朴赛亮相深圳人工智能展：液冷CDU实测，AI算力散热拼稳定底座

AI服务器现在最怕的不是性能不够，而是算力堆上去了，热量压不住。

尤其是大模型训练、智能驾驶、高校科研、具身智能这些场景，GPU一旦长时间满载，散热系统就不再是配角。很多时候，决定一套AI集群能不能稳定跑下去的，不只是服务器本身，还有背后的液冷系统、网络连接和整体运维能力。

这次第七届深圳国际人工智能展览会上，朴赛带来了自己的液冷CDU解决方案，同时展示了智慧金融、智能驾驶、高校科研、具身智能四大AI解决方案，以及四台主力服务器产品和IB交换机。说白了，这次朴赛不是只拿出一台设备，而是把“算力、散热、网络、方案”这一整套AI基础设施能力摆到了台前。

更值得关注的是，在本届展会同期评奖活动中，朴赛获得了“全球AI生态基石大奖”。这个奖项背后，核心指向其实很明确：AI产业越往深处走，底层基础设施的重要性就越突出。服务器负责提供算力，交换机负责打通集群连接，而液冷CDU则负责把高密度算力产生的热量稳定带走。

CDU为什么越来越重要？

很多人一听CDU，可能觉得这是一个比较偏机房、偏工程的设备。但如果放到AI服务器集群里，它其实就是液冷系统的“调度中心”。

CDU负责把冷却液精准、稳定地送到服务器内部的冷板，再把GPU、CPU这些高热源产生的热量带走。它不仅要控温，还要保证冷却液洁净、循环稳定、系统不间断运行。对于AI数据中心来说，CDU的价值不只是“降温”，而是保障高密度算力长期稳定运行，同时帮助机房降低PUE。

简单点说，风冷时代大家比的是风扇和风道；到了AI高密度算力时代，真正影响稳定性的，开始变成液冷系统的设计能力。

朴赛这台液冷CDU，重点不是参数堆得多，而是稳定性设计

从通稿信息看，朴赛这次展示的是一台机架式液冷CDU，额定换热量达到10kW，面向AI服务器集群的高算力散热需求。这里最值得注意的不是单一换热参数，而是它的冗余和运维设计。

这台CDU内部搭载两台并联循环水泵，采用一用一备方案。正常运行时主泵负责冷却液循环，一旦主泵出现异常，系统可以自动切换到备用泵，保证液冷循环不中断。对于7×24小时运行的AI训练集群来说，这个设计很关键。因为散热一旦中断，影响的不只是单台服务器，而可能是整组训练任务、业务连续性甚至数据安全。

控制层面，这台CDU采用PLC控制方案，支持更稳定的温控响应和集中管理。自动补液设计也降低了人工维护压力，不需要额外配置补液水箱，设备内部容积控制在10L以内，结构更紧凑，也有助于降低漏液风险。

这类设计其实很符合AI机房的真实需求：不是单纯追求某个参数好看，而是要减少人工干预，降低故障风险，让系统能够长时间稳定运行。

实测数据比参数更有说服力

液冷设备说自己能压温度并不稀奇，关键还是要看实测。

通稿里提到，朴赛在展会前进行了多轮散热测试。测试环境为室温25.5℃、湿度61.8%RH，使用8张600W GPU，并让GPU保持100%满负载运行，再观察不同风扇转速下的散热表现，最终选取65秒至85秒区间的稳态数据。

这组测试条件比较接近高负载AI集群的真实状态。8张600W GPU全部满载，热量压力并不低，如果散热系统不够稳，温度曲线很容易快速抬升。

从结果看，风扇30%转速时，GPU平均温度为59.88℃；风扇40%转速时，平均温度降至56.13℃；风扇50%转速时，平均温度为54.63℃；风扇100%转速时，GPU平均温度进一步降至50.88℃。

这个数据有两个信息点。第一，在30%低转速下，GPU平均温度依然只有59.88℃，这说明系统不需要一上来就把风扇拉满，也能维持比较安全的温度区间。第二，随着风扇转速提升，温度下降趋势比较清晰，说明散热系统的响应是有效的，不是单纯靠高转速硬压。

对机房来说，这一点很现实。低转速能压住温度，就意味着日常运行可以兼顾能耗、噪音和设备寿命；需要更强散热时，系统也有继续释放的余量。

朴赛展示的不是单点设备，而是一套AI基础设施方案

现在做AI基础设施，已经不是卖一台服务器、卖一个散热设备那么简单。客户真正关心的是：服务器算力够不够，GPU满载稳不稳，液冷系统会不会掉链子，网络延迟能不能支撑集群协同，后期运维复杂不复杂。

这也是朴赛此次参展比较值得关注的地方。它展示的是从服务器算力底座，到液冷CDU散热保障，再到IB交换机网络连接，以及面向智慧金融、智能驾驶、高校科研、具身智能等行业的解决方案。换句话说，朴赛想强调的不是单个产品，而是“算力—散热—网络—方案”的完整交付能力。

对于正在建设智算中心、AI训练集群或者边缘计算节点的用户来说，这种方案化能力比单独买硬件更有价值。因为AI基础设施真正难的地方，不是把设备买回来，而是让它们长期稳定、协同、高效地跑起来。

结语：AI算力竞争，底层散热正在变成关键能力

过去大家谈AI硬件，更多关注GPU型号、服务器配置和算力规模。但现在行业已经进入另一个阶段：算力堆得越高，对散热、供电、网络、运维的要求就越高。尤其是液冷CDU这类设备，表面看是散热系统的一部分，实际却是AI集群稳定运行的底座之一。

朴赛这次在深圳人工智能展上展示液冷CDU，并公开8张600W GPU满载场景下的散热实测数据，传递出来的信号很明确：AI基础设施竞争，已经不只是比谁的服务器更强，而是比谁能把高密度算力更稳定、更高效地跑起来。

从这个角度看，朴赛此次亮相的价值，不只是一台CDU产品，而是让外界看到它在AI算力基础设施上的完整方案能力。对于未来智算中心和AI集群建设来说，这类稳定、可运维、可交付的底层能力，可能会越来越关键。