当AI写作、创作艺术品，甚至能媲美人类水平时，有人兴奋不已，也有人担忧其可能带来的影响。普通人对于生成式AI的态度各异，但推动这一技术发展的研究人员和企业都面临一个共同问题：如何解决大型模型所需的大量算力需求带来的高能耗问题？
以全球火热的OpenAI公司ChatGPT为例，其训练过程需要庞大的计算资源。微软为了满足这些需求，开发了拥有28.5万CPU核心和1万GPU核心的超级计算机。这不仅耗资巨大，而且运营成本也极高。据国盛证券报告估计，每次训练ChatGPT需要140万美元左右。
为了解决数据中心能源消耗的问题，无论是微软Azure还是阿里云，都开始采用“泡澡”方式来提升服务器散热效率，这种方法通过液冷技术来降低能源消耗。
英特尔市场营销集团副总裁庄秉翰在2023年举行的一场会议上表示：“我认为ChatGPT会加速液冷技术的发展，目前液冷已经成为一个趋势。”服务器“泡澡”是一种比喻，实际上是指使用浸没式液冷技术进行散热，而这种技术并非新出现，但由于缺乏统一标准，使得系统设计和验证成本较高，对最终用户来说价格相对较贵。
应用也是液冷技术普及的一个障碍。“许多应用并不需要如此高功率”，宁畅总裁秦晓宁说，“但随着CPU和GPU功率的不断提高，现在必须考虑到更节能、更先进的数据中心设计。”
新华三集团计算存储产品线副总裁刘宏程认为：“用户需求激增→标准建立→规模效应体现→整体成本自然下降，这将形成一个循环，从而加速产业从传统数据中心向新型节能数据中心转变。”
政府部门也出台了一系列政策指导行业发展，如《工业能效提升行动计划》，要求到2025年新建大型或超大型数据中心PUE（Power Usage Effectiveness）优于1.3。
然而，要实现这一目标，还有三个挑战需要克服：处理器层面的挑战；服务器层面的挑战，以及成本方面的问题。在处理器层面，英特尔至强可扩展处理器已经采用90%可再生电力；在服务器层面，英特尔推出了新的电源汇流排技术，可以降低部件级别的能耗。但是，由于标准化问题，加之定制化生产导致成本较高，因此推动产业化是一个复杂过程。
目前国内几个头部行业已经开始使用liquid cooling technology，并且进入到了规模化采用的状态。尽管如此，不是所有数据中心都一定要使用liquid cooling，因为理论上风冷也可以满足未来新的至强处理器可能达到的300W或350W功率水平。此外，对于存量数据中心市场也有提升能源效率的手段，比如升级绿色数据中心技术框架版本2.0，以便更加节省能源，同时保持性能稳定。
