GPU 加速器
執行大量矩陣與張量運算，是 AI 訓練與推論的核心加速器；實際效能也受資料供應、記憶體與互連影響。
研究時先問瓶頸在運算，還是 GPU 等不到資料？
看 GB200 托盤裡的 GPU →AI 的算力，
來自整個系統。
從 GPU 開始，沿著資料、電力與熱的路徑，看懂 AI 伺服器。先用六個元件建立全貌，再用 GB200 NVL72 機櫃看實際配置，最後把台股公司放回價值鏈上。
SYSTEM EXPLORER概念分工 · 非產品拆機圖
一台 AI 伺服器，六個元件各管什麼？
HBM・DRAM
HBM 緊靠加速器，提供高頻寬工作空間；系統 DRAM 支援主機程式與資料處理。兩者用途相關，但不是同一個位置的資源。
研究時先問模型與工作資料放得進記憶體嗎？搬運會不會變成瓶頸？
記憶體頁 →CPU 主機
負責作業系統、程式流程與部分資料前處理，和加速器協同工作。Agent 工作流裡的工具呼叫、流程控制與隔離沙盒也多在 CPU 上執行，角色變重NVIDIA 2026-03 說法。
研究時先問前處理、工具呼叫這些主機端工作，跟得上加速器嗎？
伺服器 CPU 誰設計、誰製造 →互連與網路
機櫃內的 GPU 互連與跨機櫃網路，負責不同尺度的資料交換；網卡、交換器與線纜共同構成通訊路徑。
研究時先問資料在機櫃內交換，還是要跨機櫃？通訊等待有多大？
看櫃內與跨櫃兩套路 →SSD 儲存
保存資料集、模型檔案與檢查點，並供應執行時要載入的資料；容量與讀寫速度要配合工作流程。
研究時先問資料載入、檢查點寫入或共享存取，會不會拖慢工作？
NAND 與儲存分層 →電源與散熱
電源提供穩定能量，散熱把運算產生的熱帶離晶片。高密度 AI 機櫃已改用液冷，其他元件依世代仍可能風冷。
研究時先問機房撐得住所需電力、散熱方式與維護條件嗎？
看供電與液冷 →從 Blackwell，看到一整櫃 GB200。
Blackwell 是 GPU 架構名稱；GB200 是 Grace CPU 與 Blackwell GPU 的組合；NVL72 才是把 72 顆 GPU 連起來的機櫃級系統。以下用 GB200 NVL72 當教學範例：它是 2024 年首批量產的機櫃世代，2025 年的 GB300 與 2026 下半年出貨的 Vera Rubin NVL72 都沿用同一副骨架（見下方世代對照）。
BlackwellGPU 架構／產品家族
GB2001 Grace CPU＋2 Blackwell GPU
NVL7236 Grace CPU＋72 GPU 的機櫃
72＋36Blackwell GPU＋Grace CPU，機櫃內 CPU:GPU＝1:2
18＋9運算托盤＋NVLink 交換托盤
130 TB/s整櫃 NVLink；每 GPU 約 1.8 TB/s（本頁計算 130÷72）
約 120 kW整櫃功耗
8 個電源架，每架 6 顆 5.5 kW PSU，N+N 備援
50–51 V電源架輸出的直流匯流排電壓
官方規格：NVIDIA GB200 NVL72 產品頁（GPU／CPU、130 TB/s）、NVIDIA DGX GB 使用手冊 Hardware（托盤、約 120 kW、電源架、50–51 V）；核對日 2026-10-08。
抽出一個托盤，看見兩組 GB200。
兩側藍綠虛線＝液冷歧管位置示意，看液冷章節 →
一個 GB200 Superchip＝1 顆 Grace CPU＋2 顆 Blackwell GPU；每個運算托盤有兩組，所以是 2 CPU＋4 GPU，18 個托盤合計 72 GPU、36 CPU。Grace 是 Arm 架構的主機 CPU。
托盤數量與上下分布（上 10、中 9、下 8）依 NVIDIA DGX GB 使用手冊與 Gigabyte GB200 NVL72 規格表繪製；電源架數量、管路位置與晶片外形為簡化；晶片連線只表示協作，不是完整拓撲。
櫃內 NVLink 與跨櫃網路，是兩套不同的路。
NVLink：72 顆 GPU 在同一個網域
- 18 個運算托盤共 72 顆 GPU
- 機櫃背板銅纜（NVLink spine）
