........................... 7 1.3 整机柜服务器技术特性与产业政策趋势的契合 ..................................................................................... 10 1.4 整机柜服务器起源及技术演进 ................................ ............ 11 1.4.1 整机柜服务器发展简史 ..................................................................................................................... 11 1.4.2 整机柜服务器典型技术路线 ..................... ...................... 18 1.5 液冷及 AI 的发展进一步推动整机柜服务器产业进程 ........................................................................... 21 2 整机柜服务器产业需求及技术分析 .........................................

智算中心液冷整机柜服务器 开放架构多样化算力兼容研究报告 全球计算联盟 开放液冷专业委员会 1 编写单位 河南昆仑技术有限公司 中移动信息技术有限公司 、绿色、 智能的未来计算环境贡献智慧和力量。 全球计算联盟 开放液冷专业委员会 2025 年 4 月 3 目 录 智算中心液冷整机柜服务器 .................................................................................................. ................................................................................. 24 第四章 智算液冷整机柜服务器 ..................................................................................................

边缘云平台部署虽然采用了 Ansible 的一系列集成脚本，但仍需人 工做好服务器的基础配置，并根据网络规划修改对应的脚本参数。该方式将导 致频繁查找，易出错，效率低。针对此类问题，提出了基于 Paramiko 和 Redfish 等自动化运维库，通过编写 Python 程序读取规划的相关网络 IP 地址、VLAN 以 及服务器命名等信息，以自动化的方式执行 MEC 边缘云平台的部署工作。通 过 J］. 邮电设计技术，2025（4）：44-47. 44 邮电设计技术/2025/04 …… 服务器1 Spine FW 访问边缘云平台 边缘云平台 传输设备 传输设备 BBU RHUB pRRU 5G终端应用 AAU FW Spine BBU 运营商5G 服务器n UPF-1 UPF-2 入驻式MEC 企业园区 英文缩写说明： BBU——基带单元 RHUB——集线器单元 节点通常部署 6~8 台服务器于运营商核心 局房和汇聚机房，现场级 MEC 节点通常部署 3 台服务 器于客户企业园区。服务器用于承载 MEC 平台及算 力底座，提供虚拟机及容器资源用于客户业务部署。 目前，无论是布局类 MEC 节点还是现场级 MEC 节点，MEC 边缘云平台部署主要采用远程部署方式。 在具体实施过程中，实施人员对服务器及数通设备进 行上架上电，完成服务器基础配置及操作系统安装，

.....................................20 图 12 冷板式液冷服务器领域.......................................................................... 22 图 13 浸没式液冷服务器领域.................................................. 时，可通过部署液冷系统解决服务器高密部署的散热难题，以实现算 力规模扩展与初期投资的高效平衡。施耐德电气曾对采用不同散热技 术的高功率密度部署场景进行了比较分析，结果显示，在假设算力规 模相同时，对于单个机架功率为 20kW 的场景，使用液冷技术可以比 传统的风冷方案节省大约 10%的投资成本；而当单个机架功率增加到 40kW 时，这一比例上升到了 14%。 液冷技术可解决 AI 服务器高功率密度下的散热难题。智算中心 服务器高功率密度下的散热难题。智算中心 部署的 AI 服务器通常由内部搭载的 GPU（Graphics Processing Unit， 图形处理器）等各类计算芯片承担计算任务。在芯片设计层面的不断 优化和异构技术的加持下，虽然芯片制程逐渐逼近硅基材料的晶格结 构和物理特性极限，但单个芯片的功耗仍然增加迅速。根据实验数据， 当芯片功率超过 300W 时，传统风冷系统散热能力便已失效，芯片热 失控风险急剧

