Væskekøling af AI-servere: Sådan forhindrer datacentre kraftige processorer i at overophede

Kunstig intelligens ændrer den måde, datacentre håndterer varme på. Kraftige grafikprocessorer (GPU’er) kan udføre enorme mængder beregninger, men de udvikler samtidig betydelige mængder varme under krævende arbejdsbelastninger. Traditionel luftkøling bliver stadig vanskeligere at anvende i tæt pakkede AI-serverracks, hvor snesevis af processorer kan arbejde samtidigt. Væskekøling giver mulighed for at fjerne varmen mere effektivt, beskytte dyrt udstyr og understøtte kontinuerlig databehandling. I 2026 er teknologien blevet en vigtig del af moderne AI-infrastruktur, især i faciliteter, der er udviklet til store sprogmodeller, videnskabelig forskning og højtydende databehandling.

Hvorfor AI-servere har brug for mere avancerede kølesystemer

Traditionelle datacentre har historisk set været afhængige af ventilatorer, aircondition og nøje planlagte ventilationssystemer for at opretholde passende temperaturer. Kold luft trækkes ind gennem forsiden af serverskabene, passerer gennem udstyret og transporterer varmen ud mod bagsiden. Denne metode fungerer fortsat effektivt til mange almindelige computeropgaver. AI-servere skaber imidlertid en anderledes udfordring, fordi de koncentrerer en betydelig regnekraft på relativt lidt plads. Når mange acceleratorer arbejder kontinuerligt, kan varmeudviklingen overstige den mængde varme, som traditionel luftcirkulation effektivt kan fjerne.

AI-hardwarens stigende strømforbrug illustrerer problemets omfang. NVIDIAs GB200 NVL72-system kombinerer eksempelvis 72 Blackwell-GPU’er og 36 Grace-CPU’er i ét væskekølet rack. Ifølge NVIDIAs tekniske dokumentation kan et DGX GB200-rack have et strømforbrug på omkring 120 kW. Næsten al den elektricitet, som computerudstyr forbruger, bliver i sidste ende omdannet til varme, der skal fjernes. Håndteringen af en så koncentreret varmebelastning kræver betydeligt mere end blot at installere ekstra ventilatorer eller sænke temperaturen i serverrummet.

For høje temperaturer kan påvirke både ydeevne, driftssikkerhed og driftsomkostninger. Moderne processorer har indbyggede beskyttelsesmekanismer, der reducerer deres arbejdshastighed, når temperaturen nærmer sig bestemte grænser. Denne proces kaldes termisk drosling. Den forebygger umiddelbare skader, men kan samtidig forsinke beregninger og forlænge den tid, det tager at gennemføre AI-opgaver. Vedvarende varmepåvirkning kan også belaste omkringliggende komponenter og bidrage til hardwarefejl. For organisationer, der driver tusindvis af kostbare acceleratorer, er effektiv køling derfor afgørende, ikke kun for at beskytte udstyret, men også for at opretholde en stabil og forudsigelig regneydelse.

Hvorfor traditionel luftkøling har svært ved at håndtere AI-hardware med høj effekttæthed

Luft har en relativt lav evne til at transportere varme sammenlignet med vand og andre egnede kølevæsker. Hvis større varmemængder skal fjernes ved hjælp af luftstrømme, kræver det kraftigere ventilatorer, større ventilationssystemer og nøje kontrolleret luftcirkulation. Disse forbedringer bruger elektricitet og kan optage værdifuld plads i datacentret. Når servernes effekttæthed stiger, bliver det stadig vanskeligere blot at øge luftgennemstrømningen, fordi luften skal passere gennem snævre områder omkring processorer, hukommelsesmoduler, kabler og andre komponenter.

En anden udfordring er varmefordelingen inde i serverrackene. Ikke alle processorer arbejder ved samme temperatur, og bestemte komponenter kan skabe lokale områder med særligt høje temperaturer. Selv når den gennemsnitlige rumtemperatur er acceptabel, kan enkelte chips nærme sig deres termiske grænser. Store AI-træningsopgaver gør problemet særligt vanskeligt, fordi mange GPU’er arbejder under høj belastning i længere perioder. Kølesystemerne skal kunne håndtere disse forhold uden at lade lokale temperaturstigninger afbryde databehandlingen eller reducere det dyre udstyrs ydeevne.

