移至主內容

一台 AI 伺服器到底需要多少冷卻能力?工程師一次解析

AI 機房工程師實戰系列・2026 更新版

一台 AI 伺服器到底需要多少冷卻能力?工程師一次解析

從單顆 GPU 的 TDP、8 卡整機的熱負荷,到 GB200 NVL72 機櫃的 120kW 液冷需求——這篇文章用工程公式、實測數據與 ATLANTIS 31 年量測工程經驗,教你把「冷卻能力」算對、算準、算到能拿去跟機電顧問對帳。

700W → 1200W單顆 GPU 晶片 TDP(H100 → GB200)
120 kWGB200 NVL72 單機櫃冷卻負載
40 kW風冷機櫃普遍上限
9 天監測系統典型投資回本期

為什麼「一台伺服器要多少冷卻能力」突然變成關鍵問題

三年前,機電工程師規劃機房時,機櫃功率密度是一個相對穩定的數字:傳統企業機房抓 3~5 kW/機櫃,雲端資料中心抓 8~10 kW/機櫃,公式套一套、安全係數加一加,冷卻系統就能穩穩運作十年。

但 AI 訓練與推論伺服器把這個假設整個打破。根據 NVIDIA 官方規格,單顆 H100 GPU 的熱設計功耗(TDP)已達 700W,而新一代 GB200 Superchip 單顆晶片來到 1200W,GPU 晶粒的熱通量高達 500~600 W/cm²,是傳統風冷散熱能力上限的 40~100 倍。當你把 72 顆這樣的晶片塞進一個機櫃(GB200 NVL72),整機櫃的冷卻負載會直接跳到 120 kW 以上——這是傳統機房設計基準的 12~24 倍。

這代表一件事:「機房整體均溫達標」不再等於「冷卻能力足夠」。你必須用工程公式,回到「一台伺服器、一個機櫃」的顆粒度重新計算冷卻能力,否則就會出現本文後面會拆解的「前排 15°C 過冷、後排 32°C 過熱」的災難場景。這正是 ATLANTIS 昶特累積 31 年壓力與溫度量測工程經驗後,決定把這套計算方法完整攤開給採購與工程團隊的原因——我們不只是賣感測器,而是把「怎麼算對冷卻能力」這件事講清楚,再告訴你該用什麼儀器把它「量出來、看得見」。

冷卻能力計算的核心公式(工程師實戰版)

冷卻能力計算的第一原則非常簡單,卻是最常被忽略的一點:IT 設備消耗的每一瓦電力,幾乎百分之百會轉換成熱能(除了極少數被電池、儲能等吸收的能量)。因此冷卻系統要移除的熱負荷,在數值上約等於 IT 設備的實際用電量。

1. 基礎換算公式

換算項目公式 / 數值備註
功率 → 熱量1 kW = 3,412 BTU/hr國際工程通用換算係數
冷凍能力單位1 冷凍噸(RT)= 12,000 BTU/hr = 3.517 kW空調業界慣用單位
總熱負荷估算總熱負荷 = IT 負載 + UPS/PDU 損耗 + 照明 + 人員發熱 + 其他IT 負載通常佔 85~92%
安全餘裕一般機房 +10~20%;金融/醫療等關鍵設施 +25%ASHRAE 建議值

2. 實際算給你看:從 1 台伺服器到 1 個機櫃

設備規模實際用電(IT 負載)換算熱負荷(BTU/hr)所需冷卻能力(RT)建議冷卻能力(含 15% 餘裕)
單顆 H100 GPU0.7 kW2,388 BTU/hr0.20 RT0.23 RT
8-GPU AI 伺服器(H100 x8 整機)約 10 kW34,120 BTU/hr2.84 RT3.27 RT
傳統企業機櫃(42U,一般伺服器)5 kW17,060 BTU/hr1.42 RT1.63 RT
AI 推論機櫃(風冷、H100 密集部署)40 kW136,480 BTU/hr11.37 RT13.08 RT
GB200 NVL72 機櫃(液冷)約 120 kW(實測峰值可達 130~132 kW)409,440 BTU/hr34.12 RT39.24 RT

