Kapalinové chlazení se stává úzkým hrdlem pro datová centra s umělou inteligencí

/Technologie/ Od

Shrnutí:Datová centra se zahřívají více, protože pracovní zátěž umělé inteligence tlačí čipy na vyšší úrovně výkonu a „jen foukat více vzduchu“ stále více nestačí. Proto se průmysl posouvá k kapalinovému chlazení – od chladicích desek a mikrofluidních kanálů až po plnohodnotné „sprchy“ a imerzní vany – aby udržely servery stabilní, snížily energii spotřebovanou na chlazení a (v některých případech) znovu využily odpadní teplo.

Řešení chlazení však s sebou nese i vlastní kompromisy: chemické volby (včetně obav ohledně chladiv obsahujících PFAS), bezpečnost, náklady a riziko, že zvýšení efektivity jednoduše umožní ještě větší růst výpočetní kapacity.

Proč je chlazení najednou tak důležité

Pokud chcete jeden důvod:hustota výkonu.

Moderní systémy umělé inteligence používají racky vybavené vysoce výkonnými akcelerátory, které:

  • spotřebovávají mnohem více energie než univerzální procesory
  • generují teplo na menších fyzických plochách
  • často běží blízko výkonnostních limitů

Díky tomu je chlazení omezením prvního řádu. Když chlazení selže, může selhat celé zařízení.

BBC poukazuje na příklad z reálného světa: poruchu chladicího systému v USA, která narušila technologii finančního obchodování ve skupině CME Group a po incidentu spustila dodatečnou chladicí kapacitu.

Problém chlazení vzduchem: fyzika a klesající výnosy

Chlazení vzduchem je jednoduché a známé, ale potýká se s problémy, když:

  • teplo je koncentrováno na malém prostoru
  • musíte rychle a důsledně odvádět teplo
  • výkon ventilátoru a řízení proudění vzduchu začnou spotřebovávat významný podíl energie

V určitém okamžiku „nechladíte třísky“ – uvnitř budovy „provozujete aerodynamický tunel“.

Co vlastně znamená kapalinové chlazení (není to jedna technologie)

„Kapalinové chlazení“ je skupina přístupů:

1) Chlazení přímo na třísku / studenou deskou

Kapalinová smyčka protéká deskou připojenou k nejteplejším součástem.

Výhody:

  • efektivní odvod tepla u zdroje
  • zralé inženýrské vzory

Nevýhody:

  • stále vyžaduje pečlivé instalatérské práce a řízení netěsností

2) Chlazení sprejem/sprchou

BBC popisuje konstrukce, kde tekutina stéká nebo sprchuje na součástky.

Výhody:

  • dokáže chladit více komponent, nejen čipy
  • potenciálně snižuje potřebu velkých ventilátorů

Nevýhody:

  • vyvolává otázky ohledně chemie kapalin, kompatibility a údržby

3) Chlazení ponorem („lázně“)

Servery (nebo komponenty) jsou ponořeny v cirkulující dielektrické kapalině, která odvádí teplo.

Výhody:

  • vysoký tepelný výkon
  • může umožnit konzistentnější provoz při vysokém zatížení

Nevýhody:

  • hardware musí být navržen/validován pro ponoření
  • provozní změny (servis, výměna dílů)

4) Dvoufázové chlazení (změna fáze kapalina → plyn)

Chladivo se odpařuje, protože absorbuje teplo, což může být velmi efektivní.

Výhody:

  • silný chladicí výkon

Nevýhody:

  • závisí na chladivech; některé mohou mít obavy o klima nebo bezpečnost

Chemický kompromis: PFAS a chladiva

Jednou z málo diskutovaných částí chlazení datových center je výběr chemikálií.

BBC poznamenává:

  • Některé dvoufázové systémy používají chladiva, která mohou obsahovat PFAS
  • Některá chladiva mohou být silnými skleníkovými plyny
  • Existují bezpečnostní obavy ohledně unikajících par u některých konstrukcí
  • Některé společnosti přecházejí na alternativy bez PFAS

I když je systém navržen zodpovědně, platí jednoduchá pravda:

  • Pokud rozšíříte technologii na tisíce lokalit, z malých mír úniků se stanou velká environmentální čísla.

Uzavřený okruh vody: proč je důležitý pro komunity

Datová centra jsou stále kontroverznější, protože mnohá z nich spotřebovávají:

  • velké množství elektřiny
  • značné množství vody (v závislosti na konstrukci chlazení)

Některé konstrukce kapalinového chlazení používají vodu v uzavřeném okruhu k chlazení dielektrické kapaliny na bázi oleje, čímž se snižuje průběžná spotřeba vody.

