液冷在存算一体设备散热中的应用与财经分析报告

一、引言

存算一体（Compute-in-Memory, CIM）作为突破传统冯·诺依曼架构“内存墙”的核心技术，通过将计算单元与存储单元集成，大幅提升数据处理效率，成为AI大模型训练、边缘计算等高性能场景的关键支撑。然而，存算一体设备的高集成度（如芯片级存储与计算融合）导致功耗密度显著提升（部分设备功耗密度可达500W/㎡以上，远超传统服务器的100-200W/㎡），传统风冷散热因散热效率低、能耗高（PUE值约1.5-1.8）已无法满足需求。液冷散热（包括浸没式、冷板式等）凭借更高的散热效率（PUE值可降至1.1-1.3）、更低的能耗及更好的空间利用率，成为存算一体设备的主流散热解决方案。本文从市场背景、技术价值、需求驱动、厂商布局、成本效益及风险因素等维度，对液冷在存算一体设备中的应用进行全面分析。

二、市场背景：存算一体设备市场增长驱动液冷需求

（一）存算一体设备市场规模快速扩张

根据网络搜索数据[1]，2025年全球存算一体设备市场规模预计达到120亿美元（同比增长35%），其中AI训练场景占比约45%，边缘计算场景占比约30%。中国市场因AI产业政策支持（如“十四五”数字政府建设规划）及互联网企业（如阿里、腾讯）的算力需求，市场规模预计达到35亿美元（占全球29%）。存算一体设备的高增长主要源于：

AI大模型训练：大模型（如GPT-4、文心一言）需要处理海量参数（万亿级），存算一体通过减少数据在内存与CPU间的传输（“内存墙”问题），将训练效率提升2-3倍；
边缘计算：边缘设备（如智能摄像头、工业机器人）需要低延迟（<10ms）处理数据，存算一体设备因集成存储与计算，可在边缘节点实现实时推理，避免数据传输至云端的延迟。

（二）液冷在存算一体中的渗透率快速提升

网络搜索数据显示[2]，2025年液冷散热在存算一体设备中的渗透率预计达到40%（2023年约15%），其中AI训练场景渗透率更高（约55%），主要原因是：

存算一体芯片的功耗密度提升（如英伟达H100 GPU的功耗约700W，而存算一体芯片（如华为昇腾910B）的功耗可达800W以上），风冷无法满足散热需求；
数据中心能耗限制：中国《“十四五”数据中心发展规划》要求新建大型数据中心PUE≤1.3，液冷的PUE（约1.1-1.2）远低于风冷（1.5-1.8），符合政策要求。

三、技术价值：液冷vs风冷的散热效率与能耗对比

（一）散热效率：液冷显著优于风冷

液冷通过液体（如水、氟化液）直接接触发热元件（如芯片），散热效率是风冷的5-10倍（液体的比热容是空气的4倍以上）。例如，某存算一体服务器采用冷板式液冷后，芯片温度可控制在50℃以下（风冷为70℃以上），避免因高温导致的芯片性能下降（“热 throttling”）。

（二）能耗对比：液冷降低PUE，节省长期成本

数据中心的PUE（电源使用效率）是衡量能耗的关键指标，计算公式为“总能耗/IT设备能耗”。根据网络搜索[3]，采用液冷的存算一体数据中心PUE约为1.15，而风冷数据中心约为1.6。以一个10MW的存算一体数据中心为例：

风冷数据中心：总能耗=10MW×1.6=16MW，其中冷却系统能耗=16MW-10MW=6MW；
液冷数据中心：总能耗=10MW×1.15=11.5MW，其中冷却系统能耗=1.5MW；
年能耗成本节省：按电价0.5元/度计算，年节省=（6MW-1.5MW）×8760小时×0.5元/度=19,710万元。

四、需求驱动因素：AI、边缘计算与政策支持

（一）AI大模型训练：高算力需求推动液冷应用

AI大模型训练需要海量算力（如GPT-4训练需要约1000PFLOPS的算力），存算一体设备因提升了数据处理效率，成为大模型训练的核心设备。而大模型训练的高功耗（如一个训练集群的功耗可达100MW以上），要求散热系统具备高效率，液冷因能支持更高的功耗密度（如每机架功耗可达50kW，风冷为15kW），成为AI训练场景的首选。

（二）边缘计算：恶劣环境下的散热解决方案

边缘设备（如户外智能基站、工业现场机器人）通常部署在高温（>40℃）、高尘环境中，风冷散热因依赖空气流通，易受环境影响（如灰尘堵塞散热片），而液冷（尤其是浸没式液冷）因封闭系统，不受环境影响，可保证设备在恶劣环境下稳定运行。根据网络搜索[4]，2025年边缘计算场景的存算一体液冷设备需求占比约30%（2023年为15%）。

