データセンターの冷却技術の今後：ASME SHTC 2026から得られた重要な知見

Blog: Where Data Center Cooling is Heading

ASME SHTC 2026では、研究者や業界のリーダーたちが、データセンターの冷却、熱管理、AIインフラの将来について議論しました。ここでは、液冷、二相技術、熱の再利用、そしてシステムレベルのモデリングの重要性の高まりなど、同会議から得られたいくつかの知見をご紹介します。

私は今年7月、ワシントン州ベルビューで開催された米国機械学会（ASME）の夏季熱伝達会議（SHTC）に参加し、データセンターおよび半導体の熱管理に関するパネルディスカッションに登壇いたしました。この会議への参加は初めてで、Modelon社の同僚であるマット・ブリスボア氏と共に参加いたしました。二人で多くの示唆を得て、帰国いたしました。特に印象に残った点をいくつかご紹介したいと思います。

会場は満席

この会議は、私が予想していたよりも学術的な色合いが濃いです。参加者の多くは、熱伝達や流体力学の基礎について深い研究を行っています。そのため、データセンターに関するセッションは、他のセッションとは少し異なる印象を受けました。私たちのパネルセッションには80名以上が集まり、マイクロソフト社とグーグル社による基調講演を通じて、このトピックがこれほど大きな関心を集めている理由が明らかになりました。

パネルセッション自体には、学術界と産業界の視点が絶妙に融合していました。司会を務めたのはアミタブ・ナレイン教授（ミシガン工科大学）で、パネリストにはヨゲンドラ・ジョシ氏（ジョージア工科大学）、ワンダ・ズオ氏（ペンシルベニア州立大学）、チンヤン・ワン氏（Accelsius）、トニー・リン氏（AMD）、ナヴィド・グーゴル氏（Yektasonics）が登壇しました。学術的な参加者が大多数を占める会場において、産業界の代表として登壇できたことは、結果的に非常に有意義な経験となりました。参加者の皆さんは、実務の現場で何が起きているのかについて、心から関心を寄せてくださっていました。

Nithish Selvan presents at the 2026 Summer Heat Transfer Conference in Bellevue, WA.

液体冷却についてはすでに定説で、今注目されているのは効率性

誰もが一致して認めていたことが一つあるとすれば、それは業界の行く末が液体冷却にあるという点でした。その点に関する議論は、ほぼ決着がついたと言えます。現在、人々の関心が集まっているのは効率性です。電力使用効率（PUE）は依然として重要であり、水が積極的に管理すべき資源となっていることから、水使用効率（WUE）についても繰り返し話題に上りました。

私がこれまで十分に認識していなかった点の一つは、1列のラック内でも熱的均一性が保たれていないということです。1列のラックには、AI用GPU、CPU、ネットワークサーバーなどが並んで設置されており、それぞれ冷却要件や動作温度が異なります。

こうした混合ワークロードに対して冷却液をどのように分配するか、また、ワークロードが時間とともに変化するにつれて冷却戦略をどのように適応させるかについて、現在、活発な研究が進められています。

新しいアイデアは興味深いものですが、まだ実現には至っていない

いくつかの新たな方向性が大きな注目を集めました：

45°Cを超える高温でチップを動作させるもので、これにより放熱要件が変化します。
二相式コールドプレートで、複数のチームが実験室で積極的に研究を進めています。
地下冷熱エネルギー貯蔵（Cold UTES）で、地中そのものを利用して熱を貯蔵・放熱するものです。

私が強く感じたのは、難しい部分は往々にして技術そのものではないということです。これらのアイデアのいくつかを実際に阻んでいる要因として、インフラの制約や政府の政策が繰り返し挙げられていました。

熱の再利用は主要なテーマになりつつある

最も活発な議論のいくつかは、データセンターから排出される熱をどう扱うかという点に集中していました。地域暖房、炭素回収、および直接空気回収を通じて、そのエネルギーを回収することへの関心が非常に高まっています。

これらのアプローチはいずれも容易なものではありません。それでも、データセンターを単なるエネルギーの消費者ではなく、より広範なエネルギー・エコシステムの一部に組み込みたいという意欲は、明らかでした。

その根底にある課題：変動するAIワークロード

これらの議論のすべてに共通する課題を一つ挙げるとすれば、それは「負荷」でしょう。データセンターは一定の容量を想定して設計されていますが、実際の稼働状況は決して一定ではありません。

AIのワークロードは増減を繰り返すため、冷却システムは大きく変動する条件に対応しなければなりません。めったに訪れないピークを見込んで設計すれば、資金とエネルギーを浪費することになります。平均値に基づいて設計すれば、需要が急増した際に手詰まりになるリスクがあります。システムの設計と実際の稼働状況との間のこのギャップこそが、効率性を左右する鍵なのです。

これは、私の仕事にも最も近い部分でもあります。チップ、冷却ループ、施設のすべてが、決して一定ではない負荷に対応している状況では、各コンポーネントを個別に検討するだけでは全体像を把握することが困難になります。冷却チェーン全体を単一のシステムとしてモデル化することは、この課題に対処し、建設に着手する前に、より確信を持って意思決定を行うための方法の一つです。これが、私がパネルディスカッションで共有した視点であり、会場の皆さんの共感を呼んだようです。