4. 制冷系统基础：空调类型、冷热通道、温湿度控制、散热计算
GPU集群的功率密度远高于传统CPU机架，单台8卡GPU服务器在满载时功耗可达6.5～10kW，一个标准42U机柜若部署4～6台，功率密度轻松突破30～60kW/柜。如此高的热量若不及时导出，芯片结温每升高10℃，可靠性将下降约50%。因此，制冷系统不是“机房配套”，而是决定GPU集群能否持续稳定运行的第一生命线。
4.1 空调类型与适用场景
机房空调按冷却介质和部署位置可分为以下三类，GPU机房需根据功率密度选择对应方案：
| 类型 | 冷却介质 | 典型制冷能力 | 适用功率密度 | GPU机房适用性 |
|---|---|---|---|---|
| 房间级精密空调（CRAC） | 冷冻水/直接膨胀（DX） | 30～100kW/台 | ≤10kW/柜 | 低密度训练/推理集群 |
| 行级空调（InRow） | 冷冻水（推荐）/DX | 20～60kW/台 | 10～35kW/柜 | 中高密度GPU机柜，靠近热源 |
| 背板/液冷（冷板式） | 冷冻水/冷却液 | 单柜支持50kW+ | ≥35kW/柜 | 高密度HPC/AI训练集群 |
对于大多数GPU机房，行级空调（InRow）是性价比最高的选择——它紧贴机柜排列，缩短了气流路径，能直接处理GPU服务器排出的热风，避免冷热空气在机房大空间内混合。若单柜功率超过35kW，则应考虑冷板式液冷，此时约70%～80%的热量由冷却液带走，空调仅需处理剩余热负荷。
4.2 冷热通道布局与气流组织
冷热通道隔离是机房气流组织的核心原则。GPU服务器通常采用前送风、后回风设计：机柜正面朝向冷通道，背面朝向热通道。冷通道温度建议控制在18～27℃，热通道温度可允许至35～40℃（需确认服务器进风温度上限）。
标准布局要求：
- 机柜面对面排列形成冷通道，背对背排列形成热通道；
- 冷通道宽度≥1.2m，热通道宽度≥1.0m，便于维护和气流流通；
- 冷通道必须封闭（天窗+端门），防止冷气逸散到热通道；
- 地板下送风时，冷通道对应区域铺设穿孔地板，开孔率≥50%；
- 行级空调应布置在热通道一侧，直接吸入热风、送出冷风至冷通道。
图中展示了GPU机房最常用的“面对面、背对背”布局。机柜A列与B列的正面相对，中间形成封闭冷通道；两列机柜的背面各自朝向两侧热通道。行级空调部署在热通道旁，吸入热风、经盘管冷却后送入冷通道地板下或机柜前方。需特别注意：冷通道封闭是必须项而非可选项——若不封闭，冷气会与热通道空气混合，导致机柜进风温度升高，空调效率大幅下降。
4.3 温湿度控制标准与策略
GPU机房温湿度控制需同时满足服务器可靠性与节能性。参考ASHRAE TC 9.9推荐标准：
- 进风温度（冷通道）：推荐18～27℃，允许范围15～32℃（A1级）；
- 相对湿度：推荐40%～60% RH，允许范围20%～80% RH（无凝露）；
- 露点温度：5.5～15℃（防止结露）；
- 温度变化率：每小时不超过5℃，避免热胀冷缩导致焊点疲劳。
节能策略：在GPU机房中，适当提高冷通道温度（如从22℃调至25℃）可显著降低空调压缩机功耗。据估算，冷通道温度每提高1℃，精密空调能耗可降低3%～5%。但需确保GPU服务器进风口温度不超过厂商规格上限（通常为35℃）。
湿度控制同样关键。湿度过高（>80% RH）会导致凝露，造成电路短路；湿度过低（<20% RH）则易产生静电放电（ESD），损坏GPU芯片。机房应配置湿度传感器并与空调加湿/除湿功能联动，控制精度建议为±5% RH。
4.4 散热计算方法与案例
散热计算的核心目标是确定机房所需的总制冷量，并据此选择空调数量和规格。基本公式如下：
总制冷量 Q_total = Q_IT + Q_照明 + Q_人员 + Q_围护 + Q_新风
其中：
Q_IT（IT设备散热）= 0.95 × IT设备总功耗（kW）
Q_照明 = 单位面积照明功率密度 × 机房面积（W/m² × m²）
Q_人员 = 人数 × 100W/人（轻体力劳动）
Q_围护 = 围护结构传热系数 × 面积 × 温差（通常较小，可估算为总负荷的5%）
Q_新风 = 新风量 × 焓差（一般由新风机组承担）工程实践中，常采用简化估算：总制冷量 ≈ IT设备总功耗 × 1.1～1.3（含安全余量）。但GPU机房因功率密度高，建议按1.3倍配置，并考虑N+1冗余。
实际案例：某AI训练机房部署32台8卡GPU服务器（单台功耗8kW），总IT功耗为256kW。
- 总制冷量需求 = 256kW × 1.3 = 332.8kW ≈ 333kW；
- 选用单台制冷量60kW的行级空调，需配置333 ÷ 60 ≈ 6台；
- 考虑N+1冗余，实际安装7台（6用1备）；
- 若采用房间级精密空调（单台100kW），则需4台（3用1备）。
此外还需校核气流组织是否满足风量要求。每kW热负荷约需160～200 CFM（立方英尺/分钟）的风量。以256kW IT负载计算，总风量需求约为256 × 180 = 46,080 CFM。若单台行级空调送风量为8,000 CFM，则6台运行空调的总送风量为48,000 CFM，刚好满足需求。
4.5 常见误区与复盘
误区一：只算总制冷量，忽略局部热点。GPU机柜功率密度极高，即使机房平均温度达标，个别机柜仍可能出现进风温度超过35℃的“热点”。复盘建议：在每个机柜顶部和底部部署温度传感器，实时监控进风温度；若发现热点，优先调整穿孔地板开度或增加局部送风。
误区二：冷热通道未封闭或封闭不严。部分机房为节省成本只做冷通道部分封闭，导致冷气短路、热风回流。某案例中，未封闭冷通道的机房空调能耗比封闭式高35%，且GPU降频事件增加2倍。复盘结论：冷通道封闭的投资回报周期通常不超过8个月。
误区三：忽视湿度控制。北方冬季机房湿度过低，静电放电导致GPU板卡故障率上升；南方梅雨季湿度过高，出现凝露。复盘建议：安装带湿度控制的精密空调，并配置独立加湿器/除湿机，确保湿度稳定在40%～60% RH区间。
最后，制冷系统应纳入动环监控平台，实时记录温度、湿度、空调运行状态、能耗等指标，并设置告警阈值。建议每季度进行一次气流组织巡检，使用红外热像仪扫描机柜进排风温度分布，及时发现并消除热点隐患，确保GPU集群在最佳热环境中稳定运行。