您的位置：首页 > 新闻中心 > 社会 > 正文

三傻大闹宝莱坞

冷板一响黄金万两？一根管道里的万亿生意_我的网站

乔家大院

A | 　　液冷板块今早开盘即迎来资金追捧。截至午间收盘，板块整体涨幅达0.79%，康盛股份、英维克双双涨停，申菱环境、同飞股份、朗特智能、豪尔赛全线跟涨。

B | 作者 | Steef-Jan Wiggers 译者 | 平川 OpenAI 的工程师们花了数周时间，试图解释 Rockset 中那些神秘的崩溃问题。Rockset 是一款 C++ 数据基础设施服务，为 ChatGPT 的搜索和数据插件提供支持。函数似乎会返回错误的内存地址，栈指针在执行过程中似乎会偏移 8 个字节。团队提出的每一种假设都面临着有力的反证。这个 Bug 似乎根本不可能存在。　　催化来自昨晚的一份半年报——8月24日晚间，液冷龙头英维克披露了2026年半年报，上半年营收30.17亿元，同比增长17.24%；二季度归母净利润环比暴增1934%。

C | 　　AI太热了，不是比喻，是字面意思。他们原本以为是一个 Bug ，结果却发现是两个互不相关的 Bug ，它们只是很巧合地在同一时间被发现了。这一突破性发现并非来自对单个崩溃事件的深入排查，而是源于转向了他们所说的“流行病学调试”：构建一条管道，自动分析过去一年中生产环境的每一个核心转储文件，然后寻找整体规律，而不是对单个案例进行推断。　　当英伟达最新AI服务器的冷却液温度可以飙到45摄氏度，比你家热水器的水温还高时，你就知道，散热这件事已经成了算力竞赛的“第二战场”。

D | 该团队让 ChatGPT 编写了一个脚本，用于下载每个核心文件的开头部分，提取寄存器数据，过滤已知的误报，并将每次崩溃标记为“返回空指针”、“栈对齐错误”或其他类型。他们将该脚本并行应用于过去一年中的所有 Rockset 核心转储文件。他们很快就发现了相关性。而A股的上市公司们，正闻风而动，掀起一场围绕液冷赛道的并购卡位战。原本从症状上看属于同类的问题，实际上对应两组特征完全不同的崩溃事件。　　一根管道里的万亿生意　　液冷是啥？　　简单说，就是用水或特殊冷却液代替空气，把芯片的热量“搬”出去。这些因栈对齐错误导致的崩溃均源自同一个 Azure 区域，有明确的起始日期，而且从未出现在长期运行的节点上。传统数据中心靠风扇吹，跟夏天用电风扇一个道理——凉快是凉快，但芯片功率一上去就吹不动了。团队追踪发现，这些崩溃源自一台物理主机，其 CPU 正在悄无声息地产生错误的结果。它既没有过热，也没有抛出机器检查异常，而只是数学运算默默出了错。液体带走热量的能力是同体积空气的25倍，噪音还低25到30分贝。

E | 　　目前最主流的方案叫“冷板式液冷”——把一块带微小通道的金属板贴在CPU/GPU上，冷却液流过板子，把热量带走。将该主机从服务中移除后，因栈对齐错误导致的崩溃便完全消失了。听着简单，但里面涉及微通道精密加工、密封防漏、材料兼容性等一系列高壁垒技术。在剔除硬件崩溃问题后，剩余的由“返回空指针”导致的崩溃问题便变得可控了。此前，团队曾排除了 C++ 异常展开的原因，因为他们认为自己找到了反例：在未使用异常的代码路径中发生了崩溃。

F | 　　这生意有多大？中金公司研报测算，全球散热器件市场2025至2027年的复合年增长率达59.8%。申万宏源更激进，预计2026年液冷市场空间超千亿，2028年突破3000亿元。但这些反例全都来自有硬件损坏的故障集群。

