通信行业深度报告：AI热浪起，液冷迎来黄金时代

AIGC驱动IDC朝高密度化发展，政策严控PUE，液冷渗透率有望加速提升AI带来高算力需求，叠加双碳时代严控PUE，在数据中心高密度化时代，液冷优势日益凸显。（1）主流计算芯片功耗不断增加。Intel多款CPU TDP已达350W，NVIDIA的H100 SXM TDP甚至达到700W，B100 TDP或将达到1000W左右，国产计算芯片TDP也在350W左右，逼近风冷单点散热极限；（2）出于组网方式和应用的考虑，AI集群功率密度较高。AI集群对算力密度有一定要求，训练单元过于分散不利于作业开展，减少组网距离亦可减少通信耗材开支。（3）单机柜功率不断增长，逼近风冷散热极限。NVIDIA DGX A100服务器单机最大功率约在6.5KW左右，在机柜上架率不变的情况下，服务器功率上升导致单机柜功率亦不断增长，逼近风冷12-15KW散热极限，继续采用风冷散热将导致行间空调需求数量陡增，高密度散热场景下液冷方案成本和性能优势显著。（4）IDC耗电量与日俱增，节能减排迫在眉睫。在双碳战略引导下，政策对PUE要求趋严，加速推动IDC向低碳化演变，液冷是散热技术演变的必经之路，未来有望成为首选。 液冷相较风冷优势颇多，运营商助推按下加速键，产业有望蓬勃发展 液冷技术优势显著，运营商助力液冷生态逐步完善。虽然风冷技术是目前普遍应用的数据中心散热技术，但其存在散热密度低和散热能力差的缺陷，在散热密度较高的场景如AI集群、HPC集群下尽现颓势。液冷与风冷技术相比，液冷技术主要有：（1）低能耗；（2）高散热；（3）低噪声；（4）低TCO；（5）空间利用率高；（6）环境要求低，易部署；（7）余热回收易实现等优势。在电信运营商的强推动下，我们认为液冷产业链生态有望快速发展，解决液冷产品标准不统一、CAPEX较高等行业痛点，液冷普及率或将持续增长。 行业参与者众多，“技术、客户认证、运维”构成核心竞争壁垒 液冷产业可按照服务器内部和外部进行划分，对于服务器内部，液冷系统部署关键是液冷零部件（冷板式：液冷板、管路、QDC等；浸没式：冷却液等）与服务器的适配，IT设备商和温控设备商需要进行产品适配及耦合，具有紧密合作关系；对于服务器外部，主要是Manifold、CDU、冷源等液冷基础配套设施的适配。我们认为液冷行业的竞争壁垒主要体现在“技术、客户认证、运维”等综合能力上。 投资建议 受益标的包括：液冷全链条解决方案提供商：英维克；服务器冷板：英维克（GPU/CPU）、飞荣达、高澜股份等；液冷产业链布局：曙光数创、申菱环境、科华数据、依米康、同飞股份等；液冷服务器：中兴通讯、紫光股份；液冷IDC供应商：宝信软件、润泽科技、光环新网、科华数据、奥飞数据、网宿科技等。 风险提示：国家政策变动风险、行业竞争加剧风险、数据中心发展不及预期。 1、AIGC时代，液冷技术发展迎来风口 AIGC高速发展，带动数据中心朝着高密度化发展。（1）主流计算芯片功耗不断增加；（2）AI集群对算力密度有一定要求，训练单元过于分散不利于作业开展，减少组网距离亦可减少通信耗材开支。（3）单机柜功率不断上升，逼近风冷散热极限，液冷散热效率优于风冷，或将成为更佳选择。 政策对PUE要求趋严，引导数据中心绿色化发展。我国数据中心耗电量与日俱增，数据中心平均PUE水平偏高，液冷方案可使PUE降至1.25以下，充分满足政策要求。 电信运营商提出解耦式交付，助推液冷标准化和规模化发展。据中国三大电信运营商联合发布的《电信运营商液冷技术白皮书》，电信运营商提出三年愿景：推进液冷机柜与服务器解耦，引领形成统一标准，降低液冷全生命周期成本。服务器厂商和生态链服务商积极布局液冷，促进液冷生态逐渐完善。 1.1、人工智能发展与算力提升对散热有更高需求 人工智能迎来新变革，带来大量算力和机柜需求。