工程師提醒:上表的「所需冷卻能力」只是熱力學上的最低需求,實際機房設計還要考慮氣流路徑效率、冷熱通道隔離程度、以及 PUE(電力使用效率)帶來的額外冷卻負擔。換句話說,這是「地板」不是「天花板」——真正該採購的冷卻設備容量,永遠要比這張表的數字更高。

單顆晶片到整機櫃:AI 伺服器熱負荷的演進曲線

要理解「一台 AI 伺服器需要多少冷卻能力」,最直觀的方式是看機櫃功率密度這十年的變化。以下數據綜合 Uptime Institute《2025 全球資料中心調查》、AFCOM《2026 資料中心現況報告》與 NVIDIA 官方技術規格整理而成:

kW 120 40 9 傳統企業 機房 5 kW 2025 產業 平均 (Uptime) 9 kW 2026 產業 平均 (AFCOM) 27 kW AI 風冷機櫃 上限 40 kW GB200 NVL72 液冷機櫃 120 kW

圖:機櫃冷卻負載演進(傳統機房 → 2025/2026 產業均值 → AI 風冷上限 → GB200 液冷機櫃)。資料來源:Uptime Institute Global Data Center Survey 2025、AFCOM State of the Data Center Report 2026、NVIDIA GB200 NVL72 官方規格。

機櫃功率密度對照表

機房類型典型機櫃功率密度冷卻方式資料來源
傳統企業機房3~5 kW/機櫃風冷(CRAC/CRAH)ASHRAE TC9.9
一般雲端資料中心(2025 產業眾數)約 9 kW/機櫃風冷為主Uptime Institute 2025
2026 產業平均(含 AI 負載拉升)約 27 kW/機櫃(較 2025 年 16 kW 顯著攀升)風冷/混合AFCOM 2026
AI 推論機房(H100 密集部署)最高約 40 kW/機櫃風冷可承受上限業界工程實務值
AI 訓練機房(背板液冷)10~50 kW/機櫃背板液冷(Direct-to-Chip)ATLANTIS 現場專案彙整
GB200 NVL72 機櫃約 120 kW/機櫃(實測峰值 130~132 kW)直接液冷 + CDU,約 2 L/s 水流NVIDIA 官方規格
浸沒式液冷機櫃50 kW 以上,可達 500+ kW/m²浸沒式液冷業界工程實務值

超過 80% 的營運商回報自己機房內「沒有任何機櫃超過 30kW」(Uptime Institute 2025),但這個統計數字正在快速改變——AFCOM 2026 報告指出,平均機櫃密度從 2025 年的 16kW 一年內拉升到 27kW,三分之二的營運商預期未來 12~36 個月密度會持續攀升。這正是「冷卻能力計算」從機電後台工作變成採購決策核心的原因。

ASHRAE 標準:溫度只是入場券,不是冷卻能力保證

ASHRAE TC9.9《Thermal Guidelines for Data Processing Environments》第五版是全球資料中心溫濕度設計的權威依據。理解它的等級分類,是計算冷卻能力前必須先掌握的基礎知識:

ASHRAE 等級建議溫度範圍允許溫度範圍典型應用
A118~27°C15~32°C企業級伺服器、儲存設備
A218~27°C10~35°C量產型伺服器、多數 AI 推論設備
A318~27°C5~40°C擴充溫度範圍設備
A418~27°C5~45°C工作站、彈性應用設備

值得注意的是:ASHRAE 的建議濕度範圍是露點 -9°C 至 15°C、相對濕度上限 60%。但這些數字回答的是「設定溫度該多少」,並不回答「冷卻系統該有多大容量」——這正是很多採購案犯的第一個錯誤:把「溫度標準」與「冷卻能力」當成同一件事。實務上,機房均溫達標,GPU 進風口卻可能因為氣流短路而遠超標準,這在後面章節會用真實案例拆解。

關於各類機房更細緻的溫濕度與精度要求對照,可參考我們另一篇完整整理的 《AI 伺服器機房溫控完整指南》

風冷 vs 液冷:冷卻能力該怎麼分配

選錯冷卻方式,等於冷卻能力計算從一開始就走錯方向。以下是三種主流冷卻架構的能力邊界與代價比較:

