AI服务器液冷配置：从冷板选型到漏液检测的落地步骤

AI服务器液冷配置不是买一套冷板装上就行，真正决定成败的是三件事：冷板和GPU型号对得上、快接头和管路不混用、上电前流量和漏液检测能通过验收。
下面按选型、安装、调试、验证的顺序讲清楚，适合第一次给GPU服务器上液冷的运维人员参考。

先确认机箱和GPU是否支持冷板

动手买件之前，先把服务器型号、GPU型号和机箱风道确认清楚。
冷板是贴着GPU和显存定制的，不同品牌、不同代际的GPU冷板孔位和覆盖范围都不一样，不能通用。

需要提前准备的信息：

• 服务器整机型号和BIOS/BMC版本，确认厂商是否提供液冷套件或认证冷板
• GPU型号、数量和单卡功耗，用来估算整柜热负载
• 机箱内可用空间，判断冷板进出水口方向是否和管路冲突
• 机房是否具备液冷回路接口，还是需要自建CDU（冷量分配单元）

如果服务器厂商有官方液冷套件，优先用官方件，冷板孔位、扭矩和接头规格都是匹配好的。
第三方冷板要重点核对GPU封装尺寸和显存位置，装错会压坏芯片。

冷板、快接头和管路的选型要点

冷板选型看三样：覆盖面积、流道阻力和接口规格。
覆盖面积要能盖住GPU核心和显存颗粒；
流道阻力决定CDU扬程够不够；
接口规格常见有不同口径的快接头，整条回路必须统一，不能一头大一头小。

快接头建议选带截止阀的盲插型号，拔插时能自动断流，减少漏液风险。
管路尽量短、少弯头，弯头越多压降越大。
冷却液按厂商要求选，一般用去离子水加缓蚀剂或专用冷却液，不要自己兑自来水，容易结垢和腐蚀冷板。

一个容易忽略的点：不同金属材质的冷板和接头混用可能引发电化学腐蚀，选型时确认冷板、接头、CDU换热器材质兼容，或直接采用同一供应商的整套方案。

安装顺序与上电前检查

安装按“先冷板、后管路、再CDU”的顺序做，每装完一步做一次检查，避免返工。

1. 断电并佩戴防静电手环，拆下GPU散热器，清洁芯片表面残留硅脂
2. 按厂商规定的扭矩对角拧紧冷板固定螺丝，扭矩过大会压裂芯片，过小会接触不良
3. 连接快接头，听到卡扣到位声后轻拉确认锁紧
4. 连接CDU进出水管，注意供回水方向不要接反
5. 注入冷却液，排尽回路空气，观察是否有渗漏

上电前必须做的检查：

• 用纸巾或检漏仪沿每个接头、冷板边缘检查有无渗液
• 确认CDU液位在正常范围，补液口关闭
• 确认漏液检测绳已铺在接头下方和机箱底部最低点
• 用万用表或检漏仪确认漏液传感器回路正常

调试：看流量、压差和温度

液冷系统上电后，先在CDU面板或管理界面确认基础参数，再上业务负载。
重点关注三个指标：

• 流量：每路分支流量应达到厂商推荐值，流量偏低通常是管路有气堵或快接头未完全打开
• 供回液压差：压差过大说明流道阻力高，检查是否有弯折或堵塞
• 供液温度：一般高于机房露点温度，防止冷板表面结露

在Linux下可以用nvidia-smi观察GPU温度是否稳定：

nvidia-smi --query-gpu=index,temperature.gpu,power.draw --format=csv -l 5

如果GPU温度随负载上升后迟迟不回落，先查CDU流量和供液温度，再查冷板是否贴合不良。
漏液检测信号一般接入BMC或独立控制器，可在BMC事件日志中确认传感器状态：

ipmitool sel list | grep -i leak

具体传感器名称以服务器厂商文档为准，命令仅用于查看事件记录，不同机型输出会有差异。

常见坑与验收标准

几个高频问题：冷却液混用导致沉淀、快接头未锁紧在压力下渗漏、管路弯折造成局部流量不足、漏液检测绳没铺在最低点导致漏液发现晚。

验收时建议记录一份基线：满载运行一段时间后，记录各GPU温度、CDU流量、供回液温度和压差，作为后续对比依据。
只要温度、流量和漏液检测三项都稳定，这套液冷配置才算真正落地。

后续如果要做整柜多台服务器的液冷扩展，还要重新核算CDU冷量和分支流量分配，不能直接沿用单机参数。