2022年底生成式AI大模型ChatGPT横空出世，掀起新的AI浪潮，海内外互联网巨头、科技企业及研究机构等陆续投入到大模型研发当中，拉开“百模大战”的序幕，据浪潮信息发布的《2023-2024年中国人工智能计算力发展评估报告》，截至2023年10月，中国累计发布两百余个大模型，其中以科研院所和互联网企业为开发主力军。随着AI语言大模型的不断迭代，模型数据量和参数规模呈现指数级增长，算力需求不断提升。以GPT模型为例，GPT-3模型参数约为1746亿个，训练一次需要的总算力约为3640 PF-days。据中国信通院数据，2023年推出的GPT-4参数数量可能扩大到1.8万亿个，是GPT-3的10倍，训练算力需求上升到GPT-3的68倍，在2.5万个A100上需要训练90-100天。无论是AI模型的训练还是推理均离不开算力资源的支持，AI的高速发展带来大量算力和数据中心机柜需求，拉动算力基础设施建设。 全球算力规模维持高增长。经中国信息通信研究院测算，在FP32精度下，2022年全球计算设备算力总规模达到906 EFlops并持续维持较高增速，增速达到47%，其中基础算力规模为440 EFlops，智能算力规模已超过基础算力规模，达到451 EFlops，超算算力规模为16 EFlops。中国信通院预计2024-2028年全球算力规模将以超过50%的速度增长，到2025年全球计算设备算力总规模将超过3 ZFlops，至2030年将超过20 ZFlops。 图1：全球算力规模维持高增长 AI形成强大推动力，液冷数据中心市场规模保持高速增长。AIGC的高速发展离不开高算力的支撑，随着计算芯片功耗持续上升带动服务器及整机柜功耗上升，液冷散热有望成为首选。据科智咨询预计，2023年中国液冷数据中心市场将同比增长53.2%，市场规模将增长至154亿元，预计2022-2027年，中国液冷数据中心市场将以59%的复合增长率持续蓬勃发展。预计到2027年，随着AI系列应用的规模化落地以及液冷生态的日趋成熟，市场规模将突破千亿大关。 图2：中国液冷数据中心市场规模有望持续增长 （1）在需求方面，随着AI大模型、云计算、5.5G等新兴技术的不断发展，互联网、政府和电信行业仍为液冷数据中心的需求主力军，金融、下游制造、医疗、能源等行业也有望不断加大液冷相关投入。 （2）生态方面，液冷产业早期上下游协同性不高，无统一相关标准，难以形成合力。液冷服务器是液冷生态链的核心价值环节，近期众多服务器厂商先后推出液冷服务器，其他设备厂商相继推出液冷交换机、液冷光模块、液冷机柜等配套设备，积极布局液冷产业，液冷生态链设备商及服务供应商紧密配合，共同推动液冷生态进一步完善。三大电信运营商助推液冷解耦式交付，引领液冷接口标准化、规范化发展，构筑开放生态，液冷渗透率有望进一步提升。 （3）成熟度方面，冷板液冷发展较早，相比浸没式和喷淋式、生态更完善、改造成本更低、改造周期较短，冷板式液冷可作为传统风冷的平滑过渡，未来有望进一步向浸没式液冷转变。随着众多成熟液冷项目持续落地，液冷发展走向良性循环。 （4）政策方面，IDC耗电量与日俱增，数据中心绿色化发展成为共识，国家对PUE要求不断趋严，液冷相较风冷具有明显节能优势，减少冷却设备能耗，能有效降低PUE至1.25以下。 （5）成本方面，虽然液冷总体Capex仍高于风冷，但从单位角度来看，单千瓦散热Capex已在快速下降，成本拐点或将出现。据赛迪顾问发布的《2023中国液冷应用市场研究报告》，2022年液冷数据中心1kW的散热成本为近6500元，相比2022年已经下降了54.2%，预计2023年1kW的散热成本有望降至5000元左右，与传统风冷的建设成本已基本持平。随着单位散热成本持续下降，液冷TCO优势逐渐显著，或将加速老旧风冷数据中心改建为液冷数据中心，液冷渗透率持续增长。 图3：中国液冷数据中心每千瓦散热成本持续改善（元） 1.1.1、高算力需求下IDC机柜数量持续增长 算力需求支撑我国数据中心机架规模持续增长。