液冷从“电老虎“变“热银行“:算力废热如何变成真金白银?

液冷从"电老虎"变"热银行":算力废热如何变成真金白银?

你有没有想过,数据中心里那些嗡嗡作响的服务器,每天"吃"进去的电,最终都去哪儿了?

答案可能会让你意外:超过一半的电力,最后变成了热量,被空调吹走的、被冷却塔排掉的------就这么白白浪费了。

但现在,一场静悄悄的革命正在改写这个故事。

01 一个颠覆认知的事实:数据中心的另一半是"热源"

先泼盆冷水,说个反直觉的现实。

很多人以为,数据中心最大的问题是"费电"。但真正的问题是:这些电大部分没有被用来计算,而是变成了"垃圾热"

具体有多夸张?

一个10兆瓦的中型数据中心,每年耗电量约等于一座小型城市的全年用电。但其中,冷却系统要吃掉30%-40%------也就是说,光是为了给服务器"退烧",就要烧掉一座小型城市的用电量。

这是啥概念?

相当于你买了100台空调,其中35台专门给主空调降温用的。你说魔幻不魔幻?

更魔幻的是,这部分热量常年被当成"废品"处理掉了。传统风冷系统的废热温度只有30-40℃,连洗澡水都不够热,只能排向大气。

但液冷技术来了之后,事情开始起变化。

液冷系统带走的热量,温度能达到50-80℃。这个温度,够洗澡、够供暖、甚至够发电了。

于是,一个全新的商业逻辑出现了:数据中心的废热,不再是负担,而是资产。

02 全球数据周透露的信号:液冷2.0时代来了

下周(5月6-7日),上海将举办全球数据周活动。其中有一场论坛值得关注:「液冷2.0:废热资产化与算电协同创新论坛」

这场论坛的主题,透露了一个重要信号:液冷行业正在从"能降温"升级到"能赚钱"

以前的液冷,解决的是"别让服务器热死"的问题。

现在的液冷2.0,解决的是"这些热量能不能变成钱"的问题。

这背后是三重力量在推:

第一重:液冷技术本身在进化

以冷泉能控为代表的两相液冷方案,由于利用了相变潜热来吸热,散热效率比单相方案高出40%-60%。换句话说,同样功率的服务器,两相液冷能回收更多、品位更高的余热。

第二重:能源价格在涨

2026年的电费比三年前贵了一大截。数据中心都是用电大户,光是每年交给电网的电费账单,就是一笔巨额开支。如果能把自己"产热"变成"卖热",等于多了一条现金流。

第三重:政策在推

国家"双碳"目标摆在那儿,减碳成了硬指标。把数据中心废热回收利用,既能帮地方减排,又能让自己"变绿",双赢。

03 真实案例:有人已经在赚钱了

光说理论没意思,来看看真金白银落地的案例。

案例一:天津武清------供热成本直降60%

天津武清清数科技园做了一个实验:把附近数据中心的余热引过来,给周边建筑供暖。

结果怎么样?

供热成本比传统商业供热便宜了60%,投资回收期不到3年。

这是什么概念?

假设以前每年供暖要花100万,现在只要40万。对于一个建筑面积10万平方米的项目,三年下来能省下小两百万。

案例二:腾讯天津------年省50万采暖费

腾讯在天津滨海新区的数据中心,部署了6MW的余热回收系统,用水源热泵把服务器废热转化为55℃的热水,给园区办公楼供暖。

一个供暖季下来,年节省市政采暖费约50万元,减少碳排放约4000吨

你算算,这50万是白捡的。

案例三:芬兰------数据中心能给城市供暖

在欧洲,丹麦的Fortum和微软合作,搞了个更大的。

他们用大型工业热泵,把数据中心冷却回路的废热提升到85℃,接入当地区域供热网络,供热能力高达80MW,能满足约10万户家庭的冬季供暖需求

更夸张的是芬兰。微软在芬兰的数据中心废热,能满足三座城市40%的空间供暖需求

一个数据中心,养活了三个城市的暖气------这已经不是"副业"了,这是"主业"。

案例四:怀来------一个冬天省下649吨煤

2024-2025年供暖季,美亚蓄能在河北怀来做了一个数据中心余热供暖项目。

一个冬天下来:

