← Archive
lm-004479 · 2026-10

熱階梯、冷量儲存與能量回收

zh-Hant · md Raw source ↗ Metadata ↗
下載 MD 檔 ⬇

熱階梯、冷量儲存與能量回收

從一次性散熱走向以能量品質、時間與溫級為核心的熱力學資源路由

English Title: Thermal Cascades, Cold Storage, and Energy Recovery: From One-Pass Heat Rejection to Exergy-Aware Thermodynamic Resource Routing

Series: ANCSI — AI-Native Computational and Scientific Infrastructure
Paper: ANCSI-05
Version: v0.1
Date: 2026-09-23
Type: 公開命題／工程猜想論文（Public Proposition / Engineering Conjecture Paper）

作者： Neo.K
機構： EveMissLab／一言諾科技有限公司

摘要

大型計算中心與科學設施通常將電力視為主要能源資源，而將冷卻視為必要成本：電能進入計算設備，幾乎全部最終轉化為熱，再由冷卻設備排放至環境。這種一次性「電力 →\rightarrow 計算 →\rightarrow 廢熱 →\rightarrow 環境」模式在傳統資料中心中長期合理，但當未來設施同時具有高密度液冷、多溫區、低溫計算、冷量儲存、熱回收、可重構管網與 AI 排程時，單純以能量守恆描述系統已不再充分。

本文提出 ANCSI 的第五個核心命題：未來 AI 原生計算—科研基礎設施可將不同溫級的熱與冷視為具有不同「能量品質」與時間價值的可調度資源，並透過熱階梯（thermal cascade）、冷量儲存（cold thermal energy storage）、熱儲存、熱泵、直接熱利用與在條件合理時的功回收，建立一個以 exergy 為核心的多溫級能量路由網路。

本文特別區分 energy 與 exergy。 1 J1\ \mathrm{J} 的熱量不因溫度不同而改變其能量單位，但其轉化為有用功或替代其他能源的能力高度依賴溫度、環境基準與用途。對極低溫系統而言，低溫冷量尤其昂貴，因此應盡可能在較高溫級截斷熱負載；對資料中心廢熱而言，較高的回水溫度則可提高直接利用或熱泵升溫的價值。CERN 大型低溫系統對熱負載採多級溫度攔截，現代 Open Compute Project（OCP）則已建立 data-center heat reuse 專案與 reference designs；NREL / DOE 亦正研究以 Cold Underground Thermal Energy Storage（Cold UTES）降低資料中心峰值冷卻需求。

本文提出 Thermal Cascade Graph、Cold-State-of-Charge、Thermal Exergy Ledger、Heat-Reuse Readiness、Bidirectional Thermal Storage、Thermal Arbitrage 與 Exergy-Aware Scheduler 等初步架構，並給出可證偽命題與分階段原型路線。本文不主張任何免費能源或第二類永動機；相反，其核心正是以第二定律為約束，減少不必要的高品質能量耗散。

關鍵詞： thermal cascade、exergy、cold thermal energy storage、heat reuse、thermal storage、data center heat recovery、cryogenic refrigeration、heat pump、AI scheduling、energy quality

1. 問題：今天的計算設施大多仍是「一次性熱流」

對多數資料中心而言，能量流程可簡化為：

Egrid→EIT→Qheat→Qambient.E_{\mathrm{grid}} \rightarrow E_{\mathrm{IT}} \rightarrow Q_{\mathrm{heat}} \rightarrow Q_{\mathrm{ambient}}.

Open Compute Project 的 Heat Reuse Subproject 指出，處理器所使用的能量幾乎全部最終轉化為熱；該專案的目的即是研究如何把資料中心的 excess heat 從負擔轉化為可利用資源 [1][2]。

傳統架構的主要要求是：

Tdevice<Tmax⁡.T_{\mathrm{device}} < T_{\max}.

至於熱最後去哪裡，通常不是計算排程器關心的事。

這造成一個結構性問題：

計算端管理高品質電能，但熱管理端常把所有排出的熱視為同一種「廢熱」。

然而：

Q90∘CQ_{90^\circ\mathrm C}

與：

Q30∘CQ_{30^\circ\mathrm C}

雖然可能有相同能量值，卻具有不同的利用潛力。

同理：

Q4 KQ_{4\ \mathrm K}

與：

Q80 KQ_{80\ \mathrm K}

所代表的「冷卻價值」也不能只用 joule 比較。

所以本文提出：

Energy quantity alone is insufficient for thermodynamic scheduling.\boxed{ \text{Energy quantity alone is insufficient for thermodynamic scheduling.} }

2. 能量守恆與能量品質

第一定律告訴我們：

ΔU=Q−W.\Delta U = Q-W.

能量不會憑空消失。

但第二定律告訴我們，能量轉換的可用程度受到熵產生限制。

因此需要引入 exergy。

對環境基準溫度：

T0,T_0,

高於環境的熱源若在固定溫度 T>T0T>T_0 提供熱量 QQ，其理想最大可用功近似：

BQ=Q(1−T0T).B_Q = Q \left( 1-\frac{T_0}{T} \right).

這表示：

T→T0T\rightarrow T_0

時：

BQ→0.B_Q\rightarrow0.

所以接近環境溫度的低品位廢熱很難直接有效發電。

對低於環境的冷源，其「冷 exergy」同樣具有價值。若維持某冷端溫度：

Tc<T0,T_c<T_0,

則把環境熱量搬到該冷端所需的最小功受到 Carnot limit 約束。

理想 refrigerator：

COPCarnot=TcT0−Tc.COP_{\mathrm{Carnot}} = \frac{T_c}{T_0-T_c}.

因此：

Tc↓⇒COPCarnot↓.T_c\downarrow \Rightarrow COP_{\mathrm{Carnot}}\downarrow.

也就是：

the colder the cold resource, the more expensive each unit of cooling becomes.\boxed{ \text{the colder the cold resource, the more expensive each unit of cooling becomes}. }

這是本文所有 thermal cascade 設計的核心物理理由。

3. 極低溫系統已經在做「熱階梯」

CERN 的 LHC cryogenic system 是一個非常清楚的現實例子。

其冷凍需求不是全部在 1.81.8 或 1.9 K1.9\ \mathrm{K} 處理，而分布於：

50–75 K,50\text{–}75\ \mathrm{K}, 4.5–20 K,4.5\text{–}20\ \mathrm{K}, 4.7 K,4.7\ \mathrm{K}, 1.8 K,1.8\ \mathrm{K},

以及 warm helium return 等不同溫級 [3][4]。

CERN 對 LHC thermal design 的公開技術文獻更明確指出，由於 1.8 K1.8\ \mathrm{K} refrigeration 的高 thermodynamic cost，設計目標是盡量在較高溫度截取最大的熱負載，因此形成 multiple staged temperature levels [5]。

可寫成：

Qincoming=Q50−75K+Q4.5−20K+Q4K+Q1.9K.Q_{\mathrm{incoming}} = Q_{50-75K} + Q_{4.5-20K} + Q_{4K} + Q_{1.9K}.

工程目的不是讓：

Q1.9KQ_{1.9K}

最大。

而是盡可能：

Q1.9K↓.Q_{1.9K} \downarrow.