To je politicky relevantní. Místní opozice se často formuje kolem otázky „proč by naše síť/voda měla sloužit umělé inteligenci někoho jiného?“.

Chladicí technologie se stává součástí společenské licence k provozu.

Odpadní teplo je příležitost – ale pouze pokud ji někdo dokáže využít

BBC zmiňuje zákazníka, který plánuje využít odpadní teplo ze serverů k:

  • pokoje pro hosty
  • prádelna
  • bazén

Koncepčně je to správný směr: výpočetní technika přeměňuje elektřinu na teplo, takže opětovné použití může zlepšit celkovou efektivitu.

Ale škálování opětovného využití tepla je obtížné, protože vyžaduje:

  • blízký odběratel tepla (budovy, bazény, sítě dálkového vytápění)
  • stabilní sladění poptávky
  • investice do infrastruktury

Takže je to slibné, ale ne automatické.

Hlubší riziko: efektivita může zvýšit celkovou poptávku

Existuje klasický rebound efekt:

  • Když se něco stane levnějším nebo efektivnějším, lidé to dělají více

Pokud kapalinové chlazení dramaticky sníží spotřebu energie na chlazení, trh může reagovat:

  • výstavba dalších datových center
  • provozování větších modelů
  • tlačit na hardware víc

Vylepšení chlazení jsou tedy cenná – ale nezaručují nižší celkový dopad na životní prostředí, pokud nejsou spojena s:

  • strategie sítě s ohledem na uhlíkové emise
  • transparentnost ve spotřebě energie
  • pobídky ke snížení celkové ekologické stopy

Na co se dívat dál

  1. Který přístup k chlazení se stane dominantním(studené desky vs. imerzní vs. dvoufázové) podle typu pracovní zátěže.
  2. Regulace a normykolem chladiv a PFAS.
  3. Odpor komunityzda inovace v oblasti chlazení snižují místní dopady na vodu a hluk.
  4. Projekty na opětovné využití teplapřechod od pilotních projektů k opakovatelným nasazením.
  5. Transparentnost umělé inteligenceJak poznamenává BBC, výzkumníci volají po jasnějším vykazování spotřeby energie podle modelu/produktu.

Sečteno a podtrženo

Chlazení se stává „skrytou infrastrukturou“, která rozhoduje o tom, jak rychle se umělá inteligence dokáže škálovat.

Kapalinové chlazení může snížit spotřebu energie a umožnit vyšší výkon, ale také vyvolává nové otázky týkající se chemické bezpečnosti, dopadu na klima a toho, zda se zvýšení efektivity využívá ke zmenšení zastavěné plochy, nebo jednoduše k urychlení růstu výpočetní techniky.

