AI インフラ向け液冷を計画する方法

液冷の計画は、サーバーを発注する前に始まります。高密度 AI システムでは、コンピューティング、ネットワーキング、電力供給、熱管理が非常に密接に結び付いているため、施設に十分な床面積があっても機器を稼働できないことがあります。したがって、有用な計画上の問いは、液体が空気よりも熱をよく運ぶかどうかではありません。シリコンから屋外の排熱までの経路全体が、意図した負荷を安全に、継続的に、かつ保守可能な形で運べるかどうかです。

信頼できる計画は、ラックの熱負荷、冷却アーキテクチャ、建物の機械的・電気的制約、信頼性モデル、そして展開拡大前に必要な証拠という五つの判断を結び付けます。これらのいずれかを別個の調達作業として扱うと、統合リスクが生じます。

コンピューティング計画を熱予算に変換する

ラックが消費する電力のほぼすべては、最終的に熱になります。アクセラレータ、CPU、スイッチ、光モジュール、ストレージ、電力変換損失を含む、想定ラック構成と電力範囲から始めてください。チップの見出しとなる定格だけで計画してはいけません。先進的なアクセラレータは 1 キロワットを超えることがあり、完全なラックスケールのシステムは数百キロワットに達することがあります。高密度化は、コンポーネントの熱を施設の問題に変えます。

少なくとも三つの状態をモデル化します。通常の継続運転、最も高い信頼可能なワークロード、そして冷却が劣化した状態です。後から同じ列やループに機器を収容する可能性があるなら、増設も含めてください。目的は平均熱を除去することだけではなく、ワークロードが変動したりシステムの一部が利用できなくなったりしても、温度、流量、圧力を承認済みの範囲内に保つことです。

液体が回収する熱と、空気に放出される残余熱も分けてください。ダイレクト・ツー・チップ設計は、プロセッサーと選択されたネットワーク部品を冷却する場合がありますが、メモリー、ストレージ、電源ハードウェア、補助機器は依然として室内を暖めます。新しいラック設計の一部では、液体接続をコンピュートトレイとスイッチングトレイにまたがって拡張していますが、それでデータホールの空気管理の必要性が自動的になくなるわけではありません。実際の各システムの設計文書で、この内訳を決めるべきです。

この熱予算は、ラック配置、配管サイズ、CDU 選定、配電、制御、屋外機器の共通入力になります。これらのチームが異なる前提を使えば、サイトは個別の設計レビューには合格しても、統合システムとしては失敗し得ます。

ラベルではなく境界によってアーキテクチャを選ぶ

「液冷」は、交換可能な一製品ではなく、複数のアーキテクチャを指します。ダイレクト・ツー・チップ冷却では、発熱デバイスにコールドプレートを当てます。サーバー側のループは、ホースとマニホールドを通じて熱を冷却液分配装置、すなわち CDU に運びます。CDU は流量、圧力、温度、および機器回路と施設回路の間の分離を管理します。建物側のループは次に、熱をドライクーラー、冷却塔、チラー、または別の排熱システムへ運びます。

これに対し浸漬冷却では、機器を誘電性流体に入れます。その流体、保守手順、部品の互換性、環境上の考慮事項は、水ベースのコールドプレート・ループとは異なります。「液冷」に関する市場予測やサプライヤーの主張は、アーキテクチャを特定していない限り不完全です。

各選択肢について、熱の連鎖全体を描き、すべての境界で所有責任を明記してください。誰が冷却液を指定するか、誰がその化学特性を維持するか、誰が CDU 制御を供給するか、誰がラックを隔離できるか、漏れまたは汚染事象に誰が責任を負うかを特定します。IT 機器と施設システムの境界面では、責任の曖昧さが特に危険です。

公開済みのプラットフォームは、普遍的なテンプレートになることなく、有用な設計参照を提供できます。NVIDIA の GB200 NVL72 システムは、液冷ラックスケール設計で 36 基の Grace CPU と 72 基の Blackwell GPU を接続します。同社は、ラックの機械構造と冷却仕様もオープンハードウェアへの貢献を通じて共有しています。これらの例はインターフェースの不確実性を減らせますが、選定したすべてのサーバー、施設、運用環境には依然として検証が必要です。

