简介:这是一份面向数据中心规划、运维及制冷方案选型人员的成本分析报告,聚焦浸没式液冷与传统风冷在大规模机房场景下的投资差异。报告以总容量2兆瓦的数据中心为基准,对比10kW/机架、20kW/机架、40kW/机架等不同功率密度下的初投资,用瀑布图逐项拆解建筑围护、配电、制冷等成本来源,结论显示液冷可节省10%~14%的投资,并具备节水、节地、节能等多重收益。资源共1个文件,文件类型为PDF,压缩包大小约1.67MB,便于直接阅读与存档。目前已有807人学习下载。对于正在评估高密度部署方案或希望优化数据中心初始投资的技术人员,这份白皮书能提供清晰的量化对比、假设条件与成本分解思路,帮助减少决策中的不确定性。
1. 2 兆瓦数据中心的制冷选型:液冷省不省钱,关键不在技术本身
浸没式液冷和传统风冷的投资成本之争,被这份白皮书用一个很反直觉的结论终结了一部分:在每机架 10kW 的相同密度下,两者初投资大致相等;把密度拉到 20kW/机架,液冷省 10%;拉到 40kW/机架,省 14%。我最初看到这个结论时并不意外——液冷从来不是靠同等密度下的单项成本赢过风冷,它赢在能把同样 2 兆瓦的 IT 负载塞进一半甚至四分之一的空间里。这份 282 号白皮书的价值在于,它把省下来的每一美元拆成了瀑布图,让人能看清冷冻水机组、UPS、机架、气流遏制、建筑围护结构各自贡献了多少。适合谁读?正在为新建或改造数据中心做制冷方案比选、需要向投资方解释液冷初投资差异的从业者,以及做高密度机柜规划但拿不出成本依据的工程师。
2. 制冷架构对照:风冷冷冻水机组与机箱级浸没式液冷的系统组成差异
2.1 风冷基准架构为什么选冷冻水机组而非直膨式
这份白皮书选的基准不是直膨式风冷精密空调,而是风冷冷冻水机组 + 冷冻水精密空调(CRAH)+ 热通道气流遏制。这个选择很关键,因为它直接影响后面每一美元/瓦的对比口径。风冷冷冻水机组的 COP 通常比直膨式高,而且在中型、大型数据中心里是性价比最高的成熟方案;加上热通道气流遏制后,送风温度可以从传统的 18°C 拉到 24°C,从而延长自然冷却时间。注意它没有用高架地板,而是硬地板 + 风管送风,这也是大型项目常见的做法,避免高架地板带来的静压箱漏风和线缆管理麻烦。
这套架构的制冷链路是:风冷冷冻水机组制取 20°C 冷冻水 → 冷冻水精密空调将 24°C 送风送入机房 → 热通道气流遏制收集 38°C 左右回风 → 回风经风管回到精密空调。电力和制冷冗余分别是 2N 配电 / 2N UPS / N+1 发电机,制冷侧为 N+1 冷冻水机组 + N+1 冷冻水精密空调 + N+1 水泵。这个冗余等级恰恰是投资成本的大头——两套 UPS 加 N+1 冷冻水机组,几乎占了电气和制冷投资的 60% 以上。
2.2 机箱级浸没式液冷的架构和温水冷却逻辑
液冷方案选的是基于 IT 机箱的浸没式液冷,不是冷板式,也不是整柜浸没。两者区别在于:机箱级方案把每台服务器主板、芯片密封在一个充满绝缘冷却液的机箱内,机箱内部有微型泵驱动绝缘液在液冷散热器上循环,再通过机架式分液器把热量交给 40°C 的温水环路;而冷板式只冷却 CPU 和 GPU,其余发热元件仍靠风扇散热。机箱级的好处是几乎所有热量都由液体带走,机架内不再需要传统服务器风扇,从而省掉了这部分功耗和对应的 UPS 容量。
这里最容易被忽略的是入口水温设定。白皮书把液冷入口水温定在 40°C(104°F),冷冻/冷却水设定值为 40/47.75°C。为什么定 40°C?因为这是 IT 设备进水温度的一个分水岭——在多数气候区,40°C 温水可以直接通过干冷器把热量排到室外,不需要开启压缩机,也就是 100% 自然冷却。这就解释了下文成本瀑布图里为什么液冷方案仍然要花 0.31 美元/瓦买干冷器和风冷直膨式精密空调——干冷器替代了冷冻水机组,但配电室、电池室和断路器间仍需要辅助制冷,同时 IT 机箱里总有 5.5% 左右的热量会散到空气中(机箱表面辐射、管道接口、泵的电机热等),这部分需要风冷直膨式空调兜底。
