どうも、イケ助です。今回も気になる話題を整理します。
📝 この記事は、公開情報をもとに作成した AI 記事です。（たまに人手で調整している場合があります。） 利用時には事実確認をお願いします！
AI向けGPUを冷やすため、データセンターでは液冷の導入が広がっています。ただし、液体を流せば自動的に冷えるわけではありません。問題は水を流すことではなく、設計どおりの水を流し続けることです。
この記事でいう「冷却水が腐る」は、台所の水のように単純に腐敗する、という意味ではありません。腐食で出る金属成分、配管やシール材からの粒子、微生物とバイオフィルム、添加剤の消耗や変質などで、冷却液が設計範囲から外れる状態をまとめて指す比喩です。適切に管理された閉ループの冷却液が、家庭の水のようにすぐ腐るわけではありません。
1. AIデータセンターは、なぜ空気だけで冷やしにくくなったのか
GPUやAIアクセラレーターは、限られた面積に大きな電力を使い、その多くを熱として出します。空気でも熱は運べますが、熱容量が小さく、同じ熱を運ぶには大きな風量と流路が必要です。高密度ラックでは、チップの近くで液体に熱を渡す方が、熱を集めやすくなります。
液冷は熱を消す魔法ではありません。コールドプレートで受け取った熱を冷却液がCDU（Coolant Distribution Unit）へ運び、さらに熱交換器、チラー、冷却塔、または屋外のドライクーラーなどへ渡します。最終的には、どこかで外気や水系へ熱を捨てなければなりません。
NVIDIAは、Rubin世代を対象とする2026年の液冷インフラ資料で、最大45℃の冷却液入口温度を想定した設計を説明しています。これは冷却液出口温度や周囲温度ではなく、全NVIDIA製品に共通する仕様でもありません。条件のよい地域では、その高い入口温度を生かしてドライクーラーで熱を放散できる可能性がありますが、必要な熱放散方式は気候、建物、ラック設計で変わります。空冷も低〜中密度の設備や残る部品の冷却で重要であり、単純な新旧交代ではありません。
2. 液冷といっても一種類ではない
「データセンターで水を使う」と聞くと、GPUのすぐそばに建物の冷却水が流れているように見えるかもしれません。実際には、電子機器側の二次側ループと、建物側の施設水ループを熱交換器で分ける設計が一般的です。Schneider ElectricやASHRAEの資料でも、CDUは両者を隔離しつつ、温度、流量、圧力を調整する中核機器として扱われます。
| 方式 | どこを冷やすか | 使用する液体 | 長所 | 主な注意点 |
|---|---|---|---|---|
| Direct-to-chip | CPU/GPU上のコールドプレート | 多くは水系の冷却液 | 熱源の近くで効率よく熱を回収しやすい | 細い流路、継手、流量・圧力、水質の管理 |
| Rear-door heat exchanger | ラック背面を通る排気 | 水または水系冷却液 | 既存空冷ラックの熱を補助的に回収しやすい | サーバー内部の発熱を全て直接は取らない。重量・配管にも注意 |
| Immersion cooling | サーバー全体 | 絶縁性液体 | 高密度機器を液体に浸し、部品全体から熱を取りやすい | 液体適合性、保守手順、機器対応、熱交換系が別途必要 |
| 施設側冷却水ループ（FWS） | CDUより建物側の熱輸送 | 建物の冷却水等 | 熱を設備側へ集め、外部放熱設備へつなぐ | IT側のTCSと同一液とは限らない。水処理・腐食・熱源設計が必要 |
Direct-to-chipは、GPUやCPUに密着したコールドプレートへ冷却液を流す方式です。Rear-door heat exchanger（RDHx）はラック背面で熱い排気から熱を回収します。Immersion coolingはサーバー全体を絶縁性液体に浸します。どれも「液冷」ですが、濡れる対象、液体の種類、保守の方法は同じではありません。
ここで重要なのが、FWS（Facility Water System）とTCS（Technology Cooling System）です。FWSは建物側の熱を運ぶループ、TCSはIT機器へ近い閉ループです。CDUは両者の間で熱交換し、通常は液体を混ぜずに、TCS側の温度・圧力・流量を管理します。
3. 「水が腐る」とは、実際には何が起きるのか
