AI伺服器功率不斷提升，CDU如何確保液冷系統散熱效能？完整技術解析 2026

當單顆 GPU 的熱設計功耗（TDP）逼近 1,400 瓦、單一機櫃功耗突破 100 kW 甚至朝 1 MW 邁進，傳統氣冷系統早已觸及物理極限——空氣的熱傳導能力在 700 瓦等級的晶片前幾乎束手無策。液冷，已經從「進階選配」變成 AI 資料中心的「剛性需求」。而在整個液冷架構中，真正決定散熱效能成敗的核心設備，正是被業界稱為「液冷系統心臟」的 CDU（Coolant Distribution Unit，冷卻液分配單元）。

CDU 的任務聽起來單純：把冷卻液精準地送到每一片伺服器冷板，再把帶走的熱量交換出去。但當機櫃功率從 20 kW 一路攀升到 120 kW、142 kW，甚至下一代設計挑戰 1 MW 等級，CDU 必須在流量、壓力、溫度三者之間做出毫秒級的動態平衡——任何一個監測環節失準，輕則 GPU 降頻、效能下滑，重則冷板洩漏、機櫃報廢，單次事故的損失動輒是設備採購成本的數十倍。

這篇文章要回答的核心問題是：當 AI 伺服器功率持續攀升，CDU 究竟依靠哪些機制與儀表，確保液冷系統的散熱效能不失控？ 我們會從 CDU 的系統架構、監測參數、儀表選型，到實際案例與 ROI 計算，提供工程師、設施管理者與採購決策者一份完整、可落地的技術指南。全文由昶特 ATLANTIS 資深工程團隊依據 31 年工業量測製造經驗撰寫，聚焦壓力、溫度、流量監測在 CDU 中的實際應用。

第一章：CDU 系統架構全解析——液冷系統的「心臟」如何運作

要理解 CDU 如何確保散熱效能，得先拆解它在整套液冷系統中的實際角色。CDU 並不是單純的「幫浦加水箱」，而是一套集流量控制、熱交換、壓力調節、污染防護與即時監測於一身的精密子系統。每一台液冷機櫃通常都需要搭配一套（或以 N+1 冗餘方式搭配多套）CDU，才能穩定供應冷卻液給機櫃內每一片伺服器冷板。

1.1 一次迴路與二次迴路：隔離設計的關鍵意義

CDU 最核心的設計邏輯，是把冷卻液迴路切分成「一次迴路」（Primary Loop，連接建築設施冷水系統或室外冷卻塔）與「二次迴路」（Secondary Loop，直接進入機櫃、接觸伺服器冷板）兩個獨立系統，中間以板式熱交換器（Plate Heat Exchanger）做熱量傳遞，兩側液體完全不混合。

這樣的隔離設計有三個實際好處：

• 水質純淨度可控：二次迴路使用去離子水或特殊配方冷卻液，避免設施用水中的雜質、礦物質直接接觸精密冷板，降低阻塞與腐蝕風險。
• 壓力互不干擾：一次迴路的壓力波動（例如冷卻水塔幫浦啟停）不會直接傳導到二次迴路，伺服器端的壓力環境更穩定。
• 維護與擴充彈性：二次迴路可針對機櫃特性獨立調校溫度、流量設定值，不受一次迴路整體排程限制。

1.2 CDU 的核心組件與各自職責

1.3 Liquid-to-Liquid 與 Liquid-to-Air 兩種 CDU 架構

依熱交換方式不同，CDU 可分為兩大類，適用場景與監測需求也不同：

1.4 完整儀表需求清單：CDU 監測到底需要哪些量測點？

以一套典型的機架式 CDU（服務單一或多個 AI 伺服器機櫃）為例，完整的儀表配置通常包含以下量測點位：

從這張清單不難看出，CDU 的散熱效能其實不是靠「一顆感測器」撐起來的，而是壓力、溫度、流量、液位四大類儀表彼此配合、交叉驗證的結果。下一章我們會進一步分析，當 AI 伺服器功率持續攀升，這些監測點位所面對的負荷變化與實際數據。