2.3 容量归一化:为什么液冷方案的 IT 设计容量只有 1,880kW
表 1 里有个非常容易踩坑的数字:液冷方案的 IT 设计容量是 1,880kW,而不是 2,000kW。这不是笔误,而是为了做公平比较。风冷服务器需要内部风扇消耗电力来散热,这部分功耗约占服务器总功耗的 9% 左右(原文注释里说 GPU 高密度设备实测可达 15-20%);而机箱级浸没式液冷用微型泵替代风扇,泵的损耗只有约 3%,机架向空气散热占 5.5%。这样一来,相同计算负载下,液冷服务器的总输入功率更低,IT 设计容量自然下调到 1,880kW,但「不含制冷的服务器容量」两端都是 1,820kW。
在做每瓦成本归一化时,白皮书明确用「不含制冷的服务器容量」作为分母,这是一个很讲究的口径。如果直接用 IT 设计容量做分母,风冷的每瓦成本会被低估,因为它的 IT 负载里含了风扇功耗,实质上是制冷系统的一部分;用了不含制冷容量后,两边才算真正的「苹果对苹果」。我自己在做类似测算时也养成一个习惯:先把 IT 负载里的散热功耗单独拆出来,再谈每瓦成本,否则账面上会差 5%-9%。
3. 每瓦投资成本拆解:10kW 密度下风冷与液冷持平的完整瀑布图分析
3.1 六项成本变动的逐项解释与数值依据
图 5 的瀑布图是这份白皮书的核心,它把一个「大致相等」的结论拆成了可审计的六笔账。为了方便对照,我把每瓦成本变动整理成表,并补上我在实际测算中会关注的衍生参数:
| 成本类别 | 变动幅度(美元/瓦) | 具体内容 | 我在复核时会额外看什么 |
|---|---|---|---|
| 去掉冷冻水机组/冷冻水精密空调 | -0.91 | 取消风冷冷冻水机组、CRAH 及其配套 | 冷冻水机组容量冗余(N+1 意味着至少 2 台机组,价格按峰值选型) |
| 添加液冷技术(机箱、绝缘液、泵、管路、换热器) | +0.77 | 密封机箱、绝缘冷却液、微型泵、液冷散热器、防滴漏连接器、机架式分液器 | 这是最大的不确定性,原文给了 0.50-1.10 美元的敏感性区间 |
| 添加干冷器 + 风冷直膨式精密空调 | +0.31 | N+1 干冷器排热 + 辅助风冷来消除 5.5% 空气散热 | 干冷器数量取决于当地干球温度,不是固定值 |
| 更换泵和管道 | +0.03 | 冷冻水管路换成温水环路,增加每排机柜的支管和阀门 | 管径随密度增加会变大,保温需求减少 |
| 减少开关柜和 UPS 容量 | -0.14 | 制冷设备减少 + IT 负载降低 → 配电和 UPS 缩小 | 2N UPS 的容量是从 IT 峰值功率倒推的 |
| 节省空间、机架和气流遏制系统 | -0.10 | 机房面积减少、机架数不变但无需气流遏制、消防照明成本下降 | 这里指 10kW 同密度下的空间节省,主要是辅助设备区 |
3.2 为什么液冷技术成本只取 0.77 美元/瓦
这是整个分析里最需要带着批判眼光看的一个数。白皮书给出的液冷技术增量成本区间是 0.50 到 1.10 美元/瓦,研究取 0.77 美元/瓦,理由是「大规模部署可实现的保守值」。这个保守是相对什么而言?原文没有展开,但按产业链阶段的常识推断:机箱级浸没式液冷还没到成熟供应链的规模效应阶段,一次性工程设计验证费用摊销后,单瓦成本会显著下降;而 0.50 美元/瓦对应的是供应链优化后的未来成本。
我在复核这个数时会做一次反向合理性检查:如果 2 兆瓦数据中心需要 200 个机架,每个机架 42U,机箱数量约 400-800 个(取决于 1U/2U 节点),0.77 美元/瓦 × 200 万瓦 = 154 万美元的总增量,折合每个机箱的液冷改造摊销在 2000-4000 美元之间——这个数对标当前市场上的机箱级液冷套件价格,是站得住的。但如果你的项目是高密度 GPU 节点,风扇功耗占比更高,液冷的增量成本会更低(因为节省的服务器风扇成本更多),这时候 0.77 就偏保守了。
