Šķidruma dzesēšana mākslīgā intelekta datu centriem: iegremdēšana, aukstumaģenti, PFAS problēmas un siltuma atkārtota izmantošana

Kopsavilkums:Datu centri kļūst karstāki, jo mākslīgā intelekta darba slodzes palielina mikroshēmu jaudas līmeni, un arvien biežāk nepietiek ar "vienkārši vairāk gaisa pūšanu". Tāpēc nozare virzās uz šķidruma dzesēšanu — no aukstām plāksnēm un mikrofluidiskiem kanāliem līdz pilnvērtīgām "dušām" un iegremdēšanas vannām —, lai saglabātu serveru stabilitāti, samazinātu dzesēšanai patērēto enerģiju un (dažos gadījumos) atkārtoti izmantotu lieko siltumu.

Taču dzesēšanas risinājumam ir savi kompromisi: ķīmisko vielu izvēle (tostarp bažas par PFAS saturošiem aukstumaģentiem), drošība, izmaksas un risks, ka efektivitātes pieaugums vienkārši ļaus vēl vairāk palielināt skaitļošanas jaudu.

Kāpēc dzesēšana pēkšņi ir tik svarīga

Ja vēlaties vienu iemeslu:jaudas blīvums.

Mūsdienu mākslīgā intelekta sistēmas izmanto plauktus, kas aprīkoti ar augstas veiktspējas paātrinātājiem, kuri:

patērē daudz vairāk enerģijas nekā vispārējas nozīmes procesori
radīt siltumu mazākā fiziskā nospiedumā
bieži tiek darbināti tuvu veiktspējas robežām

Tas padara dzesēšanu par pirmās kārtas ierobežojumu. Ja dzesēšana neizdodas, var sabojāties visa iekārta.

BBC min reālu piemēru: dzesēšanas sistēmas kļūme ASV, kas traucēja finanšu tirdzniecības tehnoloģiju darbībai uzņēmumā CME Group, pēc incidenta aktivizējot papildu dzesēšanas jaudu.

Gaisa dzesēšanas problēma: fizika un samazinošā atdeve

Gaisa dzesēšana ir vienkārša un pazīstama, taču tā rada grūtības, ja:

siltums ir koncentrēts nelielā platībā
jums ir nepieciešams ātri un vienmērīgi noņemt siltumu
ventilatora jauda un gaisa plūsmas pārvaldība sāk patērēt ievērojamu enerģijas daļu

Kādā brīdī jūs "nedzesējat mikroshēmas" - jūs "darbināt vēja tuneli" ēkas iekšpusē.

Ko īsti nozīmē šķidruma dzesēšana (tā nav viena tehnoloģija)

“Šķidruma dzesēšana” ir pieeju grupa:

1) Dzesēšana tieši uz mikroshēmas/aukstās plāksnes

Šķidruma cilpa iet caur plāksni, kas piestiprināta pie karstākajām sastāvdaļām.

Plusi:

efektīva siltuma noņemšana avotā
nobrieduši inženiertehniskie modeļi

Mīnusi:

joprojām nepieciešama rūpīga santehnika un noplūžu pārvaldība

2) Dzesēšana ar smidzināšanu/dušām

BBC apraksta dizainus, kuros šķidrums pil vai šļācas uz detaļām.

Plusi:

var atdzesēt vairākas komponentes, ne tikai mikroshēmas
potenciāli samazina nepieciešamību pēc lieliem ventilatoriem

Mīnusi:

rada jautājumus par šķidruma ķīmiju, saderību un uzturēšanu

3) Iegremdēšanas dzesēšana (“vannas”)

Serveri (vai komponenti) ir iegremdēti cirkulējošā dielektriskā šķidrumā, kas aizvada siltumu.

Plusi:

augsta termiskā veiktspēja
var nodrošināt vienmērīgāku darbību pie lielas slodzes

Mīnusi:

aparatūrai jābūt projektētai/validētai iegremdēšanai
darbības izmaiņas (apkope, detaļu nomaiņa)

4) Divfāžu dzesēšana (šķidruma → gāzes fāzes maiņa)

Dzesētājviela iztvaiko, absorbējot siltumu, kas var būt ļoti efektīvi.

