“液冷不再只是“降温”，而是算力经济的成本变量。

2026年6月21日，英伟达在官方博客扔下了一颗重磅炸弹：下一代AI计算平台Rubin实现100%全液冷。每一颗芯片、每一个网络组件全部由液体闭环冷却，系统内没有任何风扇。

这不是一次常规的参数升级，它宣告了一个新时代的开端：液冷从“可选项”，变成了进入AI算力基础设施市场的“入场券”。

英伟达GPU的功耗曲线，清晰地记录着这场变革的必然性：2020年的A100是400W，2022年的H100升至700W，2024年的B200最高达到1200W，2026年的Rubin架构已超过2300W。从400W到2300W，只用了六年。

芯片功耗的狂飙，带来的是机柜功率密度的跃升。目前主流的GB200/GB300 NVL72机柜，单机柜功耗已达130-140kW，而风冷系统的物理散热极限只有15-20kW。一个机柜产生的热量，已经是风冷能处理极限的6到9倍。

风冷扛不住的背后，是一场物理层面的降维打击。液体的体积比热容是空气的1000到3500倍，同等工况下液冷的冷却能力远高于风冷。传统风冷数据中心的PUE普遍在1.4以上，而液冷方案可以将其降至1.2以下。

与此同时，国内政策也在加速这一进程。工信部明确规定2026年新建数据中心液冷渗透率不低于60%，北京、上海等城市直接禁止新建风冷数据中心，PUE红线从1.25收紧到1.15。

在这个节点上，一个行业级问题浮出水面：当单柜功率从30kW向100kW+，甚至1MW跃升，智算中心的“地基”到底该怎么建？

市面上MW级方案多为多柜堆叠，真正敢做“单机柜原生MW设计与整体水力配套能力”的没几个。近期，宁畅公司发布全球首个MW级单相冷板全液冷超节点方案，试图回答的，正是这个问题。

智算集群制冷

传统方案已经撞上南墙？

要理解宁畅方案的意义，得先理解它要解决的行业困境。这不是某一家厂商的产品问题，而是整个智算基建正在面临的系统性挑战。

一个关键转折正在发生：新一代AI芯片TDP（Thermal Design Power，热设计功耗）突破1000W，单机柜功耗从30-50kW向100kW+跃升。与此同时，算力集群从松散的机柜堆叠向紧耦合超节点演进，追求低延迟、高带宽的节点间互联。

MW级集群制冷成为必然，但传统冷板方案面临物理与技术瓶颈。

这里需要厘清一个技术逻辑，传统冷板方案的瓶颈，不是“制冷量不够”，而是在功率密度指数级上升的过程中，水力分配、安全隔离和运维效率三个维度同时逼近了物理极限。

制冷量可以靠增加CDU（Coolant Distribution Unit，冷却液分配单元）和管路来堆，但水力分配的均匀性、水路与电路的安全隔离、以及大规模集群下的运维效率，不是靠“堆设备”能解决的。

具体来看，行业正面临四大痛点的“四重博弈”。

这四个痛点不是孤立的，而是相互纠缠的。比如，要提高能效就得优化流阻和均流，但优化流阻往往意味着增大管径、增加重量，又会影响运维和扩展。传统方案在这些矛盾中左右为难，本质上是因为它们的水力架构没有为MW级功率密度做原生设计。

这就引出了当前行业的一个结构性缺陷：市面MW级方案多为多柜堆叠，缺少单机柜原生MW设计与整体水力配套能力。

从工程逻辑看，多柜堆叠意味着管路和连接点成倍增加，漏液风险随之上升，土建、配电、CDU管网规划也全部复杂化。

更关键的是，多柜之间的水力平衡难度，随着柜数增加呈指数级上升。每个机柜的流量、压力、温度都需要单独调节，任何一个环节的偏差都可能导致局部热点或整体能效恶化。这不是简单的技术路线差异，它反映了行业在从“机柜级”向“机房级”演进过程中，尚未完成系统性的架构升级。

这就是传统方案撞上的南墙。

那么，有没有一种方案，能从底层架构上解决这些问题？宁畅的MW级单相冷板全液冷超节点方案，提供了一种值得借鉴的答案。

单柜原生MW级单相冷板全液冷超节点，到底做对了什么？

宁畅方案的特别之处，在于它从水力架构、安全隔离到运维效率，做了一次系统性的重构。

先看核心参数。宁畅此次发布的方案，技术路线为单相冷板式全液冷，机柜总散热能力达到1MW，单柜原生设计可承载36个计算节点、288张卡。单节点最大散热功耗28kW；单芯片解热能力迈入5000W，适配新一代高功耗AI芯片；整机柜供液指标1.2LPM/kW（LPM即Liters Per Minute，升/分钟，此处指每千瓦散热功耗所需冷却液流量），有效降低水泵能耗与成本。

这些数字，指向同一个事实：宁畅的方案，不是简单的功率叠加，它在多个方面都做了系统级的重构。

其中，这个方案的一些技术亮点值得逐一拆解，因为它们直接对应了上一部分提出的四大痛点。

先看安全隔离。

多数整机柜散热水路和供电部件混合同舱，仅靠告警、导流做漏液事后防护。宁畅的方案采用正交无背板布局，水电物理硬隔离、分区独立舱体，计算节点、交换节点、供电模块、Busbar（母线排，用于机柜内大电流供电）全部纳入液冷覆盖。