服务器设备是提供算力资源的主要载体，IDC（数据中心）则是给集中放置的ICT设备（服务器设备、网络设备、存储设备）提供运行环境的场所（数据中心=IT+电力+制冷）。AIGC的兴起引发数据量和计算量快速增长，在一线城市数据中心资源日趋紧张的情况下，AI的高算力需求或将持续带动IDC的建设和机架数量的增长。据工信部、信通院数据，截至2023年6月底，我国在用数据中心机架规模达到760万架，同比增速达到28.8%，2022年底总机架规模达到650万架，2018-2022年复合增速超过30%。 图4：我国数据中心机架数量持续增长 1.1.2、高算力需求下单机柜功耗持续增长 计算芯片功耗持续攀升，以满足高算力需求。后摩尔定律时代下，芯片制程技术发展趋缓，计算芯片多以提高核心数量等方式提高算力，导致计算芯片如CPU和GPU的功耗不断攀升。AI服务器作为人工智能发展的重要算力底座，CPU和GPU（或其他ASIC计算芯片）的整体功耗在AI服务器总功耗中占比达到80%左右（。1）在CPU方面，从2017年Intel第一代铂金至强处理器的发布到2023年12月第五代处理器问世，核心数量从早期的24颗提升至最多64颗，同时TDP（热设计功耗）从150W提升至最高385W，功耗相比第一代提升超2倍；（2）在GPU方面，用于人工智能计算的GPU TDP从早期V100Nvlink的300W提升至H100 SXM的700W，未来功耗或将持续增长。 图5：CPU和GPU TDP（W）持续增长 AI服务器功率已达风冷散热瓶颈。（1）芯片单点冷却方面：芯片功率密度的不断提升直接影响着芯片的散热和可靠性，逼近风冷散热上限800W左右，而液冷能有效满足芯片的散热需求。（2）机柜整体冷却方面：芯片功率的增加也导致整机柜功率的增长，采用传统风冷的数据中心通常可以解决12kW以内的机柜制冷。随着服务器单位功耗增大，同样尺寸的普通服务器机柜可容纳的服务器功率往往超过15kW，相对于现有的风冷数据中心，已逼近空气对流散热能力天花板。通用服务器功率平均在0.5KW左右，对于6KW、8KW的高功率机柜可以放置10台服务器以上。 AI服务器功率可达6KW以上，以NVIDIA DGX A100服务器为例，额定功率约为4KW，单机最大功率约为6.5KW。一个标准42U高度的机柜中，假设放置5个5U高度的AI服务器，则需要超过20KW的单机柜功率，此时已超过风冷的散热极限，液冷或将成为最佳选择。 图6：机柜功率密度与制冷方式 数据中心机柜功率持续上升，在AI驱动下功率增速或将加快。根据Uptime Institute发布的《2020全球数据中心调查报告》统计，2011年数据中心平均单机架功率仅为2.4 kW/机架，2017年上升到5.6 kW/机架，至2020年已达8.4 kW/机架。 AI高速发展带来了高算力需求，芯片功耗随之不断增长，导致数据中心单机架的功率升高，从4.4 kW/机架逐渐升高至8 kW/机架、25 kW/机架、30 kW/机架甚至更高。 单机柜功率持续上升，液冷散热更具优势。在传统风冷机房微模块中，随着通用服务器或GPU服务器上架率的提升，单机柜功率密度不断增长，迫使列间空调数量大增，导致机柜数量减少，并出现风冷制冷技术成本高、难度大的问题，性价比较低。在单机柜功率上升趋势下，对于用于AI训练与推理的智算机柜，在不减少AI服务器上架量的情况下，单机柜功率或已超过风冷的散热极限，液冷可支持高密度散热，散热效率和成本等优势愈发显著。 图7：单机柜密度增长趋势下，列间空调数量逐渐增加，风冷散热渐显颓势 表1：随着机柜密度上升，风冷制冷难度与成本上升 1.2、与传统风冷技术相比，液冷技术优势显著 液冷散热相比传统风冷散热效果更佳。传统风冷技术是成熟且应用最广泛的数据中心散热技术，它以空气为介质进行散热，通过送入低温空气、经与电子器件进行热交换后，将热量带走。相较于液冷散热，风冷技术存在密度低、散热能力差、易形成局部热点、机械能耗大等缺陷。液冷方式则以液体为介质