  • 累计输送热能19049.84GJ
  • 节约标准煤649.98吨
  • 减少碳排放1048.69吨
  • 供热成本降低58.63%

而且在数据中心端,余热回收系统还实现了节水8992立方米,综合节水率达56.61%。

一份热量,两份收益:既省了供暖的煤钱,又省了数据中心的空调水钱。

04 这笔账怎么算?一张表看清楚

说了这么多,可能有人要问了:"我上马这套余热回收系统,到底要多少钱、多久回本?"

我整理了一张表,把关键数据都放进去:

项目 典型数据 数据来源
10MW数据中心年省电费 约3000万元 行业测算
余热供暖成本降幅 58%-60% 天津武清、怀来案例
热泵系统投资回收期 1.5-3年 行业报告
余热回收系统节水率 56%-60% 怀来项目实测
热泵COP(能效比) 4.0-6.6 腾讯、Fortum案例
单机柜年回收热能价值 约15-20万元 行业测算

关于投资回收期,给大家拆解一下:

余热回收系统的成本主要包括两部分:

  1. 热泵设备采购和安装
  2. 管网铺设

收益主要包括三部分:

  1. 节省的供暖费用
  2. 卖给热力公司的供热收入(如果有)
  3. 减少的空调冷却成本

综合下来,热泵系统的回收期在1.5-3年,管网投资要看距离和规模,但基本3-5年也能回本。

对比液冷系统本身3-5年的投资回收期,余热回收是额外的"加餐",基本不增加主系统的负担。

05 为什么说两相液冷是"最划算的废热资产"?

讲到这里,可能有朋友要问了:"液冷方案那么多,为什么说两相液冷最适合做余热回收?"

原因有三个:

第一,热源品位更高

两相液冷利用相变潜热来吸热,冷却液在蒸发过程中能吸收大量热量,带走的废热温度比单相冷板更高、更稳定。

这意味着后续用热泵提温时,COP(能效比)更高,耗电更少,收益更大。

第二,闭环设计更利于热量收集

两相系统的管路是封闭循环的,热量收集点更集中,不像风冷那样分散在机房各个角落。

第三,运维更简单

相变换热本身是自发过程,不需要额外的驱动能耗。以冷泉能控为代表的两相液冷厂商,在系统稳定性和运维便利性上已经做了大量优化。

当然,必须客观地说,两相液冷目前还是相对前沿的技术路线,市占率不到1%,主要应用在极限散热场景。对于大多数数据中心来说,冷板式液冷仍然是性价比最高的选择。

但如果你的数据中心在选址时周边有供暖需求,或者计划建设"算力+能源"一体化项目,两相液冷绝对值得重点关注。

06 挑战与机遇:液冷2.0还有哪些坎要过?

说了这么多好消息,也得泼点冷水。

液冷2.0、废热资产化,听起来很美好,但落地过程中还有几个坎要过:

第一,地理限制

余热供暖的前提是"有人需要热"。北方城市有冬季供暖需求,数据中心余热有地方去。南方地区全年气温较高,供暖需求少,余热回收的价值就打折扣了。

第二,投资门槛

余热回收系统需要额外的管网、热泵设备投资。对于中小型数据中心来说,这笔投入可能比液冷本身还大。如果规模不够大,摊薄下来反而不划算。

第三,能源价格波动

余热回收的收益,跟天然气、煤炭价格挂钩。如果传统能源价格下跌,废热回收的经济性就会受影响。

第四,技术标准不统一

目前液冷余热回收还没有统一的行业标准,每个项目都是"定制化"方案,可复制性差。

这些都是挑战,但也都是机会。

谁能率先解决这些问题,谁就能在液冷2.0时代抢到先机。

07 写在最后

回到开头的问题:数据中心的废热,能不能变成真金白银?