Zdroje

Document Title
Liquid cooling for AI data centres: immersion, refrigerants, PFAS concerns, and waste-heat reuse
AI workloads are pushing data-centre chips to higher power density, making liquid cooling essential. Here’s how immersion/spray systems work and the key trade-offs.
Title Attribute
oEmbed (JSON)
oEmbed (XML)
JSON
View all posts by Admin
Why Excel won’t die: network effects, governance gaps, and the AI-era spreadsheet problem
Can technology fix fashion sizing? The real issue is incentives, not measurements
Page Content
Liquid cooling for AI data centres: immersion, refrigerants, PFAS concerns, and waste-heat reuse
Nature
Climate
Liquid cooling is becoming the bottleneck tech for AI data centres
/
Technology
/ By
Admin
Summary:
Data centres are running hotter as AI workloads push chips to higher power levels, and “just blow more air” is increasingly not enough. That’s why the industry is moving toward liquid cooling — from cold plates and microfluidic channels to full-on “showers” and immersion baths — to keep servers stable, cut energy used for cooling, and (in some cases) reuse waste heat.
But the cooling fix comes with its own trade-offs: chemical choices (including concerns about PFAS-containing refrigerants), safety, cost, and the risk that efficiency gains simply enable even more compute growth.
Why cooling suddenly matters so much
If you want a single reason:
power density
.
Modern AI systems use racks packed with high-performance accelerators that:
draw far more power than general-purpose CPUs
generate heat in smaller physical footprints
are often run close to performance limits
That makes cooling a first-order constraint. When cooling fails, the whole facility can fail.
The BBC points to a real-world example: a cooling system failure in the US that disrupted financial trading technology at CME Group, triggering additional cooling capacity after the incident.
Air cooling’s problem: physics and diminishing returns
Air cooling is simple and familiar, but it struggles when:
heat is concentrated in a small area
you need to remove heat quickly and consistently
fan power and airflow management start consuming a meaningful share of energy
At some point, you’re not “cooling the chips” — you’re “running a wind tunnel” inside the building.
What liquid cooling actually means (it’s not one technology)
“Liquid cooling” is a family of approaches:
1) Direct-to-chip / cold plate cooling
A liquid loop runs through a plate attached to the hottest components.
Pros:
efficient heat removal at the source
mature engineering patterns
Cons:
still requires careful plumbing and leak management
2) Spray/shower cooling
The BBC describes designs where fluid trickles or showers onto components.
can cool multiple components, not only chips
potentially reduces the need for large fans
raises questions about fluid chemistry, compatibility, and maintenance
3) Immersion cooling (“baths”)
Servers (or components) are immersed in a circulating dielectric fluid that carries heat away.
high thermal performance
can enable more consistent operation at high load
hardware must be designed/validated for immersion
operational changes (servicing, swapping parts)
4) Two-phase cooling (liquid → gas phase change)
A refrigerant evaporates as it absorbs heat, which can be very effective.
strong cooling performance
depends on refrigerants; some may have climate or safety concerns
The chemistry trade-off: PFAS and refrigerants
One of the under-discussed parts of data-centre cooling is chemical choice.
The BBC notes:
some two-phase systems use refrigerants that can contain PFAS
some refrigerants can be potent greenhouse gases
there are safety concerns about vapours escaping in some designs
some companies are switching to PFAS-free alternatives
Even when a system is engineered responsibly, a simple truth applies:
if you scale a technology to thousands of sites, small leakage rates become big environmental numbers
Closed-loop water: why it matters to communities
Data centres are increasingly controversial because many consume:
large amounts of electricity
significant water (depending on cooling design)
Some liquid cooling designs use water in a closed loop to cool an oil-based dielectric fluid, reducing ongoing water draw.
That’s politically relevant. Local opposition often forms around “why should our grid/water serve someone else’s AI?”
Cooling technology becomes part of the social license to operate.
Waste heat is an opportunity — but only if someone can use it
The BBC mentions a customer planning to use server waste heat for:
guest rooms
laundry
a swimming pool
This is the right direction conceptually: computing turns electricity into heat, so reuse can improve overall efficiency.
But scaling heat reuse is hard because it requires:
a nearby heat customer (buildings, pools, district heat networks)
steady demand alignment
infrastructure investment
So it’s promising, but not automatic.
The deeper risk: efficiency can increase total demand
There’s a classic rebound effect:
when something becomes cheaper or more efficient, people do more of it
If liquid cooling cuts cooling energy dramatically, the market may respond by:
building more data centres
running bigger models
pushing hardware harder
So cooling improvements are valuable — but they don’t guarantee lower total environmental impact unless paired with:
carbon-aware grid strategy
transparency on energy use
incentives to reduce total footprint
What to watch next
Which cooling approach becomes dominant
(cold plates vs immersion vs two-phase) by workload type.
Regulation and standards
around refrigerants and PFAS.
Community pushback
: whether cooling innovations reduce local water and noise impacts.
Heat reuse projects
moving from pilots to repeatable deployments.
AI transparency
: as the BBC notes, researchers are calling for clearer reporting of energy use by model/product.
Bottom line
Cooling is becoming the “hidden infrastructure” that decides how fast AI can scale.
Liquid cooling can reduce cooling energy and unlock higher performance, but it also introduces new questions about chemical safety, climate impact, and whether efficiency gains are used to shrink footprints or simply accelerate compute growth.
Sources
BBC News (Technology of Business):
https://www.bbc.com/news/articles/cp8zd176516o?at_medium=RSS&at_campaign=rss
←
Previous Post
Next Post
→
oEmbed (JSON)
oEmbed (XML)
JSON
View all posts by Admin
Why Excel won’t die: network effects, governance gaps, and the AI-era spreadsheet problem
Can technology fix fashion sizing? The real issue is incentives, not measurements
AI workloads are pushing data-centre chips to higher power density, making liquid cooling essential. Here’s how immersion/spray systems work and the key trade-offs.
Document Title
Page not found - Florin.blog
Image Alt
Florin.blog
Title Attribute
Florin.blog » Feed
RSD
Skip to content
Placeholder Attribute
Search...
Page Content
Page not found - Florin.blog
Skip to content
Home
Blog
Garden Decor
Indoor
Main Menu
This page doesn't seem to exist.
It looks like the link pointing here was faulty. Maybe try searching?
Search for:
Search
Quick Links
Outdoors
About
Contact
Explore
Bestsellers
Hot deals
Best of The Year
Featured
Gift Cards
Help
Privacy Policy
Disclaimer
: As an Amazon Associate, we earn from qualifying purchases — at no extra cost to you.
Florin.blog
Florin.blog » Feed
RSD
Search...
Čeština