3.3 成本瀑布图对项目决策的三个启示
第一,最大单项节省来自去掉冷冻水机组(-0.91 美元/瓦),这意味着一开始就不打算用冷冻水系统的项目,液冷对比基准要换成直膨式风冷,结论会不同。第二,液冷的成本增量大头在机箱级硬件,而非机房基础设施——这个分布直接决定了后续降本路径在供应链而非土建。第三,UPS 和开关柜的减少(-0.14 美元/瓦)来自两个叠加效应:制冷设备本身不耗电了 + IT 风扇换成微型泵后 IT 负载本身变小了。如果你的项目已有机电容量冗余,这部分节省可能无法全额兑现。
4. 密度压缩的投资收益:从 20kW 到 40kW 的边际变化与成本弹性
4.1 提升 2 倍功率密度后的成本变化逻辑
当液冷方案的机架密度从 10kW 提升到 20kW(表格里实际是 18.8kW/机架,因为 IT 容量从 2,000kW 折算到 1,880kW 再除以 100 个机架),机架数量从 200 减到 100,微模块从 5 个减到 5 个但每个模块内的机架数从 40 减到 20。注意微模块数量不变,这说明模块内部的配电和管路拓扑不变,只是每模块的规模缩小。
总成本节省来到 10%(相对风冷 10kW 基准),最明显的变化是三笔账:液冷技术成本从 0.77 降到 0.71 美元/瓦,因为机架分液器和配套管路随架数减半;更换泵和管道从 +0.03 变成 -0.03 美元/瓦,管道保温和阀门数量减少的收益开始超过新增管路的成本;节省空间、机架和气流遏制系统从 -0.10 跳到 -0.63 美元/瓦,这部分主要来自建筑围护结构面积缩小、机架和机架 PDU 数量减半、以及 IT 白区面积压缩带来的消防/照明成本下降。
4.2 提升 4 倍功率密度后的成本变化逻辑
密度进一步提升到 40kW/机架(表格实际是 37.6kW),机架数只剩 50 个,微模块数量还是 5 个,每模块 10 个机架。这时液冷技术成本继续降到 0.68 美元/瓦,更换泵和管道的节省扩大到 -0.04 美元/瓦,空间、机架和气流遏制的节省增加到 -0.90 美元/瓦,总节省达到 14%。
有意思的是,从 20kW 到 40kW 的边际变化里,制冷系统本身(干冷器 + 辅助空调)一分钱没变,仍然是 +0.31 美元/瓦;UPS 和开关柜也是 -0.14 不变。所有额外节省都来自两个领域:机架级液冷设备的规模摊薄和 IT 空间的进一步压缩。这印证了原文的判断——密度提升的投资回报主要来自空间相关成本,而不是空调系统本身。
4.3 三档密度下的单位成本对照表
| 方案 | 标称密度 | 实际机架功率 | 机架数 | 微模块数 | 液冷技术成本 | 泵与管道 | 空间/机架节省 | 总投资节省 |
|---|---|---|---|---|---|---|---|---|
| 风冷基准 | 10kW | 10.0kW | 200 | 5×40 | 不适用 | 基准 | 基准 | 基准 |
| 液冷同密度 | 10kW | 9.4kW | 200 | 5×40 | +0.77 | +0.03 | -0.10 | 约持平 |
| 液冷 2 倍密度 | 20kW | 18.8kW | 100 | 5×20 | +0.71 | -0.03 | -0.63 | -10% |
| 液冷 4 倍密度 | 40kW | 37.6kW | 50 | 5×10 | +0.68 | -0.04 | -0.90 | -14% |
4.4 密度提升的成本弹性边界在哪里
