液冷加速器电源与热降额设计

把散热边界变成电气限值 #

液冷加速器并不等于电压调节器也液冷。在基本的混合设计中，冷板只覆盖 GPU 或加速器封装，智能功率级、电感、电容、内存和管理器件仍靠残余气流和 PCB 传导散热。因此，封装温度很低时，功率级或电感可能已经达到安全连续运行限值。

工程上要做的，是把完整的散热条件——冷却液、入口温度、流量、压降、冷板、界面载荷、残余气流和传感器位置——换算成允许的电流或功率包络。采购时，必须把对应的机械和固件配置与控制器、功率级和磁性元件绑定。功率级标称 90 A，或机架级冷却液温度，都不等于装配件的额定值。

温水运行逐渐明确之后，这一点更加重要。NVIDIA 目前披露的 Vera Rubin MGX 称，这些机架按 45°C 液体入口温度设计；Open Compute Project 的冷板工作则定义了带或不带 VR 冷板的混合系统，并明确列出液体温度、流量、压力和组件功率遥测。这些说法并没有给出通用的加速器工作点，但说明了一件事：冷却条件必须写入电气发布记录，不能只当作实验室里的非正式备注。

液冷加速器横截面，显示冷却液、冷板、计算封装、可选 VR 冷却以及限定电气降额的传感器位置

更全面的加速器板电源指南涵盖了从受保护的 48/54 V 输入到核心和 HBM 电源轨的职责划分。本文则从本地功率转换与散热接口切入：哪个热点决定了连续负载上限，以及该上限进入量产需要哪些证据支撑。

先冻结冷却液与机械边界 #

要从技术冷却系统的边界入手，而不是看冷板的宣传参数。OCP 将 TCS 定义为从冷却液分配单元出发，经机柜、歧管和 IT 设备，再返回 CDU 的回路。歧管、软管、快接头、阀门、过滤器和冷板上的每一处压降，都会影响加速器托盘实际可用的流量。仅凭 CDU 设定点并不能证明节点流量达标。

对每种合格运行模式，冻结以下数值：

冷却参数	工程上必须明确的内容	为什么功率限值取决于它
冷却液类型	流体种类、浓度、允许的添加剂、材料兼容性记录及维护周期	密度、比热容、粘度、腐蚀行为及电气影响随流体和温度不同而变化
入口条件	最小/标称/最大入口温度及露点裕量	它决定了每一级下游热阻的起始温度，并控制凝露风险
水力条件	在指定流体温度下的最小托盘流量、标称流量、压力范围及压降	泵的裕量和支路不平衡决定了冷板能否获得其合格的质量流量
冷板界面	覆盖的元件、平整度、TIM、夹紧力/扭矩、允许的翘曲及维护流程	即使冷却液温度和流量都正确，接触热阻也可能成为主导因素
辅助冷却	板外元件所需的风扇状态、气流路径及进风范围	混合冷却使 VR 功率级、电感、电容和连接器仍依赖空气和板级传导
监测	进/出口温度、流量、压力、泄漏、元件温度及输入/加速器功率通道	控制器需要独立证据来确认已验证的冷却状态仍然成立

单相冷却液带走的热量约为：

带走的热量 = 质量流量 × 流体热容 ×（出口温度 − 入口温度）

计算时要用已批准流体在工作浓度和工作温度下的密度和比热，不能悄悄拿水的物性去套乙二醇混合液。这个公式只能用来做能量平衡校核，并不能证明每颗裸片和每个功率级都在限值以内。通道局部堵塞时，托盘层面的温升看着仍然正常，却可能已经形成局部热点。

OCP 现行的模块化 TCS 指南也提醒，系统必须把供水管、回水管、接头、阀门和软管上的压力损失都算进去，而且接入的机柜数量一变，流量控制的问题就跟着变。因此验证工作必须覆盖最不利的水力支路，以及可信的过滤器堵塞/负载状态，不能只在一个托盘、一个台架回路上做。

把封装、VRM 和磁性元件当作独立热路径分别建模 #

凡是可能决定功率上限的元件，都要建立损耗和温度模型。对加速器封装来说，热路径可能经过盖板、TIM 再到冷板。顶部冷却的智能功率级可以通过专门设计的界面接到冷板延伸段上。底部冷却的功率级则仍然高度依赖封装焊盘布局、过孔、铜层和局部板温。电感绕组和磁芯的温度各有自己的时间常数，附近的功率级传感器未必能反映出来。