Plusi:

spēcīga dzesēšanas veiktspēja

Mīnusi:

ir atkarīgs no aukstumaģentiem; dažiem var būt bažas par klimatu vai drošību

Ķīmijas kompromiss: PFAS un aukstumaģenti

Viena no nepietiekami apspriestajām datu centra dzesēšanas daļām ir ķīmiskā sastāva izvēle.

BBC atzīmē:

dažās divfāžu sistēmās tiek izmantoti aukstumaģenti, kas var saturēt PFAS
daži aukstumaģenti var būt spēcīgas siltumnīcefekta gāzes
pastāv drošības bažas par tvaiku noplūdi dažos dizainos
daži uzņēmumi pāriet uz alternatīvām bez PFAS

Pat tad, ja sistēma ir projektēta atbildīgi, ir spēkā vienkārša patiesība:

Ja tehnoloģiju mērogo tūkstošiem objektu, nelieli noplūdes rādītāji kļūst par lieliem vides skaitļiem

Slēgta ūdensapgādes sistēma: kāpēc tā ir svarīga kopienām

Datu centri kļūst arvien pretrunīgāki, jo daudzi patērē:

liels elektroenerģijas daudzums
ievērojams ūdens daudzums (atkarībā no dzesēšanas konstrukcijas)

Dažās šķidruma dzesēšanas konstrukcijās slēgtā cilpā tiek izmantots ūdens, lai atdzesētu uz eļļas bāzes veidotu dielektrisko šķidrumu, tādējādi samazinot pastāvīgo ūdens patēriņu.

Tas ir politiski būtiski. Vietējā opozīcija bieži veidojas ap jautājumu: "kāpēc mūsu tīklam/ūdensapgādei vajadzētu kalpot kāda cita mākslīgajam intelektam?"

Dzesēšanas tehnoloģija kļūst par daļu no sociālās darbības licences.

Atkritumsiltums ir iespēja — bet tikai tad, ja kāds to var izmantot

BBC min klientu, kurš plāno izmantot servera radīto siltumu:

viesu istabas
veļas mazgātava
peldbaseins

Konceptuāli šis ir pareizais virziens: skaitļošana pārvērš elektrību siltumā, tāpēc atkārtota izmantošana var uzlabot kopējo efektivitāti.

Taču siltuma atkārtotas izmantošanas mērogošana ir sarežģīta, jo tas prasa:

tuvumā esošs siltuma klients (ēkas, baseini, centralizētās siltumapgādes tīkli)
pastāvīga pieprasījuma saskaņošana
infrastruktūras ieguldījumi

Tātad tas ir daudzsološi, bet ne automātiski.

Dziļāks risks: efektivitāte var palielināt kopējo pieprasījumu

Pastāv klasisks atsitiena efekts:

Kad kaut kas kļūst lētāks vai efektīvāks, cilvēki to dara vairāk

Ja šķidruma dzesēšana ievērojami samazina dzesēšanas enerģiju, tirgus var reaģēt šādi:

vairāk datu centru būvniecība
lielāku modeļu vadīšana
spēcīgāk spiežot aparatūru

Tātad dzesēšanas uzlabojumi ir vērtīgi, taču tie negarantē mazāku kopējo ietekmi uz vidi, ja vien tie netiek apvienoti ar:

oglekļa ziņā apzināta tīkla stratēģija
pārredzamība enerģijas patēriņa jomā
stimuli kopējās pēdas nospieduma samazināšanai

Ko skatīties tālāk

Kura dzesēšanas pieeja kļūst dominējoša(aukstās plāksnes vs iegremdēšanas vs divfāžu) pēc darba slodzes veida.
Noteikumi un standartipar aukstumaģentiem un PFAS.
Kopienas atteikumsVai dzesēšanas inovācijas samazina vietējo ietekmi uz ūdeni un troksni.
Siltuma atkārtotas izmantošanas projektipāreja no pilotprojektiem uz atkārtojamiem izvietojumiem.
Mākslīgā intelekta pārredzamībakā norāda BBC, pētnieki aicina skaidrāk ziņot par enerģijas patēriņu pa modeļiem/produktiem.