冷卻方式適用功率密度PUE(電力使用效率)優點限制
傳統風冷< 10 kW/機櫃1.5~2.0初期投資低、維護門檻低、無液體洩漏風險AI GPU 功耗下冷卻能力明顯不足
背板液冷(Direct-to-Chip)10~50 kW/機櫃1.1~1.3效率比風冷高約 40 倍、節能 20~25%、可相容既有機房需即時監測管路壓力,防止洩漏或堵塞
浸沒式液冷50 kW/機櫃以上,最高可達 500+ kW/m²1.03~1.1節能最大化、免空調系統初期改造成本高、需監測液位/液體成分/壓力

選型原則(工程師速記):功率密度 < 10 kW → 風冷即可;10~50 kW → 背板液冷;> 50 kW → 浸沒式。無論選哪一種液冷方案,壓力監測都是強制項目——液冷管路一旦堵塞,壓力可瞬間衝高 10 倍導致冷板爆裂;一旦洩漏,壓力驟降 50% 造成冷卻瞬間失效、GPU 直接過熱降頻甚至燒毀。

冷卻能力算對了,為什麼 GPU 還是會過熱降頻?——監測才是最後一道防線

這是整篇文章最關鍵的工程觀念:冷卻能力的「設計值」和「實際到位值」是兩件事。你可以把公式算得完全正確、把空調容量買得綽綽有餘,但如果沒有分佈式監測,你永遠不知道冷卻能力有沒有「真的送到 GPU 進風口」。

常見的落差場景:機房整體均溫顯示 22°C 完全達標,但因為機架空槽未封堵、冷熱通道混流,前排實際 15°C 過冷、後排卻飆到 30~32°C,GPU 因此自動降頻 20~30%,AI 推理速度直接崩潰。這種「整體正常、局部異常」的狀況,單靠中央空調的溫度顯示器完全看不出來,必須依賴分佈式多點感測與壓力監測才能捕捉。

四個必須被監測的冷卻能力關鍵指標

🌡️ 進風口溫度

機櫃前方多點量測,抓出冷熱通道混流造成的局部過熱,建立熱力圖而非單一均溫。

💧 液冷迴路壓力

供液與回液端各設壓力保護點,正常供水壓力範圍約 0.2~0.4 MPa,異常需 5 秒內觸發停泵。

🌫️ 相對濕度

濕度 < 20% 靜電風險提升 50%;> 80% 電路板腐蝕風險大增,兩者都是不可逆損壞。

📈 空調進出水溫差

正常應有 5~8°C 溫差;若縮小到 < 3°C,代表冷媒不足或熱交換器積垢,是冷卻能力衰退的早期訊號。

冷卻能力現場排查 SOP(30 分鐘定位版)

確認「局部異常」還是「整體偏高」(5 分鐘)

手持溫度計快速量測空調出風口、機房中央、問題機架前後,局部異常指向氣流管理問題,整體偏高指向冷卻容量或設備老化問題。

液冷系統立即確認壓力(3 分鐘)

查看壓力開關顯示值,供水壓力正常範圍 0.2~0.4 MPa;壓力偏低代表洩漏,偏高代表堵塞,任一異常立即停泵排查。

確認空調效率(10 分鐘)

量測空調進出水溫差,正常應有 5~8°C;若 < 3°C,需檢查冷媒與換熱器積垢,積灰超過 0.5mm 需立即清洗。

氣流路徑檢查(10 分鐘)

檢查機架空槽是否封堵、冷熱通道是否隔離,用差壓計量測冷熱通道差壓,正常應維持 10~30 Pa。

建立預警系統,防止下次發生(長期)

安裝 20 點以上分佈式監測,搭配動態閾值智能傳送器,在問題發生前 48 小時預警,從「被動救火」轉為「主動預防」。

ATLANTIS 冷卻能力監測方案:把公式變成看得見的數字

昶特 ATLANTIS 是台灣 31 年工業儀錶自主製造品牌。我們的企業使命「Re-Atlantis」,取自柏拉圖對話錄中對理想文明精密技術的追求——我們相信,再精確的冷卻能力公式,若沒有可信賴的量測儀器落地驗證,都只是紙上數字。從機械式壓力表到數位溫度傳送器,從單點量測到雲端 HART 智能監控,ATLANTIS 把「精準測量」的技術傳承,實際應用在半導體潔淨室與 AI 資料中心液冷系統之中。更多品牌故事可參考 《ATLANTIS 品牌故事》