云平台需要支持根据业务应用的不同特点分配不同的计算资源，包括采用合理的物理服务 器。能根据业务应用的特点对服务器或存储进行配置满足应用对计算和存储的需要（CPU、内 存、网络I/O、存储I/O）。计算平台需要和管理平台联动实现对虚拟计算资源的部署和分配， 以提升新业务上线速度、提高服务器资源利用率、提高业务系统计算资源横向扩展能力、提高 第 5 页 共 157 页 业务系统可靠性。 （一） 止、删除、快照、备份、恢复等。 稳定性：支持云服务器迁移、系统性能报警。 安全性：支持网络访问控制策略、弹性IP绑定。 自由弹性：5分钟内升/降级CPU和内存。 多种部署架构，满足各类可用性要求 易用性：支持批量创建操作，同一镜像可以一键创建多台云服务器；创建时自由选择硬盘； 支持Windows和Linux多种镜像。 灵活性：可以自由创建自定义镜像，并由其创建云服务器。 监控：可实现对云服务器的镜像及实例管理，并监控云主机运行状态。 设备构建存储 系统，每个对象存储设备具有一定的智能，能够自动管理其上的数据分布。兼顾对象存储同兼 具SAN高速直接访问磁盘特点及NAS的分布式共享特点。 云存储分为对象、对象存储设备、元数据服务器、对象存储系统的客户端（或者浏览器） 这几部分。云存储服务是在云中的、可无缝扩容的、高可靠而廉价的存储服务。它能让不用关 心底层的存储技术，也不用关心存储资源扩容问题，直接通过对象存储调用海量的存储资源，

置合理的告警阈值。通过告警系统及时发现 异常，确保故障在早期阶段被发现，避免问 题扩大化。 构建或提升业务系统全链路监控能力： 不仅监控数据库本身，还要监控与数据库相关的上下游系统（如应用服务器、网络设备、应用系 统、中间件、操作系统等），问题的根源不仅限于数据库本身，可能涉及其他系统。 在福建海峡银行，腾讯云 DBbrain 数据库智能管家提供了包含数据库在内的软硬件全链路可 观测能力，赤兔平台主要提供对 故障、机房故障、业务故障、性能故障等 几类应急场景，并在实践中设立了应对措施。 �.� 建立数据库和应急流程标准化 �.� 制定完善的应急预案 在硬件故障方面：需要建立硬件冗余机制，如冗余服务器、存储设备的热备机制。硬件故障发生 时，能够快速切换到备用硬件，确保数据库的持续运行。 在软件故障方面：需要建立软件的冗余机制，如数据库的多实例部署、数据库的热备机制等。软件 故障发生时，能够 用机房，确保业务的持续运行。 在性能故障方面：应加强性能监控和分析，做到实时监控数据库性能指标，使用分析工具识别性 能瓶颈。可对慢查询进行优化，添加或调整索引以提高查询效率。在必要时增加数据库服务器的 CPU、内存或存储资源。 此外，数据库应急预案与应用系统、基础环境、网络架构等结合联动，形成完整的应急预案。 数据库运维知识库是保障运维效率、传承经验、降低风险的核心资产，其建设关键在于结构化积

.................27 六、产业链重点领域格局....................................................... 30 （一）AI 服务器 .................................. 30 （二）AI 芯片 .................................... 33 （三）交换机 .. 30 图 14 2024-2028 年中国 AI 服务器市场规模 ................ 31 图 15 2024 年中国加速服务器市场份额 .................... 32 图 16 2024 年中国液冷服务器市场份额 .................... 33 图 17 2024-2028 年中国 AI 服务器工作负载预测情况 ........ 36 深企投产业研究院 AIDC），一般认为是在传统数据中心的基础上，基于 GPU、TPU、 FPGA 等人工智能芯片及计算框架构建的人工智能基础设施，可以支 撑大量数据处理和复杂模型训练。智算中心狭义上是智能算力的物理 载体，是“机房+网络+GPU 服务器+算力调度平台”的融合基础设施， 是传统数据中心的增值性延伸。广义的智算中心是融合算力、数据、 算法的新型基础设施，通过数据服务、算法模型服务加速大模型的商 业化应用，推动 AI 产业化和产业

