺口落在哪儿。上了冷板液冷之后，主芯片那部分热被液体带走了，而刚才漏掉的那些器件大多不贴冷板——它们的热只能靠空气。于是你会看到一个非常反直觉的现象：液冷侧看起来还有余量，风冷侧却先撑不住。方案上写着「已上液冷」，机柜却在报高温告警。

本课要做的事只有一件：把这本账拆成四层，逐层说清楚每一层新增了什么。四层是芯片、板卡、机柜、机房。你会发现每上一层，账上都会多出一类此前根本不在视野里的热源，而漏掉哪一层，冷量就会在哪一层配不够。

第二件事是关于数字本身的。同一台设备，你会拿到至少三个功率数：铭牌功率、实测功率、设计取值。它们不是「哪个更准」的关系，而是各管一段。把铭牌当设计值，冷量会做大一号，白付投资与电费；把实测当设计值，负载一抬升就不够。这两种错各有代价，而且都不会当场暴露。

第三件事是时间。整车热管理里你习惯了瞬态来自启停、pull-down、快充；机房不是这样。机房的设备是长期连续运行的，它的瞬态来自负载本身的波动与故障切换。训练类负载平坦得像一条直线，推理类负载起伏，两者对冷却系统提出的要求完全不同。

学完这一课，你应该能做到：给你一份设备清单，你能在两小时内交出一张四层热账表，说得出每一层新增了什么、哪些数是自己实测的、哪些是估的、裕量加在哪一步、以及这个负载的时间形状对冷却系统意味着什么。

---

第 1 讲　四层热账：记账规则先于记账

1.1 为什么必须分层，而不是直接加总

直接加总不是不行，是不可复核。

一个 160 千瓦的数字摆在评审会上，没有人能判断它对不对——因为它没有结构。而一张分四层的表摆上去，评审可以逐层问：芯片这层数了几颗？板卡这层有没有算内存？机柜这层柜内风扇算了吗？机房这层供配电损耗按什么口径？每一层都是一个可以被单独质疑、也可以被单独修正的对象。

这和整车热平衡的做法是一样的：你不会直接报一个「整车散热量」，你会报电机多少、电控多少、电池多少、附件多少。分层的价值不在算得更准，在让错误有地方暴露。

1.2 记账规则一：吃进去的电，几乎全部变成热

这是整个热账的地基，而它在算力中心里比在整车上还要干净。

对任何一个电子器件，能量守恒给出：

$$Q_{gen} = P \cdot (1 - \eta)$$

其中 P 是输入的电功率，η 是有用功输出占输入的比例，Q_gen 是产热。

在整车上这个式子很有用，因为 η 常常不可忽略——电机把电变成了轴功率，那部分能量真的离开了热账；水泵把电变成了流体的压力能。但计算芯片不一样：它的输出是信息，不是机械功、不是光、也不是电磁辐射（可忽略）。

⇒ 对处理器和加速卡，η ≈ 0，于是：

$$Q_{chip} \approx P_{chip}$$

一颗芯片吃进去多少电，就发出多少热。这是本课最省事的一条规则，也是唯一一条你可以在会上直接口算的规则。

⚠ 这条规则的适用边界：它对「把电全部消耗在自己内部」的器件成立——芯片、内存、电源模块的损耗部分、光模块的电学部分。它对把能量搬到别处的器件不成立：风扇把电变成了空气的动能与压升，那部分能量最终也变成热，但它变热的地点在气流里而不在风扇里；泵同理。这个区别在算总量时无所谓（能量最终都留在系统里），在算局部温升时很要紧。

1.3 记账规则二：先声明边界，再报数

任何一个热量数字，报出来之前必须先说清三件事：

1. 空间边界——这个数覆盖到哪一层？一颗芯片、一块板卡、一台机柜，还是一个机房？
2. 工况——在什么负载率下？满载、典型负载，还是某个具体的作业？
3. 口径——用的是铭牌、实测还是设计取值？（第 4 讲专门讲这个）