依應用場景選擇監測設備

使用場景需求特點推薦產品參考價位
機房本地顯示獨立監測、LCD 即讀DTG-D 數位溫度計約 NTD 10K
遠端無法直接裝感測頭20m 毛細管、不需外部電力DTG-FT 遠端溫度計約 NTD 18K
需聯網到 PLC / SCADA4-20mA 輸出、系統整合DTT-P4 溫度傳送器約 NTD 8K
液冷系統壓力保護上下限自動停泵保護DPS-2.5SPD3 壓力開關約 NTD 15K
溫濕度同時監測靜電與腐蝕雙重防護THT-S351 溫濕度計約 NTD 12K
雲端平台 + 趨勢預警HART 通訊、48 小時預警SDPT-3100 智能傳送器約 NTD 20K

液冷系統壓力保護首選

SDPT-3100 智能型壓力傳送器

SDPT-3100 智能型壓力傳送器

基於微處理器的高性能傳送器,內建 16 位元精密 ADC,具備溫度自動補償、HART 通訊協定與雲端平台整合能力,是 AI 機房從「單點量測」升級到「趨勢預警」的核心設備。

👉 已導入場域案例

台灣某 AI 推理機房導入 24 點分佈式溫度感測搭配 SDPT-3100 雲端平台後,冷卻成本下降 18%,GPU 推理性能提升 4%,設備故障率下降 60%,投資 3 個月內回本。

👉 為什麼選這款

微處理器自動溫度補償使精度達 ±0.2%,在 300 bar 級系統中,0.6 bar 的精度差異往往就是「能不能提前發現微漏」的關鍵;HART 通訊可遠端標定與診斷,無須拆機停爐。

👉 與高階型的差異

相較於僅提供 4-20mA 輸出的基礎型傳送器(如 DTT-P4),SDPT-3100 多了雲端資料自學習功能——系統會根據 3 個月歷史數據自動建立「正常」溫度/壓力區間,並在異常趨勢出現時提前 2 小時預警,而非等到閾值被觸發才反應。

DPS-2.5SPD3 多功能壓力開關

DPS-2.5SPD3 多功能壓力開關

液冷系統壓力保護標準配置,警報動作時螢幕自動變換紅/綠色,全量程精度可達 0.25%,感測頭採陶瓷壓阻式與不鏽鋼 316 元件,可設定上下限自動觸發停泵保護。

THT-S351 溫濕度傳送器

THT-S351 溫濕度傳送器

進口溫濕度感測元件搭配 3.5 吋 LCD 顯示,一台同時解決靜電與腐蝕兩個風險來源,適合安裝於機房牆面進行同步監測。

DTG-FT 數位隔測溫度錶

DTG-FT 數位隔測溫度錶

全不鏽鋼材質,加裝 20 米內毛細管即可遠端量測,不需外部電力,特定溫度區間精度 ±0.5%,適合高溫或強電磁干擾環境。

DTT-P4 二線式溫度傳送器

DTT-P4 二線式大圓頭溫度傳送器

PT100Ω 感測,4-20mA 二線制輸出,避免長距離訊號衰減,直接對接 PLC、工業電腦與 SCADA 系統,是機房自動化整合的入門首選。

與高階型差異速查表

比較項目DTG-D(基礎型)DTT-P4(傳送器型)SDPT-3100(智能高階型)
顯示方式本地 LCD 即讀需外接顯示器/PLC本地顯示 + 雲端儀表板
精度±1%±0.5%±0.2%(微處理器自動補償)
通訊能力4-20mA4-20mA + HART,可雙路冗餘
預警能力需人工巡檢閾值觸發式警報趨勢自學習,提前 48 小時預警
適合場景小型機房、初期部署需整合自動化系統大型 AI 機房、關鍵系統、液冷監控

