人工智能的快速发展,正在把数据中心基础设施推向极限,其中最紧迫的问题之一就是散热。现代GPU和AI加速器产生的热量,已经远远超过传统风冷系统最初设计时的负荷。
在这样的背景下,英国液冷技术公司 Iceotope 宣布完成 2600万美元(约合人民币约1.9亿元)的B轮融资,用于扩大其面向AI、高性能计算(HPC)、数据中心以及边缘计算的精密液冷技术规模。该轮融资由 Two Seas Capital 和 Barclays Climate Ventures 领投,现有投资者 Edinv、ABC Impact、Northern Gritstone 以及英国商业银行(British Business Bank)等也参与了投资。
这笔资金释放出一个清晰信号:在AI时代,解决散热问题的重要性可能不亚于研发更快的芯片。
当今的AI服务器通常在同一机架中部署大量GPU、CPU和加速卡。随着算力密度不断提高,整个服务器平台的热量输出也急剧上升。
行业分析指出,许多AI机架的功率密度已经接近甚至超过传统风冷能够有效处理的范围,这促使数据中心运营商越来越多地考虑液体冷却方案。
更复杂的是,AI系统的热源并不仅限于GPU。内存、存储设备以及电源模块同样会产生显著热量。在高密度集群环境中,如果冷却系统只针对单一芯片设计,其他组件仍可能出现局部过热。
Iceotope的技术正是为解决这种“整机散热”难题而设计。
Iceotope采用一种被称为 机箱级精密液冷(chassis‑based precision liquid cooling) 的架构。
与依赖空气流动的传统服务器不同,该系统使用 密封服务器机箱,内部循环 非导电的介电液体,直接吸收电子元件产生的热量。
由于这种液体不会导电,它可以安全地接触服务器内部组件,包括:
公司将这一方案称为 “Direct‑to‑Everything”(直接冷却所有组件)。与只针对处理器的冷板冷却不同,这种设计能够覆盖服务器内部几乎所有发热部件。
通过在组件层面直接带走热量,系统对大型风扇、冷热通道以及高能耗制冷设备的依赖显著降低。
Iceotope表示,这轮融资的目标是把其液冷技术从少量专业部署推向更广泛的商业应用。
资金主要将用于:
这些举措旨在加速基于Iceotope架构的服务器系统走向市场规模化应用。
在数据中心运营成本中,冷却系统通常占据相当大的能源比例。与空气相比,液体的导热效率更高,因此能够更有效地带走热量。
Iceotope表示,其精密液冷技术在某些场景下可将能源消耗相比传统风冷系统降低 约40%。
公司还在推动更环保的冷却材料。例如与欧洲生物基化学品公司 Oleon 的合作,探索使用可再生来源的介电液体,以减少高密度计算环境中的环境影响。
随着全球AI基础设施规模持续扩大,数据中心运营商正面临越来越大的压力,需要同时降低能耗和碳排放。
Iceotope在液冷技术领域积累了大量知识产权。目前其相关技术 已拥有超过200项已授权和申请中的专利,覆盖机箱设计、介电液体应用以及机架级热管理等关键技术。
在基础设施技术市场中,这样的专利组合通常能带来几项优势:
这也使Iceotope的机箱级液冷方案在众多液冷技术路线(如冷板或整机浸没式冷却)中形成差异化竞争。
Iceotope成立于 2005年,总部位于英国谢菲尔德,长期专注于服务器和高性能计算系统的液体冷却研究。
这种长期技术积累非常关键。数据中心运营商通常对新基础设施技术极为谨慎,只有在可靠性和兼容性得到充分验证后才会大规模部署。
因此,拥有多年工程经验和成熟设计的企业,在AI时代的基础设施升级浪潮中可能更具优势。
AI的爆发不仅改变了芯片设计,也在重塑整个数据中心架构。
过去被视为后台问题的散热,如今正成为核心工程挑战。Iceotope获得2600万美元融资,也说明投资者越来越认可一个趋势:
在AI时代,高效散热技术本身就是关键基础设施。
如果AI集群继续向更高算力密度发展,能够快速带走热量的技术,很可能成为下一代数据中心的核心能力。
Studio Global AI
Use this topic as a starting point for a fresh source-backed answer, then compare citations before you share it.
英国液冷技术公司Iceotope完成2600万美元B轮融资,由Two Seas Capital与Barclays Climate Ventures领投,资金将用于产品研发、专利扩展及生态合作。[6][7]
英国液冷技术公司Iceotope完成2600万美元B轮融资,由Two Seas Capital与Barclays Climate Ventures领投,资金将用于产品研发、专利扩展及生态合作。[6][7] 公司采用密封机箱与非导电介电液体的“全组件液冷”方案,可同时为GPU、CPU、内存、存储和电源模块散热,提高AI服务器效率。[8][17]
随着AI机架功率密度持续上升,液冷技术被视为解决数据中心能耗和散热压力的关键路径之一。[8]
Loading comments...
Comments
0 comments