AI服务器的功耗水平正在持续上升。25年前，一台标准数据中心机架的功率大约仅为5kW，如今已能超过100kW，未来数年部分机架甚至可能突破1MW。

伴随GPU数量增加以及单颗芯片功耗的提升，单纯依赖增大风量已难以应对高密度机架产生的热量，冷板液冷技术开始进入AI服务器领域。

NVIDIA的产品路线图已清晰体现了这一趋势。作为业内较早采用液冷的厂商之一，NVIDIA因GPU功耗过高，Blackwell已大量使用液冷装置。到Vera Rubin之后，NVIDIA首次将AI基础设施完全转向液冷，系统内不再包含任何风扇。

目前常见的直接冷板液冷，是将冷板安装在CPU、GPU等主要发热元件上。冷却液流经冷板进行热交换后进入歧管，再返回冷却液分配单元（CDU）。CDU内部通常包含水泵、过滤器、换热器、膨胀罐等组件，随后将热量传递至数据中心设施侧的冷却系统。

冷却液在此系统中持续循环，其流量和温度需根据服务器负载动态调整。过滤器堵塞、管路压降变化、气泡、漏液或水泵故障，均可能影响散热效果。需要监测的参数包括压力、温度和液位等，以确保液冷系统稳定运行。

液冷相当于为服务器新增了一套检测与控制系统，传感器、信号链以及电机驱动等模拟芯片都将从中受益。

除直接冷板液冷外，数据中心还在采用浸没式冷却和后门热交换器等方案。这些方案的具体流路存在差异，但共同的趋势是服务器散热从单纯控制空气，转向对液体流动进行持续监测与闭环控制。这意味着压力、流量、温度、液位、漏液检测以及泵阀驱动等器件的用量将增加。

这为模拟芯片带来了新的发展机遇。

温度传感器需求增长

温度传感器一直是服务器中的基础元件，液冷技术增加了测温点的数量。

除CPU、GPU芯片本身外，还需监测冷板附近以及冷却液进出口的温度。这不仅能确保芯片工作在安全温度范围内，还能通过检测冷却液温差来检查回路热交换状态，并为调节泵速和流量提供重要依据。

当前主要的温度传感器大致分为三类：RTD、热敏电阻和集成式温度传感器芯片。

其中，RTD和热敏电阻在温度变化后，自身电阻会发生变化，再通过分压、电流激励和ADC转换为温度值。这类传感器的优势在于结构简单，且易于制成多种机械形态，既可夹在管道上，也可做成探头直接伸入冷却液中。

而集成式温度传感器则将感温、信号调理、ADC以及数字接口集成于芯片内部，MCU可直接读取温度数据。

这几种器件并非简单的精度高低之分。RTD具有较好的线性度和长期稳定性；经过校准的NTC在有限温区内同样能实现高精度；数字温度芯片的优势则在于出厂一致性、绝对精度规格以及系统实现的简便性。NTC的强项在于安装方式灵活，这主要是因为液冷与传统服务器测温不同，除测量芯片温度外，还需直接测量冷板和液体温度。

流量与压力监测同样关键

对于液冷系统而言，过滤器堵塞、阀门未完全打开、管路出现气泡或水泵转速下降等故障都会导致温度异常。因此，通过冷却液的压力和流量测量来确保系统可靠性至关重要，同时这些参数也是水泵调节的重要反馈。

压力检测相对容易理解。管路中的压力作用于传感器上，传感元件将机械形变转换为电信号，随后经过放大、补偿和ADC转换。一个CDU可能需要同时监测泵前、泵后、过滤器两侧以及不同支路的压力，因此模拟输入通道数量也会增加。

流量检测则更为复杂。

小流量系统可采用热式流量传感器，通过流体带走热量的速度反推出流量。但数据中心CDU主管路的流量已进入几十甚至几百L/min的量级，更多采用压差、超声、电磁等测量方式。

压差法最为直接，通常是在管路中设置孔板、文丘里管或其他已知流阻结构，测量前后压差，再根据压差与流量的关系反推出流速。该方案成熟且成本相对可控，但节流结构本身会带来一定压力损失。

超声流量计则无需在流路中增加明显阻挡。在管道两侧安装换能器后，超声波顺流和逆流传播的时间会出现微小差异，测出这一时间差即可计算水流速度。由于几乎不增加额外压降，它非常适合大流量冷却回路。