也就是：

intercept heat at the warmest technically acceptable stage.\boxed{ \text{intercept heat at the warmest technically acceptable stage}. }

這就是 thermal cascade 的第一個原型。

4. ANCSI 的 Thermal Cascade 命題

本文將 thermal cascade 定義為：

熱量或冷量在不同溫級間依其品質逐級使用、攔截、回收或轉換，而不是在第一次交換後直接排向環境。

設溫級集合：

T={T1,T2,…,Tn},\mathcal{T} = \{ T_1, T_2, \ldots, T_n \},

且：

T1<T2<⋯<Tn.T_1<T_2<\cdots<T_n.

對冷量而言，可建立：

T1→T2→⋯→Tn→T0.T_1 \rightarrow T_2 \rightarrow \cdots \rightarrow T_n \rightarrow T_0.

例如：

4 K→20 K→80 K→180 K→280 K.4\ \mathrm K \rightarrow 20\ \mathrm K \rightarrow 80\ \mathrm K \rightarrow 180\ \mathrm K \rightarrow 280\ \mathrm K.

但這不是宣稱同一股流體一定必須逐級流過所有設備。

更一般地，它表示：

cold-resource quality should be consumed from high-value uses toward lower-value uses.\boxed{ \text{cold-resource quality should be consumed from high-value uses toward lower-value uses}. }

類似地，熱回流可以：

300 K→330 K→350 K300\ \mathrm K \rightarrow 330\ \mathrm K \rightarrow 350\ \mathrm K

再進入：

  • domestic hot water；
  • greenhouse；
  • district heating；
  • industrial preheat；
  • heat pump；
  • 最後才是環境排熱。

5. 「冷量」不是負能量，而是熱力學服務能力

為避免概念混亂，本文中的 cold energy / cold quantity 並不是獨立於物理熱力學之外的新能量。

它只是工程語言，用來表示：

capacity to absorb heat below a reference temperature.\boxed{ \text{capacity to absorb heat below a reference temperature}. }

例如某 cold storage 可吸收：

QcQ_c

而溫度仍維持在可用範圍。

因此可以定義：

Sc=cold-state-of-charge.S_c = \text{cold-state-of-charge}.

但真正完整的狀態應包括：

Sc=f(T,M,ϕ,Cp,L,P).S_c = f( T, M, \phi, C_p, L, P ).

其中：

M=storage mass,M = \text{storage mass}, ϕ=phase state,\phi = \text{phase state}, L=latent heat term.L = \text{latent heat term}.

因此：

cold storage is a thermodynamic state, not a battery with negative joules.\boxed{ \text{cold storage is a thermodynamic state, not a battery with negative joules}. }

6. Sensible Cold Storage

最簡單的 thermal storage 利用 sensible heat：

Q=mcpΔT.Q = mc_p\Delta T.

例如一個大型冷水儲槽：

T1<T2.T_1<T_2.

充冷時：

T↓.T\downarrow.

放冷時：

T↑.T\uparrow.

優點：

  • 技術成熟；
  • 模型簡單；
  • 維護容易；
  • 可大尺度部署。

缺點：

  • 儲能密度受 cpΔTc_p\Delta T 限制；
  • 大容量需要大量體積；
  • stratification 需要管理。

對大型資料中心而言，sensible storage 特別適合作為：

minutes-to-hours thermal buffer.\boxed{ \text{minutes-to-hours thermal buffer}. }

7. Latent Thermal Storage

若使用 phase-change material：

Q≈mL+mcpΔT.Q \approx mL + mc_p\Delta T.

相變期間：

T≈Tphase.T \approx T_{\mathrm{phase}}.

因此可在較窄溫度範圍儲存較大量熱量。

潛在用途：

  • short-duration compute burst；
  • peak cooling shaving；
  • instrument preconditioning；
  • local thermal buffer。

但限制包括：

  • low thermal conductivity；
  • encapsulation；
  • phase segregation；
  • cycling degradation；
  • volume change；
  • cost。

因此 PCM 並不是 universal solution。

ANCSI 只將它視為 thermal-storage portfolio 中的一類。

8. Cold Underground Thermal Energy Storage

2025 年 NREL 公開一項由 DOE 支持的 Cold Underground Thermal Energy Storage 研究，目的之一是利用離峰電力建立地下 cold reserve，並在 grid peak 或 data-center peak cooling 時釋放；NREL 特別強調，此類系統可能同時提供日內與更長時間尺度的 thermal storage [6]。

DOE 後續的 geothermal / data-center 資訊也將 Cold UTES 描述為：

off-peak charging→cold storage→peak cooling dispatch.\text{off-peak charging} \rightarrow \text{cold storage} \rightarrow \text{peak cooling dispatch}.

其目的包括降低資料中心 peak cooling load 與 grid expansion pressure [7]。

因此 ANCSI 的 cold storage 不應只想像成機房裡的一顆儲槽。

它可以形成多時間尺度：

seconds→minutes→hours→days→seasonal.\boxed{ \text{seconds} \rightarrow \text{minutes} \rightarrow \text{hours} \rightarrow \text{days} \rightarrow \text{seasonal}. }

不同 storage technology 對應不同時間尺度。

9. Thermal Storage Portfolio

一座大型 ANCSI facility 可以同時具有：

S={Sfast,Smid,Slong}.\mathcal{S} = \{ S_{\mathrm{fast}}, S_{\mathrm{mid}}, S_{\mathrm{long}} \}.

例如：

Fast Storage

τ∼seconds-minutes.\tau \sim \text{seconds-minutes}.

可能利用：

  • local thermal mass；
  • PCM；
  • chilled buffer。

Mid Storage

τ∼minutes-hours.\tau \sim \text{minutes-hours}.

可能利用：

  • large chilled-water tank；
  • ice / phase-change storage；
  • cryogenic inventory buffer。

Long Storage

τ∼hours-months.\tau \sim \text{hours-months}.

可能利用：

  • underground thermal storage；
  • aquifer / borehole systems；
  • large seasonal storage。

因此 thermal scheduler 不只問：

還有多少冷量？

而是：

哪一個時間尺度的 cold reserve 應該被使用？

10. Cold State of Charge

對 storage kk，定義：

SOCc,k∈[0,1].SOC_{c,k} \in [0,1].

但不同 storage 具有不同：

ηcharge,\eta_{\mathrm{charge}}, ηdischarge,\eta_{\mathrm{discharge}}, Pcharge,max,P_{\mathrm{charge,max}}, Pdischarge,max,P_{\mathrm{discharge,max}}, τloss.\tau_{\mathrm{loss}}.

因此 dynamics 可以寫成：

dSc,kdt=ηc,kQcharge−Qdischargeηd,k−Qloss,k.\frac{dS_{c,k}}{dt} = \eta_{c,k}Q_{\mathrm{charge}} - \frac{Q_{\mathrm{discharge}}}{\eta_{d,k}} - Q_{\mathrm{loss},k}.

且：

0≤Sc,k≤Sc,kmax⁡.0 \le S_{c,k} \le S_{c,k}^{\max}.

