3. 散热基础原理
GPU集群的散热设计，本质上是一场对热量迁移路径的规划。芯片产生的热量必须从约 1cm² 的裸片表面，逐级传递到数米外的冷却塔或室外大气中。理解这一路径上每一种物理传热机制的效率与限制，是后续进行风量计算、液冷板设计和空调选型的前提。本节聚焦三种基本传热方式——热传导、对流、辐射，并概述工程中常用的散热实现方式。
3.1 三种基本传热方式的物理本质
热量传递不需要“冷”的流动，而是依靠分子或微观粒子的能量迁移。在GPU散热场景中，三种方式同时存在，但贡献比例差异悬殊。
| 传热方式 | 微观机制 | 典型介质 | 在GPU散热中的角色 |
|---|---|---|---|
| 热传导 | 分子振动/自由电子迁移 | 固体（铜、铝、硅）、静止流体 | 芯片→散热器底座→热管/均热板 |
| 对流 | 流体宏观运动携带热量 | 空气、冷却液（水、氟化液） | 散热器翅片→环境空气；冷板→冷却液 |
| 辐射 | 电磁波（红外）传播 | 真空、空气（透明介质） | 机柜表面→机房环境（辅助散热） |
热传导遵循傅里叶定律：单位时间导热量与导热系数、截面积、温度梯度成正比。GPU散热器中，铜底座与铝翅片之间必须填充导热硅脂或相变材料，就是为了排除接触面间空气（导热系数仅 0.026 W/m·K），将等效导热系数提升至 1~5 W/m·K 以上。若涂抹过厚或干裂，接触热阻会急剧增大，导致热点温度飙升。
对流换热则用牛顿冷却公式描述：Q = h·A·ΔT。其中 h 为对流换热系数，自然对流仅 5~25 W/m²·K，强制风冷可达 25~250 W/m²·K，液冷则高达 500~15000 W/m²·K。这解释了为何风冷散热器需要密集翅片——增大换热面积 A 以弥补 h 的不足。
辐射传热遵循斯特藩-玻尔兹曼定律，散热量与绝对温度的四次方成正比。在 60~80°C 的散热器表面，辐射散热量通常只占总散热量的 5%~8%，因此在常规风冷设计中常被忽略。但在自然对流散热的无风扇设备或户外机柜中，辐射占比会显著上升，此时表面黑化处理（阳极氧化发黑）能有效提升辐射率。
3.2 工程散热方式分类与选型逻辑
实际GPU集群中，散热方式按热量最终排放介质可分为三大类：风冷、液冷和相变冷却。每种方式内部又有细分，其适用场景由功率密度、PUE要求和机房条件共同决定。
- 风冷散热：依靠空气作为最终热汇。包括被动散热（自然对流+辐射）、主动风冷（轴流风扇/离心风扇）和增强型风冷（热管+高密翅片）。单GPU功耗低于 350W 时，风冷仍是性价比最高的方案。
- 液冷散热：使用水或专用冷却液作为传热介质。分为冷板式液冷（间接接触）和浸没式液冷（直接接触）。冷板式液冷适合 350W~1000W 的GPU，浸没式则面向 1000W 以上或超高密度场景。
- 相变冷却：利用制冷剂蒸发/冷凝循环传递热量。包括热管、均温板和蒸气压缩制冷。热管/均温板常用于芯片级热量扩散，蒸气压缩制冷则用于机房级精密空调。
选型判断路径：先看单机柜功率密度，再看机房PUE目标。
单GPU功耗 < 350W 且机柜密度 < 15kW → 风冷（优先）
单GPU功耗 350~700W 或机柜密度 15~40kW → 冷板式液冷
单GPU功耗 > 700W 或机柜密度 > 40kW → 浸没式液冷
PUE 要求 < 1.2 → 必须采用液冷或自然冷却辅助3.3 案例：8卡GPU服务器的散热路径分解
以一台配置8张 500W GPU 的训练服务器为例，整机热功耗约 4.5kW（含CPU、内存、电源损耗）。若采用风冷方案，其散热路径如下：
- 芯片级：GPU裸片热量通过 TIM 传导至均热板（Vapor Chamber），均热板将热量在水平方向扩散至整个散热器底座。
- 散热器级：热量从底座传导至 6~8 根热管，热管将热量高效传递至远端翅片群，避免近芯片区域热量堆积。
- 系统级：4个前置系统风扇（转速 8000~15000 RPM）抽入冷风，气流依次穿过8张GPU散热器翅片，带走热量后从机箱后部排出。
- 机房级：热风排入机房热通道，由CRAC空调或AHU机组回收，经冷冻水冷却后重新送入冷通道。
实测数据显示，在 25°C 机房进风温度下，该风冷方案可将GPU结温控制在 78°C 以内（环境温度每升高 1°C，GPU结温约升高 0.9°C）。若将同样服务器改为冷板式液冷，冷却液入口温度 35°C 时，GPU结温可降至 65°C 以下，且服务器风扇转速可降低 60%，整机噪声从 75dBA 降至 55dBA。
3.4 常见误区与设计复盘
误区一：认为“导热硅脂涂得越厚越好”。实际上硅脂的导热系数（1~5 W/m·K）远低于铜（约 400 W/m·K），过厚反而增加热阻。正确做法是涂抹均匀薄层（约 0.1~0.2mm），覆盖整个芯片顶盖即可。
误区二：忽视辐射散热在自然对流场景中的作用。在无风扇的边缘GPU设备中，散热器表面若为光亮铝材（辐射率仅 0.05），辐射散热量几乎为零；而经过阳极氧化发黑处理后（辐射率 0.85），相同温度下辐射散热量可提升 10 倍以上。
复盘案例：某数据中心将单机柜功率从 8kW 提升至 20kW，仍沿用原有风冷架构。结果出现两个问题：一是空调送风温度从 22°C 调低至 18°C 后，GPU结温仅下降 3°C，但空调能耗增加 25%；二是机柜顶部GPU因气流短路（冷风从底部进入后迅速升温上升，顶部GPU吸入的是已被加热的空气），频繁触发过热降频。最终改造方案为：将机柜改为冷通道封闭+行级空调，并将GPU散热器从“前后吹透”改为“左右平行吹”，使气流路径缩短 40%，才解决了热点问题。