コンポーネントを選ぶ前に建物を検証する

CDU は橋渡しであって、施設容量の代替ではありません。サイトは入ってくる熱を受け入れ、それを屋外へ排出できなければなりません。利用可能な配管経路、床荷重、保守クリアランス、電力フィード、バックアップ電源、制御統合、既存の機械設備の容量を調査してください。空冷ホールの改修では、ラック脇に配管を足すだけをはるかに超える変更が必要になる場合があります。

供給温度は施設設計に影響します。最高 45 度 Celsius で流入する冷却液を受け入れるベンダー設計は、ドライクーラーによるチラーレス排熱の機会を生むことがあります。NVIDIA はこの温水アプローチを説明していますが、これは能力であり、どこでも適用される結果ではありません。気候、季節の天候、アプローチ温度、ワークロード、既存設備によって、チラーや冷却塔がなお必要かどうかが決まります。

水とエネルギーに関する主張は、サイト全体の境界で評価してください。閉回路は、特にドライクーラーと組み合わせた場合に直接的な水使用を減らせる可能性がありますが、結果は場所と設計によって異なります。ポンプ、ファン、チラー、水処理、残余の室内冷却を考慮に入れます。個別コンポーネントの効率を比較すると、システム内の別の場所へ移動したエネルギーを見逃すおそれがあります。

電気容量と熱容量は同時にコミッショニングする必要があります。高密度ラックには、より大きなフィード、バスバー、配電機器、バックアップシステムが必要になる場合があります。電気システムより何か月も先に冷却設計が整っても、使えるコンピューティング容量は生まれず、その逆も同様です。

故障の封じ込めと保守を設計する

液体は、ポンプ、シール、コネクター、バルブ、センサー、流体品質を可用性モデルに持ち込みます。目標は漏れが決して起きないと主張することではなく、一つの故障が広がるのを防ぎ、機器が損傷する前に異常状態を検出することです。

故障ドメインに基づいて、CDU とポンプの冗長性を定義してください。一台の CDU が一つのラック、一列、あるいはより大きなグループのどれにサービスするかを決め、保守中と故障時に何が起きるかをモデル化します。隔離バルブ、バイパス経路、予備容量、電力または通信を失った後の制御動作を含めます。複数のコンポーネントが同じコントローラー、電力フィード、施設ループを共有するなら、名目上の N+1 ラベルでは不十分です。

超高速切断コネクターは、設置と保守中の流体放出を制限すべきですが、その証拠は繰り返しの接続、温度変化、振動、圧力変動、長期の運転を対象にしなければなりません。保守手順は、粒子や閉じ込められた空気が小さな流路に入ることを防ぐべきです。技術者には、排出、再接続、パージ、流量確認、機器の復旧に関する定義済みの手順が必要です。

監視には、適切な場合、供給・戻り温度、流量、圧力、ポンプ状態、湿気または漏れ信号を含めるべきです。本番稼働前にアラートしきい値と自動応答を設定してください。完了した保守作業は、単に作業指示を閉じるのではなく、冷却テレメトリーと回復したシステム健全性の両方を通じて検証すべきです。

材料をシステムレベルの互換性判断として扱う

コールドプレート、コネクター、ホース、マニホールド、シール、冷却液は、想定される温度、圧力、耐用年数の全体で互換性を保たなければなりません。コールドプレートの性能は、チャネル形状、接合品質、圧力損失、表面接触、製造の一貫性に依存します。マイクロチャネル設計はデバイス近傍の熱伝達を改善できますが、狭い流路は粒子、腐食、接合欠陥、不均一流への感度を高めます。

各部品を個別に承認するのではなく、認定済みの材料セットをサプライヤーに求めてください。流体仕様は、清浄度、腐食制御、熱安定性、取扱い、交換間隔に対処すべきです。局所的に許容できる代替が、ループ内の別の場所のシール、金属、堆積物に影響し得るため、冷却液または濡れ面材料の変更は互換性レビューを引き起こすべきです。