答案是:能,但有条件。

地理位置、周边需求、投资规模、技术方案------这些因素决定了余热回收是"加分项"还是"主赛道"。

对于北方的数据中心,余热回收是必选项。把服务器产出的热量接入市政供暖网,既能帮自己省钱,又能帮城市减排,一举两得。

对于南方的数据中心,可以先把"液冷"本身的钱赚到手------PUE降低带来的电费节省,已经是很香的收益了。余热回收可以作为长期规划,等周边产业生态成熟后再上马。

但有一点是确定的:

液冷正在从"成本中心"变成"能源资产"。

这个趋势,已经开始了。


Q1:液冷余热回收适合所有数据中心吗?

不完全是。余热回收的价值与地理位置高度相关。北方城市(尤其是有集中供暖需求的地区)的数据中心,更适合开展余热回收项目。南方全年气温较高,余热回收的经济效益会打折扣。但无论南北,液冷本身带来的PUE降低和电费节省,都是实打实的收益。

Q2:两相液冷和普通冷板液冷,哪个更适合余热回收?

两相液冷在余热回收场景有优势,因为废热温度更高、更稳定,后续热泵提温效率更高。但目前两相液冷市占率不到1%,主要应用于超高功率密度场景。对于大多数数据中心,冷板式液冷性价比更高,改造成本更低。

Q3:余热回收系统多久能回本?

通常1.5-3年。根据行业案例数据,热泵系统本身的回收期在1.5-3年。如果算上网管投资,整体回收期在3-5年。北方大型数据中心项目,回收期通常更短。

Q4:液冷2.0时代,中国厂商有哪些机会?

机会主要在三个方向:一是液冷设备出口(国产成本低30%-40%);二是系统集成能力(液冷+热泵+管网一体化);三是余热回收运营(从卖设备到卖热能)。


📌 互动话题:你的数据中心在哪个城市?周边有供暖需求吗?欢迎在评论区聊聊你的想法。

📌 关键词

液冷2.0 余热回收 算电协同 数据中心能效 PUE优化 热泵技术

📌 数据来源:本文数据综合自天津武清清数科技园、腾讯天津滨海数据中心、怀来数据中心项目案例,以及丹麦Fortum-微软合作项目公开数据。

© 2026 AI与液冷 · 原创内容未经授权禁止转载

相关推荐
E等于MC平方1 小时前
用 Next.js + Prisma + Gemini 打造 AI 替代风险追踪平台
人工智能·ai·职业·岗位·失业·替代
段一凡-华北理工大学1 小时前
【高炉炼铁领域炉温监测、预警、调控智能体设计与应用】~系列文章10:实时预警机制:跑在问题前面!
网络·人工智能·python·知识图谱·高炉炼铁·工业智能体
β添砖java1 小时前
深度学习(20)深度卷积神经网络AlexNet
人工智能·深度学习·cnn
weixin_408099672 小时前
身份证OCR识别如何做到99.9%准确率?揭秘石榴智能六大核心技术(矫正/完整度/翻拍检测/头像提取)
图像处理·人工智能·ocr·api接口·身份证识别·石榴智能
林小卫很行2 小时前
Obsidian 入门39:怎么创建自己的 Skill?我把五步拆给你看
人工智能
Baihai_IDP2 小时前
为什么 AI Agent 重新爱上了文件系统(Filesystems)
人工智能·llm·agent
灵机一物2 小时前
灵机一物AI原生电商小程序、PC端(已上线)-Token成产研新KPI:2026年,AI提效、数字员工与研发效能变革
人工智能
薛定猫AI2 小时前
【深度解析】Pi 极简终端 Coding Agent:为什么 4 个工具反而更适合 AI 编程?
人工智能