|
文 | 半导体产业纵横 近期，黑科技半导体与数据中心领域迎来了一连串重磅消息，芯片冷却标志着散热技术正从“辅助环节”跃升为“核心瓶颈”。涌现大量英伟达在官方博客宣布，黑科技其下一代AI计算平台Rubin将彻底摒弃风扇，芯片冷却实现100%液冷运行。涌现大量几乎同时，黑科技韩国科学技术院（KAIST）团队发表突破性论文，芯片冷却展示了将室温水直接注入芯片内部微管道的涌现大量技术，其性能系数（COP）创下世界纪录的黑科技10倍。此外，芯片冷却SK海力士也在HBM内存封装中推出了直接集成散热元件的涌现大量iHBM方案。 这些密集的黑科技技术突破并非偶然。当单颗AI加速器功耗逼近1000W、芯片冷却单机架功率接近1兆瓦时，涌现大量传统空气冷却已触及物理极限。正如施耐德电气总裁所言：“一旦单芯片功耗超过阈值，液冷就不再是可选项，而是必需品。” 围绕“散热”这一核心议题，半导体产业正经历从芯片内部微观结构到数据中心宏观基础设施的全链路重构。 01 KAIST的微通道颠覆：效率提升10倍在芯片级散热领域，传统外部液冷方案长期受限于流体阻力大、泵送能耗高及温度分布不均等瓶颈。6月16日，KAIST研究团队发布了一项突破性成果，展示了一种基于芯片内部冷却的超高效液冷技术。 KAIST团队并未依赖昂贵的合成金刚石等特种材料，而是创新性地采用“歧管微通道”（manifold microchannel）结构，直接雕刻在硅半导体芯片内部。这种设计如同高效的物流网络，通过均匀分布微型入口和出口，大幅缩短冷却流体传输距离，从而显著降低流阻与泵送压力。 该技术的三大核心优势在于： KAIST教授Sung Jin Kim指出，随着AI半导体性能日益受热限制，该技术有望成为未来高性能计算的基础解决方案。据Fact.MR预测，全球微流控芯片冷却市场将从2025年的3.843亿美元激增至2036年的28.6亿美元，复合年增长率（CAGR）高达20%。 02 HBM5时代：封装级的“热防御战”在AI系统中，GPU/ASIC与高带宽内存（HBM）间的数据传输至关重要。随着HBM向HBM4E及HBM5演进，堆叠层数预计达20层，热量积聚成为制约性能的核心瓶颈。存储三巨头（SK海力士、三星、美光）的竞争焦点已从容量带宽转向封装级热管理。
HBM厂商的热管理角逐表明，先进封装已超越电气互连范畴，热传导路径成为架构设计的核心要素，这将深刻影响未来AI芯片的封装良率与制造成本。 03 英伟达Rubin平台：系统级全液冷革命如果说KAIST和存储厂商解决的是芯片与封装级散热，英伟达则在系统和数据中心层面推动基础设施革命。2026年6月21日，英伟达披露新一代Rubin平台的散热架构。 Rubin是全球首个100%全液冷AI计算平台。在Rubin服务器中，GPU、CPU及所有网络组件均由闭环液冷系统冷却，彻底消除风扇。其核心突破在于提高了冷却液运行温度：入口温度推高至45°C（传统约为30°C），出口温度达55°C。 基于热力学原理，冷却液出口温度越高，无源室外干式冷却器越能高效散热，无需依赖机械冷水机或蒸发冷却塔。行业估算显示，冷水机组温度每提高1度，冷却能耗成本可降低约4%。 英伟达数据中心冷却总监Ali Heydari表示：“DSX参考设计实现了零水消耗。除极少数气候条件外，这是一个无需蒸发冷却的闭环系统。”对于50兆瓦的超大规模数据中心，转向此液冷基础设施每年可节省超400万美元的冷却能源与水成本。此外，全液冷架构大幅提升机架密度，原本占用6个机架单元的系统现仅需2个单元，并消除了传统风冷高达85分贝以上的噪音。 英伟达的举措具有强大产业号召力，迫使云服务提供商（CSP）和数据中心运营商加速向液冷过渡。戴尔推出无风扇直接液冷PowerEdge XE8812服务器，单机架容纳144个GPU，功率超300kW；Supermicro则与埃克森美孚合作，验证基于NVIDIA B300的浸没式冷却技术，交付端到端Rubin NVL4液冷机架方案。 04 液冷初创公司：资本涌入的黄金时代随着液冷成为刚需，资本市场关注度空前高涨，初创公司频频获得巨额融资。
二级市场同样用真金白银投票。英伟达发布Rubin细节后，传统HVAC股票应声下跌，反映市场认为传统风冷份额将被液冷侵蚀。Vertiv、施耐德电气等在液冷领域布局深厚的企业市值显著增长。BNP Paribas在6月研报中将Vertiv和Eaton列为AI数据中心冷却首选标的。 05 边界挑战：并非万能药尽管液冷在降低数据中心内部能耗和水耗方面潜力巨大，但它并非解决AI能源危机的“万能药”。 芝加哥大学计算机科学教授Andrew Chien指出，英伟达的45°C闭环系统虽为工程壮举，但“零水消耗”仅是数据中心物理边界内的统计结果。Xylem和Global Water Intelligence分析显示，到2050年，直接用于数据中心冷却的水资源仅占AI新增水资源需求的约4%。相比之下，供电发电厂消耗54%的水资源，半导体制造环节消耗42%。液冷解决了“近水楼台”的问题，但未根本消除AI产业链对整体水资源和能源的庞大消耗。 此外，地理环境制约液冷普及。英伟达的45°C系统在温带气候可实现无冷水机组运行，但在亚利桑那、得克萨斯或新加坡等炎热地区，极端高温日仍需机械冷却。而大量规划中的AI数据中心恰恰位于这些水资源紧张地区。 商业落地方面，浸没式冷却等先进技术面临维护复杂性挑战。将服务器浸泡在介电液体中，意味着硬件维护需吊出设备、排液并清洁，增加运维难度。日本KDDI与三菱重工在大阪堺市部署的浸没式冷却数据中心，虽将冷却能耗降低94%、PUE降至1.05，但前期资本支出远高于风冷，且对老旧数据中心改造难度极大。 经济学中的“杰文斯悖论”同样适用：当冷却每一瓦特算力的成本降低、更易获取时，最可能的结果是部署更多、更密集的算力，从而在系统层面抵消单位能耗的节省。 06 结语芯片冷却已从边缘工程支持环节，跃升为决定AI基础设施成败的核心战略要素。从KAIST的微通道创新，到SK海力士与三星的封装级热防御，再到英伟达主导的机架级全液冷革命，一条清晰的技术演进路线已然浮现：冷却系统正不断向热源（硅片）逼近。 在算力驱动的新时代，高效热管理意味着在性能、密度和运营成本上的优势。热管理已超越物理学范畴，成为AI时代的“新摩尔定律”，定义着算力增长的物理边界与商业天花板。对于半导体产业链参与者而言，掌握先进冷却技术，即是在未来AI算力版图中握住了至关重要的入场券。 |