這讓冷量第一次可以像：

  • battery SOC；
  • memory capacity；
  • fuel inventory；

一樣被 scheduler 正式看見。

11. 但不同溫級的 Cold SOC 不能直接相加

假設：

S80K=10 MJS_{80K} = 10\ \mathrm{MJ}

以及：

S280K=10 MJ.S_{280K} = 10\ \mathrm{MJ}.

不能說：

Stotal=20 MJS_{\mathrm{total}} = 20\ \mathrm{MJ}

就完整描述其價值。

因為：

10 MJ@80K10\ \mathrm{MJ}@80K

與：

10 MJ@280K10\ \mathrm{MJ}@280K

不具有相同的 thermodynamic value。

因此需要：

temperature-tagged thermal inventory.\boxed{ \text{temperature-tagged thermal inventory}. }

例如：

Sc={(Q1,T1),(Q2,T2),…}.\mathcal{S}_c = \{ (Q_1,T_1), (Q_2,T_2), \ldots \}.

更進一步使用 exergy：

Bc={(B1,T1),(B2,T2),…}.\mathcal{B}_c = \{ (B_1,T_1), (B_2,T_2), \ldots \}.

12. Thermal Exergy Ledger

本文提出：

Thermal Exergy Ledger\boxed{ \text{Thermal Exergy Ledger} }

作為設施級 accounting abstraction。

它不是區塊鏈概念。

而是對不同 thermal resource 記錄：

Li=(Qi,Ti,Bi,τi,ηi,Ci).L_i = ( Q_i, T_i, B_i, \tau_i, \eta_i, C_i ).

其中：

Qi=energy quantity,Q_i = \text{energy quantity}, Ti=temperature level,T_i = \text{temperature level}, Bi=exergy value,B_i = \text{exergy value}, τi=availability time,\tau_i = \text{availability time}, ηi=delivery efficiency,\eta_i = \text{delivery efficiency}, Ci=economic / operational cost.C_i = \text{economic / operational cost}.

這使 AI scheduler 可以比較：

現在用 80 K80\ \mathrm{K} cold reserve 去冷一個只需要 250 K250\ \mathrm{K} 的 workload 是否太浪費？

通常答案會是：

yes.\text{yes}.

因為那是在做：

high-quality resource destruction.\boxed{ \text{high-quality resource destruction}. }

13. Thermal Matching Principle

本文提出最重要的設計原則之一：

Use the lowest-quality thermal resource that can satisfy the task.\boxed{ \text{Use the lowest-quality thermal resource that can satisfy the task.} }

對 cooling 而言，可以理解為：

不要用比任務所需更低太多的冷源。

例如：

若 device 只需要：

T<310 K,T<310\ \mathrm K,

就不應使用 80 K80\ \mathrm{K} cryogenic capacity。

若 device 需要：

T<250 K,T<250\ \mathrm K,

也應優先選擇：

Tc≲250 KT_c \lesssim 250\ \mathrm K

而不是：

Tc=4 K.T_c=4\ \mathrm K.

這與電網中：

不要用最高品質能源完成最低品質任務

具有相似思維。

14. Heat Cascade

計算設備產生的熱可以先被高溫液冷回路收集：

Treturn=Th.T_{\mathrm{return}} = T_h.

如果：

ThT_h

足夠高，則可直接用於：

  • 建築供暖；
  • 水加熱；
  • greenhouse；
  • swimming pool；
  • low-temperature industrial process；
  • district heating。

OCP 2025 年 heat-reuse reference design 即示範資料中心 liquid cooling 與 heat pump / district energy 的整合，並強調提高 data-center cooling return temperature 可以降低 heat-pump 所需的 temperature lift，進而改善效率 [8]。

因此：

warm-water cooling\boxed{ \text{warm-water cooling} }

可能同時有兩個價值：

  1. 降低資料中心冷卻成本；
  2. 提高廢熱利用品質。

15. Heat Pump 不應被視為「浪費」

一個常見誤解是：

既然熱泵需要用電，廢熱回收就沒有意義。

這不正確。

熱泵輸出：

Qh=Qc+W.Q_h = Q_c+W.

其 heating COP：

COPh=QhW.COP_h = \frac{Q_h}{W}.

只要：

COPh>1,COP_h>1,

每單位電力可搬運超過一單位的熱。

但：

COPhCOP_h

會隨 temperature lift：

ΔT=Th−Tc\Delta T = T_h-T_c

增加而下降。

所以：

higher source temperature→lower temperature lift→better heat-pump opportunity.\boxed{ \text{higher source temperature} \rightarrow \text{lower temperature lift} \rightarrow \text{better heat-pump opportunity}. }

這正是為什麼高溫 direct liquid cooling 對 heat reuse 特別有價值。

16. Heat Reuse Readiness

不是所有 data center 都適合 heat reuse。

因此本文提出：

HRR=Heat Reuse Readiness.\boxed{ HRR = \text{Heat Reuse Readiness}. }

可以由：

HRR=f(Treturn,Qavailable,Ddistance,Ddemand,τmatch,Cintegration).HRR = f( T_{\mathrm{return}}, Q_{\mathrm{available}}, D_{\mathrm{distance}}, D_{\mathrm{demand}}, \tau_{\mathrm{match}}, C_{\mathrm{integration}} ).

其中：

Ddistance=distance to heat user,D_{\mathrm{distance}} = \text{distance to heat user}, Ddemand=heat demand profile,D_{\mathrm{demand}} = \text{heat demand profile}, τmatch=supply-demand temporal alignment.\tau_{\mathrm{match}} = \text{supply-demand temporal alignment}.

OCP Heat Reuse Subproject 目前已公開建立 heat-reuse readiness、reference design、economics 與 policy workstreams，顯示「能不能利用廢熱」本身已經被視為需要系統級評估的工程問題 [1][9]。

17. 熱供需時間錯配

即使資料中心每天都產生熱：

QDC(t)>0,Q_{\mathrm{DC}}(t)>0,

需求端可能：

Qdemand(t)Q_{\mathrm{demand}}(t)

完全不同步。

例如：

  • 冬季供暖需求高；
  • 夏季供暖需求低；
  • 工業 process 可能只在白天運行；
  • AI training cluster 可能夜間高負載。

所以：

Qsupply(t)≠Qdemand(t).Q_{\mathrm{supply}}(t) \neq Q_{\mathrm{demand}}(t).

這也是 thermal storage 第二個角色：

time shifting.\boxed{ \text{time shifting}. }

此時 storage 不只是冷量儲存，也可能包含：

Sh=heat storage.S_h = \text{heat storage}.

18. Bidirectional Thermal Storage

ANCSI 不應只儲冷。

設施可同時有：

Sc=cold reserve,S_c = \text{cold reserve},

與：

Sh=heat reserve.S_h = \text{heat reserve}.

因此完整狀態：

ST=(Sc,Sh).S_T = ( S_c,S_h ).

在某些時段：

Pgrid↓P_{\mathrm{grid}} \downarrow

或 renewable supply 高時：

Sc↑.S_c\uparrow.

在 compute peak：

Sc↓.S_c\downarrow.

同時：

Sh↑.S_h\uparrow.

如果外界 heat demand 高：

Sh↓.S_h\downarrow.

