OCP2026｜液冷接口标准化
维护范围与恢复时间决定算力损失
同样更换一个计算托盘，为什么有的方案损失4 GPU小时，有的损失128 GPU小时，还有的达到2048 GPU小时？假设托盘含8张GPU，半小时完成隔离和恢复，损失就是4 GPU小时；停掉64张GPU的整柜两小时，是128 GPU小时；停掉512张GPU的冷却区四小时，则是2048 GPU小时。这些数量、拓扑和时长均为假设，用来比较维护边界，不是任何MGX产品承诺。
对于Token工厂，液冷开放是否有用，最终要回到这个问题：更换一块板，需要停掉多少算力，多久能够恢复？连接器插得更快，只能减少其中一个步骤。故障定位、支路隔离、备件匹配、复测及重新加入集群，都会影响总损失。
本届MGX 1.2机架与托盘贡献，以及近期公开的MQD/MQDB快接和冷板测试规范，分别从装配、互配和设计验证三个环节回应这个维护问题。[1][2][3]
2026年OCP Global Summit上，NVIDIA贡献了MGX 1.2相关的Vera Rubin机架与计算托盘设计。同期可供产业采用的规范还包括：按版本历史于10月8日批准的MQD/MQDB v1.0.0，以及封面生效日为9月3日的单相直触芯片冷板测试规范v1.0.0。[1][2][3] 它们分别减少三种不确定性：设备怎样装入和维护，接头组合能否可靠接合，以及冷板设计应如何验证。两份PDF内部日期不一致的情况，详见来源说明。
这三层工作没有把所有液冷接口统一，也不能仅凭“符合OCP”就认定整柜可跨厂商互换。它们提供的是更具体的设计和验证基础，系统厂仍须把基础转换为有边界、可演练的维修能力。
MGX 1.2减少装配和维护顺序的不确定性
NVIDIA本届说明称，MGX 1.2增加原生19英寸设备支持、机架级盲插液冷、液冷5000安母排，并支持最高250千瓦机架部署。[1] 这些是平台设计能力，不能把峰值能力自动赋给任何标有MGX的机柜，也不能据此认定所有供应商版本都已经量产。对制造商，统一托盘与机架基础设施有机会减少重复设计；对运营者，其价值还取决于具体配置如何完成验证。
相较以往围绕单一冷板、管路或连接器分别选型，本轮更值得注意的是跨层接口开始连起来。托盘滑入机架时，机械定位、电源连接、液路接合和管理状态必须协调，维护时还要按安全顺序解除。盲插只是让其中一部分动作更容易重复，整机仍需要定义何时允许上电、如何发现接合不到位，以及异常时由谁阻止设备进入运行状态。
兼容性尤其需要按版本管理。MQD/MQDB规范明确写明，这些接口用于MGX v1.2.0机架与托盘设计，而该设计源自MGX 1.1，却并不完全兼容。[2] 这一表述描述的是MGX设计之间的边界，不能简化成“新接头适配所有旧柜”。实际改造应逐项核对空间、行程、电源和流体接口；少一个维度，所谓可复用就可能变成现场返工。
回到开篇的算力小时比较，MGX框架提供了缩小拆换范围的设计基础，但实际能否只停一个托盘，还要看目标配置的隔离、上电和管理状态是否协同。系统采购应以交付时冻结的规范、图纸和测试报告为准。
MQD和MQDB减少接合与互配的不确定性
MQD是MGX Quick Disconnect，MQDB为盲插变体，适用非可燃单相水或水与乙二醇、丙二醇等冷却体系。规范公开尺寸边界、连接力、流动性能和验证方法，并要求同一标称尺寸的供应商组合进行交叉验证。[2] 过去采购常停留在接口名称和外形相似，本轮更有价值的变化，是买方可以要求提供具体插头、插座组合的证据。
盲插也把要求推向整机公差。手动接头允许人员看见接口、调整姿态并确认锁定；盲插让导向、浮动机构和托盘行程承担这些动作。滑轨间隙、机箱变形、管路反力以及多个接口的插入力都会累积。单独接头在台架上连接顺利，并不保证装入满配机柜后仍能可靠密封和通流。
