GPU服务器发热有多猛？实测三种散热方案的成本账

先看几个数字

上周帮一家深圳芯片设计公司看散热方案，机房刚装 4 台 8 卡 GPU 服务器，第三天就出热点告警：机柜后门 47°C，GPU 满载算力掉到 60%。今天把风冷、冷板液冷、浸没式三种方案的实测数据摆出来算账，给准备上 GPU 的企业一个参考。

• 一张 NVIDIA H100 SXM 的 TDP 是 700W，一台 8 卡 GPU 服务器满载整机功耗约 10.2kW（NVIDIA DGX H100 官方规格），是一台普通 2U 服务器（约 0.8kW）的 12 倍以上
• 风冷机柜能稳定散热的密度上限约 10-15kW/柜（行业通行数据，参考 ASHRAE TC9.9 数据中心热指南），超过这个数，热点就开始冒出来
• GPU 核心超过 90°C 会自动降频（NVIDIA 热保护机制），我们实测核心温度 85°C 以上跑推理，出 token 速度掉了 12%-18%
• 成本差：风冷改造单柜约 5-15 万，冷板液冷单柜 20-40 万；但液冷能把 PUE 从 1.5 拉到 1.15 附近，两年电费差能抵回初投
• 噪音：8 卡风冷服务器满载时风扇噪音实测 82 dB(A)，机柜边上说话得喊

这些数字说明什么

散热瓶颈早就不在"机房空调够不够冷"，而在三级台阶上：第一，热要先从 GPU 芯片表面传导出来，这是风冷和液冷的本质区别；第二，机柜密度决定空气能不能把热带走，风冷到 15kW/柜基本到顶；第三，电费决定长期持有成本，PUE 每降 0.1，单柜一年省约 1.5-2 万元电费。把这三个变量算清楚，选型就不纠结了。

方案	单柜散热密度	初投（每柜）	PUE	适合谁
风冷＋高密度风道＋封闭冷通道	10-15kW	5-15 万	1.4-1.5	单柜 ≤15kW、机柜数少的企业
冷板液冷	30-100kW+	20-40 万	1.1-1.2	单柜 20kW+、长期满载
浸没式	100kW+	40-80 万	1.05-1.15	超算级、对密度要求极致

结论很直接：对深圳大多数企业（1-4 柜、单柜 10-20kW），风冷加机房改造仍然够用；只有单柜超过 20kW、或电费高于 1.2 元/度且长期满载，液冷才划算。

企业该怎么做

1. 先算密度账，再谈方案。装机前把每柜功耗算清楚：8 卡服务器按整机 10kW 再加 20% 冗余算，别按厂商"典型功耗"报数。单柜超 15kW，先拆散到两个柜，比直接上液冷省钱。

2. 风冷优先做三件事。下送风加冷通道封闭、风扇按负载自动调速、热点位补一台精密空调。上面那家深圳客户按这套改了 8.6 万，热点告警清零，GPU 温度稳定在 72°C 以内。

3. 真要上液冷，先回答三个问题。机房地板承重够不够（冷板单柜加液重可超 1 吨）、漏水保险买了没、液冷维保谁来做——别只盯着 PUE 好看，初投和维保才是大头。

FAQ 快速问答

Q1：8 卡 GPU 服务器能放普通办公室吗？

不建议。整机满载 10kW+，普通办公室空调制冷量只有 2-3kW，还得算上 82dB 噪音和市电跳闸风险。放到机房的改造成本，比改造办公室低得多。

Q2：风冷机柜怎么判断该改造了？

满载跑 1 小时看 GPU 温度曲线：核心持续高于 85°C、频繁降频，或机柜后门温度超过 40°C，就该动风道、加密闭冷通道或补空调。

Q3：冷板液冷多久回本？

按单柜 20kW、年运行 8000 小时算，风冷 PUE 1.5 对液冷 1.15，一年电费差约 4-6 万，再加上降频损失的算力，2-3 年回本——前提是长期满载，利用率低的企业回本周期会拉长。

行动建议

先花一周把每柜功耗和电费单算明白：单柜 ≤15kW 走风冷改造，5-15 万搞定；超 20kW 且满载才考虑冷板液冷。别让 GPU 服务器在 40°C 的后门里降频烧钱——温度曲线和告警日志留着，下次扩容就是现成的选型依据。