PROBLEM: 全球資料中心電力消耗今年可望突破1,000太瓦（TWh，即1兆度電）時，對電網造成沉重壓力，同時威脅到AI擴張計畫與各國氣候目標的實現。
POTENTIAL SOLUTION: 日本電信巨頭KDDI與三菱重工合作，成功將浸沒式液冷技術商業化應用於AI資料中心，將伺服器散熱能耗削減94%，目前已在大阪以工業規模正式部署。
AI正面臨電力短缺的危機，而且不是運算能力不足，而是電力本身供不應求。全球資料中心在2024年的電力消耗約達415太瓦時（相當於4,150億度電）。國際能源總署（IEA）預測，這一數字今年將突破1,000太瓦時，屆時全球資料中心的用電量將相當於日本全年用電總量。更驚人的是，單一機架的新世代AI晶片，耗電量已接近100萬瓦，足以同時供應約750戶美國家庭用電。
散熱系統的電力消耗，占了整體用電相當大的比例。傳統氣冷式資料中心的電力使用效率（PUE）約為1.7，換句話說，每消耗1度電驅動伺服器，就需要再多花0.7度電用於散熱。隨著AI運算需求愈來愈大、機器發熱量持續增加，這樣的能源浪費已難以長期維持。
面對這個難題，日本三大行動通訊業者之一的KDDI，表示他們已找到新的出路。
將伺服器浸入液體
2023年，KDDI與三菱重工（MHI）及網路整合商NEC Networks & System Integration Corporation，在位於東京北方栃木縣的KDDI小山網路中心，完成了浸沒式液冷系統的實證測試。這套方法將伺服器浸入一種介電液（不導電冷卻液）中，讓液體直接從晶片吸收熱能，省去耗電量龐大的空調系統。測試結果相當亮眼：與傳統氣冷系統相比，散熱能耗降低94%，電源使用效率（PUE）也下降至1.05。
相較於業界普遍0.7的散熱損耗，僅有0.05的數字，對於全天候運行數百百萬瓦AI運算負載的業者而言，代表著相當可觀的效率提升。
三家公司隨即在2023年從實證階段邁向商業化，推出容器化部署設計，方便靈活安裝。去年，KDDI更進一步宣布在大阪府堺市建設全規模AI資料中心，與HPE合作、搭載NVIDIA GB200 NVL72機架規模系統。大阪堺市資料中心採用氣冷與直接液冷的混合設計，目標是降低AI訓練負載對環境的衝擊。KDDI計畫透過旗下WAKONX AI商業平台，為建置大型語言模型的新創企業與一般企業提供服務。
工業問題的商業解答
更宏觀的背景脈絡同樣不容忽視。資料中心的電力需求成長速度，已超過電網基礎設施的擴充能力。在美國，電網運營商PJM預測2027年將出現6吉瓦的電力缺口。在日本，政府也已明確指出資料中心的能源消耗，是實現2050年碳中和目標的結構性挑戰。
液冷散熱並非新概念，Google、微軟與Meta都曾進行各種形式的實驗。KDDI與三菱重工所展示的，是一條從實驗室試驗到取得Tier 4認證商業運轉的驗證路徑，且在超大規模環境中，採用的是日本自行研發與製造的設備。
浸沒式液冷也確實存在一些限制。浸沒在冷卻液中的伺服器，維修難度高於傳統機架式氣冷設備。維護時需要將硬體從液槽中取出，清洗與烘乾零件，增加了時間與作業複雜度。所使用的介電液在採購與廢液處理上也有其考量。此外，浸沒式液冷只能降低散熱部分的能耗，無法改變AI晶片本身的總用電量，而隨著每一代GPU的演進，這個數字仍在持續攀升。
日本的液冷散熱布局，無法單獨解決全球資料中心的能源危機。但KDDI從容器化試驗到搭載NVIDIA Blackwell硬體的大阪設施正式運轉，清楚說明了一件事：那些起初只是研究數據的效率成果，正逐漸成為當今所有新建AI基礎設施的基本門檻。
數據來源與背景說明
94%散熱能耗降低的數據，來自2023年2月KDDI、三菱重工與NESIC在KDDI小山網路中心共同進行的實證測試，並由三方聯合發布新聞稿。PUE 1.05的數值，是與傳統資料中心典型PUE 1.7相比較的結果。這些數字來自受控環境下的實證測試，並非超大規模資料中心的多年實際運轉數據。目前尚無公開的獨立第三方審計報告驗證94%這一數字，在獲得外部驗證之前，應視為業者自行申報的數據。
根據IMARC Group的資料，日本資料中心液冷市場在2025年達到28億美元，受AI普及與碳中和承諾的驅動，預計到2034年將成長至72億美元。在全球層面，IEA預測資料中心電力需求到2030年將達到945太瓦時。
在日本的液冷散熱領域，KDDI並非孤軍奮戰。富士通於2024年為AI資料中心推出節能液冷技術，並整合邊緣運算用於故障偵測。東芝則在APEC 2026上展示電力半導體解決方案，包括專為高熱、高功率密度應用設計的頂部散熱TOGT封裝，能夠透過封裝頂部散熱，降低電路板的熱應力。在全球層面，Google、微軟與Meta正積極推動核能採購與大規模再生能源布局作為輔助策略，ZutaCore等企業也在提供直接接觸晶片的液冷系統，三菱重工也已將這類技術納入產品線。
這項技術的限制是真實存在的。浸沒式液冷能降低維持伺服器低溫所需的能耗，但無法減少AI晶片本身的電力消耗。隨著每一代GPU的演進，每個機架的用電需求持續攀升，這意味著效率提升的成果，有可能被原始運算需求的增長速度所追過。液冷基礎設施的初期資本支出也高於氣冷。既有資料中心的導入速度緩慢，因為翻新現有設施的成本相當高昂。此外，單相浸沒式系統所使用的介電液需要謹慎處理與廢液管理，增加了運營的複雜度。
這其中的核心洞察其實相當直接。傳統空調系統是為機架用電量10至50千瓦的時代設計的，而AI機架的用電需求如今已逼近100萬瓦。在這樣的功率密度下，氣冷的物理極限已難以應付。日本將液冷散熱發展為商業產品而非單純的研究項目，反映出一種超前的認知：雲端時代的基礎設施假設，無法直接套用來滿足AI時代的需求。
如對本文有任何疑問，歡迎來信至 jstories@pacificbridge.jp 洽詢。
