Kvapalné chladenie pre dátové centrá s umelou inteligenciou: ponorenie, chladivá, obavy z PFAS a opätovné využitie odpadového tepla

Zhrnutie:Dátové centrá sa zahrievajú viac, pretože pracovné zaťaženie umelej inteligencie tlačí čipy na vyššie úrovne výkonu a „len fúkať viac vzduchu“ čoraz viac nestačí. Preto sa odvetvie presúva na kvapalinové chladenie – od chladiacich platní a mikrofluidných kanálov až po plnohodnotné „sprchy“ a imerzné kúpele – aby sa udržali servery stabilné, znížila sa energia spotrebovaná na chladenie a (v niektorých prípadoch) sa opätovne využilo odpadové teplo.

Riešenie problému s chladením však prináša aj svoje vlastné kompromisy: chemické voľby (vrátane obáv týkajúcich sa chladív obsahujúcich PFAS), bezpečnosť, náklady a riziko, že zvýšenie efektívnosti jednoducho umožní ešte väčší rast výpočtovej kapacity.

Prečo je chladenie zrazu také dôležité

Ak chcete jeden dôvod:hustota výkonu.

Moderné systémy umelej inteligencie používajú racky vybavené vysokovýkonnými akcelerátormi, ktoré:

spotrebúvajú oveľa viac energie ako univerzálne procesory
generujú teplo na menších fyzických plochách
často bežia blízko limitov výkonu

Vďaka tomu je chladenie obmedzením prvého rádu. Keď chladenie zlyhá, môže zlyhať celé zariadenie.

BBC poukazuje na príklad z reálneho sveta: porucha chladiaceho systému v USA, ktorá narušila technológiu finančného obchodovania v skupine CME Group, čo po incidente spustilo potrebu dodatočnej chladiacej kapacity.

Problém chladenia vzduchom: fyzika a klesajúce výnosy

Chladenie vzduchom je jednoduché a známe, ale má problémy, keď:

teplo je sústredené na malom priestore
musíte rýchlo a dôsledne odvádzať teplo
výkon ventilátora a riadenie prúdenia vzduchu začnú spotrebovávať zmysluplný podiel energie

V určitom okamihu už „nechladíte triesky“ – vo vnútri budovy „prevádzkujete aerodynamický tunel“.

Čo vlastne znamená kvapalinové chladenie (nie je to jedna technológia)

„Kvapalinové chladenie“ je skupina prístupov:

1) Priame chladenie na čip / studená platňa

Kvapalný okruh preteká doskou pripojenou k najteplejším komponentom.

Výhody:

efektívny odvod tepla pri zdroji
zrelé inžinierske vzory

Nevýhody:

stále vyžaduje starostlivé inštalatérske práce a riadenie únikov

2) Chladenie sprejom/sprchou

BBC opisuje návrhy, kde tekutina steká alebo sprchuje na komponenty.

Výhody:

dokáže chladiť viacero komponentov, nielen čipy
potenciálne znižuje potrebu veľkých ventilátorov

Nevýhody:

vyvoláva otázky týkajúce sa chémie kvapalín, kompatibility a údržby

3) Ponorné chladenie („kúpele“)

Servery (alebo komponenty) sú ponorené v cirkulujúcej dielektrickej kvapaline, ktorá odvádza teplo.

Výhody:

vysoký tepelný výkon
môže umožniť konzistentnejšiu prevádzku pri vysokom zaťažení

Nevýhody:

hardvér musí byť navrhnutý/validovaný pre ponorenie
prevádzkové zmeny (servis, výmena dielov)

4) Dvojfázové chladenie (zmena fázy kvapalina → plyn)

Chladivo sa odparuje, pretože absorbuje teplo, čo môže byť veľmi účinné.

Výhody:

silný chladiaci výkon

Nevýhody:

závisí od chladív; niektoré môžu mať obavy o klímu alebo bezpečnosť

Kompromis v chémii: PFAS a chladivá

Jednou z málo diskutovaných častí chladenia dátových centier je výber chemikálií.