从数据看,20kW 到 40kW 的额外节省只有 4 个百分点,边际收益在递减。我算了一笔账:如果继续拉到 80kW/机架,机架数降到 25,液冷技术成本可能再降 0.05-0.10 美元/瓦,空间节省最多再贡献 0.3-0.4 美元/瓦,但机架内部的配电母线、分液器干管、防水等级、结构承重都会出现新的约束——40kW 以上基本要上 busway 母线 + 机架级 CDU 分液,这部分成本会吃掉密度红利。所以 20-40kW 是目前机箱级浸没式液冷比较舒服的投资回报区间。
5. 避坑指南:做液冷成本测算时必须注意的六个细节
5.1 CDU 不是必须项,但省掉它需要架构支撑
很多人看完全文会疑惑:为什么整个分析里完全没提 CDU(冷却液分配单元)?原文在瀑布图分析后专门做了一段说明:因为采用单层布局,水回路专用于液冷系统,机箱浸没式换热器对水质耐受度高于冷板式,所以直接使用市政水,省掉了 CDU。但如果不是单层布局,或者你选的是冷板式液冷,CDU 就是刚需——按原文估算会额外增加 0.10-0.20 美元/瓦的投资成本。
现象:照搬这份白皮书的结论去做冷板式液冷测算,发现初投资对不上。原因:冷板式液冷对水质、化学纯净度、压力隔离的要求远高于机箱级浸没式,必须有 CDU 做设施环路和机架环路的隔离。解决:先确认技术路线是机箱级还是冷板式;非机箱级方案,成本瀑布图里要主动加一行 CDU 成本。我在评估任何液冷项目时,开口第一个问题永远是:「你的架构里有没有 CDU?」
5.2 服务器风扇功耗按 9% 估是不够的,GPU 场景要用 15-20%
白皮书里明确写了一个「保守值」:服务器风扇能耗占服务器总能耗的 9%。但原文自己也在注释里承认,实际测量尤其在 GPU 高密度计算设备上,风扇能耗是 15-20%。这直接影响了两个结论:一是「不含制冷服务器容量」的口径差异,二是 UPS 和开关柜节省的幅度。
现象:按 9% 算出的液冷 IT 容量折算系数,在实际 GPU 集群里发现 IT 总功耗比预期高。原因:GPU 节点功耗密度大,风扇全速运行时能耗占比显著上升,风冷方案的 IT 负载被严重低估。解决:做高密度计算场景时,风冷侧的服务器功耗模型要用 15-20% 的风扇占比,液冷侧的微型泵损耗按 3% 算(泵的功率不随负载线性变化,要按额定功率计)。这会让液冷的每瓦成本优势进一步扩大,但代价是风冷方案的每瓦成本也要重新标定。
5.3 40°C 温水不代表完全不需要压缩机辅助
液冷方案仍然要买 0.31 美元/瓦的干冷器和风冷直膨式精密空调,这笔钱很多第一次接触液冷的工程师容易漏掉。它服务两个对象:一是 5.5% 的机架向空气散热——机箱表面、管道接头、微型泵电机都会往机房空气里散发热量;二是配电室、电池室和断路器间的环境温度要求通常在 24°C 左右,不能用 40°C 温水去冷却。
现象:测算时只算了干冷器 + 液冷主环路,机房空调预算被砍掉,结果配电室夏季温度超标。原因:机箱级浸没式液冷带走的是 IT 设备 94.5% 左右的热量,剩余 5.5% 是辐射和泄漏热,且辅助空间(配电间、电池间)不能用高温水。解决:在预算里保留风冷直膨式空调或冷冻水精密空调的科目,容量按总 IT 负载的 6%-8% 估算,而不是按全部负载。如果项目所在地气候高温高湿,干冷器的排热能力会下降,辅助空调占比还要上调。
5.4 泵和管道的保温成本:温水环路可以省,但不要全省
白皮书提到,液冷方案在泵和管道这块只比风冷多了 0.03 美元/瓦,且密度提升后反而变成节省。这部分节省主要来自管道保温——因为在 40°C 水温下几乎不会产生冷凝结露,大量管道不需要做保温。但注意细节:并不是所有管路都能省保温。
现象:施工图阶段为了省钱把所有液体管路保温都取消了,结果通往 CDU 前端的市政水管路和低温备用环路出现结露。原因:40°C 温水环路确实无需保温,但从市政管网接入的原水温度可能只有 15-25°C,或者系统存在低温备用水源时,管路表面温度会低于机房露点。解决:保温省在液冷温水环路的供水/回水主管上;市政补水、低温水备用接口、膨胀罐补水管路必须保留保温。判断标准很简单:水温高于机房露点 + 3°C(工程习惯)就可以不保温。
