誰能卡住英偉達的脖子？

生成式AI的風(fēng)口下，一些行業(yè)正在“悶聲發(fā)大財”。

從今年2月開始，中國臺灣廠商AVC和雙鴻(AURAS)股價一路飆升，在端午假期前的最后一個交易日，兩家公司的股價較4個月前均實現(xiàn)翻倍，分別收報249.5新臺幣（約合58.1元人民幣）及292.5新臺幣（約合68.1人民幣）。

如果對照芯片巨頭英偉達(NVEDIA)近期股價****，會發(fā)現(xiàn)三者之間存在著驚人的一致性——這家芯片巨頭公司同樣在這4個月內(nèi)時間實現(xiàn)了股價翻倍。

這顯然不是巧合。

實際上，上述兩家位于中國臺灣地區(qū)的公司，或多或少與英偉達有關(guān)，確切地說是與生成式AI相關(guān)。AVC是全球最大散熱模組廠商，也是英偉達AI服務(wù)器系統(tǒng)DGX H100目前的風(fēng)冷散熱系統(tǒng)供應(yīng)商，雙鴻則是Supermicro（超微電腦）服務(wù)器散熱系統(tǒng)的供應(yīng)商。

散熱，這個過去不被人們重點關(guān)注的產(chǎn)業(yè)，正由于AI帶來的數(shù)據(jù)量和計算量的爆發(fā)增長逐漸從幕后走向臺前，多位從業(yè)人士向虎嗅表達了這樣一個觀點：“今明兩年，AI行業(yè)中可能會出現(xiàn)算力被散熱‘卡脖子’的情況?！?/p>

6月15日，在AMD發(fā)布APU（加速處理器）MI 300系列后，AMD股價由于受到“缺少大客戶”的質(zhì)疑下跌3.6%，但就在同一日，AVC與雙鴻的股價卻因AI芯片出現(xiàn)新玩家的利好應(yīng)聲上漲5.8%和3.6%。

作為一個與計算機科學(xué)共同成長起來的產(chǎn)業(yè)，散熱模組廠商們經(jīng)歷了多次電子信息革命，但當(dāng)下AI的爆發(fā)，似乎才真正讓這個行業(yè)真實現(xiàn)了“翻身”。

AI的盡頭是散熱？

當(dāng)電流通過電阻時，所消耗的電能會全部轉(zhuǎn)化為熱能，這種現(xiàn)象被稱為電流的熱效應(yīng)，自計算機誕生以來，從業(yè)者們用盡辦法將電子器件的溫度控制在合理的范圍內(nèi)。

當(dāng)然，早期的計算機功耗較低，而且整機體積較大，因此不需要單獨設(shè)計系統(tǒng)級的散熱解決方案，通常做法就是在計算機背部放置個簡易的風(fēng)扇，以將熱流導(dǎo)出。

1989年，英特爾發(fā)布了80486處理器，人類第一次實現(xiàn)了在微處理器中集成百萬級晶體管，這枚芯片的功耗也水漲船高，在芯片出廠時，英特爾為其配備了一組鋁制的散熱片，再配合機箱上的風(fēng)扇完成整體散熱。

以今天的視角來看，這種方案還是很簡陋，但它勾勒出了散熱設(shè)計最底層的原理：先導(dǎo)熱，再散熱。簡單地來說，導(dǎo)熱就是將熱量在介質(zhì)中傳送，散熱就是讓熱量盡可能快地從介質(zhì)向外界散發(fā)。

傳統(tǒng)的服務(wù)器散熱方案與計算機散熱原理大致相同，區(qū)別在于服務(wù)器所使用的算力芯片由于能耗較高，往往將芯片級散熱系統(tǒng)作為重點，通常來說就是將芯片熱量通過熱管、均熱片等傳導(dǎo)到多褶結(jié)構(gòu)的散熱鰭片上，再通過風(fēng)扇進行主動散熱。

傳統(tǒng)服務(wù)器散熱器，與臺式機基本一致。圖片來源：中關(guān)村在線

不過，這種風(fēng)冷式散熱方案在當(dāng)前AI服務(wù)器上的表現(xiàn)已經(jīng)明顯力不從心。

原因在于高性能AI芯片的功耗在隨著算力同步大幅提升。10年前市面上能買到的最頂級的數(shù)據(jù)中心GPU是英偉達K40,其熱設(shè)計功耗(TDP)為235W，2020年英偉達發(fā)布A100時，熱設(shè)計功耗接近400W，到了最新的H100芯片，熱設(shè)計功耗直接飆升到700W。