所以整體變成：

bidirectional thermal inventory.\boxed{ \text{bidirectional thermal inventory}. }

19. Thermal Arbitrage

「arbitrage」在本文中不是金融投機。

它表示：

在不同時間、電價、氣候、算力負載與熱需求下，移動 cooling / heating work。

例如：

夜間

Celectricity↓.C_{\mathrm{electricity}}\downarrow.

系統：

Sc↑.S_c\uparrow.

白天 AI burst

Pcompute↑.P_{\mathrm{compute}}\uparrow.

系統：

Sc↓.S_c\downarrow.

避免：

PrefrigeratorP_{\mathrm{refrigerator}}

與：

PcomputeP_{\mathrm{compute}}

同時到峰值。

這就是：

thermal peak shaving.\boxed{ \text{thermal peak shaving}. }

NREL 的 Cold UTES 研究本身即以類似概念描述 off-peak charging 與 peak-hour dispatch [6]。

20. Grid-Aware Thermal Scheduling

因此 thermal scheduler 可以讀取：

G(t)={Celectricity,Icarbon,Prenewable,Pgrid limit}.G(t) = \{ C_{\mathrm{electricity}}, I_{\mathrm{carbon}}, P_{\mathrm{renewable}}, P_{\mathrm{grid\ limit}} \}.

然後決定：

uT(t).u_T(t).

最佳化：

min⁡∫[Ce(t)P(t)+λIc(t)P(t)+Cwear]dt.\min \int \left[ C_e(t)P(t) + \lambda I_c(t)P(t) + C_{\mathrm{wear}} \right]dt.

subject to：

Sc(t)∈[Smin⁡,Smax⁡],S_c(t)\in[S_{\min},S_{\max}], T(t)∈[Tmin⁡,Tmax⁡].T(t)\in[T_{\min},T_{\max}].

所以冷卻第一次變成：

grid-interactive load.\boxed{ \text{grid-interactive load}. }

而不只是固定電力需求。

21. 計算工作負載也可以參與 Thermal Arbitrage

如果 workload：

WjW_j

具有可延後性：

Dj>0,D_j>0,

則 scheduler 可以同時移動：

compute time\text{compute time}

與：

thermal time.\text{thermal time}.

例如：

現在 cold SOC 很低，但兩小時後 renewable surplus 會增加。

則：

Wj:t→t+Δt.W_j: t \rightarrow t+\Delta t.

另一種情況：

現在 cold storage 已滿，如果不使用將逐步產生 standby loss。

則提前：

Wj.W_j.

因此：

compute flexibility+thermal storage\boxed{ \text{compute flexibility} + \text{thermal storage} }

會形成新的聯合控制自由度。

22. Thermal Cascade Graph

本文將不同熱源、冷源與儲能建成有向圖：

GE=(VE,EE).\mathcal{G}_E = (V_E,E_E).

節點可以包括：

  • cryogenic refrigerator；
  • 4 K4\ \mathrm{K} bus；
  • 80 K80\ \mathrm{K} stage；
  • sub-ambient loop；
  • warm-water loop；
  • thermal storage；
  • heat pump；
  • district heating；
  • ambient sink；
  • compute zones；
  • scientific instruments。

edge：

eije_{ij}

表示允許的能量／熱量傳遞。

每條 edge 有：

eij=(Qmax⁡,η,ΔT,C,R).e_{ij} = ( Q_{\max}, \eta, \Delta T, C, R ).

於是 scheduler 求：

R∗=argmin⁡RJ(R)\mathcal{R}^{\ast} = \operatorname*{argmin}_{\mathcal{R}} J(\mathcal{R})

subject to first-law balance 與 second-law constraints。

這就是：

energy-quality routing.\boxed{ \text{energy-quality routing}. }

23. Exergy Destruction

對 real process：

Bdest=T0Sgen.B_{\mathrm{dest}} = T_0S_{\mathrm{gen}}.

其中：

Sgen≥0.S_{\mathrm{gen}}\ge0.

所以系統應最小化：

Bdest.B_{\mathrm{dest}}.

但這不代表所有 exergy destruction 都值得花巨資消除。

因此 objective 應該是：

J=Cenergy+Ccapital+Cmaintenance+Crisk+λBdest.J = C_{\mathrm{energy}} + C_{\mathrm{capital}} + C_{\mathrm{maintenance}} + C_{\mathrm{risk}} + \lambda B_{\mathrm{dest}}.

這避免從一個極端：

所有熱都丟掉。

跳到另一個極端：

每一 joule 都必須回收。

後者也可能是不經濟的。

24. 不應為了「發電」而破壞整體系統

若資料中心回水只有：

Th≈40∘C,T_h \approx 40^\circ\mathrm C,

環境：

T0≈25∘C,T_0 \approx 25^\circ\mathrm C,

則可用溫差非常小。

理想 Carnot efficiency：

ηC=1−T0Th.\eta_C = 1-\frac{T_0}{T_h}.

以 Kelvin 計：

T0=298 K,T_0=298\ \mathrm K, Th=313 K,T_h=313\ \mathrm K,

則：

ηC≈4.8%.\eta_C \approx 4.8\%.

實際 power-conversion efficiency 必然更低。

所以對低品位 data-center heat，直接發電往往不會是第一選擇。

更合理的用途可能是：

direct heat use>heat pump upgrading>power generation\boxed{ \text{direct heat use} > \text{heat pump upgrading} > \text{power generation} }

但這不是普遍固定排序。

真正排序依：

  • source temperature；
  • sink temperature；
  • local heat demand；
  • economics；
  • equipment cost；

決定。

25. 發電真正合理的地方

如果設施內某些研究或 process 形成較高溫熱源：

Th≫T0,T_h\gg T_0,

或者存在：

  • 高溫 industrial process；
  • gas-turbine exhaust；
  • fuel-cell exhaust；
  • high-temperature thermal storage；

則可以考慮：

  • Rankine cycle；
  • ORC；
  • thermoelectric；
  • 其他經驗證 conversion technology。

但 ANCSI 不應為了「看起來能回收電」在低溫差流路中加入大量 turbine / generator。

因為：

pressure recovery≠new energy source.\boxed{ \text{pressure recovery} \neq \text{new energy source}. }

若壓力本來由泵或 compressor 提供，再用 turbine 回收，只能回收部分原本投入的功。

26. Cryogenic Expansion Recovery

低溫系統中，某些高壓流體減壓過程可以使用：

  • turboexpander；
  • expansion turbine；
  • cold compressor；

進行熱力循環。

這本來就是大型 helium refrigerator 的成熟組成。

但 ANCSI 應區分：

refrigeration-cycle machinery\boxed{ \text{refrigeration-cycle machinery} }

與：

external power-generation claim.\boxed{ \text{external power-generation claim}. }

前者是在既有 refrigeration cycle 中提升效率。

後者若宣稱可額外產生淨能，必須完整計入 compressor work 與所有損失。

27. 熱階梯與管網場結合

ANCSI-04 的 VMPF 提供：

GP.\mathcal{G}_P.

ANCSI-05 則在其上加入：

GE.\mathcal{G}_E.