因此，连接器报告与目标托盘验证必须同时存在。需要排除托盘已经锁紧、接头却未达到有效接合位置的状态，也要确认插拔不会把过大侧向力传到密封面。规范给出的尺寸和公差是设计输入；现场人员不能靠加力推进来补偿系统偏差。维护越追求简单，设计阶段越需要明确的导向、防错及接合状态反馈。
密封与通流还要分别检查。没有滴液，仍可能存在阀门未完全打开、污染或局部受力导致的额外流阻；初始流量正常，也无法代替插拔后的密封验证。对系统管理软件，温度告警只是最后一道发现手段，接合位置、支路流量和压力变化能够提供更早的判断依据。具体传感器配置及阈值应由平台验证决定，不能被包装成规范已经强制的统一配置。
交叉验证为备件互配提供哪些证据
MQD/MQDB要求供应商与至少三家其他供应商开展交叉验证，并提供成功验证名单及报告供终端用户审阅。[2] 这给多来源采购提供了更具体的基础，但结论绑定测试组合、尺寸、材料及版本。某家厂商有一款合格产品，不意味着其全部型号与后续变更都自动覆盖；一对接头通过，也不能证明两家厂商的CDU、歧管和服务器组合长期可靠。
采购方因此需要一份经过维护的兼容清单，而不只是品牌白名单。更换密封件、模具、表面处理或流体配方时，系统厂应说明变更是否影响既有报告、哪些项目需要重测。开放接口可以扩大供应来源，同时也要求明确谁承担组合验证和最终系统责任，不能让零件厂分别证明自己合格之后，把所有缝隙留给现场运维。
规范中的5000次机械插拔是规定条件下的资格验证要求，不能换算成现场寿命，更不能宣称几年之内必然无故障。[2] 实际使用还包括长期静置、热循环、流体化学变化和污染。资格测试、出厂验收、在役检查应分开设计；循环次数证明一类试验表现，不负责替代其余证据。
冷板测试减少性能比较和故障诊断的不确定性
单相冷板测试规范关注设计与样机的资格验证，覆盖泄漏、压力、热阻与流量、机械、材料相容性及洁净度等项目。它不覆盖工厂验收、量产抽检或逐件筛检。[3] 这个范围十分关键：系统厂可以用共同方法比较候选设计，但采购合同仍须明确生产放行、缺陷筛查、批次追溯及变更重测，不能把“按OCP测过”直接当成每一块交付冷板都已通过全部试验。
测试方法也没有规定所有厂商必须采用同一种内部流道、材料和结构。它提供可比较的验证基础，保留厂商在性能和制造上的设计空间。对CTO，判断开放是否有效的指标，是新供应商导入时有多少测试可以沿用、有多少失效边界仍需重新证明，而不是物料表上出现了多少“开放”字样。
冷板安装还同时涉及热接触与机械载荷。维修后没有漏液，并不表示TIM接触已经恢复；温度短时间正常，也未必覆盖后续热循环。维护记录应能说明更换了哪些材料、采用什么装配工艺，以及流体和热性能分别如何复测。把这两种恢复合成一个“更换完成”状态，会让缓慢退化的问题难以追溯。
真正的维修边界沿着整条液路展开
热量从芯片经过TIM进入冷板，再经快接、支路、歧管和CDU输送出去。冷板泄漏、歧管泄漏、泵故障与共用控制器失效，需要不同的隔离动作。物料表上写“双泵”只能描述部件数量，不能证明控制、供电和公共管路都没有单点故障。维修范围必须由实际阀门、管路和控制逻辑共同决定。
如果产品承诺只抽出一个托盘，就应证明该支路能够独立隔离、其他支路仍获得足够流量，而且告警策略不会把局部维修升级为全柜停机。若现场必须关闭公共上游阀门，实际影响范围已经超过托盘。流体侧保住其余设备也不等于业务无损：同步训练通信组可能跨越故障托盘，仍须暂停、重组或恢复。
因此，交付报告应同时记录失去冷却的硬件范围和受影响的任务范围。前者决定机械、电气隔离设计，后者决定调度与备用容量。厂商批准的热插拔连接器，也不意味着服务器可以在任意运行状态下抽出。维护动作应遵循整机批准的安全程序，并经过真实负载演练。
维护隔离不能破坏剩余支路的冷却