第一は腐食です。銅、アルミニウム、ステンレス、ニッケル、はんだなど、濡れる材料と冷却液の組み合わせによって金属イオンや腐食生成物が生じます。異なる金属が電解質を介してつながれば、電食（ガルバニック腐食）が進みやすい組み合わせもあります。材料選定、添加剤、pH、酸素、電気伝導率の管理は、ここに関係します。
第二は微粒子です。製造時の残渣、配管のスケール、腐食生成物、シール材の破片などが混ざる可能性があります。ASHRAEの水冷サーバー資料は、未使用の配管枝で沈殿ができ、下流の熱交換面や流路を汚損し得るため、局所ろ過を重要視しています。細かいフィルターは狭い流路を守りやすい反面、差圧を増やし、交換頻度にも影響します。
第三は微生物です。細菌や真菌が増えれば、表面に粘膜状のバイオフィルムを作る可能性があります。工業用冷却水の研究では、バイオフィルムが管内の摩擦抵抗を増やし、熱交換性能を下げ、微生物誘起腐食に関係し得ることが報告されています。ただし、これは一般の循環冷却水系で得られた知見です。AIデータセンターで微生物汚染が頻発している、とまでは言えません。
第四は添加剤と物性の変化です。防錆剤、殺菌剤、pH調整剤、グリコールなどは、採用する設計に応じて濃度や状態を保つ必要があります。溶存酸素や気泡も腐食、ポンプの動作、熱伝達に影響し得ます。OCPの冷却資料が、水系液体に腐食抑制と細菌増殖対策の添加剤、継続的な保守を挙げる理由です。
4. 小さな異常が、AI向け液冷では大きくなりやすい理由
一般の液体冷却設備にも、腐食、スケール、ポンプ、フィルターの問題はあります。AI向け液冷で条件が厳しくなりやすいのは、コールドプレートの流路が細かく、高い発熱密度のチップに近接しているためです。わずかな詰まりや流量低下でも、温度余裕を削る可能性があります。
また、ラック当たりのGPUやネットワーク機器の価値が高く、クラスタでは一部の停止がジョブ全体へ波及することがあります。配管、継手、ポンプ、フィルター、センサーが増えるほど、管理すべき接点も増えます。水質の異常が直ちにGPU故障を意味するわけではありません。しかし、次のような連鎖は設計上のリスクです。
水質悪化 → 粒子・腐食生成物・バイオフィルムの増加 → 流路抵抗・熱抵抗の増加 → 流量や熱交換性能の低下 → GPU温度上昇、性能制限、保守停止のリスク上昇
漏れ、シール材の劣化、センサー誤差、導電性の変化、保証条件からの逸脱も、別々に見えて冷却液の状態や保守品質とつながります。だからAIデータセンターは、巨大なコンピューターであると同時に、巨大な熱設備でもあります。
5. pH、導電率、差圧から何を読むのか
監視は「水質計を一つ付ければ終わり」ではありません。化学状態、粒子、流体、熱のデータを組み合わせ、通常時からの変化を見る仕事です。
| 監視項目 | 分かる可能性があること | 注意点 |
|---|---|---|
| pH | 薬剤バランスや腐食条件の変化 | 許容範囲は液体・材料・メーカー仕様に依存 |
| 電気伝導率 | イオン混入、液体組成・劣化の変化 | 添加剤でも値は変わるため、単独で故障断定は不可 |
| 濁度 | 粒子、沈殿、微生物由来の濁り | 気泡や採取位置の影響を受ける |
| 粒子数 | フィルター負荷、腐食生成物、外来粒子 | 粒径分布と測定方法をそろえる必要がある |
| 金属イオン | 腐食・摩耗の手掛かり | どの材料由来か、基準値との比較が必要 |
| 流量 | ポンプ能力、閉塞、弁の異常 | 温度や制御設定でも変化する |
| 差圧 | フィルターや流路の詰まり | 流量と合わせて見る |
| 入口・出口温度差 | 熱交換性能、流量、負荷の変化 | IT負荷そのものでも変わる |
| 微生物 | バイオフィルムや汚染の兆候 | 閉ループでは検査法・採取点の設計が重要 |
| 漏れ | 継手、配管、機器の異常 | 漏水検知と圧力・補水履歴を組み合わせる |
例えば差圧の上昇はフィルターや流路の詰まり、導電率の変化はイオン混入や液体状態の変化、金属イオンの増加は腐食の手掛かりになります。温度差の変化は、熱交換器、流量、IT負荷のいずれにも関係します。したがって、一つのセンサー値から原因を断定せず、液体分析、流量・圧力、温度、保守履歴を照合するのが現実的です。
6. Omen AIは何を監視しようとしているのか