要用针对具体节点的关系式，而不是整块板一个热阻：

节点结温 = 冷却液入口温度 + 冷却液温升 + 节点功率 × 节点热路径热阻 + 耦合温升

每一项都必须来自实际装配件或经过关联的模型。路径项包括该节点对应的封装、PCB 或顶部界面、TIM、冷板扩散和接触载荷。耦合项则计入来自加速器、相邻相位和电路板的热量。这个方程有意写成一种结构，而不是可套用的数值公式：有效路径取决于几何形状和边界条件，并随流量变化。

OCP 区分了混合基本设备与更完整的液冷配置：前者主 CPU/GPU 可以液冷，而板其余部分使用风冷。其要求还指出，计算冷板可以延伸到附近的电压调节器。要说明托盘实际实现的是哪种分类。仅标注“液冷”的采购图纸无法区分这些架构。

根据已验证的最热节点对电流降额 #

降额应基于电气损耗与散热边界的矩阵生成。对于每个核心电源轨电流、输入电压、开关频率和相数，计算或测量功率级开关损耗与导通损耗、电感铜损/铁损、连接器损耗以及电容纹波发热。在最小流量、最高进液温度、最大允许压降条件和最小残余气流条件下求解温升。然后叠加容差与老化裕量重复计算。

连续电流上限取所有主导节点给出的最低限值，且必须低于元件的适用工作限值，也低于板卡的警告/关断阈值，并留出足够裕量以覆盖传感器误差、热滞后和控制延迟。切勿把器件的绝对最大结温当作正常工作目标。

热降额包络线，展示冷却液进液温度和流量如何降低加速器电流，以及对冷却丧失或泄漏的分级响应

下面三个可订购型号可以说明装配边界为何重要；它们只是示例，并非经批准的加速器 BOM：

现行可订购型号	官方记录的热性能证据	发布影响
ADI MAX20790GFC+ / MAX20790GFC+T	量产 12 引脚 FC2QFN 智能功率级，带顶面散热焊盘、每相电流与温度报告、相电流引导支持以及过温关断	需明确顶面焊盘是与空气、均热板还是冷板延伸部分耦合；控制器的热平衡配置需与 BOM 保持一致
Infineon TDA22590XUMA1	现行且优选的 90 A、4 mm × 6 mm PG-UFLGA-34 功率级，带 8 mV/°C 温度输出、电流报告和过温保护	90 A 的标称值只是器件能力；必须在确切布局中验证 PCB/TIM/冷板路径、每相损耗、温度标定和关断策略
TI TMP468AIRGTR	现行 3 mm × 3 mm VQFN 传感器，带八个远程通道加本地温度、可编程限值、迟滞和二极管故障检测	仅与有文档记录的远程二极管或经验证的分离传感器配合使用；冻结通道映射、校准、布局和告警响应

ADI 的 MAX20790 数据手册明确把顶面焊盘作为附加散热路径，并给出了不同散热和气流条件下的安全工作信息。它还会把每个功率级的裸片温度上报给控制器，并支持将电流从较热的相转移开。这对平缓降额很有用，但无法弥补冷板接触缺失、流道堵塞或电感饱和。

Infineon 的 TDA22590 同样提供温度和电流信息，并具备本地过温保护。其模拟温度信号必须结合所选控制器和布局进行校准。本地关断仍是最后一道防线；系统警告和工作负载节流应足够早地动作，以免反复出现相位掉线或热循环。

将冷却故障纳入电源状态机 #

在高功率电源轨或工作负载释放之前，应先完成冷却系统验证。启动时，确认已批准的冷却液存在、进液温度在范围内、流量和压力可信、快接头完全对接且无泄漏检测器处于激活状态。保持足够的独立监控，以便在加速器固件不可用时也能切除或限制功率。

