最近，欧洲人疯狂抢购中国空调的消息引发热议。然而，你是否思考过：

在这场热浪中，最需要空调的或许并非人类，而是AI超级计算机本身（doge）。

这一幕，就发生在英国。

英国最强大的AI超级计算机之一——Dawn，在30多摄氏度的极端高温天气下，直接瘫痪了整整一周时间。

这台部署在剑桥大学的超级计算机，背景十分不凡：

它是英国政府斥资3亿英镑打造的国家AI算力计划的核心组成部分，配置了1024块Intel GPU，搭载256台液冷服务器，已支持超过350个科研项目。今年1月，该项目又获得了3600万英镑的扩容资金，预计性能将提升6倍。

然而，6月底一场热浪袭来，它，停摆了。

更令人哭笑不得的是，这台超算当时正在运行的研究项目中，就包括气候变化模拟。

这……用来预测全球变暖的超级计算机，竟然被全球变暖本身击败了。

37.7°C：国家级超算的“至暗时刻”

具体发生了什么？

今年6月，英国遭遇了有记录以来最热的六月天。

6月26日，诺福克地区的林伍德镇气温直接飙升至37.7°C，一举打破了1957年和1976年创下的35.6°C纪录。英国气象局罕见地发布了连续三天的红色极端高温警报。

结果呢？1000多所学校停课，铁路信号因高温失灵，公路路面甚至开始融化。到了6月27日，热浪峰值达到之际，Dawn超算所在的剑桥西区数据中心的冷却系统彻底无法承受。

Dawn，就此停摆。

△

事后，剑桥大学发言人对外表示：

Dawn遭遇了高温天气下的技术问题，冷却能力现已完全恢复，预计访问将于7月6日重新开放。

具体原因未详细说明，但结果很明确：从6月27日到7月6日，Dawn“冷却”了整整一周多。对于一台争分夺秒、每天耗费巨额资金的超算而言，这一周停摆的损失极为惊人。

损失最大的方面，也已经显现出来。

剑桥大学Vendruscolo教授的团队当时正利用Dawn进行帕金森新药分子筛查。Dawn的机器学习能力可以在几天内筛查数十亿个分子，寻找能与帕金森相关蛋白聚集体结合的化合物。如果用传统方法？需要半年起步，花费数百万英镑，而且只能覆盖Dawn几小时扫描成果的一小部分。

这一周停机，意味着这条救命“流水线”直接中断了。

还有牛津大学的Lennard Lee，他是英国癌症疫苗AI与超算项目的负责人。他的团队获得了Dawn 10000个GPU小时的算力，正在用AI加速个性化癌症疫苗的靶点发现。Lee之前说过一句话：

以前需要几年才能做到的发现，现在只需要几周。

虽然事后Lee表示数据没有丢失，工作也不需要重做，但他话语中的庆幸，本身就说明了问题的严重性。

此外，英国南极调查局用Dawn训练的IceNet海冰预测模型暂停了；剑桥博士生Bill McGough用Dawn训练的AI肾癌筛查项目也停止了……Dawn上运行着350多个项目，几乎无一幸免。

而制造这一切的罪魁祸首，不过是37.7°C。

好，“凶手”抓到了，责任该谁来承担呢？转了一圈，似乎没人愿意接手。

Dawn的冷却系统由法国Legrand集团旗下的USystems供应。事发后，USystems发布了一份声明：

我们的设备在整个事件中完全按照设计规格运行，表现正常。

翻译过来就是：散热系统崩溃，不怪我们，我们的设备本来就不是按照这个温度设计的。

那么，是设计标准过于保守，还是气候变化速度太快？

答案很可能是：两者兼而有之。

英国六月的历史极端温度只有35.6°C，Dawn的冷却系统大概率就是按照这个量级设计的。37.7°C，已经超标。而且这个“超标”来得毫无预兆，因为上一次达到这个纪录，还是近50年前。

此外，Dawn并非唯一的受害者。

同一周，英国朴次茅斯的Queen Alexandra医院冷却机组故障，宣布紧急事件。手术室关闭了，心导管室停了，影像科也停了。医院还特别告知患者：

请自带大量饮用水，因为医院内部非常炎热。

诺福克与诺里奇大学医院（NNUH）的情况更糟：所有MRI扫描仪的冷却系统因高温高湿全部失灵，至少254个门诊被取消。

因此，从某种程度上说：不是超算太脆弱，而是英国整个温控基础设施，都没有为这种天气做好准备。

30多度怎么就能热瘫超算？

Dawn被热瘫这件事，放在更长的时间线来看，并不令人意外。

2022年7月，英国遭遇了当时有史以来最热的一天（40.3°C）。Google伦敦数据中心的冷却系统“多个冗余系统同时失效”，只能被迫关闭以保护硬件，Google Cloud伦敦区域服务中断超过18小时才恢复。

