2025年，上证指数终于突破前期横盘的平台，稳稳的站在3900点的上面，带头领涨的还是科技股，围绕着芯片和芯片延伸技术，电源，新能源及冷却技术非常耀眼。
业内的新闻也炒作得沸沸扬扬，英伟达推进的MLCP液冷，在封装盖板上刻蚀微通道；微软宣布推出晶圆制造环节的液冷。冷却从组装环节，到封装环节，再到晶圆制造环节——伴随着芯片功率密度越来越高，散热方案也以缩短散热路径为主要研发方向。
早期，为了提升芯片的散热能力，便在芯片上加一个盖板，当盖板的散热能力不满足时，就把盖板挖空，里面通上液体，为了增加扰流比，在盖板内部设计一些pinfin，这就是液冷冷板冷却方案，当前以冷板式为主流技术（市占率超60%），主要应用于数据中心、新能源汽车及储能领域，被动散热的液冷方案中，也有用VC提升盖板的平面热扩散能力。
数据中心的功率密度越越高，在组装环节，引入两种散热技术，一种是浸没式液冷，另一种是喷淋式液冷，当这些技术都不能满足要求时，冷却技术被提前到封装环节。
微软最新研发的晶圆级液冷技术目前处于实验室阶段，尚未进入大规模生产，我们无法拿到第一手数据，这里暂时不做讨论。对比浸没式液冷，喷淋式液冷以及MLCP：
浸没式液冷
原理：将服务器设备完全浸没在冷却液中，通过相变或显热方式带走热量。
优势：适合高功率密度场景（如矿机、超算），散热效率较高，初期投资成本较低。
劣势：第一，冷却液需频繁更换（相变场景），维护成本较高；第二，对芯片微观层面的高热流密度解热能力较弱，可能形成热点。
喷淋液冷
原理：通过喷头将冷却液喷洒在服务器表面进行散热。
特点：结构简单，维护便捷，适用于中等功率密度场景，但散热效率低于浸没式。
MLCP
原理：将传统分离的散热器、均热板、冷板等组件整合为一个单元，通过微通道结构（流道宽度30-150微米）实现冷却液与芯片的直接接触。这种设计缩短了热传递路径，减少了导热界面材料的使用，使热量更快地从芯片转移到冷却液。
优势：散热能力显著提升，支持更高效的热管理；
劣势：技术复杂，需定制氟化物工质，初期投资成本较高。
因此，高功率密度场景（如AI服务器）优先考虑浸没式或MLCP，中等功率场景可选用喷淋或传统冷板式。若预算充足且追求极致能效，MLCP是未来趋势。
业内可以量化液冷效率的指标PUE（Power Usage Effectiveness，电源使用效率）是衡量数据中心能源效率的核心指标，计算公式为数据中心总能耗与IT设备能耗的比值，常规液冷冷板的平均PUE值为2.5，采用高效设备及优化措施后可达1.6。
高效能的液冷方式在PUE上有很大的提升。单相浸没式液冷技术已能将PUE降至1.2以下，而相变式浸没式液冷则更进一步，通过在散热过程中发生相变，实现了更高的传热效率，有望将PUE降至1.1以下；喷淋式液冷的PUE值通常在1.05至1.2之间，具体数值受系统设计和应用场景影响；MLCP通过消除传统散热方案中的界面热阻，缩短导热路径，显著提升散热效率。例如，采用MLCP的微软Fairwater数据中心实现了PUE低于1.05。
理想的PUE无限的趋近于1，但PUE并没有定义实际工况。对于算力的追求，其实可以理解是无限的，基于现有的硬件基础，目前实际工作的算力水平是什么，算力是否还有提升的空间，当算力提升了，PUE是否还能继续保持算力提升前的水平，答案显然是否定的。
理论上，提升算力会使得PUE的值指数级别上升，在PUE和算力之间找一个平衡，应该是算力设计常常要面对的问题。算力的上限是结温，但结温不可以实时测量，业界通常还是用热电偶，传感器或者红外设备去估算结温，但这些测量手段的最大问题是采样频率太低，结温的变化是微秒级，而这些数据采集设备，能做到ms就不错了，对于温定工作的硬件的结测量，还可以应付，而如果对于芯片工作任务比较复杂，芯片之间还存在热耦合，这种测量手段就无法满足要求了。实际上计算类芯片的工作状态，一定是非常复杂的，而随着人工智能的需求发展，复杂度还会指数级别的上升。我们认为，在计算类芯片算力水平评估领域，一定需要微妙甚至纳米级的瞬态热测试技术。
基于JESD 51-14标准的瞬态热测试技术，可以直接测试结构函数，以对散热路径的热参数做精确的量化分析（参考文章：热测试（二）——瞬态热测试与结构函数）
瞬态热测试数据是热源的温度变化，和散热路径的材料强相关，结构函数可以对应到一维散热路径上每一部分材料的相对精确的热阻值和热容值，定位影响散热的关键性因素。当材料的相关参数发生变化，其对应热参数的变化是量化的，为整体的散热设计提供确定的数据依据。
下图为一个风冷散热设计的结构函数测量结果，其他参数都不变，唯一的变量是风速，S1>S2>S3，系统总热阻和风速大小负相关，但在0.45K/W前面的材料的热阻值并不会随风扇的转速变化而变化，这部分的热阻是无法降低的，这也是常规冷板式液冷技术无法满足高功率芯片散热需求的原因。
组装环节的散热，由于结到环节，存在多个散热环节，这部分散热环节的热阻和风冷或者液冷的参数无关，为了尽可能降低后端的热阻值，通常会使用更高的转速来提升散热能力，从而导致散热的能耗升高，PUE上升。
从上图我们也可以看出，常规上说散热器的热阻大小，或者散热能力提升多少倍，可能并不是一个准确的概念。散热路径天生就存在0.45K/W的热阻，我们能够量化的只能是，因转速提高而减小的热阻的差值，这个物理量有实际意义，和热沉实际的所谓的热阻值，并不存在严格的量化关系。所以，业内常说的散热能力提升三倍等等数据，并不是对散热能力精确的评价，精确的评价只能是变量变化后总热阻的减小值。
风冷散热是这样，液冷冷板也是这样，包括浸没式，喷淋散热，MLCP也应该是这样，我们不能只看PUE的值，最重要的是要看因散热工艺对系统总热阻的减小值。这是一个精确的量化指标，我们认为，对于计算类芯片，精确的量化数据是非常必要的，芯片承载的任务不同，其芯片的功率以及芯片之间的热耦合状态都不相同，基于热电偶的数据，如果不预留很大的冗余，几乎无法使用（参考文章：多热源计算芯片瞬态热测试方案介绍与案例分享）。
即使是MLCP，可变的参数也很多，比如微流道的材料，数量，形状，位置，液体流速，冷却液的特性等等很多工艺因素，都有可能影响到其最终的总热阻，从而影响其实际的散热能力。理论上，我们提取对工艺参数的标准化后的变量测试数据，可以建立工艺变化导致MLCP能力变化的关系，从而从机理上建立可重用的热模型，可以大幅降低将来的研发设计的成本。
另外，实际使用过程中，系统可靠性也是非常重要的工程指标，结构函数可以对系统的可靠性进行量化（参考文章：结构函数和器件的可靠性），基于一定的量化数据，我们就可以建模，分析可靠性中的短板，探索可能的可靠性解决方案，用最低的成本，解决困扰业内多年的难题。因此，越是PUE低的冷却技术，越需要结构函数技术，以探索算力的上限，做到资源利用效率的最大化。
芯耀
与非AI
157