况和专项评估情况，以辅助管理和投资决策。 2.5 丰富附加功能，提升产品价值 ASG内置电信级状态检测防火墙对进出组织的数据包进行过滤，提供NAT代理内部员 工上网，提供NAT-SERVER功能将内部服务器映射到公网地址，可扩展Wifi模块实现本地 无线接入、为小型企业或分支机构客户节省客户成本和简化网络部署。 华为 ASG2000 上网行为管理产品技术白皮书 2014-8-20 ASG除了支持本地用户系统，还支持跟第三方用户系统进行联动，包括从第三方系统导入 用户和与第三方系统联动实现用户认证，支持导入用户的第三方系统包括AD域服务器、TSM （华为终端安全管理系统），支持联动实现用户认证的第三方系统包括AD域服务器、TSM、 标准的Radius认证服务器。 3.1.1 从第三方系统导入用户 一个大中型企业动辄几百上千人，管理这些人员的账号信息，无疑是一项非常大的工作。 ASG支 ASG支持从第三方系统导入用户信息，使得管理员在自己网络里同时部署多套系统的时候， 只需要维护一套用户信息，这一特性大大的简化了管理员的运维成本。 ASG通过使用标准的LDAP协议与AD域服务器通讯，从AD域服务器获取 organizationalUnit对象作为部门，获取Person对象作为用户，并且将导入到本地的部门保持 与AD上同样的树状结构。 从TSM导入用户时，由ASG设备通过http

标准趋严（如“东数西算”工程强制要求新建数据中心 PUE＜1.25）， 液冷技术能将 PUE 降至 1.2 以下，符合监管要求并获政策鼓励。 未来，随着 AI 技术的不断进步和发展，算力芯片功率的持续上升，液冷技术在 高功率服务器中的应用将发挥更显著的散热能力和能耗优势，从而成为数据中心散热 的主流选择。这一趋势推动全球和中国的液冷市场保持高速增长，尤其在冷板式液冷 技术的应用上，市场规模有望大幅扩大。同时，液冷技术路线随不同的应用场景逐步 作为冷却介质，其比热 容约是空气的 4 倍，热传导能力约是空气的 25 倍，散热效率远高于风冷可有效解决 高功耗芯片的散热问题。 冷板式液冷是将液冷散热冷板紧贴在服务器的发热器件，通过冷板式换热器内的 低温流体带走服务器中的芯片散热量。作为一种更高效的散热方式，在解决高功率芯 片散热上有着得天独厚的优势，同时可满足数据中心的 PUE 降低到 1.25 以下的要 求，成为智算中心的必然选择。 未与主板和芯片模块进行直 接的接触，材料兼容性较强 直接接触，材料兼容较 差 直接接触，材料兼容较 差 安装便捷程度 不改变服务器主板原有的形 态，保留现有服务器主板，安 装便捷 改变服务器主板原有 结构，服务器易残留冷 却液 改变服务器主板原有 结构，服务器易残留冷 却液 液冷散热占比 70-80%液体带出机房； 20-30%需要空调制冷； 100%液体带出机房 100%液体带出机房

历从传统架构向更高密度、更高功率负载的快速蜕变。相比于传统通算服务器，AI服务器单机柜 功率持续大幅度攀升，常规功耗已从传统的10/20kW级跃升至100/130kW 以上，带动机房配电系 统同步进行深度变革。市场主流型号GPU服务器算力及功耗数据如下表所示： *而基于Nvidia NVL架构的NVL72单柜容量已经突破130kW，预计到2030年其单机柜容量会达到1MW。 服务器 HGX A100 8*A100 SXM HGX H100 8*H100 SXM HGX B100 8*B100 SXM HGX B200 8*B200 SXM DGX GB200 NVL72 FP16 稠密算力 (PFLOPS) 服务器 单体功耗 (kW) 整机架功耗 (kW) 2.4 3 8 14 18 180 6.5 5.6 10.2 10.2 14.3 不适用 约26 约22 约40 约40 约60 约130 1 在AI浪潮来临之前，数据中心机房母线市场规模目前全球容量2023年约6亿美元，随着AI大 模型应用如ChatGPT的流行，这个数字在2024年爆发增长到25亿美元，并预计在2030年超过100 亿美元。 随着AI服务器的容量上升，单机柜容量快速上升，传统400A、630A精密配电柜系统难以满 足AI机柜需求，目前800A、1250A的机房母线成为AI 数据中心的主流方案； 以400A精密配电柜系统为例，应用于通