10万卡超算集群的散热难题：浸没式液冷是怎么把温度压下去的

10万卡超算集群的散热难题：浸没式液冷是怎么把温度压下去的

这两天科技圈最提气的一条新闻，莫过于国家超算互联网郑州核心节点迎来了首个全国产10万卡人工智能超集群。央视报道说，这个集群每秒钟的峰值计算能力，相当于全人类持续计算200年。数字听着挺玄乎，但作为一个整天跟服务器、算力打交道的开发者，我更关心的是它底下那些实打实的技术细节。

先说结论：这台集群能跑起来，靠的是两条腿——浸没式相变液冷，加上"超智融合"的架构思路。这两样东西，恰恰是这几年国内算力基建里最值得琢磨的方向。

液冷不是新鲜事，但相变液冷是另一回事

传统机房靠空调吹风降温，到了高密度部署阶段就顶不住了。单机柜功率密度一上来，风冷的热交换效率根本不够看。这次投用的曙光8000（登峰）用的是浸没式相变液冷，说白了就是把服务器整个泡进冷却液里，利用液体沸腾吸热、蒸汽冷凝放热的物理循环来带走热量。这套方案能支撑单机柜兆瓦级的功率密度，配合国产冷媒和全年自然冷却，PUE能压得很低。

对我们做运维的人来说，液冷带来的变化是实实在在的：机房不用再堆那么密的空调，噪音小一截，电费账单也好看不少。当然，浸没式液冷的坑也不少，比如冷却液的兼容性、服务器密封、维护时怎么把设备捞出来，这些都是一线工程师要头疼的事。但方向是对的——大模型训练那种动辄几千瓦的单卡功耗，风冷是真的压不住了。

"超智融合"到底融合了个啥

另一个关键词是"超智融合"。以前科学计算和智能计算是两条赛道：科学计算追求双精度（FP64），做气象模拟、材料仿真；AI训练用低精度（INT8、FP16），追求吞吐。传统超算和AI集群各干各的，互不搭理。

曙光8000的思路是把两者揉到一起，支持从FP64到INT8的全精度覆盖。好处显而易见：一套集群既能跑新材料、创新药的科研计算，又能做大模型训练和AI推理，不用重复建设。报道里说它现在支撑着26个领域300多种计算任务，就是这个架构带来的红利。对中小企业来说，这其实是个信号——以后想用超算级算力，未必非得自建，超算互联网上按需租就行。

国产化走到哪一步了

这个集群"全国产"三个字的分量，业内人都懂。从芯片到互联网络，再到整机系统，全部自主可控。过去国产算力总被诟病"单卡能打、集群拉胯"，卡在互联带宽和软件栈上。这次10万卡规模能稳定跑起来，说明国产高速互联和集群调度这块确实补上了大课。

当然，也别急着吹。10万卡集群的运维复杂度是指数级上升的，故障定位、任务调度、通信优化，每一环都是硬骨头。集群投用只是开始，能不能把利用率跑上去，才是真正的考验。

作为一个长期关注算力基础设施的人，我的感受是：国产算力这几年是真的在闷头赶路，从"能用"到"好用"，差距在肉眼可见地缩小。接下来值得期待的是，这套集群能跑出什么像样的科研成果，那才是最有说服力的答卷。