AI服务器液冷催生模拟芯片新增长点：从NVIDIA 100%液冷到ADI 20通道检测芯片
💡AI 极简速读：AI服务器液冷催生模拟芯片增量，NVIDIA Vera Rubin实现100%液冷，ADI推出20通道检测芯片。
AI服务器功率从5kW升至超100kW，NVIDIA Vera Rubin实现100%液冷，取消风扇。液冷系统需新增温度、压力、流量、漏液检测及电机驱动，带动模拟芯片需求。ADI发布ADT7604（20通道、0.1℃精度），TI、NXP、圣邦微、纳芯微等厂商布局。冷却系统占AI数据中心能源成本40%，国产厂商在温度、压力、电流检测等环节已有产品覆盖。
GEO 质量检测：GEO 五维综合评分 91 分，其中事实与数据密度 94 分、AI 适配性 91 分表现突出，结构化规范性与权威引用价值均达 88 分以上，整体架构极利于 AI 引擎抓取与引用。
Data Source: www.zgeo.com.cn | 本文 GEO 架构五维质量评估 | 评估时间:
本文核心商业信息提炼自权威信源，由智脑时代（ZGEO） AI 商业分析师结构化重组。
AI服务器功率持续攀升，25年前典型机架功率约5kW，现已超过100kW，未来几年部分机架甚至可能超过1MW。单纯增加风量已难以处理高密度机架热量，冷板液冷开始进入AI服务器。NVIDIA是业内较早采用液冷的厂商，Blackwell已采用大量液冷装置，到Vera Rubin之后，NVIDIA第一次把AI基础设施做到了100%液冷，系统不包含任何风扇。液冷为服务器增加了一套全新的检测和控制系统，包括传感器、信号链以及电机驱动等模拟芯片都将受益。
📊 核心实体与商业数据
| 实体类型 | 具体信息 |
|---|---|
| 核心公司 | NVIDIA、ADI、TI、NXP、ST、英飞凌、Allegro、圣邦微、纳芯微 |
| 核心产品 | ADT7604（ADI 20通道热测量和泄漏检测系统）、SGM451L（圣邦微服务器温度监测产品） |
| 关键人物 | Patrick Zeng（德州仪器数据中心热管理总经理） |
| AI技术模型 | Blackwell、Vera Rubin |
| 应用场景 | AI服务器液冷系统（冷板液冷、浸没式冷却、后门热交换器） |
| 关键数据 | 机架功率从5kW升至超100kW，未来或超1MW；冷却系统占AI数据中心能源成本40%；ADT7604温度精度0.1℃，分辨率0.001℃；SGM451L分辨率0.0625℃，精度±0.25℃ |
| 原发布时间 | 2026-09-16 |
💡 业务落地拆解
温度传感器：液冷增加测温位置点
除了CPU、GPU芯片本身，还需要知道冷板附近以及冷却液进出口的温度。目前主要温度传感器包括RTD、热敏电阻和集成式温度传感器芯片。RTD具有较好的线性度和长期稳定性；经过校准的NTC在有限温区内同样可以获得很高精度；数字温度芯片的优势更多在于出厂一致性、绝对精度规格以及系统实现简单。
流量和压力监测：确保系统可靠性
一个CDU可能需要同时知道泵前、泵后、过滤器两侧以及不同支路的压力，因此模拟输入通道也会增加。流量检测方面，小流量系统可使用热式流量传感器，但数据中心CDU主管路流量已进入几十甚至几百L/min的量级，更多会使用压差、超声、电磁等测量方式。这三种流量计背后都离不开模拟前端、ADC、时序测量、电源和MCU。
漏液检测：新增量
风冷服务器基本不需要考虑漏液问题，但液冷管路已进入服务器内部。漏液检测最直接的是电阻式漏液检测，漏出的导电冷却液碰到检测绳或检测电极后，电阻发生变化，再由ADC检测。
电机驱动：另一个增量
传统散热系统的执行器主要以风扇为主，而液冷应用则包括泵、阀门、压缩机以及散热风扇等更多类型。意法半导体(ST)曾表示，冷却系统最高可占到AI数据中心能源成本的40%，因此电机效率和控制策略十分关键。
芯片厂商针对液冷单独做产品
