Vätskekylning blir flaskhalstekniken för AI-datacenter

/Teknologi/ Av

Sammanfattning:Datacenter blir allt varmare i takt med att AI-arbetsbelastningar pressar kretsar till högre effektnivåer, och det räcker i allt högre grad inte med att "bara blåsa mer luft". Det är därför branschen går mot vätskekylning – från kalla plattor och mikrofluidiska kanaler till kompletta "duschar" och nedsänkningsbad – för att hålla servrar stabila, minska energiförbrukningen för kylning och (i vissa fall) återanvända spillvärme.

Men kyllösningen har sina egna avvägningar: kemiska val (inklusive oro för PFAS-innehållande köldmedier), säkerhet, kostnad och risken att effektivitetsvinster helt enkelt möjliggör ännu mer datortillväxt.

Varför kylning plötsligt spelar så stor roll

Om du vill ha en enda anledning:effekttäthet.

Moderna AI-system använder rack packade med högpresterande acceleratorer som:

  • drar mycket mer ström än vanliga processorer
  • generera värme i mindre fysiska fotavtryck
  • körs ofta nära prestandagränserna

Det gör kylning till en begränsning av första ordningen. När kylningen misslyckas kan hela anläggningen fallera.

BBC pekar på ett exempel från verkligheten: ett kylsystemfel i USA som störde den finansiella handelstekniken hos CME Group, vilket utlöste ytterligare kylkapacitet efter händelsen.

Luftkylningens problem: fysik och minskande avkastning

Luftkylning är enkelt och välbekant, men det har svårt när:

  • värmen koncentreras till ett litet område
  • du behöver ta bort värme snabbt och konsekvent
  • fläkteffekt och luftflödeshantering börjar förbruka en betydande andel energi

Vid någon tidpunkt "kyler du inte ner flisorna" – du "driver en vindtunnel" inuti byggnaden.

Vad vätskekylning egentligen betyder (det är inte en enda teknik)

"Vätskekylning" är en familj av metoder:

1) Direkt-till-chip / kallplåtskylning

En vätskeslinga löper genom en platta som är fäst vid de hetaste komponenterna.

Fördelar:

  • effektiv värmeavledning vid källan
  • mogna tekniska mönster

Nackdelar:

  • kräver fortfarande noggrann VVS- och läckagehantering

2) Spray-/duschkylning

BBC beskriver konstruktioner där vätska sipprar eller duschar ner på komponenter.

Fördelar:

  • kan kyla flera komponenter, inte bara chips
  • minskar potentiellt behovet av stora fläktar

Nackdelar:

  • väcker frågor om vätskekemi, kompatibilitet och underhåll

3) Immersionskylning ("bad")

Servrar (eller komponenter) är nedsänkta i en cirkulerande dielektrisk vätska som transporterar bort värme.

Fördelar:

  • hög termisk prestanda
  • kan möjliggöra mer konsekvent drift vid hög belastning

Nackdelar:

  • hårdvara måste vara designad/validerad för nedsänkning i vatten
  • driftsförändringar (service, byte av delar)

4) Tvåfaskylning (vätske- → gasfasbyte)

Ett köldmedium avdunstar när det absorberar värme, vilket kan vara mycket effektivt.

Fördelar:

  • stark kylprestanda

Nackdelar:

  • beror på köldmedier; vissa kan ha klimat- eller säkerhetsproblem

Den kemiska avvägningen: PFAS och köldmedier

En av de underdiskuterade delarna av datacenterkylning är kemikalieval.

BBC noterar:

  • vissa tvåfassystem använder köldmedier som kan innehålla PFAS
  • vissa köldmedier kan vara potenta växthusgaser
  • det finns säkerhetsproblem med att ångor läcker ut i vissa konstruktioner
  • vissa företag byter till PFAS-fria alternativ

Även när ett system är ansvarsfullt konstruerat gäller en enkel sanning:

  • Om man skalar upp en teknik till tusentals platser blir små läckagenivåer stora miljösiffror

Slutet vattensystem: varför det är viktigt för samhällen

Datacenter blir alltmer kontroversiella eftersom många konsumerar:

  • stora mängder elektricitet
  • betydande vatten (beroende på kyldesign)

Vissa vätskekylningskonstruktioner använder vatten i en sluten slinga för att kyla en oljebaserad dielektrisk vätska, vilket minskar den pågående vattenförbrukningen.

Det är politiskt relevant. Lokalt motstånd bildas ofta kring "varför ska vårt elnät/vatten betjäna någon annans AI?"

Kylteknik blir en del av den sociala licensen att operera.

Spillvärme är en möjlighet – men bara om någon kan använda den

BBC nämner en kund som planerar att använda spillvärme från servers för:

  • gästrum
  • tvätt
  • en simbassäng

Detta är konceptuellt rätt riktning: datoranvändning omvandlar elektricitet till värme, så återanvändning kan förbättra den totala effektiviteten.

Men att skala upp värmeåteranvändning är svårt eftersom det kräver:

  • en närliggande värmekund (byggnader, pooler, fjärrvärmenät)
  • stabil efterfrågejustering
  • infrastrukturinvesteringar

Så det är lovande, men inte automatiskt.

Den djupare risken: effektivitet kan öka den totala efterfrågan

Det finns en klassisk rebound-effekt:

  • När något blir billigare eller effektivare gör folk mer av det

Om vätskekylning minskar kylenergin dramatiskt kan marknaden reagera genom att:

  • bygga fler datacenter
  • kör större modeller
  • pressar hårdvaran hårdare

Så kylförbättringar är värdefulla – men de garanterar inte lägre total miljöpåverkan om de inte kombineras med:

  • en koldioxidmedveten nätstrategi
  • transparens kring energianvändning
  • incitament för att minska det totala fotavtrycket

Vad man ska titta på härnäst

  1. Vilken kylmetod blir dominerande(kallplattor vs. immersion vs. tvåfas) efter arbetsbelastningstyp.
  2. Reglering och standarderkring köldmedier och PFAS.
  3. Motstånd från gemenskapenhuruvida kylinnovationer minskar lokal vatten- och bullerpåverkan.
  4. Projekt för återanvändning av värmeövergång från pilotprojekt till repeterbara utplaceringar.
  5. AI-transparensSom BBC noterar efterlyser forskare tydligare rapportering av energianvändning per modell/produkt.

Slutsats

Kylning håller på att bli den "dolda infrastrukturen" som avgör hur snabbt AI kan skalas upp.

Vätskekylning kan minska kylenergin och möjliggöra högre prestanda, men det introducerar också nya frågor om kemikaliesäkerhet, klimatpåverkan och huruvida effektivitetsvinster används för att minska miljöpåverkan eller helt enkelt accelerera tillväxten av datorkraft.

Källor

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...
v Svenska