ダイレクト・ツー・チップと浸漬流体のリスクは分けてください。水ベースの冷却液はコールドプレート・システムで一般的です。一部の浸漬システムでは、フッ素化誘電性流体が使われてきました。3M は 2025 年末にPFAS 製造からの撤退を完了しました。これは影響を受ける流体サプライチェーンに関連しますが、すべての液冷ラックがそれらの流体に依存することを意味するわけではありません。調達では、選択したアーキテクチャについて、流体組成、入手可能性、環境上の取扱い、使用終了時の計画を文書化すべきです。

容量の主張だけでなく、導入の証拠を求める

大量の受注が示すのは関心であって、運用信頼性ではありません。コンポーネントの準備状況は、設計、サンプル、性能試験、生産試験、顧客認定、反復製造、現場運用を経て進みます。これらの段階を、単一の可用性の主張にまとめるべきではありません。精密部品は、組立能力の拡大にかかる時間よりも認定にずっと長い時間がかかる場合があります。

分母と運用状況を伴う証拠を要求してください。有用な測定には、生産歩留まり、漏れ試験結果、ポンプ耐久性、コネクターの嵌合回数、圧力と温度の範囲、冷却液の保守、現場インシデント、修理時間、季節をまたぐ性能が含まれます。少量出荷を、認定済みの量産や認識済みの収益と区別してください。

予測にも同様の規律が必要です。TrendForce は市場見通しで、AI チップにおける液冷の浸透率が 2025 年の約 33% から 2026 年には 53% へ上昇し、2027 年には 60% に近づくと予測しました。これらの数字は AI チップに関する予測を示すものであり、すべてのサーバーやデータセンターにおける観測済みの採用を示すものではありません。予測はシナリオ計画に使い、その後、実際のプラットフォーム日程、建設の準備状況、認定結果に合わせてコミットメントの規模を決めてください。

最小で意味のある故障ドメインでパイロットを実施してください。代表的なワークロード、保守手順、フェイルオーバー事象、異常状態テストを実行します。熱のデモが成功しても、その試験条件における熱伝達を示すにすぎません。複数シーズンにわたる稼働率、保守性、供給継続性を確立するものではありません。

実装チェックリスト

設計を承認する前、またはパイロットを拡大する前に、次を確認してください。

• 熱負荷： ラック電力、ピーク状態、残余空気負荷、増設、劣化状態の前提が、一つの文書化されたモデルを共有している。
• アーキテクチャ： サーバーループ、CDU、施設ループ、排熱経路が端から端まで描かれ、流体と運転範囲が特定されている。
• 施設適合性： 配管経路、床荷重、配電、バックアップ電源、制御、クリアランス、気候、水、屋外機器を調査済みである。
• 故障ドメイン： CDU、ポンプ、コントローラー、電源、施設ループの依存関係がマッピングされ、隔離と冗長性は計画保守中に機能する。
• 材料： 冷却液、金属、シール、ホース、コネクター、コールドプレートが一組として認定され、汚染と腐食の制御がある。
• 保守： スタッフが文書化された手順と利用可能な予備部品を用いて、接続、隔離、排出、パージ、点検、機器復旧を行える。
• 監視： 温度、流量、圧力、ポンプ、漏れの信号に、しきい値、担当者、エスカレーション経路、試験済みの応答がある。
• 証拠： サプライヤーの主張が、試験条件、サンプル数、故障、生産段階、認定状況、現場での期間を特定している。
• コミッショニング： 熱負荷、フェイルオーバー、電源喪失、アラーム、保守、復旧を、コンピューティングと施設のチームが共同で試験する。
• 拡張ルール： 拡張はラックの納入だけでなく、稼働率、インシデント、保守、エネルギー、水、容量の証拠に基づく。

堅実な液冷プログラムは、ラックと建物を一つの運用システムとして扱います。密度が熱の問題を定め、アーキテクチャが境界を定義し、施設エンジニアリングが負荷を運び、材料がループを守り、測定された導入結果が拡張の時期を決めます。この順序により、冷却は後付けの機械設備ではなく、制御されたインフラ判断になります。