第二章：功率密度攀升下的散熱挑戰與尖峰負荷分析

2.1 機櫃功率密度的攀升軌跡

過去五年，資料中心機櫃功率密度的成長速度遠超過傳統散熱系統的設計假設。傳統伺服器機房設計功率密度多落在 3～5 kW／機櫃，一般大型機房也僅約 20～30 kW／機櫃；但 AI 訓練與推理叢集已經全面改寫這個標準。

以業界指標性的 NVIDIA GB300 NVL72 機櫃為例，單櫃功耗上看 120 kW，單顆 GPU 熱設計功耗逼近 1,400 瓦，遠遠超出傳統氣冷約 700 瓦左右的物理極限。這代表 CDU 不再只是「加分項」，而是整個機櫃能否穩定運作的先決條件。

2.2 散熱量與流量、溫差的關係：Delta-T 為何是核心指標

CDU 的散熱能力可以用一個簡化的熱力學公式理解：

這正是為什麼 CDU 監測系統必須「同時」掌握供水溫度、回水溫度與流量三項數據，而不是只看單一溫度值。只監測回水溫度，可能誤判「溫度沒有超標」，卻忽略了流量已經因濾網阻塞而悄悄下滑、Delta-T 被迫放大來維持相同散熱量的警訊。

2.3 尖峰負荷下的壓力與溫度變化實測參考

以一套服務 80 kW 機櫃的背板液冷 CDU 為例，從閒置到滿載訓練負載，各項監測參數的變化幅度具有代表性：

2.4 露點控制：容易被忽略的「隱性風險」

當機房濕度偏高、供水溫度設定過低時，二次迴路管路外壁與冷板表面可能低於環境露點溫度，產生結露。結露對於精密電子設備而言幾乎是不可逆的損害風險，且初期徵兆並不明顯，往往要到出現隨機當機、記憶體錯誤時才會被發現。因此，成熟的 CDU 控制邏輯會同步監測環境溫濕度，動態調整供水溫度設定值，確保「散熱」與「防結露」兩個目標不互相衝突——這也是為什麼溫濕度傳送器經常與 CDU 溫度監測系統整合部署的原因。

2.5 小結：尖峰負荷對監測系統的三項核心要求

• 反應速度：壓力與流量異常必須在秒級內被偵測並觸發保護動作，避免瞬間尖峰造成管路損壞。
• 量測範圍：儀表量程需涵蓋閒置到尖峰爆衝的完整區間，避免因量程設計不足導致誤判或飽和失準。
• 資料完整性：供水溫度、回水溫度、壓力、流量四項數據必須同步記錄，才能準確還原 Delta-T 與實際散熱效能，而非仰賴單一參數判斷。

第三章：CDU 關鍵監測參數與儀表選型原則

掌握了架構與負荷特性後，接下來要回答工程師最實際的問題：每一個監測點位，該怎麼選對規格？本章依壓力、溫度、流量、液位四大類，整理選型時必須確認的技術參數。

3.1 壓力監測：量程、精度與連接方式怎麼選

CDU 二次迴路的操作壓力通常落在 0.1～0.5 MPa 區間，但選型時不能只看「操作範圍」，還必須預留尖峰爆衝的安全裕度，同時考慮幫浦啟停瞬間的水鎚效應。一般建議量程選擇約為正常操作壓力上限的 1.5～2 倍，避免長期在滿量程附近運作影響感測元件壽命。

3.2 溫度監測：供回水溫度與 Delta-T 計算

溫度感測點位的佈置原則，是「供水」與「回水」必須成對量測，且盡量靠近冷板進出口，減少管路熱損失造成的量測誤差。對於需要整合 PLC／SCADA 系統的場域，建議選用具備 4-20mA 類比輸出或 HART 通訊能力的管路型溫度傳送器，方便納入既有監控平台。

3.3 流量監測：確認冷卻液真的有在循環

流量監測經常被低估重要性，但實務上它是判斷「幫浦是否正常運轉」與「管路是否阻塞」最直接的指標。流量開關屬於較經濟的方案，適合作為「有沒有流動」的門檻式保護；若需要精確掌握流量數值以計算 Delta-T 與散熱功率，則需搭配連續輸出型流量計。