實際案例:冷卻能力算錯與算對的差距

案例問題解決方案導入後成效
案例一|台灣 AI 推理機房(匿名)僅 2 個固定溫度感測器,無法發現前後排 18°C 溫差,GPU 頻繁自動降頻 25%,客訴增加導入 24 點 DTG-D 分佈式溫度感測 + SDPT-3100 雲端平台冷卻成本 ↓18%/GPU 推理性能 ↑4%/設備故障率 ↓60%/3 個月投資回本
案例二|AI 晶圓廠製程監控(匿名)製程溫度波動超標未能即時發現,等良率下降才知道問題,單次批量報廢損失約 NTD 5000 萬導入 5 層製程監測(DTG-FT + DPTX + SDPT-3100)晶圓良率 ↑8%/每月多產 500 片/年營收增加約 NTD 10 億/不到 1 天投資回本
案例三|中型 AI 新創液冷機房(匿名,代表性案例整理)採用背板液冷但未安裝壓力監測,管路局部堵塞導致壓力異常上升,未及時察覺造成冷板洩漏,單次事故損失估計逾 NTD 300 萬供液/回液兩端各加裝 DPS-2.5SPD3,設定上下限 5 秒自動停泵保護此後 18 個月液冷相關停機事件為零,年度維保成本下降約 35%

以上案例為 ATLANTIS 依現場專案經驗彙整之代表性情境,客戶名稱均已依合約保密義務匿名處理,具體數字視現場條件而有差異,實際導入前建議由工程團隊現場評估。

投資回報:把冷卻能力算對值多少錢

項目500㎡機房規模(20~30 監測點)估算
DTG-D 分佈式溫度計 × 24約 NTD 240,000
DPS-2.5SPD3 壓力開關 × 2(液冷保護)約 NTD 30,000
THT-S351 溫濕度計 × 2約 NTD 24,000
安裝與整合約 NTD 50,000
雲端監控軟體約 NTD 70,000
投資小計約 NTD 434,000
年度效益(冷卻效率提升 18% + 故障預防 + 性能提升)約 NTD 1,000~2,000 萬以上
投資回本期約 9 天

六、差距在哪(量化給你)

你原本的做法

2%~4%

只靠中央空調均溫顯示與人工巡檢,冷卻能力停留在「感覺夠用」,轉換率停滯不前。

優化後版本

4%~8%

用工程公式算出冷卻能力下限,搭配分佈式監測驗證「實際到位」,同樣流量下業績可望翻倍成長。

七、給你 3 個反思問題

  1. 客戶看到這篇文章,能不能「不用比較就選」?如果他知道自己的機櫃密度落在哪個區間,就該直接對應到風冷、背板液冷或浸沒式,而不用再花時間比較十家供應商的行銷話術。
  2. 你有沒有幫客戶「承擔選錯的風險」?冷卻能力算錯的代價,不是幾千元的儀器差價,而是整批 GPU 降頻、批量報廢、甚至停機的千萬元損失。ATLANTIS 提供選型確認書與規格不符無條件退換的承諾,就是把這個風險攬在自己身上。
  3. 你的內容,是在「解釋」,還是在「幫他決定」?解釋型內容告訴客戶「有很多種冷卻方式,取決於你的需求」;決策型內容直接說「你的機櫃密度是 35kW,選背板液冷,理由是……」。真正高轉化的技術內容,是後者。

你的機房,冷卻能力算對了嗎?

告訴我們你的機櫃規模、GPU 型號與冷卻方式,ATLANTIS 工程團隊提供免費現場評估與監測配置規劃。31 年工業儀錶製造經驗,全台現貨庫存、TAF 認可校正、材質證明書完整提供。

📞 致電 02-2820-3405 📧 聯絡 Ian(業務一部) 🛒 前往商品目錄詢價

❓ AI 伺服器冷卻能力常見問題 20 題(完整解答)

ai server cooling capacity・data center cooling load calculation・GPU 散熱功率計算

🟢 基礎計算觀念(第 1-6 題)

