AI算力需求增长对液冷产业链的带动作用分析报告

一、引言

随着生成式AI（如ChatGPT、GPT-4）、大模型训练、智能驾驶等高性能计算应用的爆发，全球AI算力需求呈现指数级增长。据OpenAI数据，训练GPT-3所需算力约为3.14×10²³ FLOPs，是2012年ImageNet竞赛算力的100万倍；而GPT-4的算力需求更是达到GPT-3的10倍以上。算力的提升直接推动服务器功耗激增——英伟达H100 GPU功耗高达700W，AMD MI300X GPU功耗亦超过600W，传统风冷散热（散热效率约为0.02W/cm·K）已无法满足高密度算力部署的需求。液冷技术（散热效率约为0.6-1.0W/cm·K）因具备更高的散热效率、更低的能耗（PUE，数据中心能耗效率）及更强的算力密度支持能力，成为AI时代数据中心的核心散热解决方案。

本文从需求驱动逻辑、产业链环节带动作用、技术趋势、竞争格局等维度，系统分析AI算力增长对液冷产业链的带动效应。

二、AI算力增长驱动液冷需求的核心逻辑

1. 算力密度提升倒逼散热技术升级

AI算力的核心载体是GPU/TPU等加速芯片，其算力与功耗呈正相关（如H100 GPU的算力为8 petaFLOPs，功耗700W；而2020年的A100 GPU算力为312 TFLOPs，功耗400W）。为提升算力密度，服务器厂商需在有限空间内集成更多芯片（如英伟达DGX H100服务器搭载8颗H100 GPU，功耗超过5kW），传统风冷（每机柜功率密度约5-10kW）无法有效散热，可能导致芯片降频、性能下降甚至损坏。液冷技术（尤其是浸没式液冷）可支持每机柜20-30kW的功率密度，完美匹配AI算力的高密度部署需求。

2. 液冷的能耗优势显著，降低数据中心运营成本

数据中心的主要成本为电费（占比约40%），而散热系统能耗占数据中心总能耗的30%-40%。液冷数据中心的PUE（Power Usage Effectiveness，即数据中心总能耗与IT设备能耗的比值）可降至1.1以下（如阿里张北液冷数据中心PUE为1.09），远低于风冷数据中心的1.3-1.5。以一个10MW的AI数据中心为例，液冷每年可节省电费约1500-2000万元（按0.5元/度计算），其初始投资（比风冷高20%-30%）可在2-3年内通过电费节省回收。

3. 政策与技术标准推动液冷普及

全球多国推出“双碳”目标（如中国“2030碳达峰、2060碳中和”），数据中心作为高能耗行业（占全球电力消耗的2%-3%），需通过液冷等节能技术降低碳排放。此外，行业标准（如ISO/IEC 21941《液冷服务器技术规范》）的出台，规范了液冷设备的设计、制造与测试，降低了客户的采用门槛。

二、液冷产业链各环节的带动作用

液冷产业链分为**上游（材料与组件）、中游（液冷设备与系统）、下游（算力与数据中心）**三大环节，AI算力增长对各环节的带动作用依次传导。

1. 上游：材料与组件需求爆发

上游是液冷产业链的基础，主要包括冷却液、散热组件（如散热片、泵阀）、电子元件（如温度传感器）。

• 冷却液：是液冷系统的核心介质，分为水基（如纯水、乙二醇溶液）、油基（如矿物油、合成油）、氟化液（如3M Novec）三类。其中，氟化液因绝缘、不导电、散热效率高（热传导系数约0.012 W/m·K），成为浸没式液冷的首选。AI算力增长推动冷却液需求激增——据IDC预测，2027年全球液冷冷却液市场规模将达到32亿美元，复合增长率（CAGR）为28%。国内厂商如长城科技（000066.SZ）（纯水冷却剂）、中科润达（氟化液）已占据一定市场份额。
• 散热组件：包括泵阀（用于循环冷却液）、散热片（用于增强热交换）、管道（用于传输冷却液）。液冷服务器的泵阀需求是风冷的3-5倍（因需持续循环冷却液），而散热片的面积与厚度也需增加以匹配更高的算力密度。国内厂商如东方泵业（603389.SH）（泵阀）、超频三（300647.SZ）（散热片）受益明显。