Apakšējā līnija

Dzesēšana kļūst par “slēpto infrastruktūru”, kas nosaka, cik ātri mākslīgais intelekts var mērogoties.

Šķidruma dzesēšana var samazināt dzesēšanas enerģiju un nodrošināt augstāku veiktspēju, taču tā rada arī jaunus jautājumus par ķīmisko drošību, ietekmi uz klimatu un to, vai efektivitātes pieaugums tiek izmantots, lai samazinātu ietekmi uz vidi vai vienkārši paātrinātu skaitļošanas apjomu pieaugumu.

Avoti

BBC News (Biznesa tehnoloģijas):https://www.bbc.com/news/articles/cp8zd176516o?at_medium=RSS&at_campaign=rss

Document Title
Liquid cooling for AI data centres: immersion, refrigerants, PFAS concerns, and waste-heat reuse	Šķidruma dzesēšana mākslīgā intelekta datu centriem: iegremdēšana, aukstumaģenti, PFAS problēmas un siltuma atkārtota izmantošana

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.	Mākslīgā intelekta darba slodzes piespiež datu centru mikroshēmas sasniegt lielāku jaudas blīvumu, padarot šķidruma dzesēšanu būtisku. Lūk, kā darbojas iegremdēšanas/izsmidzināšanas sistēmas un kādi ir galvenie kompromisi.
Title Attribute
oEmbed (JSON)
oEmbed (XML)
JSON
View all posts by Admin	Skatīt visus administratora ierakstus
Why Excel won’t die: network effects, governance gaps, and the AI-era spreadsheet problem	Kāpēc Excel neizmirs: tīkla efekti, pārvaldības nepilnības un mākslīgā intelekta laikmeta izklājlapu problēma
Can technology fix fashion sizing? The real issue is incentives, not measurements	Vai tehnoloģijas var noteikt modes izmērus? Īstā problēma ir stimuli, nevis mērījumi
Page Content
Liquid cooling for AI data centres: immersion, refrigerants, PFAS concerns, and waste-heat reuse	Šķidruma dzesēšana mākslīgā intelekta datu centriem: iegremdēšana, aukstumaģenti, PFAS problēmas un siltuma atkārtota izmantošana
Nature
Climate
Liquid cooling is becoming the bottleneck tech for AI data centres	Šķidruma dzesēšana kļūst par mākslīgā intelekta datu centru vājās vietas tehnoloģiju
/
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.	Datu centri kļūst karstāki, jo mākslīgā intelekta darba slodzes palielina mikroshēmu jaudas līmeni, un arvien biežāk nepietiek ar "vienkārši vairāk gaisa pūšanu". Tāpēc nozare virzās uz šķidruma dzesēšanu — no aukstām plāksnēm un mikrofluidiskiem kanāliem līdz pilnvērtīgām "dušām" un iegremdēšanas vannām —, lai saglabātu serveru stabilitāti, samazinātu dzesēšanai patērēto enerģiju un (dažos gadījumos) atkārtoti izmantotu lieko siltumu.
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.	Taču dzesēšanas risinājumam ir savi kompromisi: ķīmisko vielu izvēle (tostarp bažas par PFAS saturošiem aukstumaģentiem), drošība, izmaksas un risks, ka efektivitātes pieaugums vienkārši ļaus vēl vairāk palielināt skaitļošanas jaudu.
Why cooling suddenly matters so much	Kāpēc dzesēšana pēkšņi ir tik svarīga
If you want a single reason:
power density
.
Modern AI systems use racks packed with high-performance accelerators that:	Mūsdienu mākslīgā intelekta sistēmas izmanto plauktus, kas aprīkoti ar augstas veiktspējas paātrinātājiem, kuri:
draw far more power than general-purpose CPUs	patērē daudz vairāk enerģijas nekā vispārējas nozīmes procesori
generate heat in smaller physical footprints	radīt siltumu mazākā fiziskā nospiedumā
are often run close to performance limits	bieži tiek darbināti tuvu veiktspējas robežām
That makes cooling a first-order constraint. When cooling fails, the whole facility can fail.	Tas padara dzesēšanu par pirmās kārtas ierobežojumu. Ja dzesēšana neizdodas, var sabojāties visa iekārta.
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.	BBC min reālu piemēru: dzesēšanas sistēmas kļūme ASV, kas traucēja finanšu tirdzniecības tehnoloģiju darbībai uzņēmumā CME Group, pēc incidenta aktivizējot papildu dzesēšanas jaudu.