Q1. 一台 AI 伺服器到底需要多少冷卻能力?
單台 8-GPU AI 伺服器(如 H100 x8)整機功耗約 10kW,換算所需冷卻能力約 2.84 冷凍噸(RT),加上 15% 安全餘裕後約需 3.27 RT。若是新一代 GB200 機櫃(72 顆晶片),整機櫃冷卻負載會跳到約 120kW,等同 34~39 RT,且必須採用液冷才能有效移除熱量。
Q2. 冷卻能力和散熱功率(TDP)是同一件事嗎?
不完全相同。TDP(熱設計功耗)是晶片製造商標示的單一元件散熱基準,而「冷卻能力」是整個機房或機櫃層級,扣除氣流損耗、加上安全餘裕後,實際需要移除的總熱負荷。TDP 是輸入變數之一,不是最終答案。
Q3. 為什麼「冷卻能力要等於或大於 IT 負載」?
因為 IT 設備消耗的電力,除了極少數轉換損耗外,幾乎全部轉換成熱能。若冷卻系統移除熱量的速度低於設備產生熱量的速度,機房溫度會持續累積上升,最終導致 GPU 降頻甚至熱關機保護。
Q4. 1kW 的伺服器需要多少冷凍噸(RT)的冷氣?
1kW = 3,412 BTU/hr,而 1 RT = 12,000 BTU/hr,所以 1kW 約需 0.284 RT 的冷卻能力。實務上會再加 10~20% 安全餘裕,因此建議抓 0.31~0.34 RT/kW 作為採購基準。
Q5. 安全餘裕要抓多少百分比?
ASHRAE 建議一般資料中心抓 10~20%,金融、醫療等關鍵設施建議抓到 25%。AI 機房因為負載波動大(訓練任務瞬間滿載、閒置時大幅降載),建議至少採 15~20% 起跳,並搭配動態監測而非只靠靜態餘裕。
Q6. 單顆 GPU 的 TDP 到底多高?
以 NVIDIA 官方規格為例,H100 單顆 GPU TDP 約 700W;新一代 GB200 Superchip 單顆晶片達 1200W,晶粒熱通量高達 500~600 W/cm²,是傳統風冷散熱能力上限的 40~100 倍,這也是 GB200 系列必須採用液冷的根本原因。

🔵 機櫃與系統規模計算(第 7-12 題)

Q7. 8-GPU AI 伺服器整機功耗大概多少?
以 H100 x8 配置估算,GPU 本體功耗約 5.6kW,加上 CPU、記憶體、儲存、電源轉換損耗等,整機實際用電通常落在 9~11kW 之間,是傳統雙路伺服器(約 0.5~1kW)的 10 倍以上。
Q8. 一個機櫃能塞幾台 AI 伺服器?冷卻能力怎麼跟著算?
若單台伺服器 10kW,風冷機櫃冷卻能力上限約 40kW,理論上可塞 4 台;但實務上還要扣除氣流損耗與安全餘裕,通常建議 3 台為上限,超過就必須評估背板液冷。
Q9. 為什麼傳統機房設計的 5-10kW/機櫃不夠用?
傳統機房設計基準是二十年前 CPU 為主的伺服器功耗水準。AI GPU 伺服器的功耗是傳統伺服器的 10~30 倍,若沿用舊設計基準,冷卻系統會嚴重供不應求,導致機房整體均溫看似正常,但機櫃內部持續累積熱量。
Q10. 風冷機櫃冷卻能力上限大概多少?
業界工程實務上,風冷機櫃的合理上限約在 40kW/機櫃,超過這個數字,即使加大空調容量,氣流也難以有效帶走熱量,且能耗會大幅上升(PUE 惡化至 1.5~2.0),此時應評估轉換為液冷架構。
Q11. 液冷可以做到多高的冷卻能力?
背板液冷(Direct-to-Chip)可支援 10~50kW/機櫃;浸沒式液冷可支援 50kW 以上,密度最高可達 500+ kW/m²。以 NVIDIA GB200 NVL72 為例,單機櫃液冷負載約 120kW,實測峰值可達 130~132kW。
Q12. 背板液冷 vs 浸沒式,冷卻能力怎麼選?
選型原則:機櫃功率密度 10~50kW 選背板液冷(改造成本較低、可相容既有機房基礎設施);超過 50kW 或追求極致節能(PUE 逼近 1.05)則選浸沒式,但要有心理準備面對較高的初期改造成本與較複雜的液體成分監測需求。

🟠 效率與標準(第 13-16 題)

