AI 写芯片写了 18 小时：机房还在按「短跑」配散热吗？

6 月下旬，豆包Seed 2.1上线火山方舟。有一条案例在技术圈传得挺凶：16×16 的 Tiny NPU Tile，Agent 跑了近 18 小时、9 轮迭代，交出 6 个模块、1303 行 RTL。

我第一反应不是「模型又强了」——是谁给它加了一宿班。这 18 小时里，算力多半一直顶在高位，芯片热得很实在。以后谈机柜和机房，心里得按这种节奏留余量：不是训练完就能让 CDU 歇会儿的那种了。

一、从「聊几句」到「跑一宿」，负载节奏真的变了

很多机房脑子里还是训模型那套，我也理解：过去确实好使。

• • 拉起一个大 job，满负载几小时到几天；
• • job 一停，负载掉下来，一次侧也能跟着松口气——CDU 不用一直顶在高位。

Agent 长任务完全是另一回事：

说白了：AI 越来越像睡在你机房的同事，不是聊两句就走的访客。云厂推理算力也在加码——和 6/25 推理算力那篇 一条线，今天不展开表，就记一句：负载更像长跑，不像冲刺。

二、按短跑定散热，跑马拉松一定吃亏

1. CDU 只按峰值买，平时按平均跑——迟早顶格

Agent 区长时间中高负载，一次侧和 CDU 若按「偶尔满负荷」留余量，平时就容易顶格、降频或猛加泵。PUE 难看不说，机房那动静，待久了真的烦。

2. 训练区和 Agent 区共用一套「分时供冷」——两边都不舒服

训练 job 结束能歇；Agent 区像常开冰箱。一套调度，A 区浪费、B 区不够。后面得分区供冷、分区计量，不是 PPT 里写一句「全楼液冷」就踏实了。

3. 还指望风冷「补一点」——越来越不现实

机柜功率档往上走，液冷基本是主路径；Rubin 这一代更是45℃ 温水液冷往量产走——英伟达把「温水进机房」写进平台规格，不是噱头，是常开高负载下的现实选择。Agent 叠在高密柜上，风冷补刀的空间，说实话越来越小。

三、定散热方案前先问：这排机柜是短跑，还是马拉松？

别被「冷水」两个字带偏——现在新建高密柜，讲的是冷板 + CDU + 一次侧，很多规格已经是40～45℃ 温水在循环，不是你以为的「越冷越好」。

先问一句：

这排机柜，是偶尔满负载，还是长时间中高负载？

• •短跑：峰值 + 间歇，一次侧和 CDU 还能跟着喘口气。
• •马拉松：平均热 + 峰值一起算，温水回路和电都要按常开入账；6/23 2300W 热栈 里说的堆栈加价，很多就卡在这——不是芯片突然变热，是热根本停不下来，CDU 也下不来。

这种常开负载，长期账单往往在泵功和一次侧，不是少拧几个快接头。我们做过120kW 级混部对比（冷泉能控现场）：同样负载，两相冷板侧所需流量可低到单相约 1/3量级，靠相变潜热带走热；UQD 个数仍看冷板路数、并联和冗余——流量下来，接头未必少。这一点我踩过坑，别被销售 PPT 带跑。

四、跟你有什么关系

1. 1.AI 涨价、限流——背后常有电和散热，不只是模型贵；你付的 Token，有一部分是在买机房能一直扛住。
2. 2.绿色数据中心宣传——Agent 区常开，PUE 差 0.1都是真电费；温水液冷也不是「免费午餐」，回路常开就得一直转。

收束

18 小时 RTL只是开头：长任务 = 散热马拉松。机房若还按训练短跑定 CDU 和一次侧，会先卡在常开的热和电上——不是模型不够聪明，是基础设施还在按旧节奏喘气，挺浪费的。

你那边训练峰值和Agent 常开，哪个更让你头疼？留言区投一票，下篇写混部机房怎么分区。

往期：推理算力 +122%（06-25） · 2300W 热栈（06-23） · SpaceX 散热（06-18）

两个常见追问（简答）

Q1：45℃ 温水，会不会「不够冷」、芯片更热？
A：冷板侧有自己的工质循环，45℃ 指的是一次侧温水，不是 die 表面温度。平台写 45℃，是在高密 + 常开下换PUE 和一次侧经济性——别用家用空调「越低越好」去套机房。

Q2：训练区和 Agent 区，能不能共用一台 CDU？
A：物理上可以，逻辑上要分开想。共站可以，但要分回路、分计量、分冗余；否则训练区间歇时省下来的电，会被 Agent 区常开吃掉，账永远算不清。