△

Oracle伦敦南区数据中心当天同样瘫痪，Oracle的声明中使用了一个很有意思的词：“非季节性高温”。

从2022到2026，4年过去了，类似事件再次上演。

这件事真的难到无法预防吗？

实际上，30多度就能搞瘫一台超算，还真有其中的道理，其中最难以突破的瓶颈就是散热。

尤其是在欧洲地区，设备多采用自然冷却方式，这天然受限于室外温度。

如何理解这一点？

所有散热系统，无论多先进，最终都要把热量“倒”给室外空气，而室外温度就是整条链条的终极瓶颈。

这条链条的具体流程是：芯片将热量传递给散热器，散热器传递给冷却液或空气，冷却液传递给冷却塔，冷却塔再传递给大气。大气是最后一个“接盘侠”。因此，当大气本身达到37°C时，它自然就无法承接更多热量了。

具体来说，当室外温度从20°C飙升到37°C，冷却塔和干冷器的散热效率可能骤降40%到50%。

有人可能会问，为什么不开空调？因为压缩机在高温下效率下降、电流升高，很容易过热跳闸。Oracle 2022年的事故报告原话就是：两台冷却机组在被要求超出设计极限运行时发生了故障。

Dawn这次的情况，合理推测大概率也类似。

它使用的是Dell PowerEdge XE9640服务器，配备直接液冷系统，比传统风冷先进得多。冷却液直接贴着芯片表面流过，带走热量的效率远超吹空气。

但关键点仍然在于：液冷解决的是机架内部的效率问题。热量被冷却液带走后，还是要通过冷却分配单元、设施冷水回路、冷却塔，一路传递到室外大气。最后一环，始终受制于室外温度。

而冷却系统一旦停摆，后续会引发一连串连锁反应。

研究数据显示，冷却系统停机后，5分钟内服务器入口温度就能从22°C飙升到35°C以上。遇到这种情况，芯片会启动自我保护：先降频（thermal throttling），主动降低运行速度来减少发热，性能随之暴跌；如果温度继续上涨超过安全阈值，就会强制关机。

运营商此时只有两个选择：让设备自行断电，可能损坏数据；或者主动有序关机，保护硬件但业务停摆。

Google、Oracle、剑桥Dawn，都选择了后者。

AI越强，越怕热

还有更值得担忧的。

随着AI数据中心不断“膨胀”，温度对AI的影响可能会越来越显著。

之前看到有人探访数据中心时的一个对比，让人印象深刻：传统数据中心一个机架的功率密度大约5到10千瓦，但AI训练机架已经到了30到50千瓦，Nvidia最新的GB200 NVL72机架更是达到了120到132千瓦（下一代Rubin可能达到600千瓦）。

这是什么概念？一个AI机架100千瓦的发热量，相当于在一个电话亭大小的空间里同时开启50台电暖器。想象一下冬天用的“小太阳”，再把它全部塞进一个机柜里，这就是今天AI算力基础设施所面临的压力。

△

更麻烦的是，GPU本身正在变得越来越“热”。

2017年的Nvidia V100大约300瓦，2023年的H100跳到了700瓦，2024年的B200达到1000瓦，2025到2026年的B300和AMD MI355X直接拉到1400瓦。七年时间，单芯片发热量翻了3到5倍。

因此，无论从数量还是单个芯片来看，随着AI变强，它就越怕热、越需要散热。

至此，两条正在“对撞”的曲线浮现了出来：

芯片在指数级地变热，地球也在加速变热。

事情，变得更加棘手了。

Google早在2011年就跑到芬兰建设数据中心，Meta去了瑞典北部，都是想利用寒冷气候进行天然散热。马斯克更是直接想到了去太空建设AI数据中心。

但英国政府今年1月刚给Dawn砸了3600万英镑扩容，还在规划爱丁堡的新国家超算。这些设施的散热设计，是按照上一个时代的英国夏天计算的，还是按照正在到来的“新常态”来设计的？谁也说不准。

但有一件事是确定的：

用于预测气候变化的超算，被气候变化给热停了。

这已经不再是一个段子，这是AI时代基础设施必须面对的真实课题。