运行期间，应关联测量而非替代测量：

冷却液进液和出液温度反映回路边界和已带走的热量；
流量和压差可暴露泵、阀门、过滤器和支路的问题；
加速器结温/HBM 读数反映封装热点和工作负载变化；
每个功率级的温度通道可暴露相位不平衡和界面故障；
电感、连接器和板卡上的传感器覆盖硅遥测无法反映的元件；
输入功率和电源轨电流让热状态有据可查，而不是只凭经验判断。

OCP 要求在系统、机箱、组件和 CDU 各层面部署液冷传感器，并将泄漏检测与干预作为一个整体方案。它既描述了根据压力或流量变化进行间接检测，也描述了在高风险位置附近安装直接传感器。响应方式可以从通知，到自动断电，再到电气/流体联合干预。托盘设计必须把设施层面的这一选择落实为确定性的本地时序。

实用的分级策略是：先告警并提高冷却需求；再限制时钟、电压状态或电源轨电流；如果控制器和功率级支持，则重新平衡相位；保留首次故障证据；最后执行受控的加速器关断。如果是本地快速短路或湿板风险，则可能需要立即隔离。应明确写出例外情况——不要把所有冷却告警都强行套用漫长的平缓定时器。

验证降额曲面，而非单一标称点 #

使用带仪表的量产意向托盘、真实软管和快接头、预期的冷板/TIM/扭矩工艺，以及温度、流量和压力均可控的回路。运行平台所有者的最差已验证工作负载，同时施加受控电源轨负载以隔离稳压器和电感的行为。在同步时基上记录高带宽电气数据和较慢的热/液压遥测数据。

验证矩阵应涵盖：

冷却液进液温度的最低、标称和最高已验证值；
最小流量、标称流量，以及可信的支路不平衡或过滤器负载；
板卡输入的最小/标称/最大值，以及损耗最高的开关配置；
空闲到峰值负载阶跃、持续计算、持续 HBM 和混合工作负载；
全相位配置、允许的相位切除，以及故意不平衡的相位；
标称 TIM/夹紧载荷，加上受控的界面和平面度容差；
泵故障、受限流量、残余风扇故障、传感器开路/短路和泄漏告警；
热重启、受控关断、突然隔离和故障后重启策略。

每个环节都要归档：加速器/封装版本、板卡版本、固件、控制器 NVM 镜像、功率级与电感 OPN、冷板版本、TIM 批次/涂敷、扭矩记录、冷却液化学成分、流量/压力仪表，以及环境温度和露点。认可的降额表应写明持续功率/电流、允许的瞬态持续时间、警告阈值、节流动作、关断阈值和恢复迟滞。

此前的 GPU 负载阶跃指南定义了快速电气验收窗口。HBM3E 电源指南则让内存电源轨和堆叠发热保持与封装相关。这两项测试，只要结果中没有附带冷却条件，就都不算完整。

冷却与电源作为一个合格装配件整体发布 #

液冷加速器托盘的 RFQ 不应把冷板、软管和已编程 VRM 当作互不相关的替代项分开处理。应要求提供完整的加速器/板卡 OPN；冷板和歧管接口版本；快断接头系列和密封材料；冷却液和过滤规格；TIM、平面度和夹紧载荷工艺；控制器/功率级/电感 OPN；传感器映射；固件/NVM 校验和；以及经批准的热降额表。

按替代项重新开启的验证证据来分类。只有当裸片、配置和包装完全一致时，包装后缀才可能仅是商务变更。功率级不同，损耗、温升、故障行为和热路径都会改变。电感不同，绕组/磁芯温度也会改变。冷板、TIM、软管、QD 或冷却液变更会改变液压或接触条件，受影响的压降、材料兼容性和热测试必须重做。

结论 #

只有当冷却边界可测量、可强制执行时，液冷才成为电气设计输入。冻结冷却液、入口温度、流量、压降、冷板接触和残余气流；将加速器、每个 VR 相位和磁性元件分别建模为独立热路径；由已验证的最热节点决定持续电流上限。

量产发布应把该降额曲面绑定到确切的功率元件可订购料号、已编程阈值、机械零件和故障证据。这样，工程师有可辩护的工作负载限制，买家也有明确的 RFQ 边界——不能仅凭一个标称额定值就更换功率级、冷板或软管，从而削弱这一边界。

官方参考 #

最终设计决策请以原厂数据手册及获批准的工程资料为准。