3.4 液位與洩漏監測：預防「隱性故障」的最後防線

膨脹桶或儲液桶的液位變化，是判斷系統是否存在隱性洩漏的重要線索——正常運作下液位應維持穩定，若持續緩慢下降，即使尚未出現明顯滴液，也代表管路接頭或冷板密封已經出現微滲漏，必須及早排查。機櫃底部的洩漏感測則是最後一道防線，一旦偵測到液體即應觸發告警甚至自動停泵保護。

3.5 CDU 完整監測配置參考（依規模分級）

值得強調的是，儀表本身的精度只是選型的一部分，「連接方式與材質相容性」同樣重要——冷卻液種類（純水、乙二醇混合液或特殊配方液）、管路材質、以及是否需要防爆等級，都會直接影響感測器的隔膜材質與殼體設計選擇。下一章我們將具體介紹昶特 ATLANTIS 針對 CDU 監測情境開發的產品組合。

第四章：昶特 ATLANTIS CDU 監測解決方案與產品介紹

昶特 ATLANTIS 深耕工業量測儀表製造 31 年，長期服務半導體、石化、食品、精密製造等對精度與可靠度要求極高的產業。面對 AI 資料中心液冷系統這類新興應用，我們將既有的壓力、溫度、流量、液位量測技術，重新整合為一套完整的 CDU 監測解決方案，協助工程團隊在功率密度持續攀升的環境下，確保散熱效能穩定可控。

4.1 CDU 監測核心產品組合

SDPT-3100｜HART 智能型壓力傳送器——CDU 二次迴路供水壓力監測首選，支援雲端平台整合

DPTX｜防爆差壓傳送器——監測過濾器前後壓差，提前掌握濾網阻塞趨勢

STT｜HART 智能型溫度傳送器——供回水溫度精密監測，計算 Delta-T 換算實際散熱功率

ATT-P4/D4 系列｜管路型溫度傳送器——4-20mA 輸出，直接整合 PLC／SCADA 系統

AT25 系列｜流量開關——確認冷卻液確實循環，低流量異常即時告警

DPS-2.5SPD3｜多功能壓力開關——上下限保護設定，壓力異常秒級觸發停泵保護

SLPTX｜數位式 HART 液位傳送器——監測膨脹桶／儲液桶液位，及早發現隱性洩漏

THT-S351 系列｜溫濕度傳送器——機房環境溫濕度同步監測，防止結露風險

4.2 各產品在 CDU 系統中的部署位置

4.3 兩種常見配置方案比較

兩種配置皆可依現場冷卻液種類（純水、乙二醇混合液）選配對應材質的隔膜座與感測元件，確保長期運作下的耐腐蝕與相容性。所有產品皆採報價制，實際型號與規格建議依現場冷卻液性質、管徑與壓力等級，由昶特工程團隊協助現場評估後提供配置建議。

4.4 工業 4.0 整合：從單點監測到全機房智慧化

對於已導入或規劃導入 PLC、SCADA 或雲端監控平台的資料中心，選用支援 HART 通訊或 4-20mA 標準訊號輸出的儀表，能直接無縫整合進既有系統架構，不需要額外建置獨立監控介面。透過集中化的數據平台，工程團隊可以同時掌握多套 CDU 的供回水壓力、溫度、流量趨勢，並設定動態閾值，在異常初期即觸發預警，將維護模式從「事後搶修」轉為「事前預防」。

第五章：真實案例研究與投資效益分析

5.1 案例一：北部 AI 雲端運算中心——CDU 監測升級改善散熱穩定性

遭遇的問題

• 原有 CDU 監測僅有基礎壓力錶與單一回水溫度顯示，缺乏供回水成對量測，無法計算實際 Delta-T。
• 濾網阻塞初期無壓差監測，往往要等到流量明顯下降、GPU 開始降頻才被察覺。
• 膨脹桶液位無連續監測，一次接頭微滲漏累積數週後才在巡檢時發現，機櫃底部已有明顯積液痕跡。
• 訓練任務尖峰負載時，曾發生供水壓力短暫超出安全上限，導致一處快接頭滲漏，緊急停機排查耗時逾 2 小時。

