一句话看懂：由麻省理工学院（MIT）前研究员创立的初创公司 Ferveret，将核反应堆冷却原理——亚冷沸腾（subcooled boiling）——引入 AI 数据中心，通过产生微气泡加速热量移除，宣称在计算效率上比现有液冷方案提升 15%。这项技术与市面上已有的液冷、浸没式冷却不同，正在 NVIDIA Inception 计划中测试，目标是将极致冷却从核工程迁移到大规模 AI 算力基础设施。
事件核心：发生了什么
Ferveret 由前 MIT 博士后 Reza Azizian 与 MIT 教授 Matteo Bucci 联合创办，推出名为“自适应相变冷却（APC）”的技术。其核心不是单纯用液体浸泡服务器，而是利用液体在芯片表面形成微小气泡、这些气泡快速分离再冷凝的原理，显著提高热传递效率。这是一种从核工程领域直接迁移的方法，称为“亚冷沸腾”——原本用于核反应堆的紧凑高热量排出场景。
据 Ferveret 表示，其 APC 系统可以模块化部署，每台独立服务器对应一个密封单元，不使用 PFAS 化学物质，且控制器软件会实时根据温度与压力调节工作状态。在 UCLA 联合测试中，该方案的算力功率效率比现有领先液冷技术高出 15%。如果配合 APC 控制软件，相同电费下，AI 工作负载可多产出 35% 的 token。
为什么重要
AI 算力扩张正面临巨大的能源挑战。行业估算显示，到本十年末，美国数据中心的电力消耗将占全国总电量的 9% 至 17%，而当前约三分之一的电费花在了冷却处理器上。传统风冷在噪音、占地和能效上均已到了瓶颈。如果 APC 技术能真实落地并规模化，它将重新定义数据中心冷却的能效上限，使得在电力充裕但水资源有限的地区（如中东、非洲、美国阳光带）建设新数据中心成为可能。更重要的是，它代表了一个趋势：大型 AI 基础设施正从“堆 GPU”转向“堆工程创新”，尤其是在能源管理维度。
对用户/开发者/创作者的影响
对 AI 模型的使用者（开发者、企业用户）来说，这项技术的直接影响暂时不在性能层面，而在用云成本。如果 Ferveret 的 APC 系统大规模部署，数据中心的运营成本——尤其是电费——可能下降，最终会在 API 调用价格、算力租赁收费中体现。对于开源社区和自建算力团队而言，更高效的冷却也意味着更多散热密度可能，进而可考虑在有限空间内部署更强的 GPU 集群。对于大模型公司而言，如果新冷却技术能将单位 token 能耗压得更低，则 AI 模型的推理成本就有望进一步下降。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
根据 Ferveret 创始人回忆，他在 2017 年第一次走进数据中心时曾感叹：“天哪，这不是冷却设施的方式。”当时空调系统已经使用了超过 50 年。这一背景表明：AI 行业此前很少关注能源子系统，现在已经开始认真对待“每瓦热量”的管理。
值得关注的后续
目前公开信息显示，Ferveret 正在与 CleanSpark、FuriosaAI、Switch 等公司进行实际测试，并入选了 NVIDIA Inception 计划。值得关注的后续包括以下几点：
1. 产业化速度如何：从实验室到数据中心仍需要经过可靠性、维护便利性、长期老化测试。APC 是否能与主流 GPU 热设计（TDP）匹配，是落地关键。
2. 是否会被大型云厂商自研替代：AWS、Google、Microsoft 都在投资自研数据中心冷却方案，Ferveret 作为初创公司可能面临被收购或技术授权竞争。
3. 液体冷却的成本与合规风险：Ferveret 声明其液体不含 PFAS，这在未来环保法规收紧时可能是优势，但如果成本高于主流技术，则需要市场教育。
来源：TechRadar
