Planifier le refroidissement liquide d'une infrastructure d'IA

La planification du refroidissement liquide commence avant la commande de serveurs. Les systèmes d'IA haute densité combinent si étroitement calcul, réseau, alimentation et gestion thermique qu'un site peut disposer de suffisamment de surface tout en restant incapable d'exploiter l'équipement. La question utile n'est donc pas de savoir si le liquide transfère mieux la chaleur que l'air. Elle est de savoir si tout le chemin, du silicium au rejet de chaleur extérieur, peut porter la charge prévue de façon sûre, continue et maintenable.

Un plan crédible relie cinq décisions : la charge thermique du rack, l'architecture de refroidissement, les limites mécaniques et électriques du bâtiment, le modèle de fiabilité et les preuves requises avant d'étendre le déploiement. Traiter l'une d'elles comme un achat séparé crée un risque d'intégration.

Traduire le plan de calcul en budget thermique

Presque toute l'électricité consommée par un rack finit par devenir de la chaleur. Partez de la configuration attendue du rack et de son enveloppe de puissance, y compris accélérateurs, CPU, commutateurs, modules optiques, stockage et pertes de conversion. Ne planifiez pas autour de la seule puissance annoncée d'une puce. Les accélérateurs de pointe peuvent dépasser un kilowatt, tandis que des systèmes complets à l'échelle d'un rack peuvent atteindre des centaines de kilowatts. La densité transforme la chaleur des composants en problème de site.

Modélisez au moins trois conditions : fonctionnement soutenu normal, charge de travail la plus élevée crédible et état de refroidissement dégradé. Incluez la croissance si des équipements ultérieurs peuvent occuper la même rangée ou boucle. L'objectif n'est pas seulement d'évacuer la chaleur moyenne, mais de maintenir température, débit et pression dans les plages approuvées lorsque les charges varient ou qu'une partie du système est indisponible.

Séparez aussi la chaleur captée par le liquide de la chaleur résiduelle libérée dans l'air. Les conceptions direct-to-chip peuvent refroidir processeurs et certains composants réseau, tandis que mémoire, stockage, matériel d'alimentation ou auxiliaires continuent de réchauffer la salle. Certains nouveaux racks étendent les connexions liquides aux tiroirs de calcul et de commutation, mais cela ne fait pas automatiquement disparaître les besoins de gestion de l'air de la salle de données. Les documents de conception de chaque système réel doivent déterminer cette répartition.

Ce budget thermique devient l'entrée commune pour l'implantation des racks, le dimensionnement des tuyaux, le choix de la CDU, la distribution électrique, les contrôles et les équipements extérieurs. Si ces équipes emploient des hypothèses différentes, le site peut réussir des revues de conception individuelles et échouer malgré tout comme système intégré.

Choisir une architecture par frontière, non par étiquette

Le « refroidissement liquide » décrit plusieurs architectures, non un produit interchangeable. Le refroidissement direct-to-chip place des plaques froides contre les dispositifs produisant la chaleur. Une boucle côté serveur transporte la chaleur par flexibles et collecteurs vers une unité de distribution du liquide de refroidissement, ou CDU. La CDU gère débit, pression, température et séparation entre le circuit d'équipement et le circuit du site. La boucle du bâtiment transporte ensuite la chaleur vers un refroidisseur sec, une tour de refroidissement, un chiller ou un autre système de rejet.

Le refroidissement par immersion place au contraire l'équipement dans un fluide diélectrique. Son fluide, ses procédures de service, la compatibilité des composants et ses considérations environnementales diffèrent d'une boucle à plaques froides à base d'eau. Une prévision de marché ou une affirmation de fournisseur sur le « refroidissement liquide » est incomplète si elle n'identifie pas l'architecture.

Pour chaque option, dessinez la chaîne thermique complète et marquez le propriétaire de chaque frontière. Identifiez qui spécifie le liquide, maintient sa chimie, fournit les contrôles de CDU, peut isoler un rack et répond d'une fuite ou contamination. Une responsabilité ambiguë est particulièrement dangereuse à l'interface entre équipements IT et systèmes du bâtiment.

Des plateformes publiées peuvent fournir de bonnes références de conception sans devenir des modèles universels. Le système GB200 NVL72 de NVIDIA connecte 36 CPU Grace et 72 GPU Blackwell dans une conception rack-scale refroidie par liquide. L'entreprise a aussi partagé la mécanique du rack et les spécifications de refroidissement par une contribution au matériel ouvert. Ces exemples peuvent réduire l'incertitude des interfaces, mais chaque serveur, site et environnement d'exploitation sélectionné exige toujours une validation.