- 9 個 NVLink 交換托盤每托盤 2 顆 NVLink Switch 晶片
整櫃 NVLink 130 TB/s。交換托盤只負責連通，不執行模型運算；72 顆 GPU 也不會自動變成一顆，模型切分與通訊仍要靠 NCCL 等軟體安排。
InfiniBand／Ethernet：連到其他機櫃
- 每個運算托盤 4 張網卡GB200 為 ConnectX-7 400G；GB300 為 ConnectX-8 800G
- 網路線纜或光模組
- 葉／脊交換器再連到其他機櫃與儲存
機櫃越多，越要看跨櫃通訊等待。距離拉長多改用光模組；交換器端的 CPO 等新做法見光通訊頁。
還有第三套：管理網路。BMC 帶外管理、NVLink 管理各走獨立的低速網路，和模型資料交換分開；NVIDIA 系統文件列出 GB200 機櫃部署共 5 套網路。管理交換器不能當成 NVLink 交換器。
交換器、SerDes 與銅纜／AEC →光模組與 CPO →
GB200 之後：同一副骨架，換了什麼？
← 左右滑動看三代 →
| 項目 | GB200 NVL72 | GB300 NVL72 | Vera Rubin NVL72 |
|---|---|---|---|
| 狀態（NVIDIA 說法） | 2024 年首批出貨 | 2025 年出貨 | 2026-05-31 宣布全面量產，2026 下半年出貨 |
| CPU＋GPU | 36 Grace＋72 Blackwell | 36 Grace＋72 Blackwell Ultra | 36 Vera＋72 Rubin |
| 機櫃內 CPU:GPU | 1:2 | 1:2 | 1:2 |
| 托盤 | 18 運算＋9 NVLink 交換 | 18＋9（DGX GB 使用手冊） | 18＋9 |
| 整櫃 NVLink | 130 TB/s | 130 TB/s | 216 TB/s（產品頁）見下方註 |
| 整櫃 GPU 記憶體 | 13.4 TB HBM3E | 20 TB | 20.7 TB HBM4 |
| 每托盤網卡 | 4 × ConnectX-7 400G | 4 × ConnectX-8 800G | ConnectX-9（張數未核） |
| 散熱 | CPU／GPU 冷板，其他元件風冷 | 產品頁稱全液冷機櫃架構 | 運算托盤無風扇、無線纜、無水管；入水溫 45°C |
| 整櫃功耗 | 約 120 kW | 官方頁未列 | 官方頁未列 |
NVIDIA 現役 CPU 已從 Grace 進到 Vera：Vera 採 NVIDIA 自研 Olympus 核心，每顆 88 核（官方整櫃 3,168 核 ÷ 36，本頁計算）；誰設計、誰製造見半導體頁的伺服器 CPU 分工表。VR 的 NVLink 官方兩處不一致：產品頁寫 216 TB/s（每 GPU 3 TB/s），2026-03 GTC 技術文章寫 260 TB/s（每 GPU 3.6 TB/s），表內採產品頁。出貨量是券商估計：國泰（2026-09-24 p.4）估 3Q26 Vera Rubin 不到百櫃、4Q26 近 3,000 櫃。來源：NVIDIA GB200／GB300／Vera Rubin NVL72 產品頁、DGX GB 使用手冊、NVIDIA 技術部落格〈Vera Rubin POD〉2026-03-16、NVIDIA 新聞稿 2026-05-31；核對日 2026-10-08。
HBM、Grace 記憶體與 SSD，資料放在哪？
GPU 的 HBM 放模型運算需要的資料；Grace CPU 有自己的系統記憶體（LPDDR5X），支援主機程式及資料處理；SSD 保存模型、資料與檢查點。高速互連可以加快搬運，仍不能把三者當成完全相同的記憶體。
電從哪裡來，怎麼送到 GPU？
電源架先轉換電力，配電結構把它送到托盤，板上電路再把電壓降到晶片需要的範圍。兩種架構上下並排，銅框是兩者不同的地方。
現行低壓 DCGB200／GB300 NVL72
- 機房 AC三相 415／480V 交流電
- 電源架 PSUAC → 約 50–54V 直流