Omen AIは、液体の状態を連続分析する常設センサーと、現場へ持ち運べる診断機を提供すると公式サイトで説明しています。一般産業向けには油中の摩耗傾向も含めて扱いますが、データセンター向けの公式サイトは、検知対象として微生物由来の汚染、金属摩耗、冷却液の劣化を掲げています。ただし、金属成分から具体的な異常原因をどのように判別するか、腐食と機械的摩耗をどのように区別するかは公開されていません。
同社の2026年6月30日発表によれば、Series Aは3,100万ドルで、累計調達額は4,150万ドルです。Nava Venturesが主導し、CRVなどが参加しました。会社は2024年設立、サンフランシスコ拠点、創業者兼CEOはZach Labergeです。同発表の原文は、同社のセンサーが「10〜14GWの容量を運営するデータセンター顧客群」に展開されているというものです。これは顧客群が運営する容量の合計を指す表現であり、Omen AIの導入済み容量が10〜14GWであることを示す数字ではありません。具体的な導入拠点数、稼働範囲、容量ごとの導入比率は公開資料から確認できません。
ただし、ここは線引きが必要です。公開資料からは、Omen AIが自社センサーによる連続分析を中心にしていることは確認できます。一方、どの液冷方式・どのTCS構成まで同じ性能で対応するのか、既存センサーとの比較、故障率・停止時間・投資回収率をどの程度改善したかの第三者データは確認できません。「停止を防ぐ」「故障前に分かる」といった表現は、同社の目標・主張として読むのが妥当です。
7. これは新市場なのか、それとも水処理の延長なのか
水質管理そのものは新しくありません。ボイラー水処理、冷却塔、工場の循環冷却水、半導体工場の超純水、発電所の腐食監視、HVACの予知保全には長い蓄積があります。採水、薬剤管理、腐食監視、ろ過、ポンプの状態監視、オンラインセンサーも既存の技術です。
新しさがあるとすれば、それらをAIラックの高密度液冷へ結び付ける点です。高価なGPUに近いTCS、細かな流路、増えるセンサーデータ、クラスタ停止の経済的影響を一つの運用画面や予知保全へつなぐ。Omen AIのような企業は、分子・元素レベルの液体情報を機器の保守判断へ接続しようとしている、と位置付けるのがよいでしょう。完全に新しい水処理市場というより、産業水処理、状態監視、AIインフラ運用の合流点です。
8. 液冷は水を節約するのか
液冷と水使用量を一言で評価するのも危険です。ラック内やTCSの閉ループに入った液体は、熱を運ぶ媒体であり、蒸発して消費される水とは別に考える必要があります。建物側では、冷却塔で蒸発を使うか、ドライクーラーや外気冷却を使うか、チラーをどう動かすかで水使用量が変わります。
NVIDIAの資料が説明するドライクーラー中心の設計は、適した気候と高温側の液冷条件では施設の蒸発水を抑え得ます。しかし、これは全ての地域・全ての方式で同じ結果になるという意味ではありません。液冷だから水を大量に使う、液冷だから水を使わない、のどちらも一律には正しくありません。水使用効率と電力使用効率は、地域の気候、熱放散設備、運転方法まで見て判断すべきです。
9. 導入後に始まる保守の仕事
高性能な液冷装置を買えば終わり、ではありません。初期洗浄とフラッシング、脱気、水質調整、定期採水、フィルター交換、薬剤補充、漏れ検査、センサー校正、必要に応じた冷却液交換が続きます。さらに、濡れる金属・樹脂・シール材の互換性を確認し、機器メーカーの保証条件を守る必要があります。
AIを冷やす水にも健康診断が必要になる、という言い方は大げさに聞こえるかもしれません。しかし本質は、GPUより先に冷却水が必ず壊れる、という話ではありません。高性能なGPUの足元には、配管と水質管理があります。高度なAIの運用は、最後には水道屋、化学屋、設備屋の仕事へ戻ってくる。その地味な運用まで含めて初めて、液冷システムは設計性能を保てます。
10. 参考資料
- Omen｜Omen AI｜2026年確認｜企業公式サイト｜https://www.omen.ai/
- Omen AI Raises $31M Series A to Bring Continuous Fluid Intelligence to the Machines Powering the AI Economy｜Omen AI｜2026-06-30｜企業公式発表｜https://www.prnewswire.com/news-releases/omen-ai-raises-31m-series-a-to-bring-continuous-fluid-intelligence-to-the-machines-powering-the-ai-economy-302814262.html
