当企业投入电力、设备和资金建设AI基础设施,究竟从什么时候开始产生价值?嘉实多热管理与数据中心事业部全球总裁黄建棠(Peter Huang)在2026数据中心标准大会上抛出了一个值得关注的问题。
AI基础设施的竞争正在从拥有多少设备,转向能否更快上线更多可用算力,并让这些算力持续可靠地运行,冷却在其中承担的角色也开始发生变化。
尤其在中国市场,AI数据中心液冷正面临三个方面挑战:规模交付:建设规模扩大,客户需要更加稳定的制造和供应链支撑;多生态适配:不同服务器平台、材料和系统组合并行,对本地兼容性分析与验证提出了更高要求;算力向能源富集地区迁移:算力枢纽与客户、研发和互联网业务中心可能分离,模块化交付、远程监测和长期可靠性也变得更加重要。
为应对 AI 和高性能计算需求的持续增长,今年9月,Castrol 推出面向数据中心热管理业务的全新端到端解决方案Castrol CORE,将冷却液、硬件与服务整合起来,希望缩短AI基础设施从Power Ready到Token Ready的距离。
在2026数据中心标准大会上,嘉实多也正式宣布面向中国市场推出Castrol CORE一体化数据中心热管理解决方案。

嘉实多热管理与数据中心事业部全球总裁黄建棠
AI数据中心开始像工业化一样交付
过去建设数据中心,更像是在现场盖一栋楼。随着AI基础设施建设规模扩大,数据中心的交付方式也开始发生变化。
黄建棠用了一个形象的比喻,未来部署AI基础设施,会更像交付一架飞机。设备在工厂里完成集成、测试和验证,到现场之后,连接电力、水和网络,就能够进入启动阶段。
这种变化已经开始体现在产业实践中。
今年10月,NVIDIA发布DSX POD参考设计,将计算、网络、供电和液冷的集成与验证前移到工厂。按照NVIDIA公布的信息,在场地已经准备就绪的前提下,现场部署时间可以从六个月缩短到最快14天。
不过,黄建棠也坦言,目前液冷项目还没有实现完全标准化,几乎每个项目都存在一定程度的定制化需求。从管路设计、环路数量,到进出水温度、压力控制和CDU选型,都需要根据实际情况反复调整。设备和零部件的交期,以及设计方案的多轮修改,依然是影响项目上线速度的重要因素。
当数据中心的现场部署周期开始以天为单位计算,液冷系统也需要适应新的交付节奏。过去可以留在现场完成的集成和验证工作,需要尽可能提前进行。
与此同时,客户对上线速度的衡量方式也在改变。
黄建棠提到了一个指标:Time to First Token,即从基础设施部署到开始产生Token所需要的时间。
对于AI工厂来说,设备能够多快投入运行,直接关系到算力何时能够产生收入,上线速度就是收入。
不仅是上线时间,客户对产出效率的关注也在不断提高。同样的电力预算,究竟能够支持多少计算节点,又能够完成多少实际生产任务。
黄建棠引用了NVIDIA公开的Lambda五机架测试数据。通过DSX MaxLPS电力管理,在原先支持16个基线节点的电力预算下,测试系统能够运行19个节点,集群Token吞吐量提升24%。
“未来客户买的不是冷却能力,而是可用算力。”黄建棠说道,对于液冷系统来说,温度达标只是基础,更重要的是支持更多算力长期稳定运行。
他认为,AI基础设施的竞争正在从拥有更多GPU,走向谁能够把电力更快、更可靠地转换成可交付、可收费的Token。
冷却已经进入AI工厂的关键生产路径,参与决定AI工厂的产能、上线速度和收入实现的时点,这也是Castrol CORE的出发点。
GPU接入之前,液冷系统需要先过三道闸门
随着AI服务器机架功率密度不断提高,液冷系统能否在GPU接入前完成充分验证,直接关系到后续设备运行的稳定性。
黄建棠提到,目前很多液冷系统第一次面对真正的满负载,是在昂贵的GPU已经接入之后。他用飞机作比喻:这就像一架飞机第一次进行全功率发动机测试时,乘客已经坐在机舱里。
嘉实多今年推出了一款液冷热负载模拟设备,能够在真正的高价值服务器接入之前,按照服务器的功率、散热和流体运行情况进行模拟,帮助客户提前检查液冷系统的安全性与可靠性。目前,这款产品已经开始向客户出货。
对于液冷系统,未来正确的做法是先模拟热负载,完成系统验证,然后再连接真正的计算设备。
围绕这一思路,嘉实多提出了液冷系统上线前的三道闸门。