- 櫃內匯流排50–54V 送到各托盤；電流大、銅排粗
- 托盤 DC/DC＋VRM→ 12V → 不到 1V 的核心電壓
- CPU／GPU低電壓、大電流
800VDC 配電NVIDIA 規劃，Kyber 世代
- 電網中壓 AC例如 13.8kV
- 機房邊界整流AC 一次轉成 800VDC
- 800VDC 配電兩條導線送到機櫃；電流小、省銅
- 櫃內 DC/DC＋VRM800V → 54V 或 12V → 核心電壓
- CPU／GPU不會直接接 800V
電壓出處：GB200 機櫃 50–51V（NVIDIA DGX GB 使用手冊）；48V／54V 是不同設計常見的名目電壓。415／480V 三相交流、13.8kV、800V→54V／12V 出自 NVIDIA 2025-05-20 技術文章與 2025-10 OCP 發表。功能路徑示意，非接線圖；省略保護、隔離、UPS 等細節。
800VDC 時程（截至 2026-10-08）
- 2025-03GTC 2025 曾提 Kyber 機櫃約 600kW。
- 2025-05NVIDIA 公布 800VDC 架構，原訂 2027 年隨 Kyber（Rubin Ultra）量產；800VDC 的設計目標是 MW 級機櫃。
- 2026-03GTC 2026 改為 Kyber 先以 Vera Rubin Ultra NVL144 推出。
- 2026-07SemiAnalysis 報導 Kyber 延至 2028NVIDIA 未證實
現行 GB200／GB300 NVL72 機櫃內是約 50–54V 直流匯流排，沒有採用 800VDC。800VDC 是配電層級，進到機櫃後仍要轉成 54V 或 12V，再由 VRM 降到核心電壓。
為什麼提高配電電壓？
同樣直流功率下，P＝V × I：電壓提高，所需電流降低。在導體電阻相同的假設下，I²R 損耗也會降低。但高壓需要相應的隔離、保護、連接器與降壓設計，不能把 800V 直接送進 GPU 核心。
PSU／電源架
PSU 是電源轉換模組；電源架可整合多個模組與管理功能。看轉換效率、容量、功率密度與備援。
匯流排／連接器
把電分配給設備。關注載流、接觸電阻、溫升與可靠度；它們不是負責穩壓的晶片。
VRM／多相降壓
靠近負載調節電壓。控制器、功率級、電感與電容協作，多相分擔電流並改善輸出特性。
電感、電容與功率元件各做什麼？
功率級：切換與控制能量傳遞。電感：儲存磁場能量並協助平滑電流。電容：濾波、降低電壓波動，支援瞬間負載變化。元件必須一起設計，不能單看電容數量或相數就判斷好壞。
效率差一點，有多少電變成熱？
固定輸出 100 kW 的單段轉換教學例。拖曳效率，查看輸入電力與損耗；不是任何產品的實測規格。
所需輸入104.17 kW
交給負載100 kW
轉換損耗4.17 kW
輸入＝輸出÷效率；損耗＝輸入－輸出（90% 時損耗是 11.11kW，不是 10kW）。實際效率會隨負載、溫度與電壓改變；多段轉換總效率要相乘，不能相加。
對照：約 120 kW 的 GB200 機櫃，若某一段轉換效率 96%，這一段就損耗約 5 kW本頁計算 120÷0.96−120
備援，與暫時停電是兩個問題。
N+1：在需求所需的 N 個模組外，多配一個模組作備援。N+N：整整多配一倍，一半模組失效時，剩下的一半仍撐得住全部負載。UPS／電池、電容備援：提供一段時間的能量緩衝，並不等於多放幾顆 PSU。
GB200 實例：8 個電源架 × 每架 6 顆 5.5 kW 氣冷 PSU，採 N+N，整櫃功耗約 120 kW官方規格：DGX GB 使用手冊。安裝容量 8 × 6 × 5.5 ＝ 264 kW，一半是 132 kW，仍高於 120 kW 負載本頁計算。
研究供應鏈時，先問這四件事
產品是在機房、機櫃還是板上？負責轉換、配電或儲能？客戶驗證的是哪個電壓與負載條件？性能提升能否在效率、可靠度與成本上同時成立？
電力價值鏈上的台股 →被動元件：電感與電容 →PCB：供電與板材 →