三件里少一件，这个数就不可复核，因此也不可横比。

⚠ 这不是形式主义。R1-01 里那条「不同口径下的能效指标不可横比」，根子就在这里——同一个机房，边界取到变压器前和取到变压器后，数字不一样；而两个数字都叫「机房总能耗」。

1.4 记账规则三：一层只记本层新增

这条规则是防重复计数的。

做四层账最容易犯的第二个错（第一个是漏项）是重复计数：在板卡级把电源模块的输入功率算了一遍，到机柜级又把柜内配电的输出功率算了一遍——而这两个数里有一大块是同一份能量。

⇒ 规则：每一层只登记「这一层比下一层多出来的东西」，逐层做加法。图1 里每一级矩形右侧那一栏，就是这个意思。

一个自查动作：把四层的「本层新增」全部加起来，应当等于机房从市电吃进去的总功率。如果加出来比市电读数大，你重复计数了；如果小，你漏项了。⛔ 这个自查只在稳态、且没有储能充放的时段成立。

1.5 本课的符号约定与跨课口径

本课要定义四个层级量，其中两个与本板块已有课程共用，⛔ 必须先钉住口径再往下走。

符号	名称	覆盖范围	本课首定还是引用
Q_chip	芯片级产热	单颗处理器或加速卡自身	本课首定
Q_board	板卡级产热	一块主板/一台服务器整机内的全部器件	本课首定
Q_柜	机柜级产热	柜内全部服务器 ＋ 柜内供电与配电损耗 ＋ 柜内风扇耗功	本课首定记号，口径整级复用，见下
Q_房	机房级产热	全部机柜 ＋ 供配电损耗 ＋ 冷却系统自耗	本课首定

⚠ 跨课口径提醒（重要，⛔ 别跳过）。机柜这一层，本课程体系里此前已经有两个量在用，它们的边界不一样：

• Q_总（属主：R3-03 混合系统课）——机柜热账总量，含柜内风扇与柜内配电损耗。⇒ 本课的 Q_柜 与它是同一个量、同一个口径；本课换用 Q_柜 这个记号，唯一的原因是本课有四个层级要区分，而 R3-03 只看一台机柜、不需要层级下标。⇒ 两课之间可以直接互代。
• P_rack（属主：R9-01 / R9-02 / R9-04 标杆架构解构专题）——单机柜 IT 功率，⛔ 不含分配单元、机房空调与机房风机的耗功。它是「IT 那一层」的功率，服务的是把厂商参考架构翻译成机房侧设计输入这件事。

⇒ 三者的关系：Q_柜 ＝ Q_总 ＞ P_rack。差在柜内自耗那一栏（第 3 讲 3.2、3.3 讲的两项）。

⛔ 不许互代。这两个口径都不是错的，它们各自回答一个不同的问题：P_rack 回答「这台柜的算力设备要多少电」，Q_柜 回答「这台柜里每一瓦热都得有人带走，一共多少瓦」。把 P_rack 直接填进本课的热账表，柜内自耗那一栏就会静静地变成零——而那正是风侧欠配的主要来源之一。

⚠ 同一个陷阱在份额类的量上更隐蔽：R3-03 的液侧份额 β ＝ Q_液侧 / Q_总 与 R9-01 的 η_liq ＝ 冷板带走热量 / P_rack，两者都无量纲、都叫「液冷带走的份额」、公开区间也都落在六成到八成，而分母不同 ⇒ 同一台机柜算出来 β 会略低于 η_liq。跨课引用任何一个比值时，必须把分母口径一起带上。

1.6 这一讲你要带走的

• 四层：芯片 → 板卡 → 机柜 → 机房，逐层加，每层只记本层新增。
• 主芯片产热 ≈ 输入功率，因为它的有用输出是信息，不带走能量。
• 报任何一个热量数，先声明空间边界、工况、口径三件。
• 机柜这一层有两个通行口径，差在柜内自耗：Q_柜（本课，含柜内自耗）与 P_rack（IT 功率，不含）。⛔ 不许互代。