例如同一設施存在：

4 K Bus
  ↓
20 K Stage
  ↓
80 K Stage
  ↓
Sub-Ambient Loop
  ↓
Warm Liquid Loop
  ↓
Heat Pump / Direct Heat Use
  ↓
Ambient

但實際系統不必是一條串聯管。

更可能是：

parallel physical loops+logical thermal cascade.\boxed{ \text{parallel physical loops} + \text{logical thermal cascade}. }

即 thermal scheduler 決定：

哪一個熱負載應該在哪一個溫級被攔截。

28. Heat Interception Budget

對 cryogenic island，可以定義：

Qtotal=Q300→80+Q80→20+Q20→4+Q4→1.Q_{\mathrm{total}} = Q_{300\rightarrow80} + Q_{80\rightarrow20} + Q_{20\rightarrow4} + Q_{4\rightarrow1}.

設計目標通常不是：

Qi=0Q_i=0

而是讓越低溫級：

QiQ_i

越小。

因此可以定義：

HIBi=Heat Interception Budget at stage i.HIB_i = \text{Heat Interception Budget at stage } i.

如果某線纜、支架、管道將太多熱導入低溫級：

Qi>HIBi,Q_{i}>HIB_i,

系統即違反設計。

這使 mechanical support、electrical cable 與 fluid pipe 都變成 thermal-budget components。

29. 計算硬體的 Heat-Quality Design

如果未來硬體從一開始就考慮 heat reuse，它可能故意提高：

Treturn.T_{\mathrm{return}}.

例如 direct-to-chip cooling 可讓熱以較高 coolant temperature 被收集。

這不表示晶片 junction temperature 一定提高到危險範圍。

而是透過：

  • lower thermal resistance；
  • better cold plate；
  • better TIM；
  • higher flow efficiency；

讓：

TcoolantT_{\mathrm{coolant}}

在安全條件下提高。

所以未來硬體可以有：

Heat-Quality-Aware Design.\boxed{ \text{Heat-Quality-Aware Design}. }

評估指標不只：

Tj,T_j,

還包括：

Treturn,T_{\mathrm{return}}, Qrecoverable,Q_{\mathrm{recoverable}}, Brecoverable.B_{\mathrm{recoverable}}.

30. Heat-Reuse-Aware Compute Placement

假設兩個 cluster：

AA

與：

B.B.

其 compute efficiency 接近：

ηA≈ηB.\eta_A \approx \eta_B.

但：

Treturn,A>Treturn,B.T_{\mathrm{return},A} > T_{\mathrm{return},B}.

同時 A 附近有：

Qdemand>0.Q_{\mathrm{demand}}>0.

則某些 workload 放在 A 可能更有總體價值。

scheduler 可以求：

i∗=argmin⁡i[Ccompute,i+Ccool,i−Vheat,i].i^\ast = \operatorname*{argmin}_i \left[ C_{\mathrm{compute},i} + C_{\mathrm{cool},i} - V_{\mathrm{heat},i} \right].

這就是：

Heat-Reuse-Aware Compute Placement.\boxed{ \text{Heat-Reuse-Aware Compute Placement}. }

31. 但不能為了熱回收故意增加無意義計算

若：

Vheat<Celectricity,V_{\mathrm{heat}} < C_{\mathrm{electricity}},

那麼故意增加計算功耗來產熱通常毫無道理。

即：

waste heat reuse≠heat production by wasteful computing.\boxed{ \text{waste heat reuse} \neq \text{heat production by wasteful computing}. }

正確順序是：

  1. 計算本來就需要執行；
  2. 其能源最終轉成熱；
  3. 在不顯著降低主要任務效率的前提下回收熱。

這避免 sustainability 指標被錯誤最佳化。

32. Dynamic Thermal Price

若 thermal resource 稀缺，可以建立內部影子價格：

λT(t,T).\lambda_T(t,T).

例如：

λT(t,4K)≫λT(t,280K).\lambda_T(t,4K) \gg \lambda_T(t,280K).

其意義不是一定要形成市場交易。

而是讓 scheduler 理解：

在 4 K4\ \mathrm{K} 排掉 1 W1\ \mathrm W 熱，和在 300 K300\ \mathrm{K} 排掉 1 W1\ \mathrm W 熱，系統成本完全不同。

因此 workload objective 可加入：

Cthermal=∫λT(t,T)Q˙(t,T)dt.C_{\mathrm{thermal}} = \int \lambda_T(t,T) \dot Q(t,T) dt.

這是一種：

thermodynamic shadow pricing.\boxed{ \text{thermodynamic shadow pricing}. }

33. Cold Budget 與 Exergy Budget 的差異

ANCSI-03 已提出：

Bc=cold budget.B_c = \text{cold budget}.

本篇進一步指出：

BcB_c

最好不能只有一個數。

應分成：

Bc(T).B_c(T).

或者使用：

Bexergy.B_{\mathrm{exergy}}.

因為：

10 kW@280K10\ \mathrm{kW}@280K

不能替代：

10 kW@4K.10\ \mathrm{kW}@4K.

所以：

cold capacity is temperature-indexed.\boxed{ \text{cold capacity is temperature-indexed}. }

這對 hybrid quantum / cryogenic compute 特別重要。

34. 多時間尺度的 Thermal Market

若整座設施很大，可以在內部建立資源分配機制：

MT.\mathcal{M}_T.

各區域發布：

Demand

Di=(Ti,Qi,ti,τi,pi).D_i = ( T_i, Q_i, t_i, \tau_i, p_i ).

Supply

Sj=(Tj,Qj,tj,τj,Cj).S_j = ( T_j, Q_j, t_j, \tau_j, C_j ).

central optimizer 或 federated AI 做 matching。

這不是主張一定採用經濟市場機制。

它只是提供一種：

distributed resource-allocation abstraction.\boxed{ \text{distributed resource-allocation abstraction}. }

35. 科研設施中的 Thermal Cascade

ANCSI 不是只有資料中心。

科研流程本身可能包含：

  • cryogenic sample；
  • vacuum chamber；
  • furnace；
  • laser；
  • detector；
  • microscopy；
  • superconducting magnet；
  • chemical process。

因此一個實驗可能同時產生：

Qhot>0Q_{\mathrm{hot}}>0

與需要：

Qcold>0.Q_{\mathrm{cold}}>0.

如果時間與溫級合適，可以共享：

  • heat pump；
  • thermal storage；
  • coolant loop；
  • recuperator；
  • pre-cooling stage。

所以科研 scheduler 不只排：

instrument time.\text{instrument time}.

還可以排：

thermal compatibility.\boxed{ \text{thermal compatibility}. }

36. Thermal Symbiosis

當設施內：

heat producer\text{heat producer}

與：

heat consumer\text{heat consumer}

同時存在，可以形成：

thermal symbiosis.\boxed{ \text{thermal symbiosis}. }

例如：

  • compute heat 預熱某製程；
  • 某實驗冷卻回路的高溫 return 供建築熱水；
  • 某熱製程的 rejection heat 為 absorption cooling 提供驅動；
  • 某冷量回溫階段先服務較高溫 scientific zone。

但每種 coupling 都必須檢查：

Tsource>Tsink+ΔTmin⁡.T_{\mathrm{source}} > T_{\mathrm{sink}}+\Delta T_{\min}.

否則必須由 heat pump 或其他功輸入補償。

37. Exergy-Aware Scheduler

本文提出：

πXA=Exergy-Aware Scheduler.\boxed{ \pi_{\mathrm{XA}} = \text{Exergy-Aware Scheduler}. }

其輸入：

St=(C,T,Q,B,Sc,Sh,G,D).S_t = ( C, T, Q, B, S_c, S_h, G, D ).