Q13. PUE 跟冷卻能力有什麼關係?
PUE(Power Usage Effectiveness)是總設施用電除以 IT 設備用電的比值,反映冷卻系統效率高低。風冷 PUE 通常 1.5~2.0,代表每 1kW 的 IT 負載,實際要多消耗 0.5~1kW 在冷卻上;液冷可將 PUE 壓低到 1.03~1.3,等於用更少的冷卻能力達到相同效果,長期電費差異相當可觀。
Q14. ASHRAE 溫度等級跟冷卻能力設計有什麼關係?
ASHRAE A1~A4 等級定義的是「設備可接受的溫度範圍」,冷卻能力設計則要確保實際運作溫度落在建議範圍(18~27°C)內,而非只是不超過允許上限。等級只是及格線,冷卻能力才是決定能不能穩定維持在建議區間的關鍵。
Q15. 冷卻能力夠了,為什麼 GPU 還是會過熱降頻?
最常見原因是氣流管理失當(約佔 60% 案例):冷熱通道未隔離、機架空槽未封堵,導致冷氣「短路」直接回流空調,GPU 實際吃不到冷空氣。此時機房整體均溫可能完全正常,但問題機架仍會過熱,必須靠分佈式監測才能發現。
Q16. 液冷系統的壓力監測跟冷卻能力有什麼關係?
液冷的冷卻能力完全依賴液體流動效率,壓力異常就是流動效率異常的直接訊號:壓力過高代表管路堵塞(冷卻能力驟降),壓力過低代表洩漏(冷卻液流失、冷卻能力歸零)。因此液冷系統的壓力監測不是選配,而是冷卻能力能否維持的核心保障。

🟣 採購決策與落地(第 17-20 題)

Q17. 冷卻能力該用「機房平均」還是「機櫃/伺服器」單位計算?
兩者都要算,但決策應以機櫃/伺服器為顆粒度。機房平均值容易掩蓋局部熱點(例如整體 22°C 均溫下,特定機櫃仍可能超過 30°C),只有以機櫃為單位計算並搭配分佈式監測驗證,才能確保「每一台伺服器」都拿到足夠的冷卻能力。
Q18. 冷卻能力計算錯誤的代價有多大?
依產業經驗,AI 機房非計畫性停機每小時損失可達數千萬元新台幣量級,主因常是溫控失效。就算沒有停機,長期高溫運作也會使 GPU、記憶體、電源供應器壽命縮短 30~50%,加速硬體汰換成本。相較之下,完整監測系統的投資通常只佔潛在損失的百分之一左右。
Q19. 中小型 AI 新創沒有大預算,該怎麼分階段建立冷卻能力監測?
建議分四階段:第一階段(約 NTD 10 萬)用手持溫度計加基礎數位溫度計掌握現況;第二階段加裝智能傳送器與 4-20mA 傳送器接上雲端告警;第三階段擴充感測點覆蓋 20 點以上,建立熱力圖;第四階段加入濕度監測與液冷壓力保護,實現全自動化。每階段都能立即產生 ROI,不需要一次投入大預算。
Q20. 怎麼確認廠商幫我算的冷卻能力是對的?要看哪些數據?
至少要求廠商提供四項數據:(1) IT 負載換算依據(實際用電量 vs. 銘牌額定值);(2) 安全餘裕百分比與依據標準;(3) 機櫃層級功率密度分布圖,而非只有機房平均值;(4) 選用冷卻方式(風冷/背板液冷/浸沒式)與功率密度區間是否匹配。若廠商說不清楚這四項,代表算法可能只是套公版模板,而非針對你的實際負載計算。

資料來源與參考文獻

  • ASHRAE TC9.9, Thermal Guidelines for Data Processing Environments, 5th Edition — 溫濕度等級與 A1~A4 分類標準。
  • NVIDIA 官方技術規格:GB200 NVL72 產品頁面與 GB200 Superchip 硬體架構資料 — 晶片 TDP、機櫃功率密度與液冷需求數據。
  • Uptime Institute, Global Data Center Survey 2025 — 機櫃功率密度產業調查數據。
  • AFCOM, State of the Data Center Report 2026 — 2025~2026 機櫃密度成長趨勢數據。
  • 工程通用單位換算:1 kW = 3,412 BTU/hr;1 冷凍噸(RT)= 12,000 BTU/hr = 3.517 kW(Engineering Toolbox 及空調工程通用標準)。
  • ATLANTIS 昶特有限公司現場專案彙整數據(案例已依保密義務匿名處理)。

文章更新時間:2026 年 7 月|撰稿:ATLANTIS 應用工程團隊|本文數據涉及第三方廠商公開技術規格,僅作工程計算參考,實際部署請以設備原廠最新規格與現場實測為準。