维修时关掉一条支路，会改变其余支路的工作状态。即使快接和冷板分别通过资格验证，系统厂仍需证明局部隔离后，其余设备的流量、压力和温度没有越界。水力算例的完整条件与计算移至技术附页；关键结论是，更多流量也可能带来更高泵耗，不能用CDU总流量替代支路验证。
总流量达标也可能掩盖支路失衡。低阻支路取得过量流体，高热负荷支路却不足，CDU总表仍可能好看。冷板、快接、软管和歧管必须按同一水力网络评估；维护关闭支路、备用泵切入或局部堵塞都会改变工作点。开放连接器减少一部分不确定性，没有取消系统级流量与压降验证。
Vertiv单相技术冷却系统部署指南强调CDU及热负荷连接处的供回隔离、排气、过滤，以及接入IT前的清洁处理。[4] 这些背景实践应进入新平台的交付计划，否则机架与接头满足规范，仍可能因现场流体状态不合格而出现热故障。设施团队和服务器团队应共同签收液路条件，不能各自只看自己的表计。
材料 洁净度和备件构成长期接口
冷却液接触完整材料链，包括冷板、接头、焊料、管路、密封件及工具残留。某种金属或弹性体单独合格，不能推出混合回路在实际流体和温度下长期兼容。更换供应商时，即使外部尺寸不变，也可能改变腐蚀、析出或密封状态。冷板规范中的材料和流体相容性验证，正需要与实际系统清单结合。[3]
洁净度也不能在出厂时结束。OCP模块化技术冷却系统指南讨论预清洁、运行流体接入及后续设备上线控制。[5] 新服务器接入共享回路，应有独立于计算性能的流体接入验收；一次不受控的维修污染，可能把局部更换变成多个冷板的问题。记录中应保留谁打开过回路、采用何种清洁和封堵，以及重新接入前的确认结果。
备件还存在存放状态。防尘封堵、密封件版本、储存条件和流体要求，都需要遵循供应商规定。长期库存组件怎样上线，返修件能否进入同一备件池，应该由系统厂定义。否则，为了抢修临时拼接出的组合，可能恰好落在交叉验证报告之外。开放采购的收益，应包括可管理的替代来源，而不是无限制混用。
把维护边界兑现为可用性承诺
开篇的4、128和2048 GPU小时，是衡量直接影响的起点，还不是完整财务损失。同步任务重算、模型预热、请求迁移、人工、备件和合同赔偿可能继续增加成本；闲置设备则未必造成等额收入损失。企业应先衡量物理影响，再结合真实利用率与贡献利润。细分隔离同样有代价：更多阀门、接头和传感器会增加潜在漏点、压降、制造成本及备件种类。
较早的OAI液冷指南已经讨论整板加冷却回路、多模块及单模块等不同FRU边界，它们是设计选项，而非所有平台都支持的现场能力。[6] 新规范能否创造价值，要看系统厂如何选择这些边界，并把等待人员、定位、取备件、隔离、拆换、补液排气、复测和重新入群全部计入恢复时间。实验室几分钟插拔不能代替年度服务承诺。
因此，本届液冷开放最值得期待的结果，是形成有版本、有组合证据、能够演练的维护体系。MGX 1.2提供机架与托盘框架，MQD/MQDB让流体连接承诺更具体，冷板测试使设计比较更有共同依据。最后一公里仍由系统产品完成：出了故障停多少算力，谁负责定位和恢复，以及恢复后的Token成本是否仍然可预测。
技术附页 水力需求与泵功率的条件推导
以一个透明算例看冷却需求。假设100千瓦热量全部进入水回路，比热取4.18千焦每千克每开尔文，供回水温差10摄氏度，则需要约2.39千克每秒，按每升一千克近似为143升每分钟。实际使用乙二醇或丙二醇混合液时，应采用对应温度和浓度的物性，不能照搬该结果。
若温差目标改成5摄氏度，流量需要约翻倍。再假设相关范围内压降随流量平方变化、泵效率不变，泵输入功率会约增至八倍。原回路若压差100千帕、泵效率50%，143升每分钟对应约478瓦；按上述简化模型翻倍流量，约为3.8千瓦。它不是厂家泵曲线，却说明接口“流量更大”不能单独证明系统更省电。