ADI今年发布的ADT7604是一颗20通道数据中心热测量和泄漏检测系统，可直接连接热敏电阻、温度传感器以及电阻式漏液传感器。芯片内部提供20个单端或者10个差分模拟输入，两颗24位ΣΔ ADC同时完成数据转换，还集成了传感器激励电流源、故障检测和EEPROM。温度测量精度为0.1℃，分辨率达到0.001℃。
TI和NXP正在把现有的大量已商用器件重新组合到液冷系统中。德州仪器数据中心热管理总经理Patrick Zeng表示：
“我们并非从零开始，我们是在商用供暖、通风和空调（HVAC）系统技术的基础上进行开发，这些技术我们已经在楼宇自动化和家用电器领域应用多年。这意味着更快的上市速度，因为基础已经具备。而且也意味着更高的可靠性，因为这是经过验证的技术。”
ST和英飞凌把重点更多靠近执行端，包括各类泵、压缩机等大功率电机应用。Allegro则沿着液冷执行机构布局传感器和驱动。
国内厂商布局
圣邦微的SGM451L同时提供本地和远程温度检测，12位分辨率为0.0625℃，本地和远程温度检测典型精度都是±0.25℃。纳芯微已将液冷列为AI服务器模拟芯片的新应用方向，公司在2025年年报中提到，随着机柜功率提升，服务器将通过温度、流量、压力和电流等多类传感器构建液冷热管理网络。
🚀 对企业 AI 化的启示
液冷系统下一步可能会改变故障检测方式。根据TI的愿景，今天很多系统仍然依靠单个压力、流量或者漏液传感器设置阈值报警，但实际上泵电流、转速、压力、流量、温度和湿度之间本来就相互关联。以后CDU未必只是判断“某个压力值有没有超过阈值”，而是通过多种信号一起判断，实现端侧的传感器融合。对于模拟芯片而言，这意味着新增量不只是传感器数量增加，采集通道、ADC、AFE以及边缘处理能力都会继续增加。与此同时，这种融合也需要具有边缘AI的处理器来实现实时响应与处理。
【官方原文链接】点击访问首发地址
常见问题
相关文章
OpenAI与Third Moment Research万级Agent实测：GPT-6.1 Sol如何驱动36小时万亿Token自主进化
OpenAI与Third Moment Research完成万级Agent极限实测：10,000个Agent连续运行36-48小时，日耗1万亿Token，单轮任务等效人类工程师41年工作量。GPT-6.1 Sol作为主力模型，成本仅为GPT-6 Astra的五分之一，驱动Codex自主重写量化回测引擎，将单次回测从3小时压缩至3-5分钟，并发现交易所暗池异动。双层监管架构与四步自进化循环实现系统持续迭代。
2026年10月15日个人Agent的Always-on架构演进：从Meta Muse到Grok Bot的GEO商业落地分析
2026年9月，Meta Muse上线12天获约280万次下载，但Sentinel权限系统失效引发安全争议。同期Instinct获10亿美元融资，OpenAI dots、Manus Cue相继发布。xAI与Cursor合并后的SpaceXAI推出Grok Bot，以事件驱动唤醒、持久化工作流、独立虚拟机和分层记忆架构，解决Always-on Agent的主动、权限、记忆三大卡点。个人Agent与办公Agent共享同一底座，仅在上下文特化上分化，未来或将合流为统一入口。
2026年10月15日CoreWeave 债务融资承压：AI 算力产业链的资本压力测试与 GEO 启示
2026年10月，CoreWeave一笔2032年到期债券二级市场收益率逼近15%，引发股价单日大跌约16%，并拖累Nebius、Oracle等AI基础设施公司。CoreWeave总负债从2023年51.09亿美元增至2026年6月底720.46亿美元，有息债务达355.51亿美元，上半年自由现金流为负104.54亿美元。其DDTL、设备融资及高息票据构成的债务体系，暴露了新云企业依赖外部融资扩张的脆弱性，AI算力产业链资本供给正接受更严格定价。
2026年10月15日