Traditionel luftkøling er dog ikke ved at forsvinde. Mange lagringsenheder, netværkskomponenter og servere med lavere effekttæthed kan fortsat fungere effektivt med almindelige ventilatorer. Selv avancerede væskekølede AI-systemer anvender ofte luftcirkulation til komponenter, der ikke er tilsluttet væskekredsløbet. Den praktiske udfordring for datacenteroperatører er at afgøre, hvilket udstyr der kræver direkte væskekøling, og hvilke komponenter der fortsat kan luftkøles. Denne kombinerede tilgang gør det muligt at øge regnekapaciteten uden unødvendigt at udskifte hele den eksisterende køleinfrastruktur.

Sådan fjerner væskekøling varme fra AI-processorer

Væskekøling fungerer ved at overføre varme fra elektroniske komponenter til en cirkulerende væske, som transporterer varmen væk, så den kan afgives eller genanvendes. Da egnede væsker kan transportere betydeligt mere varme end luft under sammenlignelige forhold, kan kølingen foregå tæt på de komponenter, der udvikler mest varme. Processen mindsker behovet for store luftmængder og giver mulighed for mere direkte temperaturstyring. Væskekøling er dog ikke én enkelt teknologi. Der findes flere forskellige løsninger, som hver især stiller særlige krav til udstyr, vedligeholdelse og installationsomkostninger.

Direkte chipkøling, også kaldet direct-to-chip-køling, er en af de mest udbredte metoder til kraftige AI-servere. Specialdesignede metalkomponenter, der kaldes køleplader eller cold plates, monteres direkte på processorer og andre varmeudviklende chips. Kølevæske cirkulerer gennem smalle kanaler inde i pladerne, optager varmen og føres derefter tilbage til fordelingssystemet. Væsken kommer normalt ikke i direkte kontakt med de elektroniske kredsløb. Denne konstruktion gør det muligt at køle udvalgte komponenter direkte, mens ventilatorer fortsat anvendes til hukommelse, strømforsyninger og andre dele, som stadig har behov for luftcirkulation.

Immersionskøling er en alternativ metode. I stedet for at føre væske gennem køleplader nedsænkes specialdesignede servere eller elektroniske komponenter i en elektrisk isolerende væske. I enfasede systemer optager væsken varmen uden at skifte tilstandsform. Tofasede systemer anvender en egnet væske, som koger ved sin driftstemperatur og efterfølgende kondenserer, så den kan genbruges. Immersionskøling kan reducere behovet for ventilatorer i serverne, men kræver samtidig andre vedligeholdelsesprocedurer, særlige hensyn til materialekompatibilitet og anderledes udstyrskonstruktioner. Derfor er metoden ikke nødvendigvis det mest praktiske valg til enhver AI-installation.

Køleplader, kølefordelingsenheder og varmeveksleres funktion

Et typisk system til direkte chipkøling består af flere sammenkoblede elementer. Køleplader opsamler varmen fra processorerne, fleksible slanger transporterer kølevæsken, og fordelerrør sørger for den nødvendige væskestrøm til de enkelte servere. En kølefordelingsenhed, almindeligvis kaldet en CDU (Cooling Distribution Unit), styrer cirkulationen og overfører varme mellem udstyrets kølekredsløb og bygningens øvrige køleinfrastruktur. Varmevekslere holder normalt disse kredsløb fysisk adskilt, hvilket hjælper med at sikre en passende væskekvalitet og stabile driftsforhold omkring følsomme elektroniske komponenter.

Når væsken forlader serverne, skal den opsamlede varme overføres til et andet sted. Afhængigt af bygningens konstruktion og det lokale klima kan datacentre anvende tørkølere, køletårne, kølemaskiner eller andet udstyr til varmeafgivelse. Nogle systemer kan fungere med forholdsvis varmt kølevand, hvilket reducerer behovet for energikrævende mekanisk køling. ASHRAE definerer flere temperaturklasser for kølevand i datacentre, herunder W17, W27, W32, W40 og W45, som understøtter valg af udstyr og udformning af kølesystemer. Disse klassifikationer beskriver tilladte fremløbstemperaturer for bygningens kølevand og ikke universelle driftstemperaturer for de enkelte processorer.

Driftssikkerheden afhænger også af overvågning og sikkerhedsforanstaltninger. Sensorer registrerer væsketemperatur, tryk, gennemstrømning og mulige lækager, så driftspersonalet kan opdage unormale forhold, før de påvirker computerudstyret. Filtrering, korrekt vandkemi og kompatible materialer hjælper med at forhindre korrosion og aflejringer i kølekredsløbene. Nogle installationer anvender redundante pumper og afspærringsventiler, så enkelte komponenter kan vedligeholdes uden at lukke hele anlægget ned. Disse forholdsregler er særligt vigtige i AI-datacentre, hvor fejl i kølingen kan afbryde ressourcekrævende beregninger og påvirke flere sammenkoblede servere.