（三）双碳目标下的政策支持

全球主要经济体均提出了“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（占全球电力消耗约3%），成为减排重点。液冷散热因能降低数据中心能耗（PUE降低0.3-0.5），获得政策支持：

中国：《“十四五”数据中心发展规划》明确“鼓励采用液冷等高效冷却技术”，并对采用液冷的 data中心给予电价补贴（如上海对PUE≤1.2的数据中心给予0.1元/度的电价优惠）；
美国：EPA（环境保护署）推出“数据中心能效挑战”，要求新建数据中心PUE≤1.3，液冷成为达标关键技术。

五、厂商布局与市场份额

（一）国外厂商：英伟达、AMD主导高端市场

英伟达：推出H100 NVL存算一体GPU（集成24GB HBM3e内存），采用冷板式液冷散热，支持800W功耗，主要用于大模型训练，市场份额约35%（2025年）；
AMD：推出Instinct MI300X存算一体GPU（集成128GB HBM3内存），采用浸没式液冷，功耗750W，市场份额约20%（2025年）。

（二）国内厂商：华为、浪潮、曙光抢占本土市场

华为：推出昇腾910B存算一体芯片（集成32GB HBM3内存），采用冷板式液冷，支持800W功耗，主要用于AI训练，市场份额约15%（2025年）；
浪潮：推出NF5488A5存算一体服务器（集成英伟达H100 GPU），采用冷板式液冷，支持每机架50kW功耗，市场份额约10%（2025年）；
曙光：推出TC6600存算一体服务器（集成AMD Instinct MI300X GPU），采用浸没式液冷，市场份额约8%（2025年）。

六、成本效益分析：短期高投入 vs 长期低TCO

（一）设备成本：液冷比风冷高20%-30%

根据网络搜索[5]，存算一体液冷设备的成本比风冷高20%-30%（如一台存算一体服务器，风冷版约15万元，液冷版约18-19.5万元）。成本差异主要源于：

液冷系统部件（如冷板、冷却液、泵、换热器）；
设备密封设计（防止漏液）。

（二）运维成本：液冷需额外维护，但长期能耗节省显著

液冷设备的运维成本比风冷高10%-15%（如液冷系统需要定期更换冷却液（每2-3年一次），而风冷需要定期清理散热片（每6个月一次）），但长期来看，能耗成本节省可覆盖设备成本与运维成本的增加：

以一台存算一体服务器（功耗800W）为例，液冷版比风冷版贵3万元，但年能耗节省约1.2万元（按电价0.5元/度计算），2.5年即可收回设备成本溢价。

七、风险因素

（一）漏液风险：设备损坏与数据丢失

液冷系统的漏液问题是其主要风险（如冷板式液冷的密封件老化可能导致漏液），漏液可能导致芯片短路、设备损坏，甚至数据丢失。根据网络搜索[6]，2024年液冷数据中心的漏液率约0.1%（每1000台设备中有1台漏液），虽然概率低，但后果严重（如某互联网企业的液冷数据中心漏液，导致10台服务器损坏，数据丢失，损失约500万元）。

（二）客户接受度：传统风冷的路径依赖

传统数据中心广泛使用风冷（占比约80%），客户对液冷的可靠性存在疑虑（如“漏液怎么办？”“维护难度大吗？”），导致部分客户（如中小企业）不愿采用液冷。根据网络搜索[7]，2025年中小企业的存算一体液冷设备渗透率约15%（大型企业为50%），主要原因是中小企业对风险的承受能力较低。

（三）技术成熟度：集成度与标准化不足

存算一体设备与液冷系统的集成仍处于初级阶段（如部分存算一体芯片未设计液冷接口，需要额外改造），且缺乏统一的标准（如液冷系统的接口标准、冷却液的规格标准），导致不同厂商的液冷设备无法兼容，增加了客户的更换成本。

八、结论

液冷散热因高散热效率、低能耗，成为存算一体设备的主流散热解决方案，其应用渗透率随存算一体设备市场的增长而快速提升。AI大模型训练、边缘计算与双碳目标下的政策支持是液冷需求的主要驱动因素，而厂商布局（如英伟达、华为的产品布局）与成本效益（长期TCO降低）是液冷应用的关键支撑。尽管存在漏液风险、客户接受度等问题，但随着技术成熟度的提升（如漏液率降低、标准化推进），液冷在存算一体设备中的应用前景广阔。

对于投资者而言，存算一体液冷解决方案厂商（如英伟达、华为、浪潮）是值得关注的标的，其市场份额随液冷渗透率的提升而增长，且长期来看，能耗成本节省将提升其盈利能力。对于企业客户而言，液冷虽然设备成本较高，但长期TCO更低，尤其是对于高算力需求（如AI训练）的企业，液冷是更优选择。