AI算力越往上走，越绕不开这两个底层问题

AI 算力正在以肉眼可见的速度不断攀升

从大模型训练到推理部署，从单卡性能比拼到整机柜、整集群的系统能力竞争，AI 基础设施的演进，早已不再只是“芯片性能”的问题。

在实际工程中，一个共识正在形成：算力越往上走，系统越难做。

当功耗迈入千瓦级、互联速率进入 800G / 1.6T 时代，真正制约 AI 服务器稳定运行的，往往是两类被低估的“底层问题”。它们不在发布会的聚光灯下，却决定着算力能否被真正释放。

在最新两期《科技叨叨叨》中，我们正是从工程视角，围绕这些底层挑战展开了一次系统讨论。

一、数据怎么跑得“又快又好”？

随着 AI 服务器从通用计算走向超高密度算力集群，内部互联发生了根本变化：

•速率飙升：速率从 400G → 800G → 1.6T

•单通道极限：单通道速率从 112Gbps 提升至 224Gbps甚至448Gbps

•集群吞吐：单机柜带宽突破 10TB/s

这意味着：线缆不再只是一条线，而是信号完整性的关键一环。

有源线缆，正在成为主角。视频中，嘉宾系统梳理了当前高速线缆的四大类型：

•AOC（有源光缆）

•DAC（无源铜缆）

•ACC（带 Re-driver 的有源铜缆）

•AEC（带 Re-timer 的有源铜缆）

其中，有源铜缆（ACC / AEC）正在成为 AI 服务器中短距离通信的重要部分。更多有源铜缆的市场趋势及关键技术，还请戳下方视频观看：

二、算力越大，服务器为什么越来越“热”？

在 AI 液冷主题视频中，一组数字揭示了散热面临的严峻挑战：

•单颗 AI 芯片功耗已达 1200–1400W

•下一代架构甚至可能逼近 2000W+

•单机柜功耗，正在向 600kW 演进

而传统风冷的极限，通常只有 20–40kW。

️结论只有一个：液冷不是“要不要”，而是“必须要”。AI 液冷，不只是“把热带走”那么简单，目前主流的液冷方案包括：

•冷板式液冷：改造相对小，逐步落地

•浸没式液冷：效率极高，但对系统与材料要求更严苛

真正的技术难点，反而藏在“看不见”的地方：

•冷却液的 介电常数、介质损耗

•液体环境下的 高速信号完整性

•PCIe 5.0 / 6.0、高速链路的误码与降速风险

也正因如此，液冷技术的发展，已经从“散热方案”升级为 材料与电气性能协同的工程问题。那液冷测试参数的详细分析有哪些？