Fordele, udfordringer og fremtiden for væskekølede AI-datacentre

En af de væsentligste fordele ved væskekøling er muligheden for at samle større regnekraft på et begrænset fysisk areal. Højere effekttæthed i serverrackene gør det muligt at installere omfattende AI-systemer uden at fordele udstyret på adskillige rum eller bygninger. Væskekøling kan også reducere elforbruget til ventilatorer og visse køleprocesser, selv om de faktiske besparelser afhænger af klimaet, hardwaren, køletemperaturerne og datacentrets konstruktion. En rapport fra 2026 udarbejdet under IEA’s initiativ Energy Efficient End-use Equipment anslog mulige samlede energibesparelser på cirka 10–21 % for væskekølede datacentre under de undersøgte forhold.

Disse fordele skal vurderes i forhold til omkostningerne ved installation og vedligeholdelse. Et traditionelt datacenter kan få behov for nye rørinstallationer, kølefordelingsenheder, opgraderinger af elforsyningen, lækagedetektering og ændringer af serverskabene. Personalet skal desuden have den nødvendige uddannelse til at vedligeholde væskekredsløbene og udskifte hardware på en sikker måde. Modernisering af en eksisterende bygning kan være særligt kompliceret, hvis indretningen oprindeligt blev udviklet til luftkølede servere med lav effekttæthed. Derfor vurderer datacenteroperatører i stigende grad kølebehovet sammen med den elektriske kapacitet og valget af udstyr i stedet for at behandle disse områder som separate beslutninger.

Miljøpåvirkningen er en anden vigtig faktor. Væskekøling fjerner ikke automatisk behovet for vandforbrug, og nogle datacentre anvender fortsat fordampningsbaserede køletårne, hvor vand forbruges, når varmen afgives. Andre benytter lukkede kredsløb kombineret med tørkølere, som kan reducere det løbende vandforbrug, men samtidig medføre andre energi- og investeringsomkostninger. Energieffektiviteten skal derfor vurderes i sammenhæng med den lokale vandtilgængelighed, elforbruget og driftsforholdene. Den mest hensigtsmæssige løsning til et datacenter i et køligt europæisk område kan være væsentligt anderledes end løsningen til en facilitet i en varm region med begrænsede vandressourcer.

Hvordan væskekøling former næste generation af AI-infrastruktur

I 2026 er væskekøling blevet tæt forbundet med AI-hardware med høj effekttæthed. NVIDIAs GB200- og GB300 NVL72-systemer viser, hvordan producenter udvikler komplette serverracks med integrerede væskekølingsløsninger i stedet for at betragte køling som en valgfri tilføjelse. Samtidig skal operatørerne tage hensyn til kompatibiliteten mellem forskellige servergenerationer, køletilslutninger og eksisterende installationer. Standardiserede komponenter og tydeligere udstyrsspecifikationer kan reducere kompleksiteten ved installation, især i datacentre, der indkøber hardware fra flere producenter.

En anden mulighed under udvikling er genanvendelse af den varme, AI-servere producerer. Da væske kan opsamle varme ved forholdsvis høje temperaturer, kan nogle installationer overføre den til bygningers varmesystemer eller fjernvarmenet. Hvor anvendelig den genvundne varme er, afhænger af temperaturen, afstanden til potentielle aftagere og behovet for opvarmning. Det kan være nødvendigt at anvende varmepumper, hvis temperaturen på den genvundne varme ikke er tilstrækkelig. Selvom varmegenvinding ikke kan fjerne AI-systemernes elforbrug, kan den give en ekstra fordel på steder, hvor den nødvendige lokale infrastruktur findes.

Væskekølingens langsigtede succes afhænger af mere end dens evne til at holde processorerne inden for sikre temperaturgrænser. Datacentre har brug for systemer, som er driftssikre, praktiske at vedligeholde og kan håndtere fremtidig hardware uden gentagne omfattende ombygninger. Til store AI-installationer er direkte chipkøling allerede en etableret løsning, mens immersionskøling og andre teknologier tilbyder alternativer til særlige behov. Efterhånden som processorer bliver kraftigere, og serverracks rummer stadig større regnekapacitet, vil gennemtænkt varmestyring fortsat være afgørende for at opbygge effektiv og pålidelig AI-infrastruktur.