Nvidia 45°C 熱水冷卻技術：Rubin 平台如何解決 AI 資料中心的用水危機

• 100% 封閉循環液體冷卻： Rubin 世代中，每個晶片和網路元件都由密封迴路中的液體進行冷卻；此系統完全消除了伺服器風扇 。Nvidia 將電源模組移出整合式機櫃，創造出獨立的電源機櫃，首次實現了全面的液體冷卻覆蓋 。
• 單相直接液體冷卻： 冷卻液保持在液態，且進水溫度可達 45°C 。從機櫃返回的溫度可達 65°C 。
• 高功率密度： 單個 Rubin GPU 的熱設計功耗約為 2,000W，而一個 Vera Rubin NVL72 機櫃配置可達 140 kW 至 200 kW 。溫水冷卻的方法使得在如此高的密度下也無需使用冷凍主機。
• DSX 參考設計： Nvidia 聲稱其 DSX AI 工廠藍圖具有「零水資源消耗」，因為它在設施內部完全不使用蒸發式冷卻 。Nvidia 資料中心冷卻和基礎設施總監 Ali Heydari 表示：「NVIDIA DSX AI 工廠參考設計的用水量為零——我們已經消除了大量的電力消耗，並且幾乎消除了所有的水資源使用」。

潛在成本節省

溫水冷卻方法在三個主要領域帶來了節省：

• 能源節省： 消除機械式冷凍主機和伺服器風扇，預計可減少 30–50% 的冷卻能耗，並將能源使用效率推向 1.03 。冷卻約佔典型 AI 資料中心用電量的 30% 至 40% 。Rubin 相較於前一代 Blackwell 架構，能源效率也提升了 10 倍 。
• 資本支出節省： 在大多數氣候條件下，不再需要機械式冷凍主機和複雜的散熱基礎設施，從而降低了前期建設成本 。Nvidia 的這項宣布曾導致主要 HVAC 製造商的股價大幅下跌 。
• 營運成本節省： 減少用水量可降低水費，並降低在乾旱地區的法規風險。Nvidia 早期的 Blackwell 世代已宣稱其水資源效率是傳統氣冷機櫃的 300 倍 ；Rubin 則更進一步。

產業背景：微軟與亞馬遜

整個產業正迅速轉向溫水液體冷卻，主要的雲端服務供應商也正與 Nvidia 的方法保持一致：

• 微軟： Azure 公開表示計劃在其位於威斯康辛州和亞特蘭大的現有 Fairwater 站點以及未來地點的下一代 AI 超級工廠中，「無縫整合 NVIDIA Vera Rubin NVL72 機櫃」。客製化的液體冷卻熱交換器機組已在開發中 。在 2024 年，微軟推出了一種新的資料中心設計，該設計在冷卻方面實現零水資源消耗，採用晶片級冷卻解決方案，透過封閉迴路循環用水 。
• 亞馬遜： AWS 一直在獨立推動水資源效率，聲稱其資料中心的水資源效率是業界平均的 7 倍，並且已實現其「2030 年水資源正效益」目標的 75% 。AWS 尚未正式宣布 Rubin 的部署計畫，但其朝向更高溫度液體冷卻的發展軌跡與 Nvidia 的方法一致。Nvidia 的新聞稿中將 AWS 列為 Rubin 平台的採用者之一 。
• 更廣泛的市場訊號： 在 2026 年 3 月的一週內，Ecolab 以 47.5 億美元收購了 CoolIT Systems，Trane Technologies 完成了對浸沒式冷卻專家 LiquidStack 的收購，而 Nvidia 則確認了 Rubin 的 45°C 規格——這些事件集體標誌著業界迅速轉向溫水液體冷卻 。

限制與注意事項

儘管前景看好，Nvidia 的溫水冷卻方法仍面臨幾個重要的限制：

• 隱含的水資源與能源問題仍未解決： 消除資料中心內部的營運用水，並未解決用於製造晶片、建造設施或為其供電所使用的水資源 。TechCrunch 指出，雖然 Nvidia 的系統在設施層面上確實達成了承諾，但更廣泛的 AI 水資源問題遠不止於資料中心冷卻 。
• 氣候依賴性： 在非常炎熱和/或潮濕的氣候中，僅靠乾式冷卻器可能不夠；在夏季高峰時段，可能仍需要輔助的絕熱或冷凍主機系統 。在氣候條件不利的地區，系統可能需要每年約 1% 的時間進行補充冷卻 。
• 單相冷板限制： 目前的單相冷板每個元件的散熱能力上限約為 1,500W，對於最高功率的 Rubin 變體來說可能不足，除非有進一步的工程進展 。據報導，Nvidia 正在開發微通道液體冷板，以滿足 Rubin 系列的散熱需求 。
• 舊有設施改造的挑戰： 100% 液體冷卻、無風扇的設計是一種全新的方法；現有的氣冷或混合式資料中心若未進行重大的基礎設施改造，將難以直接採用 。
• 系統性的水資源危機依然存在： 即使每個新的 AI 資料中心都採用 Rubin 的設計，由於 AI 運算需求的驚人增長，絕對能源和資源消耗仍將持續上升，從而限制了整體的環境效益 。

簡而言之，Nvidia 的 45°C 溫水冷卻技術是一項真正的工程突破，可以在新建的 AI 工廠中幾乎完全消除現場水資源消耗和冷凍主機的能耗。它與微軟和亞馬遜自身的水資源效率提升目標相符。然而，它並未解決 AI 產業更廣泛的資源足跡問題，且其全部效益取決於氣候、工作負載密度，以及轉向全新資料中心設計的進程。