以 ChatGPT 为主的人工智能生成内容催动算力规模增长，AI崛起直接带动服务器的出货上扬，连带要求散热模组的规格升级，推动散热模组走向液冷方案升级，以满足服务器对散热性和稳定性的严格要求。
目前散热模组分为气冷散热和液冷散热两种，其中气冷散热就是用空气作为媒介，透过热接口材料、均热片(VC)或热导管等中间材料，由散热片或风扇与空气对流进行散热。而液冷散热则是透过，或浸没式散热，主要就是透过与液体热对流散热，进而使晶片降温，但是随着晶片发热量的增加与体积的缩小，芯片热设计功耗(TDP)的提高，气冷散热逐渐不再使用。
受到AI应用带动相关半导体技术发展，ChatGPT的GPT-3导入就已让AI算法参数量成长到1750亿，使得GPU运算力要成长百倍，目前业界多以液冷中的单相浸没式冷却技术，解决高密度发热的服务器或零件散热问题，但仍有600W的上限值，因为ChatGPT或更高阶的服务器散热能力须高于700W才足以因应。
随着物联网、边缘运算、5G应用的发展，数据AI带动全球算力进入高速成长期，下一代的散热模组设计，主要有两大方向，ㄧ是使用3D均热板(3DVC)升级现有散热模块，二是导入液冷散热系统，改用液体当作热对流介质，提升散热效率，因此2023年液冷测试案量明显增加，但是3DVC终究只是过渡方案，预估2024年到2025年将进入气冷、 液冷并行的时代。
由于新一代服务器TDP提升到接近气冷散热的极限，因此电子科技大厂纷纷开始测试液冷散热，或增加散热空间，像某些企业的TDP 350-400W已达气冷极限，使得液冷散热成为AI芯片主流，像是NVIDA H100的TDP就达700W，气冷采3DVC，普遍需4U以上空间， 并不符合高密度部署架构。
以散热系统占数据中心总耗能约33%来看，减少总用电量降低电力使用效率的方式，包含改善散热系统、信息设备，并使用再生能源，而水的热容量是空气的4倍，因此导入液冷散热系统，液冷板只需要1U的空间，根据测试，若要达到相同算力，液冷所需的机柜量可减少66%、能耗可减少28%、 PUE可由1.6降到1.15，并可提升运算效能。
高速运算导致TDP不断提升，AI服务器对散热的要求大幅提升，传统热导管散热已接近极限，势必需导入液冷散热模组，以目前的产业市况来看，液冷散热导入得比预期快，预估到2024年、2025年将迎来大爆发。
（来源：News快报）