G | 一旦剔除了这些干扰因素，剩余的所有崩溃便都是发生在异常展开过程中了。问题发生的根本原因是 GNU libunwind 的 _Ux86_64_setcontext 函数中有一个已经存在 18 年的竞争条件。而TrendForce的数据显示，液冷在AI芯片中的渗透率将从2025年的33%跃升至2026年的53%，明年逼近60%。在 C++ 异常展开过程中，libunwind 会在栈上合成一个 ucontext_t 结构体，填充所需的寄存器状态，然后调用 _Ux86_64_setcontext 将控制权转移给清理处理程序。问题在于：_Ux86_64_setcontext 在从旧结构体中读取指令指针的操作尚未完成之前，就将栈指针（%rsp）更新为指向新的栈帧。一旦 %rsp 发生变化，该结构体便不再属于活动栈的一部分，也不再受内核红区的保护。如果信号恰好在 %rsp 更新与 %rip 读取之间的这一时间窗口内到达，内核就会在该结构体之上构建其信号帧，指令指针遭到破坏，函数便会跳转到 NULL 或垃圾地址。竞争窗口的宽度正好为一条指令。　　一句话：风口来了。以现代处理器的时钟频率计算，这大约相当于 100 皮秒。　　上市公司液冷卡位战　　最新的案例是远东股份。8月24日晚间，这家老牌线缆企业公告，子公司拟以2.16亿元收购富的旺旺80%股权，切入液冷散热核心部件领域。在大多数程序中，这种情况根本不会被触发。

H | OpenAI 的 Rockset 使用了 timer_create 函数，每隔几毫秒的 CPU 时间就发送一次 SIGUSR2 信号，为的是实现轻量级的按查询记账，这样产生的信号发送事件远多于传统的应用程序。正是这种高频的信号发送，将只在理论上可能发生的竞争状况转化成了实际生产环境中的崩溃。该团队将一个修复方案和一个自包含的重现示例提交到了 GNU libunwind，并通过验证证实，其他展开器（如 libgcc）不存在这个问题。　　远东股份的逻辑很清晰：公司已有算力芯片检测设备和全光互联业务，收购液冷资产，正好凑齐“供电—互联—散热”的AI基础设施闭环。这也是这一轮液冷并购潮的典型特征——产业补链型，在AI硬件产业链上找缺口，强化自身闭环能力。

I | 　　这不是孤例。该修复方案通过重新排序指令，确保在更新 %rsp 之前先读取 %rip，从而彻底消除了这个时间窗口。该团队对这一教训的总结值得全文引用：最重要的步骤并非巧妙地解读汇编代码，也不是对细节的深入了解，而是构建一个高质量的数据集。今年以来，20多家上市公司公告涉足液冷领域，从做瓶盖的金富科技到做模具的祥鑫科技，跨度之大，堪称“跨界奇观”。东吴证券研报指出，液冷正从“可选”走向“必选”，英伟达Rubin平台已全面导入无风扇全液冷架构，这一趋势不可逆。

J | 　　警惕并购“双刃剑”　　当然，跨界并购历来是双刃剑。如果没有这个数据集，我们就会把两种截然不同的现象混为一谈，并试图通过推理来理清这种混乱。远东股份这次收购的静态市盈率约19倍，增值率达303%，并将产生新的商誉。若标的公司未来业绩不达预期，商誉减值就是埋下的雷。一旦获得了准确且完整的全量数据，问题的结构便显而易见了。

K | 　　东吴证券在研报中也给出谨慎判断：英伟达链目前仍由Cooler Master、AVC等台系厂商把持高端份额，大陆企业多通过代工或二供切入，短期赚的是加工利润；而Google链和国内CSP链，国产厂商直供机会才更明确。如果你的团队正在排查难以解释的生产环境崩溃问题，请检查你们是否将多个 Bug 混为一谈。那些看似与所有假设都不相符的症状，实际上可能并不矛盾；它们可能与两个不同的假设相符，而你却无意中将它们混淆了。

L | 洞察问题结构的最快途径，并非对单个案例进行更深入的分析，而是获取涵盖所有故障案例的完整、带标签的数据。这篇完整的工程技术博文包含了详细的栈内存示意图、存在漏洞的汇编指令，以及揭示出两种不同类型故障的崩溃率可视化图表。 https://www.infoq.com/news/2026/07/openai-libunwind-core-dumps/ 声明：本文由 InfoQ 翻译，未经许可禁止转载。　　液冷蓝海确实广阔，但“跨界”的船票，未必都能驶向黄金彼岸。答案，终究要落到那些冷板、分水器和CDU的出货量里。