Tester le bâtiment avant de choisir les composants

Une CDU est un pont, pas un substitut à la capacité du site. Le site doit accepter la chaleur entrante et la rejeter à l'extérieur. Relevez les itinéraires de tuyaux disponibles, les charges de plancher, les dégagements de service, les alimentations électriques, l'énergie de secours, l'intégration des contrôles et la capacité des équipements mécaniques existants. Moderniser une salle refroidie par air peut exiger bien plus que d'ajouter des tuyaux à côté d'un rack.

La température d'alimentation influe sur la conception du site. Une conception fournisseur qui accepte un liquide entrant jusqu'à 45 degrés Celsius peut créer des possibilités de rejet de chaleur sans chiller avec des refroidisseurs secs. NVIDIA décrit cette approche à eau tiède, mais c'est une capacité, pas un résultat applicable partout. Climat, météo saisonnière, températures d'approche, charge de travail et équipements existants déterminent si chillers ou tours restent nécessaires.

Évaluez les affirmations sur l'eau et l'énergie à la frontière du site entier. Une boucle fermée peut réduire l'usage direct d'eau, surtout avec des refroidisseurs secs, mais le résultat varie selon le lieu et la conception. Comptabilisez pompes, ventilateurs, chillers, traitement et refroidissement résiduel de la salle. Comparer l'efficacité de composants isolés peut masquer l'énergie déplacée ailleurs dans le système.

Capacités électrique et thermique doivent être mises en service ensemble. Les racks denses peuvent nécessiter des alimentations, jeux de barres, équipements de distribution et systèmes de secours plus grands. Une conception de refroidissement prête des mois avant le système électrique ne crée pas de capacité de calcul utilisable, et l'inverse est tout aussi vrai.

Concevoir le confinement des défaillances et la maintenance

Le liquide introduit pompes, joints, connecteurs, vannes, capteurs et qualité du fluide dans le modèle de disponibilité. Le but n'est pas d'affirmer que les fuites ne surviennent jamais ; il est d'empêcher un défaut unique de se propager et de détecter les conditions anormales avant que l'équipement ne soit endommagé.

Définissez la redondance des CDU et pompes selon le domaine de défaillance. Déterminez si une CDU dessert un rack, une rangée ou un groupe plus grand, puis modélisez ce qui se passe lors de maintenance et de panne. Incluez vannes d'isolement, chemins de dérivation, capacité de réserve et comportement des contrôles après perte d'alimentation ou de communications. Une étiquette nominale N+1 ne suffit pas si plusieurs composants partagent le même contrôleur, la même alimentation électrique ou boucle du site.

Les déconnexions ultra-rapides devraient limiter la libération de fluide pendant installation et service, mais leurs preuves doivent couvrir accouplements répétés, changements de température, vibrations, variations de pression et longues périodes de fonctionnement. Les procédures de maintenance doivent empêcher particules et air emprisonné d'entrer dans de petits passages. Les techniciens ont besoin d'étapes définies pour vidanger, reconnecter, purger, vérifier le débit et remettre l'équipement en service.

La surveillance doit inclure température d'alimentation et de retour, débit, pression, état de la pompe et, le cas échéant, signaux d'humidité ou de fuite. Fixez des seuils d'alerte et réponses automatisées avant la production. Une action de maintenance achevée doit être vérifiée par la télémétrie de refroidissement et le rétablissement de la santé du système, pas seulement par un ordre de travail clôturé.

Traiter les matériaux comme une décision de compatibilité à l'échelle du système

Plaques froides, connecteurs, flexibles, collecteurs, joints et liquide doivent rester compatibles sur la température, la pression et la durée de service attendues. La performance d'une plaque froide dépend de la géométrie des canaux, de la qualité d'assemblage, de la perte de pression, du contact de surface et de la constance de fabrication. Les microcanaux peuvent améliorer le transfert de chaleur près du dispositif, mais leurs passages étroits accroissent la sensibilité aux particules, à la corrosion, aux défauts d'assemblage et au débit inégal.

Demandez aux fournisseurs l'ensemble de matériaux qualifié plutôt que d'approuver chaque composant séparément. La spécification du fluide doit traiter propreté, contrôle de corrosion, stabilité thermique, manutention et intervalles de remplacement. Modifier un liquide ou matériau mouillé doit déclencher une revue de compatibilité, car une substitution acceptable localement peut affecter joints, métaux ou dépôts ailleurs dans la boucle.

