中國突破性冷卻技術 20 秒降溫 30 度：AI 數據中心散熱革命能否改變全球競爭格局？
中國科學家最新發表的「溶解式壓致冷卻」技術，宣稱能在 20 秒內實現 30°C 超快速降溫，這項突破性創新直接針對 AI 數據中心面臨的嚴峻散熱挑戰。全球 AI 數據中心年度用電量預計在 2026 年達到 90 太瓦時（約為日本全國用電量七分之一），傳統冷卻系統已無法應對新一代 GPU 每機架功耗突破 30 千瓦的散熱需求。這項技術若成功商業化，除了能將 AI 工作負載成本降低 30-40%，更可能重塑中國在全球 AI 基礎設施競賽中的戰略地位。
壓力驅動的化學魔術：硫氰酸銨顛覆傳統冷卻邏輯
這項由中國科學院物理研究所李冰教授團隊開發的技術，核心在於利用硫氰酸銨（NH₄SCN）在水中的獨特溶解行為，創造出一種結合固態冷卻效率與液態流動性的創新系統。根據《自然·通訊》期刊發表的數據，當對飽和溶液施加壓力時，大量硫氰酸銨會溶解並釋放熱量；釋放壓力後，鹽分重新析出的過程會迅速吸收周圍熱能，在室溫環境下可實現近 30 開爾文（Kelvin）的溫降，而在更高溫條件下冷卻幅度甚至可達 54 開爾文。劍橋大學衍生企業 Barocal 聯合創辦人 William Averdieck 表示，這種「壓致冷卻」（barocaloric）技術將製冷劑與熱傳介質合而為一，徹底解決固態冷卻長期面臨的熱傳效率瓶頸問題。實驗測量顯示，該系統每克冷卻劑可提供 67 焦耳冷卻能力，製冷效率高達 77%，表現遠超現有固態壓致冷卻材料。
這項技術突破點在於模擬「擠壓濕海綿」的物理過程：施壓階段如同擠出海綿中的水分（鹽分溶解放熱），釋壓階段則像海綿重新吸水（鹽分析出吸熱）。當壓力施加於材料時，分子長鏈從無序狀態轉變為有序排列，伴隨能級變化釋放熱能；這個過程在環境溫度下可逆，無需像傳統壓縮式製冷般依賴高全球暖化潛勢（GWP）的化學冷媒。香港科技大學資訊科技服務中心總監關沛文博士表示，這類零碳排冷卻技術與該校 2024 年 10 月部署的全港最大液浸式冷卻系統形成互補，後者已將冷卻能耗降低 80% 以上，電力使用效率（PUE）低於 1.1。研究團隊指出，這種液態系統克服固態壓致冷卻材料導熱性差的致命弱點，因為液體既是製冷劑亦是熱傳載體，可直接接觸需要冷卻的表面。
解決 AI 算力「發燒」難題：千億美元市場的技術競速
全球數據中心冷卻市場正經歷爆炸性增長，預計從 2025 年的 101.41 億美元（約港幣 791 億元）飆升至 2034 年的 313.44 億美元（約港幣 2,445 億元），年複合增長率達 13.43%，其中液冷解決方案（包括浸沒式與直接晶片冷卻）在新建高密度部署中佔比已超過 38%。這波需求激增的根本原因，是 AI 晶片功耗呈指數級攀升：NVIDIA H100 熱設計功耗（TDP）達 700 瓦，而新推出 Blackwell B200 系列更突破 1,000 瓦大關，令傳統氣冷系統徹底失效。Microsoft 於 2025 年 9 月宣布成功測試晶片內微流體冷卻系統，在模擬 Microsoft Teams 會議的伺服器測試中，散熱效能較先進冷板技術提升三倍，GPU 晶片內部溫升降低 65%。該公司雲端營運與創新部門副總裁 Christian Belady 強調，微流體技術允許在更小空間內實現更高功率密度設計，同時改善 PUE 指標並降低營運成本。
香港作為亞太數據中心樞紐，冷卻市場規模預計從 2026 年的 1.89 億美元（約港幣 14.7 億元）增長至 2031 年的 4.66 億美元（約港幣 36.3 億元），年複合增長率達 19.72%。市場研究機構指出，Schneider Electric 透過收購 Motivair 並將冷卻分配單元整合進 Galaxy 電力系統產品線，提供與 EcoStruxure 監控系統互鎖的交鑰匙液冷方案；專注於浸沒式冷卻的 LiquidStack 則在多個市場創下 PUE 1.01 的標竿紀錄。TrendForce 分析師預測，隨著北美雲端服務商加大投資以及全球主權雲計畫興起，2026 年 AI 伺服器出貨量將較前一年增長超過 20%，推動碳化矽（SiC）與氮化鎵（GaN）等第三代半導體在數據中心電源系統滲透率，從 2026 年的 17% 躍升至 2030 年的 30% 以上。