电磁流量计利用导电液体在磁场中运动时产生的感应电压来测量流速。它同样没有明显的机械节流结构，对大口径和大流量较为友好，但要求冷却液具有一定导电性，因此并非所有冷却介质都适用。

这三种流量计原理不同，但背后都离不开模拟前端、ADC、时序测量、电源和MCU来管理整个信号链。

漏液检测成为新增量

风冷服务器基本无需考虑漏液问题，但液冷管路已进入服务器内部。一旦接头或冷板发生泄漏，冷却液可能直接接触PCB、连接器和其他电子器件。

漏液检测最直接的方式是电阻式漏液检测。漏出的导电冷却液接触检测绳或检测电极后，电阻发生变化，再由ADC检测。

此外，湿度突然升高、局部温度异常也可作为早期信号；在系统层面，还可通过压力或流量异常间接判断管路是否出现泄漏。

电机驱动成为另一个增量

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，对电机控制的要求也随之提高。

意法半导体(ST)曾表示，冷却系统最高可占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。这使芯片需求延伸至MCU/电机控制器、栅极驱动、MOSFET以及电流和转速反馈等完整控制链。

此外，冷却液的分配也是一大关键，主要依赖流量控制阀实现，同样离不开电机驱动。更智能的阀门还需知道位置，这增加了霍尔及其他位置传感器的用量。

芯片厂商开始针对液冷单独开发产品

随着液冷从过去相对小众的高性能计算场景进入大规模AI基础设施，部分半导体厂商也开始围绕液冷系统的具体需求重新定义产品。

ADI今年发布的ADT7604便是一个典型例子，这是一款20通道数据中心热测量和泄漏检测系统。

ADT7604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10个差分模拟输入，两颗24位ΣΔ ADC同时完成数据转换，并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℃。

这种高集成度、多通道数且支持多类型测量的模拟前端，非常适合液冷系统。

利用完整信号链实现价值

TI（德州仪器）和NXP（恩智浦）正将现有的大量商用器件重新组合到液冷系统中。正如德州仪器数据中心热管理总经理Patrick Zeng所言：“我们并非从零开始，而是在商用供暖、通风和空调（HVAC）系统技术的基础上进行开发，这些技术已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，因为基础已具备；同时也意味着更高的可靠性，因为这是经过验证的技术。”

TI的参考设计

恩智浦的参考方案

相对而言，TI和NXP的产品组合较为全面，且多数产品均为标准品。这体现了模拟产品的最大特点：应用范围非常广泛，不会押注单一应用，而是通过广泛的产品组合实现更完整的方案。

ST和英飞凌则更侧重于执行端，包括各类泵、压缩机等大功率电机应用。

Allegro则走另一条典型路线。它并未将重点放在ADC或MCU上，而是沿着液冷执行机构布局传感器和驱动，包括水泵驱动、泵电机电流检测、压力传感器接口、阀门位置检测等。

Allegro为数据中心液冷主要提供了传感器以及驱动。

国内厂商也开始向这一方向靠拢

圣邦微的SGM451L是一个较为典型的服务器温度监测产品。它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均为±0.25℃。远程端可通过CPU、GPU、MCU或FPGA内部的二极管进行测温，官方应用已直接列出CPU、GPU、DSP和FPGA计算系统。

纳芯微也已将液冷列为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。纳芯微现有产品已覆盖压力、温度、电流检测以及ADC、放大器等信号链环节。

目前，国产模拟厂商在液冷领域公开披露的专用产品仍然不多，更多是温度、压力、电流检测、ADC和电机驱动等既有产品进入新的应用场景。随着国内AI服务器和液冷基础设施持续放量，将带来更多机会。

未来的演进方向

根据TI的愿景，液冷系统下一步可能会改变故障检测方式。当前许多系统仍依赖单个压力、流量或漏液传感器设置阈值报警，但实际上泵电流、转速、压力、流量、温度和湿度之间本就相互关联。未来CDU未必仅判断“某个压力值是否超过阈值”，而是通过多种信号联合判断，实现端侧的传感器融合。

对模拟芯片而言，这也意味着新增量不仅限于传感器数量增加，采集通道、ADC、AFE以及边缘处理能力都将持续提升。同时，这种融合也需要具备边缘AI的处理器来实现实时响应与处理。

本文来自微信公众号“电子工程世界”（ID：EEworldbbs），作者：冀凯，36氪经授权发布。