安徽
AI芯片性能狂奔，散熱卻成了掐住算力喉嚨的那只手。
大模型訓練、生成式AI推理，每一次計算都在芯片上留下滾燙的印記。傳統風冷早已逼近物理極限，外置冷板式液冷也面臨熱阻天花板。
6月16日，據韓國科學技術院（KAIST）消息，韓國金性鎮教授團隊與李翼振教授團隊聯合研發出芯片內置超高效液冷散熱技術，直接把冷卻能耗砍到了十分之一。
一、把“水冷”塞進芯片肚子里
這項技術最狠的一招，是把直徑遠小于人類發絲的微米級液冷微通道直接嵌入硅半導體芯片內部，實現散熱結構與芯片本體的一體化融合。傳統液冷再怎么折騰，冷板始終貼在芯片外面，熱量得先穿過封裝材料才能被帶走。
KAIST的做法等于在芯片內部開鑿了一張毛細水路網，冷卻液直接流經發熱核心，從根源上拔除熱量。
但真正拉開差距的，是歧管微通道（MMC）結構的重新設計。
傳統微通道散熱中，冷卻液需要貫穿整條通道從一端流到另一端，路徑長、阻力大、泵送功率高，而且前端涼后端熱，芯片溫度根本拉不平。
KAIST團隊設計的新型歧管分流結構徹底重構了冷卻液的循環邏輯——通過多組分布式入口通道均勻分配冷卻液，熱交換完成后經多條出口通道統一回收，形成短路徑、分布式的散熱網絡。
打個比方，傳統模式像是全國快遞都從北京一個倉發貨，而新結構在每個省都設了分撥中心，距離短了，效率自然上去了。
二、性能數據碾壓全球紀錄
實測結果堪稱炸裂。在2000W/cm2的極端發熱工況下——這已經是先進AI加速器和高性能計算系統的典型熱流密度水平——系統仍能將芯片核心溫度穩穩壓在100℃以內。
制冷性能系數（COP）達到106000，意味著每消耗1單位泵送能量，就能移除106000單位的熱量。
這個數字是2020年《自然》期刊刊載的全球最佳紀錄（約10000）的十倍有余。
換言之，移除同樣多的熱量，所需泵送功耗僅為傳統頂尖方案的十分之一。
更令人驚嘆的是這套分層研發模式。團隊針對微通道的寬度、高度、排布數量、布局方式及冷卻液流速等核心參數，搭建了多保真度優化框架——先通過一維模型大范圍篩選海量基礎設計方案，快速剔除低效結構，再依托高精度仿真對優質方案進行精細化調校。
這種打法突破了傳統散熱設計受限于算力無法遍歷海量方案的瓶頸，同步實現了散熱性能、流體壓降、芯片溫度均勻度三大核心指標的協同優化。
三、不用金剛石、不用特種液，常溫清水就行
落地實用性方面，這套方案更是誠意拉滿。整套系統無需相變制冷、納米表面改性等復雜工藝，也不依賴金剛石等高價特種散熱材料，僅以普通常溫清水作為冷卻介質。
芯片集成微通道的制備工藝溫度低于350℃，完全兼容當前主流半導體量產制造流程，無需對現有產線進行大規模改造或新增昂貴設備。
研究團隊已在5mm×5mm的實驗芯片上完成驗證，并表示技術可擴展應用于GPU、TPU等大型AI半導體，最大支持7.5cm×7.5cm的芯片面積。
當應用于數據中心冷板時，相比傳統方案冷卻性能提升超過30%。該研究成果已于6月15日發表在國際學術期刊《EnergyConversionandManagement》上。
從AI加速芯片到高性能計算系統，從三維半導體封裝到功率電子器件乃至軍工精密設備，這項技術的應用版圖正在展開。當算力競賽進入白熱化，誰先解決“發熱”這個物理天花板，誰就可能定義下一個時代的芯片邊界。KAIST這次，把水冷玩到了極致。
特別聲明：以上內容(如有圖片或視頻亦包括在內)為自媒體平臺“網易號”用戶上傳并發布，本平臺僅提供信息存儲服務。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