Deloitte《2025 科技、媒體與電信預測》報告指出，生成式 AI 正推動數據中心能源消耗激增，全球 AI 數據中心年度用電量預計在 2026 年達到 90 太瓦時，相當於荷蘭或阿根廷等中型國家的年度總用電量。國際能源署（IEA）研究顯示，當 AI 完全整合進 Google 等搜尋引擎時，單次查詢電力需求可能從傳統搜尋的 0.3 瓦時飆升至 2.9 瓦時（參照 ChatGPT），若以每日 90 億次搜尋計算，年度額外用電需求將達 10 太瓦時。這種能源壓力正倒逼產業尋找突破性冷卻解決方案，而中國超冷卻技術的 20 秒快速降溫特性，恰好契合 AI 訓練中突發性高負載的散熱需求。
技術自主化拼圖：從晶片到冷卻的全鏈條佈局
中國超冷卻技術突破與其半導體產業自給自足戰略高度契合，尤其在美國持續收緊高階晶片與高頻寬記憶體（HBM）對華出口管制之後。TrendForce 報導，中國最大 NAND 製造商長江存儲（YMTC）正利用矽穿孔（TSV）先進封裝技術進軍 DRAM 市場，目標生產 AI 處理器所需的 HBM 晶片，計劃在武漢新建第三座晶圓廠部分產能投入 DRAM 生產。同時，中國 DRAM 領導廠商長鑫存儲（CXMT）已重啟大規模資本投資，在合肥廠區擴建 DDR5 DRAM 與第四代 HBM3 生產線，預計於 2026 年底實現 HBM3 量產。Tom’s Hardware 報導指出，中國計劃在 2026 年底前實現國產 HBM3 生產，這是中國 AI 晶片自主化拼圖關鍵一環。
這種「從晶片到冷卻」的垂直整合策略，反映出中國科技政策深層邏輯。智庫分析指出，中國政府透過第三期國家積體電路產業投資基金，在 AI 晶片設計平台、半導體製造設備等領域持續投資，期望在 2027 年實現 AI 晶片 70% 自給率。在 HBM 等關鍵零組件進口受限背景下，中國企業如百度、阿里巴巴、華為和寒武紀正加速開發自主 AI 晶片，而高效冷卻技術掌握程度將直接影響這些晶片在超大規模運算叢集中的穩定運行能力。中國科學院物理研究所團隊在論文中特別強調，液態壓致冷卻系統可在 1 巴壓力變化下實現顯著冷卻效果，這種低壓操作特性有利系統安全性與商業化應用。
值得注意是，中國「東數西算」工程正推動數據中心向能源豐富地區遷移，配備儲能系統的 AI 數據中心將成為大型園區標配。市場研究顯示，全球 AI 數據中心儲能系統裝機容量預計從 2025 年的 1.57 吉瓦時暴增至 2030 年的 8.8 吉瓦時，年複合增長率達 46.1%，其中中長期儲能系統（1-4 小時）比例將大幅提升，以支援電力套利與電網服務。這種基礎設施層面的系統性升級，配合超冷卻技術可能帶來的成本降低，將為中國 AI 產業創造顯著總體擁有成本（TCO）優勢。
商業化前景：實驗室突破到產業應用的漫長征途
雖然實驗室數據亮眼，這項超冷卻技術商業可行性仍面臨多重挑戰。目前公開資訊未披露具體原型系統細節、循環壽命測試數據或商業化時程，這與已進入大規模部署階段的 Microsoft 微流體冷卻（2025 年 9 月宣布）和香港科大液浸式系統（2024 年 10 月啟用）形成對比。劍橋 Barocal 公司聯合創辦人 Averdieck 在評論類似技術時坦承，將理論潛力轉化為商業方案，關鍵在於確保系統安全性、可靠性、可維護性以及能源效率。液態壓致冷卻系統需要精密壓力控制機制、防腐蝕材料以及長期穩定性驗證，這些都是從實驗室走向數據中心的必經之路。