BBC poznamenáva:

Niektoré dvojfázové systémy používajú chladivá, ktoré môžu obsahovať PFAS
niektoré chladivá môžu byť silnými skleníkovými plynmi
Existujú bezpečnostné obavy týkajúce sa unikajúcich pár v niektorých konštrukciách
niektoré spoločnosti prechádzajú na alternatívy bez PFAS

Aj keď je systém navrhnutý zodpovedne, platí jednoduchá pravda:

Ak rozšírite technológiu na tisíce lokalít, malé miery únikov sa stanú veľkými environmentálnymi číslami

Uzavretý okruh vody: prečo je dôležitý pre komunity

Dátové centrá sú čoraz kontroverznejšie, pretože mnohé z nich spotrebúvajú:

veľké množstvo elektriny
značné množstvo vody (v závislosti od konštrukcie chladenia)

Niektoré konštrukcie kvapalinového chladenia používajú vodu v uzavretom okruhu na chladenie dielektrickej kvapaliny na báze oleja, čím sa znižuje priebežná spotreba vody.

To je politicky relevantné. Miestna opozícia sa často formuje okolo otázky „prečo by mala naša sieť/voda slúžiť umelej inteligencii niekoho iného?“.

Chladiaca technológia sa stáva súčasťou spoločenskej licencie na prevádzku.

Odpadové teplo je príležitosť – ale len ak ju niekto vie využiť

BBC spomína zákazníka, ktorý plánuje využiť odpadové teplo zo serverov na:

hosťovské izby
práčovňa
bazén

Toto je koncepčne správny smer: výpočtová technika premieňa elektrinu na teplo, takže opätovné použitie môže zlepšiť celkovú efektivitu.

Ale škálovanie opätovného využívania tepla je ťažké, pretože si vyžaduje:

blízky odberateľ tepla (budovy, bazény, siete diaľkového vykurovania)
stabilné prispôsobenie dopytu
investície do infraštruktúry

Takže je to sľubné, ale nie automatické.

Hlbšie riziko: efektívnosť môže zvýšiť celkový dopyt

Existuje klasický rebound efekt:

Keď sa niečo stane lacnejším alebo efektívnejším, ľudia to robia viac

Ak kvapalinové chladenie dramaticky zníži spotrebu energie na chladenie, trh môže reagovať:

výstavba ďalších dátových centier
prevádzka väčších modelov
viac tlačiť na hardvér

Vylepšenia chladenia sú teda cenné – ale nezaručujú nižší celkový vplyv na životné prostredie, pokiaľ nie sú spojené s:

stratégia siete zohľadňujúca uhlíkové emisie
transparentnosť v oblasti spotreby energie
stimuly na zníženie celkovej ekologickej stopy

Čo si pozrieť ďalej

Ktorý prístup k chladeniu sa stane dominantným(studené platne vs. ponorné vs. dvojfázové) podľa typu pracovného zaťaženia.
Regulácia a normyokolo chladív a PFAS.
Odpor komunityči inovácie v oblasti chladenia znižujú lokálne vplyvy na vodu a hluk.
Projekty na opätovné využitie teplaprechod od pilotných projektov k opakovateľným nasadeniam.
Transparentnosť umelej inteligencieAko poznamenáva BBC, výskumníci volajú po jasnejšom hlásení spotreby energie podľa modelu/produktu.

Zrátané a podčiarknuté

Chladenie sa stáva „skrytou infraštruktúrou“, ktorá rozhoduje o tom, ako rýchlo sa umelá inteligencia dokáže škálovať.

Kvapalné chladenie môže znížiť spotrebu energie na chladenie a umožniť vyšší výkon, ale zároveň prináša nové otázky týkajúce sa chemickej bezpečnosti, vplyvu na klímu a toho, či sa zvýšená účinnosť využíva na zmenšenie zaťaženia alebo jednoducho na urýchlenie rastu výpočtovej techniky.

Zdroje

BBC News (Technológia podnikania):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	Kvapalné chladenie pre dátové centrá s umelou inteligenciou: ponorenie, chladivá, obavy z PFAS a opätovné využitie odpadového tepla