5.5 液冷技术成本取 0.77 美元/瓦时,要留意是「保守」而非「平均」
原文对 0.77 美元/瓦的定性是「大规模部署中可实现的保守值」,不是市场平均值。保守的含义是:在大规模部署条件下,成本大概率能低于这个数,但前提是你确实有规模。如果你的项目只有几百千瓦、几十个机架,机箱、分液器的开模和设计成本摊不薄,实际成本会落在 0.90-1.10 美元/瓦的区间。
现象:小规模项目按 0.77 美元/瓦做测算,预算报批后被实际报价打脸。原因:机箱级液冷硬件的工程验证、定制管路、部署调试成本是固定成本,项目越小分摊越贵。解决:项目规模在 1 兆瓦以下时,用敏感性分析表里偏上限的 1.10 美元/瓦做悲观测算;当项目超过 5 兆瓦且由同一厂商分批交付时,才可以用 0.77 甚至 0.60 做乐观测算。
5.6 每瓦成本的分母口径:不含制冷的服务器容量 vs IT 设计容量
最后一条最隐蔽,也最容易让两份方案之间没法比较。白皮书的每瓦成本分母用的是「不含制冷的服务器容量」(1,820kW),而不是「IT 设计容量」(风冷 2,000kW、液冷 1,880kW)。很多二手转述材料会直接用 2,000kW 做分母,得出的每瓦成本看似更低,因为它把 IT 风扇功耗也算进了「IT 容量」里,这实质上是在用制冷系统的功耗稀释 IT 成本。
现象:两家设计院出的对比报告,一个用设计容量做分母,一个用服务器净容量做分母,每瓦成本差 5%-9%。原因:没有统一归一化口径。解决:在招标文件或可研报告里明确注明「每瓦成本 = 总投资 ÷ 不含散热负载的服务器净容量」,并要求所有方案按统一分母计算。更严谨的做法是同时列出两套口径的数值,让决策者自己判断——而不是替别人决定。
6. 用敏感性表做投资决策:把这份白皮书的结论移植到自己的项目里
要把这份白皮书的结论用在自己的项目上,最有效的方法不是照抄 0.77 和 14%,而是建一张属于自己的敏感性表。核心变量有三个:液冷技术成本(0.50-1.10 美元/瓦区间)、机架密度(10/20/40kW)、项目规模(决定固定成本摊薄系数)。具体操作分四步走。
第一步,先确定自己的风冷基准。如果项目在大规模园区里,已有冷冻水系统,基准用风冷冷冻水机组合理;如果是改造项目或小规模独栋机房,基准应该换成直膨式风冷精密空调,这会直接改变后面的差额方向。第二步,定义自己的 IT 负载口径——确认 IT 设备是 CPU 通用计算还是 GPU 高密度计算,风扇功耗占比分别取 9% 和 15%-20%,两种场景的「不含制冷容量」系数不同。第三步,按自己的机架密度查表对应成本项——10kW 时液冷技术成本取 0.77-1.10 美元/瓦,20kW 时取下限 0.71-0.90,40kW 时取 0.68-0.85;干冷器和辅助空调固定按 0.31 美元/瓦估;空间节省项按实际机房租金或建筑单价修正。
第四步,也是最容易漏的一步:把敏感性区间当成并列方案而不是期望值来汇报。我的习惯是给投资方出三列数据——悲观(液冷技术成本取上限、密度只做到 15kW/机架)、基准(按本白皮书假设)、乐观(液冷成本取下限、密度上 40kW),并标注各自的前提条件。最终结论往往不是「液冷能省多少」,而是「液冷在什么密度下能省,以及省的是哪一笔钱」。
举个我实际给某公司算过的例子:一个 3 兆瓦的 GPU 训练集群,机架密度规划 25kW,液冷方案初投资比风冷低 11%-12%,比白皮书里 20kW 档(10%)略高,原因正是 GPU 服务器风扇占比拉高了风冷基准的 IT 功耗。从那以后我每次做制冷选型测算,都强制走一遍「先定 IT 功耗构成、再谈每瓦成本」的流程——风扇占比、辅助制冷比例、CDU 有无,这三个坑都踩过了,剩下的数据就可以放心交给决策层。希望帮到你。
本文还有配套的精品资源,点击获取