其中：

D=external thermal demand.D = \text{external thermal demand}.

目標：

min⁡J=Celectricity+Ccooling+Cstorage+Cwear+Crisk+λBdest−Vreuse.\min J = C_{\mathrm{electricity}} + C_{\mathrm{cooling}} + C_{\mathrm{storage}} + C_{\mathrm{wear}} + C_{\mathrm{risk}} + \lambda B_{\mathrm{dest}} - V_{\mathrm{reuse}}.

subject to：

first law,\text{first law}, Sgen≥0,S_{\mathrm{gen}}\ge0, safety,\text{safety}, compute QoS.\text{compute QoS}.

AI 可以用來：

  • demand forecasting；
  • workload forecasting；
  • heat-use matching；
  • storage dispatch；
  • route planning；
  • anomaly detection。

但不可修改物理守恆。

38. 第二定律應該直接進入 Planner

如果 AI planner 只學歷史資料，而沒有明確 thermodynamic constraints，可能產生形式上可行但物理上不合理的方案。

因此 solver 必須強制：

∑Ein=∑Eout+ΔU.\sum E_{\mathrm{in}} = \sum E_{\mathrm{out}} + \Delta U.

以及：

Sgen≥0.S_{\mathrm{gen}} \ge0.

可進一步要求：

Bout≤Bin.B_{\mathrm{out}} \le B_{\mathrm{in}}.

在沒有外部 work input 的子系統中。

這意味著：

thermodynamic law is a hard constraint, not an AI preference.\boxed{ \text{thermodynamic law is a hard constraint, not an AI preference}. }

39. Energy Recovery 的層級順序

對一個特定熱流，系統可以依序檢查：

Level 0 — Avoid

能否一開始就降低：

Qgenerated?Q_{\mathrm{generated}}?

例如：

  • 更高效率 compute；
  • DVFS；
  • idle shutdown。

Level 1 — Internal Cascade

能否將該熱量在設施內另一溫級使用？

Level 2 — Direct Reuse

能否直接供給外部 heat demand？

Level 3 — Upgrade

能否透過 heat pump 升溫？

Level 4 — Power Recovery

溫差是否足夠高，值得轉成電？

Level 5 — Reject

最後才：

Q→Qambient.Q\rightarrow Q_{\mathrm{ambient}}.

這個順序不是絕對固定，但提供一個合理決策框架。

40. Heat Rejection 仍然必須存在

ANCSI 不應追求：

Qambient=0Q_{\mathrm{ambient}}=0

作為普遍目標。

因為：

  • 熱需求可能不存在；
  • storage 可能已滿；
  • source temperature 太低；
  • transport distance 太遠；
  • reuse equipment 本身耗能；
  • reliability 可能優先於 efficiency。

所以：

heat rejection is not failure.\boxed{ \text{heat rejection is not failure}. }

真正失敗的是：

在具有低成本、高價值利用機會時仍無條件丟棄可用熱。

41. Seasonal Mismatch

在溫帶地區，資料中心：

QheatQ_{\mathrm{heat}}

全年可能相對穩定。

但 district-heating demand：

QDHQ_{\mathrm{DH}}

可能冬高夏低。

因此：

ΔQ(t)=Qheat−QDH\Delta Q(t) = Q_{\mathrm{heat}} - Q_{\mathrm{DH}}

具有強烈季節性。

解法可能包括：

  • seasonal storage；
  • alternative summer heat users；
  • cooling production；
  • industrial processes；
  • partial rejection。

這再次說明 heat reuse 必須從設施規劃階段就考慮，而不是機房蓋完才問：

熱可以賣給誰？

OCP 2026 年的 heat-reuse 指南也強調資料中心與鄰近 heat users 的早期規劃、供需配對與管線基礎設施 [2]。

42. Geography 仍然重要

熱不像資料封包可以低成本跨洲傳輸。

因此：

Ctransport=f(D,ΔT,Q,m˙,pipe insulation).C_{\mathrm{transport}} = f( D, \Delta T, Q, \dot m, \text{pipe insulation} ).

距離：

D↑D\uparrow

通常使：

Ctransport↑.C_{\mathrm{transport}}\uparrow.

所以 heat reuse 會把資料中心選址與：

  • district heating；
  • greenhouse；
  • industrial park；
  • wastewater system；
  • campus；

重新耦合。

這是數位基礎設施重新被地理綁定的一個有趣結果。

43. ANCSI 內部的 Energy Quality Hierarchy

可暫時建立：

QE={electricity,cryogenic exergy,high-temperature heat,low-temperature heat,ambient heat}.\mathcal{Q}_E = \{ \text{electricity}, \text{cryogenic exergy}, \text{high-temperature heat}, \text{low-temperature heat}, \text{ambient heat} \}.

這不是絕對價值排名。

而是提醒 scheduler：

different energy forms are not freely interchangeable.\boxed{ \text{different energy forms are not freely interchangeable}. }

例如：

  • electricity 可以驅動 heat pump；
  • low-grade heat 不能無損轉回 electricity；
  • 4 K4\ \mathrm{K} cooling 需要大量上游 work；
  • ambient heat 很豐富，但不等於有用功。

所以大型 ANCSI plant 不應只顯示：

Total energy: X MWh

還應顯示：

Electrical energy
Cold exergy by temperature tier
Recoverable heat by temperature tier
Stored cold
Stored heat
Exergy destruction

44. Thermal Sankey 不夠，還需要 Exergy Map

一般 Sankey diagram 顯示：

Eflow.E_{\mathrm{flow}}.

但兩條相同寬度的熱流可能具有完全不同的可用價值。

因此 ANCSI dashboard 應同時提供：

Energy Map

Q(x,t).Q(\mathbf{x},t).

Temperature Map

T(x,t).T(\mathbf{x},t).

Exergy Map

B(x,t).B(\mathbf{x},t).

這樣 AI 與人類都能看見：

哪裡正在大量摧毀高品質 thermal resource？

45. Provenance of Thermal Value

若某 workload 使用了：

4 K4\ \mathrm{K}

cold reserve，應可追查：

  • 為什麼需要；
  • 是否有較高溫替代方案；
  • cold reserve 從何處建立；
  • 建立時用了多少電；
  • 使用後熱去了哪裡；
  • 是否有 downstream cascade；
  • 是否回收到 heat-use network。

因此建立：

Ethermal=(Ssource,Tsource,Q,B,R,Ssink,M,t).E_{\mathrm{thermal}} = ( S_{\mathrm{source}}, T_{\mathrm{source}}, Q, B, R, S_{\mathrm{sink}}, M, t ).

這使 thermal accounting 不只服務 sustainability。

它也是科研與操作 evidence。

46. 第一代實驗：Cold Storage Peak Shaving

最簡單原型完全不需要低溫。

建立：

  • compute cluster；
  • liquid cooling；
  • chilled-water storage；
  • workload scheduler；
  • electricity meter；
  • cooling power meter。

Baseline：

π0=reactive cooling.\pi_0 = \text{reactive cooling}.