- Water-Cooled Servers—Common Designs, Components, and Processes｜ASHRAE TC 9.9｜2019｜技術資料｜https://www.ashrae.org/File%20Library/Technical%20Resources/Bookstore/WhitePaper_TC099-WaterCooledServers.pdf
- ACS Liquid Cooling Cold Plate Requirements Document｜Open Compute Project｜2026｜業界ガイドライン｜https://www.opencompute.org/documents/ocp-acs-liquid-cooling-cold-plate-requirements-pdf
- Design Considerations for Integrating Liquid-cooled AI Servers into Data Centers (WP191)｜Schneider Electric｜2024-01-30｜技術資料｜https://www.se.com/uk/en/download/document/SPD_WP191_EN/
- Liquid Cooling Integration and Logistics White Paper｜Vertiv / Open Compute Project｜2021｜技術資料｜https://www.vertiv.com/globalassets/documents/white-papers/ocp_liquid_cooling_integration_and_logistics_white_paper_revision_1.0_335408_0.pdf
- Understanding Data Center Liquid Cooling｜Vertiv｜2026｜技術資料｜https://www.vertiv.com/globalassets/documents/white-papers/vertiv-liquid-cooling-wp-en-na-sl-70807-web_332687_0.pdf
- Monitoring of biofilm in cooling water system by measuring lactic acid consumption rate｜A. Kurosawa et al.｜2007｜査読論文｜https://doi.org/10.1016/j.bej.2007.01.001
- Biofilm growth and control in cooling water industrial systems｜F. Di Pippo et al.｜2018｜査読論文｜https://doi.org/10.1093/femsec/fiy044
- Hotter Than a Hot Tub: The 45°C Breakthrough to Cool AI’s Biggest Machines｜NVIDIA｜2026｜技術資料｜https://blogs.nvidia.com/blog/liquid-cooling-ai-factories/
（ニュース収集日：2026.07.26）
この記事はイケ助がお届けしました。
【池波（管理人）からひと言】
自動工場で液体循環系が腐食してシステム全体を破壊してるのって、SFというかポストアポカリプス物でよくある展開ですよね。原理的には殺菌した閉じた液体系で、熱源と直接接触させずに熱だけ運ぶようにすればだいぶ持つとは思うんですが、結局、液体を循環させるポンプや配管、シール材は消耗しますし、いつかはどこかで故障するんでしょうね。。。話変わるんですが、最近ブログを執筆させているAIの筆が乗っているのか、一本の記事が長いです。。。１記事3000文字くらいが適切！とかってのをどっかで見たことがありますが、余裕で２倍以上あるので、ちょっと今度はそこらへんも意識して作ってもらう必要があるのかな。まぁ、面白ければ何でも良いかなと思ってはいるのですが。
ポチップ
ポチップ
ポチップ