原理來源（核對日 2026-10-08）：NVIDIA：800VDC 配電與下游降壓（2025-05-20）NVIDIA：DGX GB 電源架、N+N 與匯流排NVIDIA：Vera Rubin POD 與 Kyber（2026-03-16）SDxCentral：轉述 SemiAnalysis Kyber 延至 2028（2026-07-06）Texas Instruments：多相降壓原理
電變成熱之後，液冷怎麼把它帶走？
沿著供液與回液，看懂冷板、歧管、CDU 與機房的分工。下圖採單相冷板式液冷與液對液 CDU（GB200／GB300／Vera Rubin NVL72 都是冷板式），並非所有液冷架構的共同配置。
供液吸熱後回液機房側迴路
- ① 冷板
隔著金屬把熱交給液體：冷卻液流過冷板內部，透過散熱介面帶走 CPU／GPU 的熱，不直接接觸電路板。
看：通道設計、接合與熱阻 - ② 歧管／快接頭
歧管把供液分到各托盤、再收集回液；快接頭方便插拔維護，要顧密封、壓降與材料相容性。
看：密封、壓降、插拔可靠度、漏液偵測 - ③ CDU（液對液）
推動二次側冷卻液循環，並透過熱交換器把熱交給機房一次側，兩側液體不混合。
看：熱交換、泵浦備援與控制。例：台達一款液對液 CDU 在 6°C 接近溫差、二次側 1,500 LPM 下標 1,500 kW；4°C、1,524 LPM 時只剩 1,016 kW公司規格——冷卻能力要連條件一起看。 - ④ 機房冷卻設施
機房迴路把熱送往冷卻塔、乾式冷卻器等後端設施。CDU 不會讓熱消失，也不一定本身是冷凍機。
看：機房供水溫度與改造條件
路徑、顏色與尺寸為教學示意，省略部分管路、泵浦與感測器。顏色不代表實際溫度；熱交換器兩側液體不直接混合。
風冷、冷板液冷、浸沒式冷卻，差在哪？
| 方式 | 熱先交給誰？ | 需要理解的取捨 |
|---|---|---|
| 風冷 | 散熱器與空氣 | 風量、氣流與環境溫度影響散熱；高密度時要處理風阻、噪音與風扇用電。 |
| 冷板式液冷 | 冷板，再到內部冷卻液 | 管路、密封、流量與維護；其他元件仍可能需要風冷，不等於整台浸在液體裡。NVIDIA NVL72 機櫃三代都屬這一類。 |
| 單相浸沒式 | 與設備接觸的介電液體 | 液體不靠沸騰帶熱；需驗證材料相容性、維護方式及設備配置，不能使用普通水替代。 |
| 兩相浸沒式 | 介電液體沸騰、蒸氣再凝結 | 透過相變帶熱，需考慮工質、凝結與密封等條件；與單相系統不同。 |
CDU 一定要接機房水嗎？
不一定。液對液（L2L）CDU 把熱交給機房液體迴路；液對氣（L2A）方案則把熱交給空氣，仍需機房空調處理。選擇取決於機房條件、功率密度及改造方式。
流量越大、溫度越低，就一定更好嗎？
增加流量通常也增加壓降與泵浦需求；供液太冷需考慮露點與結露。冷板通道、熱阻、供液溫度、流量及機房條件要一起設計，不能只看單一指標。NVIDIA 反而把 Vera Rubin 的入水溫拉高到 45°C，讓更多機房能用乾式冷卻、少開壓縮機（公司說法）。
原理來源（核對日 2026-10-08）：台達：液對液 CDU 規格與一次／二次側隔離台達：液對液、液對氣與浸沒式冷卻Intel：單相浸沒式冷卻驗證（2025-05-13）
機櫃裝好，還需要哪些軟體？
硬體提供算力，軟體決定資料怎麼送進去、工作怎麼分配，以及結果怎麼交付。三種工作並排看，每一欄由上而下是流程順序。
訓練模型
- 資料與模型資料前處理、讀取資料集，準備模型與檢查點。
- 框架與 GPU 運算PyTorch 等框架呼叫 CUDA 與運算函式庫，進行前向、反向及參數更新。
- 多 GPU 協作NCCL 等通訊函式庫交換張量；平行策略決定模型與資料如何拆分。
- 儲存進度檢查點回存儲存系統；排程器安排下一批工作。
提供推論服務
- 使用者請求API 收到文字或其他輸入，進行前處理與排隊。
- 模型服務選用 TensorRT-LLM、vLLM 等相容推論引擎；Dynamo、Triton（現為 Dynamo Triton）或 NIM 可依架構承接服務部署。
- GPU 產生結果框架／引擎透過 CUDA 執行；模型權重與 KV cache 占用記憶體。
- 回應與監控回傳結果，觀察延遲、吞吐量、錯誤率及記憶體使用。