上述热平衡采用质量流量等于热负荷除以比热和温差；泵输入采用压差乘体积流量再除以效率。143升每分钟约为0.00239立方米每秒，因此100000帕乘0.00239再除以0.5，约为478瓦。翻倍流量时，假定压差成为四倍，流量再乘两倍，才得到八倍泵功率。实际回路存在不同流态、阀门状态和泵效率变化，采购与验收仍应使用对应工作点的实测曲线。
来源与口径
资料截至2026年10月17日。水力与停机算例均为作者假设，维护建议不是新增规范条文。MQD规范封面印有“Effective Oct 8, 2024”，版本历史却记录2026年10月8日OCP指导委员会批准，页脚也为2026年；本文采用版本历史口径并披露该编辑不一致。冷板测试规范封面生效日为2026年9月3日，内页页脚仍为8月11日。MGX能力采用本届官方公告口径，不作全配置量产或跨厂商整柜认证认定。
MQD文本仍把MGX v1.2.0称为“待贡献”，10月12日峰会公告则已宣布新的机架与托盘贡献。本文保留这两个时间点的记录：旧措辞不能证明峰会后没有发布，新公告也不能替代具体配置的认证与量产证据。
[1] NVIDIA，OCP Global Summit: Amid Ecosystem Adoption, NVIDIA Opens Vera Rubin Architecture to Help Scale AI Factories Worldwide，2026年10月12日，MGX 1.2及机架/托盘贡献
https://blogs.nvidia.com/blog/ocp-global-summit-vera-rubin-scale-ai-factories/
[2] OCP，MQD/MQDB OCP Design Specification v1.0.0，第3.1、4、5、6节，版本历史2026年10月8日批准
https://www.opencompute.org/wp-content/uploads/2026/10/MQD-MQDB-OCP-Design-Specification-1.0.0.pdf
[3] OCP，Single-Phase Direct-to-Chip Cold Plate Test Specification v1.0.0，第4.1、5节及图1
https://www.opencompute.org/wp-content/uploads/2026/10/OCP-Cold-Plate-Test-Specification-V1.0.0.pdf
[4] Vertiv，Guidelines for Deployment of Single Phase Technology Cooling System，2025版权版，第6.4、7节
https://www.vertiv.com/4abace/globalassets/shared/guidelines-for-deployment-of-single-phase-technology-cooling-system-sl-80056.pdf
[5] OCP，Modular Technology Cooling System Rev.1，2025版，附录G
https://www.opencompute.org/documents/ocp-modular-tcs-rev-1-final-2025-pdf
[6] OCP，OAI System Liquid Cooling Guidelines，2023更新版，第1.6节
https://www.opencompute.org/documents/oai-system-liquid-cooling-guidelines-in-ocp-template-mar-3-2023-update-pdf