國內(nèi)散熱技術(shù)廠商廣州力及熱管理科技(NeoGene Tech)創(chuàng)始人陳振賢向虎嗅表示，到了明年，單顆高性能AI芯片的熱設(shè)計功耗將會突破1000W。

那么風(fēng)冷式散熱對應(yīng)的散熱極限是多少？國金證券研究所的一份報告指出，服務(wù)器2U空間下，250W大約是風(fēng)冷的極限，4U以上空間風(fēng)冷可以解到400W-600W。

這里需要普及下“U”的概念，這是美國電子工業(yè)協(xié)會制訂的標(biāo)準(zhǔn)化尺寸，1U服務(wù)器的寬度為48.26厘米（19英寸），高度為4.445厘米（1.75英寸）。通常情況下，標(biāo)準(zhǔn)服務(wù)器機柜的高度為42U，但這并不意味可以容納42枚1U服務(wù)器，因為過大的密度會增加散熱負(fù)擔(dān)。

而如果使用英偉達H100芯片的話，在使用風(fēng)冷散熱模組方案的情況下，就需要用到4U的機柜。

因此，為了提高單一機柜的功率密度，數(shù)據(jù)中心近些年開始普遍使用液冷方案。其大致可以分為兩種技術(shù)路徑：冷板式(Cold Plate)與浸沒式(Immersion)，前者是通過冷板將發(fā)熱器件的熱量間接傳遞給封閉在循環(huán)管路中的冷卻液體，后者則直接將發(fā)熱器件以及電路板整體直接置于液體中。與空氣介質(zhì)相比，液體的導(dǎo)熱率更高、比熱容更大、吸熱能力也更強。

1U 2x雙路節(jié)點服務(wù)器的冷板式散熱方案，圖片來源：企業(yè)存儲技術(shù)

另外在運營成本上，液冷散熱也有較大的優(yōu)勢。傳統(tǒng)風(fēng)冷散熱將服務(wù)器芯片熱量吹到數(shù)據(jù)中心機房內(nèi)，這要求機房空調(diào)溫度必須大幅降低，一位業(yè)內(nèi)人士向虎嗅透露，臺積電的數(shù)據(jù)中心溫度常年維持在零度左右。而液冷散熱模組的設(shè)備雖然較為昂貴，但大多屬于一次性成本，后續(xù)的能耗成本可以大幅降低。

但這并不意味著目前液冷散熱技術(shù)就是一種萬全之策，陳振賢指出，在現(xiàn)有要求降低PUE（指數(shù)據(jù)中心消耗的所有能源與IT負(fù)載消耗的能源的比值）的限制下，既有的冷板式及浸沒式液冷技術(shù)也都紛紛面臨著解熱極限的問題。

中科創(chuàng)星董事總經(jīng)理盧小保也向虎嗅表示，目前無論是風(fēng)冷還是液冷散熱方案，都進入明顯的發(fā)展瓶頸期，未來熱管理相關(guān)技術(shù)可能會成為AI芯片性能釋放的決定性限制因素。

破局點在哪里？

盡管業(yè)內(nèi)目前還沒有出現(xiàn)公認(rèn)的“最佳解決方案”，但市場對于AI服務(wù)器的需求不會因此陷入停滯。

第三方研究機構(gòu)TrendForce發(fā)布的預(yù)測指出，2023年AI服務(wù)器（包含GPU、FPGA、ASIC等主芯片）出貨量將接近120萬臺，同比去年增長38.4%，而AI芯片今年出貨量將增長46%。

有業(yè)內(nèi)人士向虎嗅表示，在今年的AI服務(wù)器市場中，英偉達A100與A800的出貨量將可能會占據(jù)80%，而隨著下半年數(shù)據(jù)中心陸續(xù)導(dǎo)入熱設(shè)計功耗高達700W的H100芯片后，行業(yè)內(nèi)既有的散熱技術(shù)可能都需要進行一次“推倒重建”。

盧小保認(rèn)為，傳統(tǒng)的風(fēng)冷式散熱方案并不是完全沒有開發(fā)空間，但前提是導(dǎo)熱器件必須進行升級換代，比如引入環(huán)路熱管技術(shù)。

目前芯片級風(fēng)冷散熱模組中，導(dǎo)熱器件主要以熱管為主，它的主體是一根封閉、中空的金屬管，內(nèi)部有少量工作介質(zhì)（主要是純水）的毛細(xì)結(jié)構(gòu)，運行時依靠介質(zhì)蒸發(fā)吸收芯片熱量，再由風(fēng)扇將熱量吹走。