第一道是Design Ready(设计匹配),主要关注材料、流量、温度和接口是否完成设计匹配;
第二道是System Ready(系统验证),包括清洁、冲洗、压力、流量和热负载等测试,确保系统经过必要的验证;
第三道是Operation Ready(运维准备),需要建立监测基线、取样机制和维护计划,为后续运行维护提供依据。
通过三道门槛,嘉实多希望将液冷系统的相关验证工作尽可能前移,减少设备接入之后才发现问题的情况。
当然,液冷系统的验证也不会随着上线结束。
系统运行后,冷却液的状态可能随着使用条件发生变化。如何掌握流体状态,并据此判断是否需要进一步复核或维护,是长期运维需要解决的问题。
嘉实多LabCheck可以提供流体状态检测结果,并将其转化为后续复核或维护的依据。黄建棠强调,液冷系统上线前需要结合材料、设计和热负载等多方面测试;硬件升级时,也需要重新评估和验证。LabCheck能够为这些判断提供流体状态方面的证据,并与其他系统能力配合。
除了流体状态检测,嘉实多今年还推出了面向数据中心液冷系统的在线监测传感器,可以安装在机房二次侧液冷回路中,实时监测流体的健康状态,并为客户提供预防性维护建议。目前,这款产品已经获得首批客户订单,涉及东南亚及欧美市场,其中部分东南亚项目通过中国系统集成商交付。
对于客户而言,关键是先建立系统运行的基线,再通过持续检测比较流体状态的变化,为维护决策提供依据。
这也是嘉实多希望建立的一套工作方式:上线之前完成必要验证,运行期间持续掌握状态,并针对系统变化开展重新评估。
从冷却液到系统服务,嘉实多如何支撑规模交付
随着中国AI数据中心建设规模扩大,液冷已经涉及服务器、冷却液分配单元(CDU)、系统集成等多个环节。不同设备和材料之间的匹配,以及跨地域项目的技术支持,也需要产业链共同完成。
Castrol CORE正是希望通过冷却液、硬件和服务的组合,将设计适配、系统验证、监测分析和专业服务连接起来。
针对中国市场,嘉实多能够从全球技术资源、本地生态协作和制造供应链三个方面提供支撑。
全球能力:嘉实多依托全球研发与分析资源,并通过上海研发中心提供本地技术支持,将全球积累的经验应用到客户具体的平台、材料和运行条件中,也为跨地域项目提供技术协同基础。
本地生态:嘉实多与服务器、CDU及系统集成等领域的合作伙伴协作,针对不同设备与材料组合,衔接设计要求、兼容性验证和系统应用,使液冷方案能够适应客户的实际运行环境。
在一些头部客户的项目中,嘉实多会提前收集液冷系统二次侧回路涉及的材料,通过实验验证不同材料与冷却液的兼容性,明确哪些材料适合使用,哪些不建议采用。嘉实多热管理事业部大中华区业务总监仇圆圆(Steven Qiu)指出,嘉实多还会与客户及合作伙伴针对未来五年运行中可能出现的问题制定预案,包括异常发生后的响应方式,以及现场需要准备的物料和工具。
规模交付:嘉实多天津工厂具备自动化调配、灌装等制造经验,为液冷业务在中国的规模化应用提供制造和供应链基础。
除了天津工厂,嘉实多在中国还有太仓工厂,并在不同区域布局仓储资源,根据客户需求将库存尽可能安排在靠近项目的位置。仇圆圆介绍,目前从其仓库到客户现场的标准运输时间约为三天。
黄建棠认为,这些能力的结合,可以帮助嘉实多回应中国市场多生态并行、跨地域运行以及规模化交付的需求。
对于已经投入使用的液冷系统,后续仍然存在持续适配的问题。
随着芯片更新、机架密度提升,以及系统架构不断演进,原有液冷方案可能需要重新评估材料兼容性、运行要求和系统表现。即使当前系统能够满足运行需求,也需要考虑未来硬件升级之后的适配能力。
从上线前的设计和验证,到运行中的监测与维护,再到下一代硬件的适配,嘉实多希望与客户及产业伙伴建立长期协作。
同时,嘉实多还在2026数据中心标准大会上发布了《数据中心冷板式液冷系统运行维护与管理技术白皮书》,白皮书围绕冷却液管理、运行维护及风险管理等关键议题形成参考,推动产业经验沉淀为可借鉴的行业方法,为液冷规模化部署构建更加成熟的运维基础。
从项目规划到系统上线,再到后续的设备升级,嘉实多通过Castrol CORE,将冷却液、验证工具和运维服务融入液冷系统的整个生命周期。随着AI数据中心走向高密度、规模化部署,液冷产业也需要逐步形成更加成熟的设计规范、验证体系和运维标准,才能跟上AI基础设施的建设节奏。