Experimental：

π1=predictive cold-storage dispatch.\pi_1 = \text{predictive cold-storage dispatch}.

比較：

Pfacility,max,P_{\mathrm{facility,max}}, Ecooling,E_{\mathrm{cooling}}, Tmax⁡,T_{\max}, Celectricity.C_{\mathrm{electricity}}.

若沒有改善：

HstorageH_{\mathrm{storage}}

被削弱。

47. 第二代實驗：Heat Reuse

加入高溫 direct liquid cooling。

建立：

TreturnT_{\mathrm{return}}

與 heat-user loop。

比較：

Case A

Qheat→ambient.Q_{\mathrm{heat}} \rightarrow \text{ambient}.

Case B

Qheat→direct heat user.Q_{\mathrm{heat}} \rightarrow \text{direct heat user}.

Case C

Qheat→heat pump→heat user.Q_{\mathrm{heat}} \rightarrow \text{heat pump} \rightarrow \text{heat user}.

測量：

COP,\mathrm{COP}, Etotal,E_{\mathrm{total}}, Qreused,Q_{\mathrm{reused}}, Ctotal.C_{\mathrm{total}}.

48. 第三代實驗：Multi-Temperature Cascade

建立至少三個 thermal stages：

T1<T2<T3.T_1<T_2<T_3.

比較：

Baseline

各級獨立排熱。

Cascade

高品質 cold / heat 依用途分級。

評估：

Bdest,B_{\mathrm{dest}}, Erefrigeration,E_{\mathrm{refrigeration}}, Qreused.Q_{\mathrm{reused}}.

若：

Bdest,cascade<Bdest,baseline,B_{\mathrm{dest,cascade}} < B_{\mathrm{dest,baseline}},

且 lifecycle cost 合理，則支持 ANCSI thermal cascade。

49. 第四代實驗：Compute + Thermal + External Demand

再加入：

Dheat(t)D_{\mathrm{heat}}(t)

與：

Celectricity(t).C_{\mathrm{electricity}}(t).

AI scheduler 同時決定：

  • workload timing；
  • compute placement；
  • cold charging；
  • cold discharge；
  • heat storage；
  • heat reuse。

這才真正驗證：

thermodynamic resource orchestration.\boxed{ \text{thermodynamic resource orchestration}. }

50. 評估指標

50.1 Energy Reuse Ratio

RE=QreusedQrecoverable.R_E = \frac{Q_{\mathrm{reused}}} {Q_{\mathrm{recoverable}}}.

50.2 Exergy Reuse Ratio

RB=BreusedBrecoverable.R_B = \frac{B_{\mathrm{reused}}} {B_{\mathrm{recoverable}}}.

50.3 Exergy Destruction

Bdest=T0Sgen.B_{\mathrm{dest}} = T_0S_{\mathrm{gen}}.

50.4 Cold Storage Utilization

Uc=∫QdischargedtSc,max⁡.U_c = \frac{\int Q_{\mathrm{discharge}}dt} {S_{c,\max}}.

50.5 Peak Cooling Reduction

Rpeak=1−Pcool,peak,newPcool,peak,base.R_{\mathrm{peak}} = 1- \frac{P_{\mathrm{cool,peak,new}}} {P_{\mathrm{cool,peak,base}}}.

50.6 Heat-Reuse Availability

Ah=t(Qusable>0)ttotal.A_h = \frac{t(Q_{\mathrm{usable}}>0)} {t_{\mathrm{total}}}.

50.7 Thermal Matching Efficiency

ηM=1−Bavoidable destructionBinput.\eta_M = 1- \frac{B_{\mathrm{avoidable\ destruction}}} {B_{\mathrm{input}}}.

50.8 Lifecycle Cost

Clife=CCAPEX+COPEX+Cmaintenance+Creplacement.C_{\mathrm{life}} = C_{\mathrm{CAPEX}} + C_{\mathrm{OPEX}} + C_{\mathrm{maintenance}} + C_{\mathrm{replacement}}.

51. 可證偽命題

H1 — Thermal Cascade Hypothesis

在具有多溫級熱負載的設施中：

Bdest,cascade<Bdest,independentB_{\mathrm{dest,cascade}} < B_{\mathrm{dest,independent}}

可在不降低主要服務可靠度的前提下成立。

H2 — Cold Storage Decoupling Hypothesis

加入適當 thermal storage 後：

Pcooling,peakP_{\mathrm{cooling,peak}}

可以與：

Pcompute,peakP_{\mathrm{compute,peak}}

部分解耦。

H3 — Temperature-Tagged Resource Hypothesis

以：

(Q,T)(Q,T)

而非單一 QQ 表示 thermal inventory，可產生比普通 energy-only scheduler 更低的 total operating cost 或 exergy destruction。

H4 — Heat-Reuse-Aware Scheduling Hypothesis

在存在穩定 heat demand 的地點，將：

VheatV_{\mathrm{heat}}

加入 compute placement，可提高總設施能源利用效率。

H5 — High-Temperature Liquid Cooling Hypothesis

在硬體允許範圍內，提高 coolant return temperature 可以增加 heat-reuse value，且其收益可能大於額外 thermal design cost。

H6 — Multi-Timescale Storage Hypothesis

Sfast+Smid+SlongS_{\mathrm{fast}} + S_{\mathrm{mid}} + S_{\mathrm{long}}

的組合，在高度變動的 compute load 下，可比單一 storage technology 提供更低的全生命周期成本。

H7 — Exergy-Aware Control Hypothesis

在具有 cryogenic、warm-water 與 heat-reuse 子系統的設施中，以 exergy 為部分 objective 的 controller 可降低高品質 thermal resource 的不必要耗散。

52. 反例與失敗條件

52.1 沒有熱需求

若附近：

Qdemand≈0,Q_{\mathrm{demand}}\approx0,

heat reuse architecture 可能沒有經濟價值。

52.2 Heat transport 太遠

若：

Cpipe+Cpump+QlossC_{\mathrm{pipe}} + C_{\mathrm{pump}} + Q_{\mathrm{loss}}

過高，直接排熱可能更合理。

52.3 Return temperature 太低

若：

Treturn≈T0,T_{\mathrm{return}} \approx T_0,

熱品質過低，升溫成本可能不合理。

52.4 Storage loss 太大

若：

QlossQ_{\mathrm{loss}}

在目標 storage horizon 上太大，time shifting 失去意義。

52.5 Thermal cascade 增加太多壓降

更多 heat exchangers 與 routing 可能造成：

Ppump↑.P_{\mathrm{pump}}\uparrow.

若增加的 transport work 超過回收收益，則 cascade 不值得。

52.6 系統複雜度降低可靠性

若：

CfailureC_{\mathrm{failure}}

因多層 heat-exchange network 大幅增加，應退回較簡單架構。

52.7 發電效率太低

若低品位熱直接轉電：

ηpower\eta_{\mathrm{power}}

低到無法回收設備與維護成本，就不應採用。

53. 安全原則

53.1 Heat reuse 不可影響 primary cooling safety

如果 heat user 故障：

Qreuse→0,Q_{\mathrm{reuse}}\rightarrow0,

資料中心仍必須有：

independent heat-rejection path.\text{independent heat-rejection path}.