这是从“事后防护”到“事前隔离”的转变。即便冷却液渗漏，也可避免液体直接接触供电器件，把灾难性事故的可能性从架构上排除。

再看运维效率。

主Manifold（散热歧管，用于将冷却液分配到各个节点的管路结构）支撑36个计算节点散热冷量；二级SW-Manifold专为8个交换机节点供液，实现交换机盲插对接、推入即通水。关键词是“全节点”：计算+交换节点全盲插，故障节点热插拔更换，万卡规模下显著节省运维工时。

MW级超节点整机柜-二级manifold-整体视角

然后是水力分配。

日字形扁管主Manifold，实现均流精度≤1%（行业普遍5%-10%），联合部件厂商定制的大口径快插接头则采用低流阻设计，与现有规格相比流体阻力大幅降低58%，冷却比流量做到了1.2LPM/kW，远优于行业1.5的平均水平。三个指标共同指向一个结果，以更低能耗、更高效率、更优成本，构建MW级液冷系统的流量分配基石。

最后是余量设计。

定制UQD（Universal Quick Disconnect，通用快速接头）大口径设计，单节点短时散热裕度32kW，自研5000W单芯片冷板。这体现的是“余量思维”：为下一代高热耗AI芯片预留散热余量，避免机柜整体改造，仅升级冷板即可平滑迭代。

当然，技术优势最终要转化为商业价值。从CAPEX（Capital Expenditure，资本性支出，即初始建设投资）看，单柜MW级输出减少机柜数量。从OPEX（Operating Expenditure，运营性支出，即日常运营成本）看，低比流量+低流阻降低年度电费。从运维看，全节点盲插节省工时。

可以说，液冷不再只是“降温”，而是算力经济的成本变量。这个转变，正在重新定义液冷技术的商业逻辑。

那么，这种商业逻辑的转变，对整个行业意味着什么？

MW级液冷超节点

重新定义智算中心的“地基”

宁畅的方案只是整个产业发展演进的一个切片，但它折射出的，是整个智算基建正在经历的深层变革。

当单柜功率逼近1MW，机房的设计单元正在从“机房”下沉到“机柜”。过去，机房是设计单元，机柜是标准化产品。现在，机柜本身成为一个需要系统设计的“微型机房”，水力、电力、运维都要在机柜级别完成闭环。

单芯片解热能力，正在成为液冷技术的“皇冠上的明珠”。

在这个背景下，宁畅率先实现单芯片5000W散热承载的超节点系统方案，就具有重要的价值。5000W不仅是数字领先，更是为下一代AI芯片预留的“安全边际”。在AI芯片功耗还在持续攀升的背景下，单芯片解热能力决定了液冷方案的生命周期。今天够用的参数，明天可能就面临淘汰。

如果说技术竞争回答的是“谁能做到”，商业逻辑回答的是“值不值得做”。

而2026年的答案正在变得清晰，液冷的商业逻辑，正在发生一次根本性的转变。

中金公司预测，2026年将迎来液冷放量元年，全球智算中心液冷市场规模将达1147亿元，同比增长273%。赛迪顾问的报告显示，未来三年国内液冷数据中心市场规模将从2026年的232.5亿元增长至2028年的470.4亿元，实现翻倍以上增长。

这些数字背后，是一个更深层的逻辑变化。

过去，液冷是“成本项”，客户只关心PUE能不能达标。现在，液冷是“生产力项”，客户关心的是每Token的综合成本。

为什么是Token？因为Token正在成为AI算力的“结算单位”。

截至2026年3月，我国日均Token调用量已超过140万亿，相比2024年初的1000亿增长了1000多倍。Token工厂的运营成本中，电力占比可达50-70%，其次是芯片折旧、液冷散热、网络互联和运维人力。与功耗产出对应，单位Token成本与单位功耗产出成反比，功耗产出越高，单位Token成本越低。

这个逻辑链条很清晰：液冷系统的效率，直接影响每瓦Token吞吐量。而每瓦Token吞吐量，直接决定Token工厂的毛利率。

结语：散热决定算力的边界

算力史，从来不只是芯片史。

回望过去七十年，每一次算力跃迁的背后，都伴随着一次散热方式的革命。

1960年代，IBM System/360用空调机房支撑起大型机的运算；1990年代，x86服务器靠风冷机架撑起互联网的第一次浪潮；2010年代，GPU集群用冷板式液冷撬开了深度学习的算力闸门。每一次，散热技术的突破都先于应用爆发。它不站在舞台中央，却决定了舞台能搭多大。

今天，历史再一次走到了相似的节点。

从大型机到PC，从PC到移动互联网，从移动互联网到AI，每一次计算范式的迁移，最终都落在一个最朴素的问题上，如何把热量带走。

单柜1MW，液冷厂商在赌什么？

赌的是，当万卡集群成为常态、十万卡集群渐成趋势、下一代芯片功耗继续攀升时，那个能率先完成系统性重构的人，将定义下一个十年的基础设施标准。

历史会记住，是谁在物理规律的边界上，为算力开辟了新的生存空间。

算力的尽头，是散热。而散热的尽头，是工程想象力。

文：月满西楼 / 数据猿
责编：凝视深空 / 数据猿