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.	Pracovné zaťaženie umelej inteligencie tlačí čipy dátových centier na vyššiu hustotu výkonu, čo robí kvapalinové chladenie nevyhnutným. Tu je návod, ako fungujú imerzné/rozprašovacie systémy a aké sú kľúčové kompromisy.
Title Attribute
oEmbed (JSON)
oEmbed (XML)
JSON
View all posts by Admin	Zobraziť všetky príspevky od admina
Why Excel won’t die: network effects, governance gaps, and the AI-era spreadsheet problem	Prečo Excel nezomrie: sieťové efekty, medzery v riadení a problém tabuľkových procesorov v ére umelej inteligencie
Can technology fix fashion sizing? The real issue is incentives, not measurements	Dokáže technológia opraviť veľkosť módy? Skutočným problémom sú stimuly, nie miery
Page Content
Liquid cooling for AI data centres: immersion, refrigerants, PFAS concerns, and waste-heat reuse	Kvapalné chladenie pre dátové centrá s umelou inteligenciou: ponorenie, chladivá, obavy z PFAS a opätovné využitie odpadového tepla
Nature
Climate
Liquid cooling is becoming the bottleneck tech for AI data centres	Chladenie kvapalinou sa stáva úzkym hrdlom pre dátové centrá s umelou inteligenciou
/
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.	Dátové centrá sa zahrievajú viac, pretože pracovné zaťaženie umelej inteligencie tlačí čipy na vyššie úrovne výkonu a „len fúkať viac vzduchu“ čoraz viac nestačí. Preto sa odvetvie presúva na kvapalinové chladenie – od chladiacich platní a mikrofluidných kanálov až po plnohodnotné „sprchy“ a imerzné kúpele – aby sa udržali servery stabilné, znížila sa energia spotrebovaná na chladenie a (v niektorých prípadoch) sa opätovne využilo odpadové teplo.
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.	Riešenie problému s chladením však prináša aj svoje vlastné kompromisy: chemické voľby (vrátane obáv týkajúcich sa chladív obsahujúcich PFAS), bezpečnosť, náklady a riziko, že zvýšenie efektívnosti jednoducho umožní ešte väčší rast výpočtovej kapacity.
Why cooling suddenly matters so much	Prečo je chladenie zrazu také dôležité
If you want a single reason:
power density
.
Modern AI systems use racks packed with high-performance accelerators that:	Moderné systémy umelej inteligencie používajú racky vybavené vysokovýkonnými akcelerátormi, ktoré:
draw far more power than general-purpose CPUs	spotrebúvajú oveľa viac energie ako univerzálne procesory
generate heat in smaller physical footprints	generujú teplo na menších fyzických plochách
are often run close to performance limits	často bežia blízko limitov výkonu
That makes cooling a first-order constraint. When cooling fails, the whole facility can fail.	Vďaka tomu je chladenie obmedzením prvého rádu. Keď chladenie zlyhá, môže zlyhať celé zariadenie.
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 poukazuje na príklad z reálneho sveta: porucha chladiaceho systému v USA, ktorá narušila technológiu finančného obchodovania v skupine CME Group, čo po incidente spustilo potrebu dodatočnej chladiacej kapacity.
Air cooling’s problem: physics and diminishing returns	Problém chladenia vzduchom: fyzika a klesajúce výnosy
Air cooling is simple and familiar, but it struggles when:	Chladenie vzduchom je jednoduché a známe, ale má problémy, keď:
heat is concentrated in a small area	teplo je sústredené na malom priestore
you need to remove heat quickly and consistently	musíte rýchlo a dôsledne odvádzať teplo
fan power and airflow management start consuming a meaningful share of energy	výkon ventilátora a riadenie prúdenia vzduchu začnú spotrebovávať zmysluplný podiel energie
At some point, you’re not “cooling the chips” — you’re “running a wind tunnel” inside the building.	V určitom okamihu už „nechladíte triesky“ – vo vnútri budovy „prevádzkujete aerodynamický tunel“.
What liquid cooling actually means (it’s not one technology)	Čo vlastne znamená kvapalinové chladenie (nie je to jedna technológia)
“Liquid cooling” is a family of approaches:	„Kvapalinové chladenie“ je skupina prístupov:
1) Direct-to-chip / cold plate cooling	1) Priame chladenie na čip / studená platňa
A liquid loop runs through a plate attached to the hottest components.	Kvapalný okruh preteká doskou pripojenou k najteplejším komponentom.
Pros:
efficient heat removal at the source	efektívny odvod tepla pri zdroji
mature engineering patterns
Cons:
still requires careful plumbing and leak management	stále vyžaduje starostlivé inštalatérske práce a riadenie únikov
