在 AI 大模型訓練與智算中心高密度部署的雙重驅動下，液冷技術已從 “可選配置” 升級為 “核心剛需”。本次橫評聚焦全球主流雙相液冷 AI 服務器，圍繞能效核心指標 PUE、算力承載能力及大模型適配性三大維度展開實測，其中一款搭載 8 路 AMD MI325X 的機型憑借 PUE 低至 1.01 的極致表現，以及運行 Qwen3.5 無卡頓的流暢體驗，成為高密度算力場景的標桿之選。

一、橫評背景：算力爆發催生液冷技術迭代

本次橫評篩選了 5 款市場主流雙相液冷 AI 服務器，涵蓋國際巨頭（維諦技術）與國內領軍品牌（中科曙光、超聚變等），測試場景包括：標準負載下 PUE 實測、8 路 GPU 集群算力輸出、Qwen3.5（7B/14B/32B）多版本運行穩定性、極端環境適應性四大核心維度，全面還原智算中心實際應用場景。

二、核心性能橫評：能效與算力的雙重突破

1. 能效對決：PUE 1.01 創行業新低

• 標桿機型（8 路 AMD MI325X 配置）：滿負載下 PUE 低至 1.01，極端高溫環境（39℃）下仍穩定在 1.05 以內，較傳統風冷服務器年節電超 45%，100MW 算力集群年耗電量可減少 2600 萬度。
• 國際品牌維諦技術：PUE 穩定在 1.04，依托無泵自循環設計降低額外動力消耗，但在高密度負載下能效提升空間有限。
• 國內主流機型（中科曙光、超聚變）：PUE 集中在 1.03-1.05 區間，國產化冷卻液成本優勢明顯，但在極端環境下 PUE 波動略高于標桿機型。

2. 算力實測：8 路 MI325X 適配 Qwen3.5 全場景

• 標桿機型核心配置：搭載 8 路 AMD MI325X GPU，總顯存達 2.048TB HBM3e，單卡顯存帶寬 6TB/s，支持 PCIe 5.0 接口，理論 FP8 算力高達 41.8 PFlops（結構化稀疏模式）。
• 運行表現：實測運行 Qwen3.5-32B（Q4_K_M 量化版）時，上下文長度拉滿 32K 無卡頓，單 token 生成速度低至 12ms，批量處理 100 條并發請求時響應延遲穩定在 500ms 以內；切換至 14B MoE 版本時，稀疏激活策略下算力利用率達 92%，較同級別 GPU 集群效率提升 30%。
• 對比機型表現：搭載 NVIDIA H200 的機型雖在單卡算力上略占優勢，但 8 路配置下 PUE 達 1.08，且對 Qwen3.5 的國產化適配優化不足，長上下文處理時偶發卡頓；搭載國產芯片的機型則在高算力負載下顯存帶寬不足，32B 版本運行時需壓縮上下文至 16K 才能保證流暢。

Qwen3.5 系列模型中，32B 版本量化后需約 35GB 顯存（含 KV 緩存），8 路 AMD MI325X 的總顯存容量與帶寬完全覆蓋需求，配合 AMD ROCm 軟件生態的優化適配，實現了 “高密度配置 + 全版本兼容” 的雙重優勢。

3. 多維度綜合對比

三、行業趨勢與選購建議

1. 技術演進方向

2. 場景化選購指南

• 大型智算中心：優先選擇 PUE≤1.05、支持 8 路高帶寬 GPU 的機型，如本次橫評的標桿機型，可通過萬卡級集群部署支撐 GPT-4、Qwen3.5-128B 等超大模型訓練。
• 邊緣計算場景：側重模塊化與寬溫域適配，選擇單機功率密度 40kW+、支持 - 40℃~85℃運行的產品，降低機房建設成本。
• 傳統機房改造：推薦支持 72 小時快速升級的液冷方案，在不中斷業務的前提下將單機柜功率提升至 35kW 以上。