Air cooling’s problem: physics and diminishing returns	Gaisa dzesēšanas problēma: fizika un samazinošā atdeve
Air cooling is simple and familiar, but it struggles when:	Gaisa dzesēšana ir vienkārša un pazīstama, taču tā rada grūtības, ja:
heat is concentrated in a small area	siltums ir koncentrēts nelielā platībā
you need to remove heat quickly and consistently	jums ir nepieciešams ātri un vienmērīgi noņemt siltumu
fan power and airflow management start consuming a meaningful share of energy	ventilatora jauda un gaisa plūsmas pārvaldība sāk patērēt ievērojamu enerģijas daļu
At some point, you’re not “cooling the chips” — you’re “running a wind tunnel” inside the building.	Kādā brīdī jūs "nedzesējat mikroshēmas" - jūs "darbināt vēja tuneli" ēkas iekšpusē.
What liquid cooling actually means (it’s not one technology)	Ko īsti nozīmē šķidruma dzesēšana (tā nav viena tehnoloģija)
“Liquid cooling” is a family of approaches:	“Šķidruma dzesēšana” ir pieeju grupa:
1) Direct-to-chip / cold plate cooling	1) Dzesēšana tieši uz mikroshēmas/aukstās plāksnes
A liquid loop runs through a plate attached to the hottest components.	Šķidruma cilpa iet caur plāksni, kas piestiprināta pie karstākajām sastāvdaļām.
Pros:
efficient heat removal at the source	efektīva siltuma noņemšana avotā
mature engineering patterns	nobrieduši inženiertehniskie modeļi
Cons:
still requires careful plumbing and leak management	joprojām nepieciešama rūpīga santehnika un noplūžu pārvaldība
2) Spray/shower cooling	2) Dzesēšana ar smidzināšanu/dušām
The BBC describes designs where fluid trickles or showers onto components.	BBC apraksta dizainus, kuros šķidrums pil vai šļācas uz detaļām.
can cool multiple components, not only chips	var atdzesēt vairākas komponentes, ne tikai mikroshēmas
potentially reduces the need for large fans	potenciāli samazina nepieciešamību pēc lieliem ventilatoriem
raises questions about fluid chemistry, compatibility, and maintenance	rada jautājumus par šķidruma ķīmiju, saderību un uzturēšanu
3) Immersion cooling (“baths”)	3) Iegremdēšanas dzesēšana (“vannas”)
Servers (or components) are immersed in a circulating dielectric fluid that carries heat away.	Serveri (vai komponenti) ir iegremdēti cirkulējošā dielektriskā šķidrumā, kas aizvada siltumu.
high thermal performance
can enable more consistent operation at high load	var nodrošināt vienmērīgāku darbību pie lielas slodzes
hardware must be designed/validated for immersion	aparatūrai jābūt projektētai/validētai iegremdēšanai
operational changes (servicing, swapping parts)	darbības izmaiņas (apkope, detaļu nomaiņa)
4) Two-phase cooling (liquid → gas phase change)	4) Divfāžu dzesēšana (šķidruma → gāzes fāzes maiņa)
A refrigerant evaporates as it absorbs heat, which can be very effective.	Dzesētājviela iztvaiko, absorbējot siltumu, kas var būt ļoti efektīvi.
strong cooling performance	spēcīga dzesēšanas veiktspēja
depends on refrigerants; some may have climate or safety concerns	ir atkarīgs no aukstumaģentiem; dažiem var būt bažas par klimatu vai drošību
The chemistry trade-off: PFAS and refrigerants	Ķīmijas kompromiss: PFAS un aukstumaģenti
One of the under-discussed parts of data-centre cooling is chemical choice.	Viena no nepietiekami apspriestajām datu centra dzesēšanas daļām ir ķīmiskā sastāva izvēle.
The BBC notes:
some two-phase systems use refrigerants that can contain PFAS	dažās divfāžu sistēmās tiek izmantoti aukstumaģenti, kas var saturēt PFAS
some refrigerants can be potent greenhouse gases	daži aukstumaģenti var būt spēcīgas siltumnīcefekta gāzes