然而，全球數據中心冷卻產業快速整合為新技術創造機會窗口。市場領導者 Vertiv 和 Schneider Electric 透過持續研發投資與策略性併購鞏固地位，兩者合計市佔率接近 35%。但專注 AI/HPC 工作負載的創新者如 Envicool、iTeaq 和 Deep Green 正憑藉專業化方案在利基市場取得進展，例如 Deep Green 將數據中心餘熱用於加熱泳池的創新模式。中國本土廠商如深菱（Shenling）透過政府合作與氣候適應性特製方案在國內市場保持強勢地位。數據中心行業分析指出，AI 仍是驅動數據中心發展首要力量，但電力、水資源與土地限制正倒逼產業尋找突破性解決方案。
對企業決策者而言，這項技術戰略意義在於可能重新定義 AI 基礎設施經濟學。香港科大液浸式冷卻案例顯示，先進冷卻技術可將 PUE 從傳統數據中心 1.5-2.0 降至 1.1 以下，能耗降低幅度達 80%。若中國超冷卻系統能實現類似效能並保持快速響應特性，對於計劃在未來五年內部署數十萬張 GPU 的雲端服務商而言，其總體擁有成本優勢將極具吸引力。JLL 預測顯示，2026-2030 年全球數據中心容量將新增近 100 吉瓦，相當於現有規模翻倍，意味約 2,000 億美元（約港幣 1.56 兆元）基礎設施投資，其中冷卻系統約佔 15-20%，即 300-400 億美元（約港幣 2,340-3,120 億元）潛在市場空間。
地緣科技競賽新變數：冷卻技術撬動 AI 霸權的可能性
中國超冷卻技術發展時機耐人尋味——正值全球 AI 算力競賽進入白熱化、能源瓶頸日益突顯之際。這項技術若成功產業化，將與中國在機械人、半導體和 AI 晶片領域全面推進形成協同效應。北京清華大學學者指出，中國政府將半導體視為現代科技政策基石，透過國家投資基金推動從晶片設計、製造設備到材料產業全鏈條自主化，目標在 2030 年前建立完全依賴國產知識產權的半導體產業。在這個脈絡下，冷卻技術成為支撐國產 AI 晶片大規模部署的關鍵基礎設施要素。
技術突破與地緣政治優勢之間並非線性關係。Microsoft 與 NVIDIA 在 2025 年深化合作，部署採用 GB200 NVL72 機架級系統的 Blackwell GPU，並利用 AI 在 200 小時內發現具備浸沒式冷卻潛力的新型冷卻劑原型（傳統方法需數月至數年），展示西方科技巨頭在 AI 驅動創新循環上的系統性優勢。Microsoft 微流體冷卻技術已完成真實工作負載測試，能將冷卻液直接送入晶片內部微通道，實現前所未有散熱效率。相較之下，中國超冷卻技術尚未公開任何數據中心環境測試結果，或與現有液冷系統性能對比數據。
未來三年，數據中心冷卻技術演進路徑可能呈現「短期液冷擴散、中期混合系統、長期晶片級管理」特徵。麻省理工學院研究指出，AI 訓練一個大型語言模型（如 GPT-3 規模）可能產生超過 300 噸二氧化碳當量排放，冷卻系統能源效率直接影響 AI 產業碳足跡。在這個脈絡下，零碳製冷劑的超冷卻技術確實具備環境優勢，但其商業競爭力最終取決於系統整合成本、維護複雜度以及與現有數據中心基礎設施相容性。這場競賽終極問題不是誰先掌握單一突破性技術，而是誰能更快將創新整合進完整 AI 基礎設施生態系統——從晶片、冷卻、電力到軟件優化的全棧能力。
對於香港及亞太地區數據中心營運商而言，保持技術中立並關注多元冷卻方案驗證進展將是審慎策略。隨著香港科大計劃擴大液浸式冷卻應用至其八層樓高性能數據中心，本地市場正成為檢驗各類創新技術實戰場。這項超冷卻技術是否能從實驗室突破演變為產業標準，最終取決於能否在未來 12-24 個月內展示可規模化原型系統，並在可靠性、成本與能效三個維度同時達到商業部署門檻——正如 AI 本身必須在真實世界應用中兌現承諾那樣。
資料來源： CCTV South China Morning Post Mirage News Microsoft News 香港科技大學 Intel Market Research