2. 中游：液冷设备与系统成为核心增长点

中游是液冷产业链的核心，主要包括液冷服务器、液冷机柜、冷却系统（如冷水机组、冷却塔）。

• 液冷服务器：是AI算力的载体，其市场规模随AI需求增长快速扩张。据Gartner数据，2023年全球液冷服务器市场规模为112亿美元，2027年将达到340亿美元，CAGR为32%。国内厂商如英维克（002837.SZ）（液冷服务器及散热系统）、华为（昇腾芯片液冷服务器）、联想（ThinkSystem SR670 V2液冷服务器）均推出了AI优化的液冷服务器。例如，英维克的液冷服务器采用“冷板式+浸没式”混合设计，支持8颗H100 GPU，算力密度达到20kW/机柜。
• 液冷机柜：集成了服务器、冷却系统、电源等组件，是高密度算力部署的关键。**佳力图（603912.SH）**的“液冷智能机柜”采用一体化设计，支持16颗GPU，PUE降至1.1以下，已应用于腾讯、阿里的AI数据中心。
• 冷却系统：包括冷水机组、冷却塔、泵组等，用于为液冷服务器提供低温冷却液。**高澜股份（300499.SZ）**的“纯水冷却系统”采用智能控制算法，可根据GPU负载调整冷却液流量，提高散热效率30%以上，已成为英伟达、AMD等厂商的核心供应商。

3. 下游：算力与数据中心的液冷改造需求

下游是液冷产业链的需求端，主要包括AI算力厂商（如英伟达、阿里、腾讯）、数据中心运营商（如三大运营商、万国数据）。

• AI算力厂商：英伟达的DGX SuperPOD（基于H100 GPU的液冷集群）是AI训练的标杆产品，其算力达到1 exaFLOPs（每秒10¹⁸次浮点运算），需通过浸没式液冷维持芯片温度在80℃以下。国内厂商如百度（文心一言大模型液冷数据中心）、字节跳动（抖音AI推荐算法液冷集群）均在大规模部署液冷服务器。
• 数据中心运营商：传统数据中心需改造为液冷以支持AI算力。例如，中国移动（2023年启动“液冷数据中心改造计划”）、联通（“算力网络液冷试点项目”）均计划将10%以上的传统数据中心改造为液冷，以满足AI客户的需求。

三、技术趋势：从“被动散热”到“智能液冷”

AI算力增长推动液冷技术向更高效率、更智能、更集成方向发展：

• 浸没式液冷渗透率提升：浸没式液冷（将服务器完全浸入冷却液中）的散热效率是冷板式的2-3倍（冷板式仅冷却芯片表面，而浸没式冷却整个服务器），适合更高密度的GPU部署。据IDC预测，2027年浸没式液冷的渗透率将从2023年的15%提升至40%。
• 智能液冷系统：采用AI算法优化冷却液的流量、温度、压力，实现“按需散热”。例如，英维克的“AI智能液冷系统”通过收集GPU的温度、负载数据，用深度学习模型预测散热需求，调整泵阀转速，降低能耗15%以上。
• 液冷与算力的融合：液冷服务器的设计与GPU/TPU的架构深度融合，例如英伟达的H100 GPU采用“ Chip-on-Wafer-on-Substrate（CoWoS）”封装，配合浸没式液冷可支持更高的频率（如2.5GHz以上），提升性能20%以上。

四、竞争格局：国内厂商加速崛起

液冷产业链的竞争格局呈现“全球巨头与国内厂商共存”的特点：

• 上游冷却液：全球巨头如3M（氟化液）、陶氏化学（合成油）占据高端市场，国内厂商如长城科技（纯水冷却剂）、中科润达（氟化液）通过成本优势抢占中低端市场。
• 中游液冷设备：国内厂商如英维克（液冷服务器及散热系统）、佳力图（液冷机柜）、高澜股份（纯水冷却系统）已进入全球第一梯队，其产品性能（如PUE、算力密度）与国际巨头（如戴尔、惠普）相当，而价格低20%-30%。
• 下游算力：英伟达（H100 GPU）占据AI算力的主导地位（市场份额约80%），国内厂商如华为（昇腾910B GPU）、阿里（平头哥玄铁910 GPU）正在追赶，其液冷服务器的性能已接近国际水平。

五、风险因素

• 初始成本较高：液冷服务器的价格比风冷高20%-30%，部分中小数据中心可能因资金限制推迟采用。
• 维护难度较大：液冷系统的维护需要专业人员（如冷却液的更换、泄漏检测），而国内具备液冷维护能力的人员不足。
• 技术标准不完善：虽然已有部分行业标准，但针对浸没式液冷、智能液冷的标准仍在制定中，可能导致产品兼容性问题。

六、结论

AI算力需求增长是液冷产业链的核心驱动力，其带动作用从上游材料、中游设备到下游算力依次传导。随着算力密度的提升（如GPU功耗从400W增至700W以上），液冷的渗透率将从2023年的10%提升至2027年的35%（据IDC预测），产业链各环节均将受益。

投资建议：重点关注中游液冷设备厂商（如英维克、佳力图、高澜股份），其产品直接受益于AI算力增长；上游冷却液厂商（如长城科技、中科润达）也将迎来需求爆发；下游算力厂商（如英伟达、华为）的液冷服务器销量增长将带动整个产业链的升级。

总之，液冷产业链是AI时代的“基础设施”，其增长潜力巨大，值得长期关注。