there are safety concerns about vapours escaping in some designs	pastāv drošības bažas par tvaiku noplūdi dažos dizainos
some companies are switching to PFAS-free alternatives	daži uzņēmumi pāriet uz alternatīvām bez PFAS
Even when a system is engineered responsibly, a simple truth applies:	Pat tad, ja sistēma ir projektēta atbildīgi, ir spēkā vienkārša patiesība:
if you scale a technology to thousands of sites, small leakage rates become big environmental numbers	Ja tehnoloģiju mērogo tūkstošiem objektu, nelieli noplūdes rādītāji kļūst par lieliem vides skaitļiem
Closed-loop water: why it matters to communities	Slēgta ūdensapgādes sistēma: kāpēc tā ir svarīga kopienām
Data centres are increasingly controversial because many consume:	Datu centri kļūst arvien pretrunīgāki, jo daudzi patērē:
large amounts of electricity	liels elektroenerģijas daudzums
significant water (depending on cooling design)	ievērojams ūdens daudzums (atkarībā no dzesēšanas konstrukcijas)
Some liquid cooling designs use water in a closed loop to cool an oil-based dielectric fluid, reducing ongoing water draw.	Dažās šķidruma dzesēšanas konstrukcijās slēgtā cilpā tiek izmantots ūdens, lai atdzesētu uz eļļas bāzes veidotu dielektrisko šķidrumu, tādējādi samazinot pastāvīgo ūdens patēriņu.
That’s politically relevant. Local opposition often forms around “why should our grid/water serve someone else’s AI?”	Tas ir politiski būtiski. Vietējā opozīcija bieži veidojas ap jautājumu: "kāpēc mūsu tīklam/ūdensapgādei vajadzētu kalpot kāda cita mākslīgajam intelektam?"
Cooling technology becomes part of the social license to operate.	Dzesēšanas tehnoloģija kļūst par daļu no sociālās darbības licences.
Waste heat is an opportunity — but only if someone can use it	Atkritumsiltums ir iespēja — bet tikai tad, ja kāds to var izmantot
The BBC mentions a customer planning to use server waste heat for:	BBC min klientu, kurš plāno izmantot servera radīto siltumu:
guest rooms
laundry
a swimming pool
This is the right direction conceptually: computing turns electricity into heat, so reuse can improve overall efficiency.	Konceptuāli šis ir pareizais virziens: skaitļošana pārvērš elektrību siltumā, tāpēc atkārtota izmantošana var uzlabot kopējo efektivitāti.
But scaling heat reuse is hard because it requires:	Taču siltuma atkārtotas izmantošanas mērogošana ir sarežģīta, jo tas prasa:
a nearby heat customer (buildings, pools, district heat networks)	tuvumā esošs siltuma klients (ēkas, baseini, centralizētās siltumapgādes tīkli)
steady demand alignment	pastāvīga pieprasījuma saskaņošana
infrastructure investment
So it’s promising, but not automatic.	Tātad tas ir daudzsološi, bet ne automātiski.
The deeper risk: efficiency can increase total demand	Dziļāks risks: efektivitāte var palielināt kopējo pieprasījumu
There’s a classic rebound effect:	Pastāv klasisks atsitiena efekts:
when something becomes cheaper or more efficient, people do more of it	Kad kaut kas kļūst lētāks vai efektīvāks, cilvēki to dara vairāk
If liquid cooling cuts cooling energy dramatically, the market may respond by:	Ja šķidruma dzesēšana ievērojami samazina dzesēšanas enerģiju, tirgus var reaģēt šādi:
building more data centres	vairāk datu centru būvniecība
running bigger models
pushing hardware harder	spēcīgāk spiežot aparatūru
So cooling improvements are valuable — but they don’t guarantee lower total environmental impact unless paired with:	Tātad dzesēšanas uzlabojumi ir vērtīgi, taču tie negarantē mazāku kopējo ietekmi uz vidi, ja vien tie netiek apvienoti ar:
carbon-aware grid strategy	oglekļa ziņā apzināta tīkla stratēģija