2) Spray/shower cooling
The BBC describes designs where fluid trickles or showers onto components.	BBC opisuje návrhy, kde tekutina steká alebo sprchuje na komponenty.
can cool multiple components, not only chips	dokáže chladiť viacero komponentov, nielen čipy
potentially reduces the need for large fans	potenciálne znižuje potrebu veľkých ventilátorov
raises questions about fluid chemistry, compatibility, and maintenance	vyvoláva otázky týkajúce sa chémie kvapalín, kompatibility a údržby
3) Immersion cooling (“baths”)	3) Ponorné chladenie („kúpele“)
Servers (or components) are immersed in a circulating dielectric fluid that carries heat away.	Servery (alebo komponenty) sú ponorené v cirkulujúcej dielektrickej kvapaline, ktorá odvádza teplo.
high thermal performance
can enable more consistent operation at high load	môže umožniť konzistentnejšiu prevádzku pri vysokom zaťažení
hardware must be designed/validated for immersion	hardvér musí byť navrhnutý/validovaný pre ponorenie
operational changes (servicing, swapping parts)	prevádzkové zmeny (servis, výmena dielov)
4) Two-phase cooling (liquid → gas phase change)	4) Dvojfázové chladenie (zmena fázy kvapalina → plyn)
A refrigerant evaporates as it absorbs heat, which can be very effective.	Chladivo sa odparuje, pretože absorbuje teplo, čo môže byť veľmi účinné.
strong cooling performance
depends on refrigerants; some may have climate or safety concerns	závisí od chladív; niektoré môžu mať obavy o klímu alebo bezpečnosť
The chemistry trade-off: PFAS and refrigerants	Kompromis v chémii: PFAS a chladivá
One of the under-discussed parts of data-centre cooling is chemical choice.	Jednou z málo diskutovaných častí chladenia dátových centier je výber chemikálií.
The BBC notes:
some two-phase systems use refrigerants that can contain PFAS	Niektoré dvojfázové systémy používajú chladivá, ktoré môžu obsahovať PFAS
some refrigerants can be potent greenhouse gases	niektoré chladivá môžu byť silnými skleníkovými plynmi
there are safety concerns about vapours escaping in some designs	Existujú bezpečnostné obavy týkajúce sa unikajúcich pár v niektorých konštrukciách
some companies are switching to PFAS-free alternatives	niektoré spoločnosti prechádzajú na alternatívy bez PFAS
Even when a system is engineered responsibly, a simple truth applies:	Aj keď je systém navrhnutý zodpovedne, platí jednoduchá pravda:
if you scale a technology to thousands of sites, small leakage rates become big environmental numbers	Ak rozšírite technológiu na tisíce lokalít, malé miery únikov sa stanú veľkými environmentálnymi číslami
Closed-loop water: why it matters to communities	Uzavretý okruh vody: prečo je dôležitý pre komunity
Data centres are increasingly controversial because many consume:	Dátové centrá sú čoraz kontroverznejšie, pretože mnohé z nich spotrebúvajú:
large amounts of electricity
significant water (depending on cooling design)	značné množstvo vody (v závislosti od konštrukcie chladenia)
Some liquid cooling designs use water in a closed loop to cool an oil-based dielectric fluid, reducing ongoing water draw.	Niektoré konštrukcie kvapalinového chladenia používajú vodu v uzavretom okruhu na chladenie dielektrickej kvapaliny na báze oleja, čím sa znižuje priebežná spotreba vody.
That’s politically relevant. Local opposition often forms around “why should our grid/water serve someone else’s AI?”	To je politicky relevantné. Miestna opozícia sa často formuje okolo otázky „prečo by mala naša sieť/voda slúžiť umelej inteligencii niekoho iného?“.
Cooling technology becomes part of the social license to operate.	Chladiaca technológia sa stáva súčasťou spoločenskej licencie na prevádzku.
Waste heat is an opportunity — but only if someone can use it	Odpadové teplo je príležitosť – ale len ak ju niekto vie využiť
The BBC mentions a customer planning to use server waste heat for:	BBC spomína zákazníka, ktorý plánuje využiť odpadové teplo zo serverov na:
guest rooms
laundry
a swimming pool
This is the right direction conceptually: computing turns electricity into heat, so reuse can improve overall efficiency.	Toto je koncepčne správny smer: výpočtová technika premieňa elektrinu na teplo, takže opätovné použitie môže zlepšiť celkovú efektivitu.
But scaling heat reuse is hard because it requires:	Ale škálovanie opätovného využívania tepla je ťažké, pretože si vyžaduje:
a nearby heat customer (buildings, pools, district heat networks)	blízky odberateľ tepla (budovy, bazény, siete diaľkového vykurovania)