安裝與運維
- 底層相容確認 Arm64 OS、韌體、GPU 驅動、網路與 NVLink 管理元件的受支援組合。
- 容器與環境NVIDIA Container Toolkit 讓容器使用主機 GPU；映像與套件也要支援 Arm64。
- 資源排程依情境選用 Slurm 或 Kubernetes；GPU Operator 可協助 Kubernetes 管理 GPU 軟體元件。
- 持續運維DCGM 等工具監控 GPU；搭配機櫃管理、溫度、漏液與電力告警。
必要基礎與選用工具，分開看。
| 層級 | 負責什麼 | 需要程度 |
|---|---|---|
| OS、韌體、GPU 驅動 | 讓主機與 GPU 正常運作；GB200 Grace 主機需留意 Arm64 支援。 | 基礎必要，使用供應商驗證的相容組合。 |
| BMC 遠端管理 | 主機板上獨立的管理晶片與韌體：遠端開關機、監控溫度、電壓與風扇、記錄故障、更新韌體；主系統當機時仍可連線。 | 資料中心伺服器標配，由伺服器廠整合；管理端多透過 Redfish 等標準介面操作。 |
| CUDA 與運算函式庫 | 讓框架與引擎呼叫 GPU 運算。 | CUDA 工作負載需要相容執行環境；完整開發 Toolkit 不一定要另外裝在每個主機上。 |
| NVLink 管理／NCCL | 前者管理互連系統；後者供應用交換多 GPU 資料。 | 角色不同；GB200 的 Fabric Manager、NVLink Subnet Manager、NMX 跑在交換托盤上，不是一律裝在 GPU 主機。 |
| 框架／推論引擎 | 例如 PyTorch 或相容的 TensorRT-LLM／vLLM。 | 依模型、工作與版本選用，不必全部安裝。 |
| 容器／排程／監控 | 打包環境、分配資源、觀察健康狀態。 | 依規模選用；Kubernetes 與 Slurm 不是啟動 GPU 的必備前提。 |
BMC 是什麼？為什麼常被拿來看伺服器出貨？
BMC（基板管理控制器）像每台伺服器上的遠端管家，有自己的處理器、記憶體與網路埠，和主系統分開運作，所以主機當機時工程師仍能遠端處理。一般以一個伺服器節點配一顆設計，因此 BMC 出貨常被當成伺服器出貨的觀察指標；機櫃級 AI 系統的運算、交換等托盤也有各自的管理需求，實際顆數依設計而定。台股的信驊（5274）是主要 BMC 晶片供應商之一，產品如 AST2600、AST2700。
為什麼「有 CUDA」還是可能跑不起來？
驅動、CUDA runtime、框架、GPU 架構與 Arm64 套件必須相容；容器不能修復所有主機驅動問題。部署前應核對供應商支援矩陣、映像架構與模型需求，而不是只看 CUDA 版本號。
怎麼知道瓶頸出在哪？
先看 GPU 是否在等待資料，再看 HBM 容量、跨 GPU 通訊、儲存讀取與 CPU 前處理。推論另外看排隊時間、KV cache、同時請求數與每個請求的回應速度；訓練看每步時間及通訊占比。
官方原理來源（核對日 2026-10-08；實際安裝版本以供應商相容矩陣為準）：NVIDIA：DGX GB 硬體、供電與散熱NVIDIA：GB200 系統拓撲與網路分工NVIDIA：GPU Operator 與軟體元件NVIDIA：DGX GB 軟體指南（NVLink 管理元件位置）NVIDIA：框架與容器相容矩陣NVIDIA：TensorRT-LLM 與 Triton 推論服務信驊：AST2700 伺服器管理晶片DMTF：Redfish 遠端管理標準
同一套硬體，不同工作重點。
訓練：反覆計算，讓模型學會規律。
模型根據資料更新參數。多 GPU 訓練時，除了運算與記憶體容量，也需要協調 GPU 間的資料交換。
推論：把模型能力交付給使用者。
模型根據輸入產生結果。關注回應延遲、吞吐量與記憶體使用；長上下文或多使用者同時請求，會改變資源需求。
擴充：把單點算力變成協作能力。
增加節點時，也需配合網路、儲存、排程、電力與冷卻。GPU 數量增加，並不保證應用效能等比例成長。
Agent：一個請求，拆成很多步。