53.2 Storage 不是 safety sink 的唯一來源

不能假設：

Sc>0S_c>0

永遠成立。

必須有：

Sc=0S_c=0

下的 safe operating mode。

53.3 Cryogenic exergy recovery 不得突破 relief design

任何 recuperation / expansion scheme 都不得妨礙：

  • pressure relief；
  • emergency venting；
  • isolation。

53.4 External heat customer 不得成為 critical dependency

即使 heat reuse network offline：

compute safety\text{compute safety}

仍須保持。

54. 與 ANCSI 前四篇的關係

ANCSI-01 定義：

AI-native computational-scientific habitat.\text{AI-native computational-scientific habitat}.

ANCSI-02 定義：

Θ(x,t).\Theta(\mathbf{x},t).

ANCSI-03 建立：

C(t)↔Θ(t).C(t) \leftrightarrow \Theta(t).

ANCSI-04 建立：

GP=physical transport graph.\mathcal{G}_{P} = \text{physical transport graph}.

本文則加入：

GE=energy-quality routing graph.\boxed{ \mathcal{G}_{E} = \text{energy-quality routing graph}. }

因此整體變成：

Compute→Thermal Demand→Pipe Routing→Thermal Cascade→Storage / Reuse / Rejection.\text{Compute} \rightarrow \text{Thermal Demand} \rightarrow \text{Pipe Routing} \rightarrow \text{Thermal Cascade} \rightarrow \text{Storage / Reuse / Rejection}.

55. 與 ANCSI-06 的銜接

當系統開始決定：

  • 哪個 workload 先使用 cold reserve；
  • 哪條熱路徑可以改變；
  • 哪個 external heat user 可以連接；
  • 哪個 storage 可以 discharge；
  • 哪個 cryogenic branch 可以啟動；

真正下一個問題就變成：

誰有權做這些決策？

因此 ANCSI-06 將正式進入：

AI-native autonomous control and distributed governance.\boxed{ \text{AI-native autonomous control and distributed governance}. }

包括：

  • local AI authority；
  • site AI；
  • multi-cloud federation；
  • human governance；
  • deterministic safety kernel；
  • authorization envelope；
  • auditability；
  • emergency sovereignty。

56. 結論

本文提出 ANCSI 的第五個核心命題：

熱與冷不只是廢棄物與成本，而是具有溫級、時間與能量品質的資源。\boxed{ \text{熱與冷不只是廢棄物與成本，而是具有溫級、時間與能量品質的資源。} }

真正重要的不是最大化：

Qreuse.Q_{\mathrm{reuse}}.

而是降低：

avoidable exergy destruction.\boxed{ \text{avoidable exergy destruction}. }

因此一座成熟的 AI 原生計算—科研設施，可能不再只有：

  • 電力表；
  • PUE；
  • 冷卻塔；
  • 冷凍機。

它還會有：

Cold Inventory\boxed{ \text{Cold Inventory} } Heat Inventory\boxed{ \text{Heat Inventory} } Exergy Inventory\boxed{ \text{Exergy Inventory} }

以及：

Thermal Routing State.\boxed{ \text{Thermal Routing State}. }

CERN 的大型低溫工程已經證明：

對極低溫系統，最大的熱負載應盡可能在較高溫級被攔截，而不是全部推進最昂貴的低溫級 [5]。

OCP 的 Heat Reuse project 則證明：

對資料中心，排出的熱本身已經開始被正式視為可設計、可利用與可產生經濟價值的能源流 [1][8][9]。

NREL / DOE 的 Cold UTES 研究進一步證明：

「儲存冷量、延後使用」已經是一條現實的資料中心與電網整合研究路徑 [6][7]。

ANCSI-05 所提出的新命題，是將這三種思想統合：

stage+store+route+reuse.\boxed{ \text{stage} + \text{store} + \text{route} + \text{reuse}. }

最終設施不再只問：

現在有多少熱需要丟掉？

而會問：

這一份熱或冷具有什麼溫度、什麼 exergy、什麼保存時間、什麼後續用途，以及在哪個時間與哪個節點使用它最合理？

也就是：

Thermodynamics becomes a schedulable resource system.\boxed{ \textbf{Thermodynamics becomes a schedulable resource system.} }

參考文獻

[1] Open Compute Project. Heat Reuse.
https://www.opencompute.org/community/heat-reuse

[2] Gardiner, D., Van Geet, O., Comella, J., & Ramakrishnan, B. (2026). Seizing Data Center Heat Reuse Opportunities: Open Compute Project Foundation Guidelines for Local Authorities. Open Compute Project Foundation.
https://www.opencompute.org/blog/seizing-data-center-heat-reuse-opportunities-open-compute-project-foundation-guidelines-for-local-authorities

[3] Lebrun, P. (2003). Large Cryogenic Helium Refrigeration System for the LHC. CERN LHC Project Report 629.
https://cds.cern.ch/record/605468

[4] Lebrun, P., et al. LHC Cryogenic Refrigeration Capacity at Multiple Temperature Levels. CERN technical documentation.
https://cds.cern.ch/record/310033

[5] Lebrun, P., Tavian, L., et al. (1999). Cryogenics for the Large Hadron Collider. CERN LHC Project Report 338.
https://cds.cern.ch/record/411139

[6] National Renewable Energy Laboratory. (2025). Reducing Data Center Peak Cooling Demand and Energy Costs With Underground Thermal Energy Storage.
https://www.nrel.gov/news/program/2025/reducing-data-center-peak-cooling-demand-and-energy-costs-with-underground-thermal-energy-storage.html

[7] U.S. Department of Energy. Geothermal and Data Centers.
https://www.energy.gov/hgeo/geothermal/geothermal-and-data-centers

[8] Open Compute Project. (2025). Reference Designs for Data Center Heat Reuse, v0.1.
https://www.opencompute.org/documents/2025-03-18-ocp-heatreuse-wp-referencedesigns-v0-1-pdf

[9] Open Compute Project. Cooling Environments / Heat Reuse Wiki.
https://www.opencompute.org/wiki/Cooling_Environments/Heat_Reuse

[10] Claudet, S., Lebrun, P., Tavian, L., & Wagner, U. (2010). Exergy Analysis of the Cryogenic Helium Distribution System for the Large Hadron Collider (LHC). AIP Conference Proceedings 1218, 1267–1274.
https://doi.org/10.1063/1.3422294

[11] International Energy Agency. (2026). Action Plan for the Development of Low-Potential Renewable and Waste Heat Utilisation.
https://www.iea.org/policies/31869-action-plan-for-the-development-of-low-potential-renewable-and-waste-heat-utilisation

文件狀態

本文為 ANCSI 系列第五篇公開命題稿 v0.1。

本文所有數學原始碼僅使用 $...$ 與 $$...$$ 作為 canonical delimiter。本文不依賴作者其他私人理論；Thermal Exergy Ledger、Heat-Reuse-Aware Compute Placement、temperature-tagged thermal inventory、Thermal Cascade Graph、Thermal Arbitrage 與 Exergy-Aware Scheduler 均屬由既有熱力學、低溫工程、資料中心 heat reuse 與 thermal-storage 技術向前推導之待驗證工程命題。本文不主張免費能源、永動機或違反熱力學第二定律的能量回收。