steady demand alignment	stabilné prispôsobenie dopytu
infrastructure investment	investície do infraštruktúry
So it’s promising, but not automatic.	Takže je to sľubné, ale nie automatické.
The deeper risk: efficiency can increase total demand	Hlbšie riziko: efektívnosť môže zvýšiť celkový dopyt
There’s a classic rebound effect:	Existuje klasický rebound efekt:
when something becomes cheaper or more efficient, people do more of it	Keď sa niečo stane lacnejším alebo efektívnejším, ľudia to robia viac
If liquid cooling cuts cooling energy dramatically, the market may respond by:	Ak kvapalinové chladenie dramaticky zníži spotrebu energie na chladenie, trh môže reagovať:
building more data centres	výstavba ďalších dátových centier
running bigger models
pushing hardware harder
So cooling improvements are valuable — but they don’t guarantee lower total environmental impact unless paired with:	Vylepšenia chladenia sú teda cenné – ale nezaručujú nižší celkový vplyv na životné prostredie, pokiaľ nie sú spojené s:
carbon-aware grid strategy	stratégia siete zohľadňujúca uhlíkové emisie
transparency on energy use	transparentnosť v oblasti spotreby energie
incentives to reduce total footprint	stimuly na zníženie celkovej ekologickej stopy
What to watch next
Which cooling approach becomes dominant	Ktorý prístup k chladeniu sa stane dominantným
(cold plates vs immersion vs two-phase) by workload type.	(studené platne vs. ponorné vs. dvojfázové) podľa typu pracovného zaťaženia.
Regulation and standards
around refrigerants and PFAS.
Community pushback
: whether cooling innovations reduce local water and noise impacts.	či inovácie v oblasti chladenia znižujú lokálne vplyvy na vodu a hluk.
Heat reuse projects	Projekty na opätovné využitie tepla
moving from pilots to repeatable deployments.	prechod od pilotných projektov k opakovateľným nasadeniam.
AI transparency	Transparentnosť umelej inteligencie
: as the BBC notes, researchers are calling for clearer reporting of energy use by model/product.	Ako poznamenáva BBC, výskumníci volajú po jasnejšom hlásení spotreby energie podľa modelu/produktu.
Bottom line
Cooling is becoming the “hidden infrastructure” that decides how fast AI can scale.	Chladenie sa stáva „skrytou infraštruktúrou“, ktorá rozhoduje o tom, ako rýchlo sa umelá inteligencia dokáže škálovať.
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.	Kvapalné chladenie môže znížiť spotrebu energie na chladenie a umožniť vyšší výkon, ale zároveň prináša nové otázky týkajúce sa chemickej bezpečnosti, vplyvu na klímu a toho, či sa zvýšená účinnosť využíva na zmenšenie zaťaženia alebo jednoducho na urýchlenie rastu výpočtovej techniky.
Sources
BBC News (Technology of Business):	BBC News (Technológia podnikania):
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	Zobraziť všetky príspevky od admina
Why Excel won’t die: network effects, governance gaps, and the AI-era spreadsheet problem	Prečo Excel nezomrie: sieťové efekty, medzery v riadení a problém tabuľkových procesorov v ére umelej inteligencie
Can technology fix fashion sizing? The real issue is incentives, not measurements	Dokáže technológia opraviť veľkosť módy? Skutočným problémom sú stimuly, nie miery
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.	Pracovné zaťaženie umelej inteligencie tlačí čipy dátových centier na vyššiu hustotu výkonu, čo robí kvapalinové chladenie nevyhnutným. Tu je návod, ako fungujú imerzné/rozprašovacie systémy a aké sú kľúčové kompromisy.

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	Stránka sa nenašla - 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	Stránka sa nenašla - Florin.blog
Skip to content
Home
Blog
Garden Decor
Indoor
Main Menu
This page doesn't seem to exist.	Zdá sa, že táto stránka neexistuje.
It looks like the link pointing here was faulty. Maybe try searching?	Zdá sa, že odkaz smerujúci sem bol chybný. Skúste to vyhľadať.
Search for:
Search
Quick Links
Outdoors
About
Contact
Explore
Bestsellers
Hot deals
Best of The Year
Featured
Gift Cards
Help
Privacy Policy	Zásady ochrany osobných údajov
Disclaimer	Vyhlásenie o odmietnutí zodpovednosti
: As an Amazon Associate, we earn from qualifying purchases — at no extra cost to you.	Ako partner Amazonu zarábame z kvalifikovaných nákupov – bez akýchkoľvek dodatočných nákladov pre vás.
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...