代理任務會自己規劃步驟、呼叫工具、開網頁或執行程式，再檢查結果、決定下一步。GPU 仍負責模型推理；流程控制、工具執行與常駐的隔離環境大多落在 CPU，CPU 與系統記憶體的需求因此上升。NVIDIA 也為此推出整櫃最多 256 顆 Vera CPU、專跑 agent 與強化學習沙盒的 CPU 機櫃NVIDIA 2026-03 說法。
- 1:4DGX H100 這類 8 GPU 伺服器：2 CPU＋8 GPU官方規格
- 1:2GB200／GB300／Vera Rubin NVL72 機櫃：36 CPU＋72 GPU官方規格
- → 1:1AMD 說法：整體算力部署的配比，含另外配置的 CPU 伺服器公司宣稱
產業說法：AMD 執行長蘇姿丰在 2026-05 財報電話會議說，過去 CPU 多半只當 GPU 的主機節點，配比約 1:4 或 1:8，現在「正往 1:1 靠近」；她也設想 agent 數量很多時，CPU 甚至可能多於 GPU。這指的是整體算力部署的配比，不是單一 GPU 機櫃——本頁的 GB200 NVL72 機櫃本身是 36:72＝1:2。AMD 賣 CPU，屬利害關係人說法；國泰（2026-09-24 p.4）也預期配比由 1:4 往 1:2 或 1:1 移動，同樣是推估券商估計。目前沒有第三方出貨統計佐證。反面訊號：Amazon 已限制 Meta 的 AI 助理 Muse 進入其購物網站（國泰 p.3）；這個說法若要成立，要看 Intel／AMD 伺服器 CPU 季度出貨是否真的跟著放大。逐字引述（247wallst 2026-05-12）↗ AMD 投資人關係：季度財報與電話會議 ↗
沿著三條路徑，讀懂供應鏈。
把公司放回價值鏈上的位置：每一環先寫「看什麼」，再列研報或公司官網點名過的台股。
名單是券商點名／公司自述，非市占、非推薦，也不是完整名單；每家公司旁標出處與日期。台股代號已對照上市櫃清單。
01資料與系統：從晶片到整櫃
- CPU 插槽
看：x86 與 Arm 的比重。國泰估 Arm 伺服器 CPU 2028 年市占有機會往 30%（券商估計）。
- 嘉澤 3533國泰 2026-09-24 p.2、p.4
- BMC 管理晶片
看：每個節點、托盤配幾顆。
- 信驊 5274公司官網 AST2700 產品頁
- 網卡、交換器、線纜
看：櫃內銅纜與跨櫃光連線的分工。
- HBM 與記憶體
看：每顆 GPU 的 HBM 容量與世代。
- 整櫃組裝（ODM）
看：換代時單價升、毛利率可能降（國泰 p.2、p.4）。
- 鴻海 2317
- 技嘉 2376
- 緯創 3231以上三家：Vera Rubin 出貨廠，國泰 2026-09-24 p.4
- 廣達 2382
- 緯穎 6669以上兩家：Meta 伺服器供應商，國泰 2026-09-24 p.2
02電力：從機房到晶片
03熱：從晶片到機房
- 水冷板
看：微通道設計；垂直供電讓晶片下方也要散熱，帶出雙面水冷。
- 奇鋐 3017
- 雙鴻 3324以上兩家：國泰 2026-08-12 p.1，水冷板設計、製造與系統液冷整合
- 快接頭（QD）
看：每櫃用量隨世代增加，華南估 GB300 全櫃 360 顆、VR200 約 450 顆（券商估計）。
- 富世達 6805華南投顧 2026-07-09 p.3
- 歧管與管路
看：密封、壓降與漏液偵測。
- CDU
看：熱交換能力（要連溫差條件看）、泵浦備援。
- 台達電 2308公司官網：液對液、液對氣 CDU 產品線
- 機房冷卻設施
看：供水溫度；入水溫拉高可多用乾式冷卻。
研報出處：國泰期貨投顧〈4Q26 伺服器產業展望〉2026-09-24、〈2H26 電源產業展望〉2026-06-08、〈散熱產業：微通道升級，雙面水冷開啟新架構〉2026-08-12；華南投顧〈散熱產業速報〉2026-07-09。皆為原始 PDF 頁碼，核對日 2026-10-08。
伺服器、機櫃、叢集，差在哪裡？
伺服器是運算節點；機櫃承載運算、交換、供電等設備；叢集則將多個節點透過網路與軟體協同運作。機櫃級系統的配置可能跨越多個運算托盤，不能一律當作單台傳統伺服器。