transparency on energy use	pārredzamība enerģijas patēriņa jomā
incentives to reduce total footprint	stimuli kopējās pēdas nospieduma samazināšanai
What to watch next
Which cooling approach becomes dominant	Kura dzesēšanas pieeja kļūst dominējoša
(cold plates vs immersion vs two-phase) by workload type.	(aukstās plāksnes vs iegremdēšanas vs divfāžu) pēc darba slodzes veida.
Regulation and standards
around refrigerants and PFAS.
Community pushback
: whether cooling innovations reduce local water and noise impacts.	Vai dzesēšanas inovācijas samazina vietējo ietekmi uz ūdeni un troksni.
Heat reuse projects	Siltuma atkārtotas izmantošanas projekti
moving from pilots to repeatable deployments.	pāreja no pilotprojektiem uz atkārtojamiem izvietojumiem.
AI transparency	Mākslīgā intelekta pārredzamība
: as the BBC notes, researchers are calling for clearer reporting of energy use by model/product.	kā norāda BBC, pētnieki aicina skaidrāk ziņot par enerģijas patēriņu pa modeļiem/produktiem.
Bottom line
Cooling is becoming the “hidden infrastructure” that decides how fast AI can scale.	Dzesēšana kļūst par “slēpto infrastruktūru”, kas nosaka, cik ātri mākslīgais intelekts var mērogoties.
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.	Šķidruma dzesēšana var samazināt dzesēšanas enerģiju un nodrošināt augstāku veiktspēju, taču tā rada arī jaunus jautājumus par ķīmisko drošību, ietekmi uz klimatu un to, vai efektivitātes pieaugums tiek izmantots, lai samazinātu ietekmi uz vidi vai vienkārši paātrinātu skaitļošanas apjomu pieaugumu.
Sources
BBC News (Technology of Business):	BBC News (Biznesa tehnoloģijas):
https://www.bbc.com/news/articles/cp8zd176516o?at_medium=RSS&at_campaign=rss	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	Skatīt visus administratora ierakstus
Why Excel won’t die: network effects, governance gaps, and the AI-era spreadsheet problem	Kāpēc Excel neizmirs: tīkla efekti, pārvaldības nepilnības un mākslīgā intelekta laikmeta izklājlapu problēma
Can technology fix fashion sizing? The real issue is incentives, not measurements	Vai tehnoloģijas var noteikt modes izmērus? Īstā problēma ir stimuli, nevis mērījumi
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.	Mākslīgā intelekta darba slodzes piespiež datu centru mikroshēmas sasniegt lielāku jaudas blīvumu, padarot šķidruma dzesēšanu būtisku. Lūk, kā darbojas iegremdēšanas/izsmidzināšanas sistēmas un kādi ir galvenie kompromisi.

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

←

→

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	Lapa nav atrasta — 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	Lapa nav atrasta — Florin.blog
Skip to content
Home
Blog
Garden Decor
Indoor
Main Menu
This page doesn't seem to exist.	Šķiet, ka šī lapa neeksistē.
It looks like the link pointing here was faulty. Maybe try searching?	Izskatās, ka saite, kas norāda uz šejieni, bija kļūdaina. Varbūt pamēģiniet meklēt?
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.	Kā Amazon partneris mēs saņemam komisijas maksu no kvalificētiem pirkumiem — bez papildu izmaksām jums.
Florin.blog
Florin.blog » Feed
RSD
Search...

Document Title

Page not found - Florin.blog

Image Alt

Florin.blog

Title Attribute

Florin.blog » Feed

RSD

Placeholder Attribute

Search...

Page Content

Page not found - Florin.blog

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:

Quick Links

Outdoors

About

Contact

Explore

Bestsellers

Hot deals

Best of The Year

Featured

Gift Cards

Help

Disclaimer

: As an Amazon Associate, we earn from qualifying purchases — at no extra cost to you.

Florin.blog

Florin.blog » Feed

RSD

Search...