解決方案：分階段導入

導入後成效（6 個月追蹤數據）

5.2 案例二：半導體先進封裝廠液冷測試站監控強化

遭遇的問題

• 測試站初期沒有獨立的過濾器壓差監測，工程團隊擔心濾材阻塞影響流量卻難以量化判斷。
• 機房環境濕度control不易，供水溫度設定偏保守，散熱裕度未被充分利用。
• 缺乏環境溫濕度即時監測，無法動態調整供水溫度以兼顧防結露與散熱效率。

解決方案

導入完整 CDU 監測配置：DPTX 監測濾網壓差、THT-S351 監測環境溫濕度並回饋至控制邏輯動態調整供水溫度設定、SDPT-3100 與 STT 分別監測壓力與供回水溫度，全數整合進廠內既有製程監控平台，並比照半導體潔淨室規格要求提供材質證明與校正紀錄。

5.3 投資效益分析框架

CDU 監測系統的投資效益，可以從三個面向量化：

第六章：CDU 與 AI 伺服器液冷監測常見問題 FAQ（20 題完整解答）

🟢 基礎觀念（第 1-5 題）

🔵 技術選型（第 6-12 題）

💰 成本效益與導入規劃（第 13-16 題）

🔧 維護、材質相容與應用場景（第 17-20 題）

第七章：延伸閱讀與相關技術指南

CDU 監測只是 AI 資料中心散熱管理的其中一環，若想更全面掌握機房溫控、儀表選型與各產業應用場景，可參考昶特 ATLANTIS 知識庫中以下相關文章：

• AI 伺服器機房溫控完整指南｜散熱監測・壓力量測解決方案——從機房整體溫控角度延伸閱讀，涵蓋風冷、背板液冷與浸沒式液冷的完整選型比較。
• 冷凍空調壓力量測指南｜冷媒壓力錶・差壓傳送器 HVAC 選型——CDU 一次迴路常與既有 HVAC／冰水系統整合，了解冷媒與冷卻水系統的壓力監測原則。
• 工業 4.0 壓力感測器整合指南｜智慧製造・IoT 遠端監控應用——深入了解 HART 通訊與雲端整合的技術細節，適合規劃全機房智慧化監控的團隊。
• 精密溫度感測器完整決策指南——比較 Pt100 白金電阻與熱電偶的應用差異，協助選擇最適合 CDU 溫度監測的感測元件。
• 數位壓力錶完整指南：原理×規格×產業應用——延伸了解數位壓力錶與傳統機械式壓力錶的差異與適用場景。
• RO 系統壓差上升完整故障診斷指南——濾材阻塞導致壓差上升的診斷邏輯，與 CDU 過濾器壓差監測原理相通，可交叉參考。

建議工程團隊在規劃 CDU 監測系統時，同步參考機房整體溫控策略與既有 HVAC 系統的整合方式，避免各子系統各自為政、數據無法互相對照的情況。

結論：CDU 監測，是 AI 資料中心散熱效能的最後一道防線

當 AI 伺服器的功率密度持續往 1 MW／機櫃的方向邁進，液冷已經不再是「要不要導入」的選擇題，而是「如何確保穩定運作」的必答題。而 CDU 作為整套液冷系統的心臟，其散熱效能能否維持，最終取決於壓力、溫度、流量、液位四大類監測儀表能否即時、準確地掌握系統狀態——供回水溫差是否符合設計散熱量、供水壓力是否維持在安全區間、濾網是否已接近阻塞臨界點、膨脹桶液位是否透露隱性洩漏的訊號。

這些看似單點的監測數據，串聯起來就是一套完整的預警系統：能在洩漏造成機櫃報廢之前發出警報，能在濾網阻塞導致 GPU 降頻之前排程更換，能在供水溫度過低造成結露之前動態調整設定。這正是本文反覆強調的核心觀點——CDU 的散熱效能，從來不是單靠設備本身的規格撐起來的，而是設備與監測系統協同運作的結果。

昶特 ATLANTIS 以 31 年工業量測製造經驗，將壓力傳送器、溫度傳送器、流量開關、液位傳送器等完整品項，重新整合為一套因應 AI 資料中心液冷需求的監測解決方案。無論貴公司的機房正處於初期試點規劃，還是已運營中的高密度機櫃需要升級監測系統，我們都能依現場條件提供客製化的配置建議。