熱管工作原理，圖片來源：antpedia

而環(huán)路熱管在保留上述特性的同時，導(dǎo)熱能力增加幾倍，而且導(dǎo)熱距離更大，可以傳遞到一米以外甚至理論上可以傳導(dǎo)到十幾米以外，這是該技術(shù)在衛(wèi)星上已經(jīng)實現(xiàn)的效果。

“如果環(huán)路熱管能做到數(shù)米遠(yuǎn)，就意味著可以直接將服務(wù)器芯片的熱量導(dǎo)出到數(shù)據(jù)中心外部，連機房溫度的問題都解決了”，盧小保指出。

不過作為一種航天工程的衍生技術(shù)，要在地面環(huán)境下落地應(yīng)用，技術(shù)難度極高，雖然學(xué)術(shù)界和工業(yè)界都有很多團隊在從事這項技術(shù)的研發(fā)，但真正具備落地商用能力的極少。

同樣，液冷散熱方案也具備升級迭代的潛力。比如結(jié)合將冷板與浸沒式散熱的技術(shù)特點相結(jié)合，在傳統(tǒng)的1U或2U機柜槽中接入冷板，再接入浸沒散熱用的單向冷卻液，以實現(xiàn)雙重冷卻循環(huán)。

據(jù)外媒Electronics Weekly報道，前不久美國能源部(DOE)立項了一個名為COOLERCHIPS的研究計劃，?助英偉達5百萬美元開發(fā)此項混合液冷技術(shù)，利用兩相冷卻液作為冷板的內(nèi)循環(huán)，非導(dǎo)電冷卻液體則是被直接注入服務(wù)器中做循環(huán)。

陳振賢表示，NeoGene Tech亦自主研發(fā)了一種更先進的具有三重液冷循環(huán)之服務(wù)器裝置技術(shù)，將具備更高功率芯片的散熱及散熱能力，而且無需價格昂貴的兩相冷卻液作為循環(huán)，在運營成本上將更優(yōu)。

此外，NeoGene Tech還基于冷板式液冷技術(shù)開發(fā)了一種被稱為牛勁冷泵(NeoGene Liquid Cooler)液冷散熱器產(chǎn)品，整體高度已經(jīng)壓縮至24.5mm，可以滿足數(shù)據(jù)中心1U服務(wù)器機柜的超高密度布建需求。其最大特點是可通過內(nèi)部三維蒸氣腔的功能設(shè)計，根據(jù)芯片功率及功率密度做出解熱及散熱的功能調(diào)整。

陳振賢指出，1U的牛勁冷泵液冷散熱器已經(jīng)可以服務(wù)TDP超過1000W的高算力芯片。

1U規(guī)格的牛勁冷泵液冷散熱產(chǎn)品，圖片來源：NeoGene Tech

以上提到的技術(shù)方案，都是基于過去散熱模組的迭代，那么是否存在一種技術(shù)，可以直接在芯片上做文章？

在今年3月，NeoGene Tech曾公開了一個針對高功率芯片封裝的散熱方案：直接將裸芯片和牛勁冷泵液冷循環(huán)系統(tǒng)封裝在一起工作。

陳振賢向虎嗅表示，“在這個技術(shù)路徑下，散熱模組不再是芯片外部的獨立器件，它本身就是IC元件的一部分，可達到即插即用(Plug&Play)的目的”。

這項散熱封裝技術(shù)若再搭配具有三重液冷循環(huán)之服務(wù)器裝置技術(shù)，能夠為數(shù)據(jù)中心省去所有的二級、三級散熱系統(tǒng)，只需將自我浸沒式服務(wù)器插入機柜內(nèi)， 再接入水管及非導(dǎo)電冷卻液管就可以直接使用。當(dāng)然，該方案對先進封裝工藝有一定的要求。

另一種直接在芯片上做散熱的技術(shù)，也與封裝工藝緊密結(jié)合，那就是Chiplet。

簡單地來說，就是將一個單顆SoC芯片的功能拆分成眾多小芯片，然后運用先進封裝技術(shù)重組成一個龐大復(fù)雜的系統(tǒng)。從芯片散熱的角度來說，Chiplet不會使芯片整體功率降低，但在拆分后的表面積會增加，也就是說同等熱設(shè)計功率下，單位面積內(nèi)熱流強度會降低。

從這里也可以看出一個趨勢，那就是在AI芯片算力與能耗大幅提升的背景下，芯片散熱問題，或者說熱管理問題，已經(jīng)不再是一個獨立的學(xué)科，而是更加趨近于系統(tǒng)性工程，未來AI芯片的天花板，或許真的取決于散熱技術(shù)的發(fā)展水平。