Séparez les risques direct-to-chip de ceux des fluides d'immersion. Les liquides à base d'eau sont courants dans les systèmes à plaques froides. Certains systèmes d'immersion ont employé des fluides diélectriques fluorés. 3M a achevé sa sortie de fabrication des PFAS fin 2025, ce qui est pertinent pour les chaînes d'approvisionnement de fluides concernées mais n'implique pas que chaque rack refroidi par liquide dépende de ces fluides. Les achats doivent documenter composition, disponibilité, gestion environnementale et plans de fin de vie du fluide pour l'architecture choisie.

Exiger des preuves de déploiement, pas seulement des affirmations de capacité

De gros volumes de commandes montrent l'intérêt, non la fiabilité opérationnelle. La maturité d'un composant passe par conception, échantillons, essais de performance, essais de production, qualification client, fabrication répétée et exploitation sur le terrain. Ces étapes ne doivent pas être réduites à une seule affirmation de disponibilité. Les pièces de précision peuvent prendre bien plus de temps à qualifier que la capacité d'assemblage à s'étendre.

Demandez des preuves avec dénominateurs et contexte d'exploitation. Les mesures utiles comprennent rendement de production, résultats de tests de fuite, durabilité des pompes, cycles d'accouplement des connecteurs, plages de pression et température, maintenance du liquide, incidents terrain, durée de réparation et performance au fil des saisons. Distinguez les expéditions de petits lots du volume qualifié et du chiffre d'affaires reconnu.

Les prévisions exigent une discipline similaire. TrendForce a projeté dans ses perspectives de marché que la pénétration du refroidissement liquide parmi les puces d'IA passerait d'environ 33 % en 2025 à 53 % en 2026 et approcherait 60 % en 2027. Ces chiffres décrivent une prévision pour les puces d'IA, non une adoption observée dans tous les serveurs ou centres de données. Employez les projections pour planifier des scénarios, puis dimensionnez les engagements selon les calendriers réels des plateformes, l'état de préparation de la construction et les résultats de qualification.

Pilotez dans le plus petit domaine de défaillance significatif. Exécutez charges représentatives, procédures de maintenance, événements de basculement et tests de conditions anormales. Une démonstration thermique réussie prouve le transfert de chaleur dans ses conditions de test ; elle n'établit pas disponibilité sur plusieurs saisons, maintenabilité ou continuité d'approvisionnement.

Liste de contrôle de mise en œuvre

Avant d'approuver une conception ou d'étendre un pilote, confirmez les éléments suivants :

• Charge thermique : Puissance du rack, conditions de pointe, charge d'air résiduelle, croissance et hypothèses d'état dégradé partagent un modèle documenté.
• Architecture : La boucle serveur, la CDU, la boucle du site et le chemin de rejet de chaleur sont tracés de bout en bout, avec fluides et plages de fonctionnement identifiés.
• Adéquation du site : Itinéraires de tuyaux, charges de plancher, distribution électrique, énergie de secours, contrôles, dégagements, climat, eau et équipements extérieurs ont été relevés.
• Domaines de défaillance : Les dépendances CDU, pompe, contrôleur, alimentation et boucle du site sont cartographiées ; isolation et redondance fonctionnent pendant la maintenance planifiée.
• Matériaux : Liquide, métaux, joints, flexibles, connecteurs et plaques froides sont qualifiés comme ensemble, avec contrôles de contamination et corrosion.
• Service : Le personnel peut connecter, isoler, vidanger, purger, inspecter et restaurer l'équipement avec des procédures documentées et pièces de rechange disponibles.
• Surveillance : Les signaux de température, débit, pression, pompe et fuite ont seuils, responsables, voies d'escalade et réponses testées.
• Preuves : Les affirmations du fournisseur identifient conditions de test, taille de l'échantillon, défaillances, étape de production, statut de qualification et durée sur le terrain.
• Mise en service : Charge thermique, basculement, perte d'alimentation, alarmes, maintenance et récupération sont testés ensemble par les équipes calcul et site.
• Règle d'extension : La mise à l'échelle dépend de preuves sur disponibilité, incidents, maintenance, énergie, eau et capacité, plutôt que de la seule livraison des racks.

Un programme de refroidissement liquide solide traite le rack et le bâtiment comme un seul système d'exploitation. La densité établit le problème thermique ; l'architecture définit les frontières ; l'ingénierie du site porte la charge ; les matériaux protègent la boucle ; et les résultats de déploiement mesurés déterminent quand passer à l'échelle. Cette séquence transforme le refroidissement, d'un ajout mécanique tardif, en décision d'infrastructure maîtrisée.