生成式设计与纯铜3D打印打造创纪录的超频散热器

本文翻译自Metal-AM杂志。

作者Scott Green, 首席解决方案负责人, 3D SystemsNiels Holmstock, 工业应用开发团队负责人, 3D SystemsBram Hennebert, 应用开发工程师, 3D SystemsLieven Vervecken, CEO, DiabatixIne Vandebeek, 研发主管, Diabatix

正文《高性能计算应用的创纪录纯铜散热器增材制造》

随着高性能计算(HPC)和人工智能(AI)应用对更强大处理器的需求不断增长，热管理已成为关键挑战。
本文探讨了由3D Systems和Diabatix与SkatterBencher和ElmorLabs合作开发的生成式设计和增材制造液氮(LN₂)散热器，该散热器实现了突破性的冷却性能。
通过增材制造，这款纯铜散热器有望为这一快速增长的市场开辟新的技术应用空间。

应用背景

随着高性能计算的极限不断被突破，有效的冷却解决方案变得越来越重要。
处理器在运行期间保持冷却是实现最大性能和延长设备寿命的关键因素之一。
高端图形处理单元(GPU)集群和人工智能(AI)计算装置通常用于研究环境，大规模安装时被视为资本设备，其维护和性能受到密切监控。
在超频社区，发烧友和专业人士不断寻求从硬件中提取每一点性能的方法，将中央处理器(CPU)推至超出预期规格的水平。
超频会增加时钟速度和功耗，导致更高的热负荷，需要更先进的冷却解决方案。
增材制造和生成式设计使得创建世界上最强大的金属增材制造液氮(LN₂)散热器成为可能，用于极端CPU冷却。
这一突破性创新是应著名超频专家SkatterBencher和ElmorLabs的要求开发的。
通过这一创新，热管理领域建立了新的基准，并展示了生成式设计软件、先进制造和材料科学交叉点的能力。
这种解决方案或其变体可应用于使用标准冷却液的大规模HPC应用。
如图1所示，这是液氮散热器的横截面图，展示了其内部复杂的结构设计。这种特殊的内部结构是通过生成式设计创建的，专门针对极端CPU冷却进行了优化，能够在超频状态下有效地管理处理器产生的高热量。

应用场景背景

虽然普通消费者可能永远不需要这类产品，但我们大多数人都熟悉高性能工作站PC和科学计算数据中心在工程学科中的普遍应用，包括3D建模、数值模拟和3D渲染等众多应用。
在这些应用中，功率和散热需求与普通消费者的超便携、低功耗电子邮件和网页浏览机器有显著不同。
此外，在工业数据处理应用、数据中心和托管应用中，对大型机架式计算系统的需求创造了一个复杂的网络、存储、冗余、电源供应系统，当然还有热解决方案，用于管理来自一个地方的数百或数千个高性能计算模块产生的热量。
数据中心的功率密度在过去十年中稳步增加，预计这一趋势将进一步加速。2017年，每个服务器机架的平均功率密度约为5 kW，但预测表明，仅仅几年内，这一密度将达到每机架100 kW或更高。
这种功率密度的增加是对HPC和AI不断增长需求的回应。
它也迫使运营商重新评估其冷却方法，因为在这些高功率密度环境中，空气冷却不再可行。
高性能、专用AI计算硬件是一个快速发展的技术领域，许多常见的芯片制造商都进入市场，参与由Nvidia等领导者创建的领域。
图2展示了AI计算能力的惊人增长，以每季度浮点运算次数(FLOPS)的百分比增长表示。

从图表中可以清晰地看到，AI计算能力呈指数级增长，远超其他计算技术的增长速度，这也解释了为什么热管理成为如此关键的挑战。
高性能CPU市场已经高度成熟，晶体管数量稳步增加，符合摩尔定律，而CPU的热设计功率(TDP)在多年上升后现在增长缓慢。
相比之下，GPU计算机市场技术先进，但设计上允许更大的空间、密度和整体硬件占用空间，实现更复杂的子系统。这种架构灵活性支持大幅超过摩尔定律的增长和创新。
新的硬件领域，如张量处理单元(TPU)和量子处理单元(QPU)正在出现，预计将遵循类似于CPU和GPU的技术发展路径，但速度更快。
此外，到2025年，支持AI应用的数据中心年度支出预计将达到2000亿美元，远高于当前的全球投资水平。
所有这些计算增长还有一个相关问题：所有的电力从何而来？随着未来两到三年内新的大规模、耗电量大的数据中心迅速涌现，区域基础设施的发电能力将面临显著压力。
现代化电网、采用绿色能源以及解决所有这些对气候影响的挑战与计算技术的增长密不可分。
本文介绍的创纪录CPU冷却应用是生成式3D建模和增材制造在高性能计算应用中所能实现的重要示例。
然而，对于大部分消费者或工程工作站市场，这一概念与LN₂冷却相结合仍然大部分无法获取且成本过高。
尽管如此，这一演示是热管理能力的有力指标，通过进一步开发，可能对高功率密度应用(如上述应用)变得可行。

从概念到设计

极端CPU冷却使用LN₂正成为计算机超频爱好者的标准，因为它允许极低温度，这是实现理想的极端时钟速度所必需的。
通过利用Diabatix的ColdStream平台独特的两相生成式设计能力，工程团队生成了一个重新定义液氮冷却热性能的散热器。
两相冷却较单相冷却具有特殊优势，能达到更高的热传递速率，使其成为极端CPU冷却的理想选择。

单相冷却

单相冷却依靠通过空气或液体冷却剂(如水或油)的热传递，这些冷却剂在整个过程中保持液态。
热量通过对流从热表面传递到冷却剂，然后将热量从热源带走。这种冷却类型相对简单实施，因此在许多系统中广泛使用。
然而，它受到许多因素限制，如冷却剂吸收能量而不过热的能力，以及在固体-冷却剂接口可达到的对流热传递系数值。

两相冷却

两相冷却基于更先进的原理，利用冷却剂的相变。
当液体冷却剂吸收热量，达到沸点并且持续加热时，它会变成气体。相变允许冷却剂使用添加的热量作为蒸发冷却剂所需的潜热。
结果，在蒸发过程中，冷却剂温度保持恒定，与单相冷却相比，每单位质量可吸收更多热量。
由于蒸发过程的高度湍流特性，在固体-冷却剂接口实现的对流热传递系数可以轻松达到单相冷却的一个数量级。
这使其对高功率应用如数据中心或电力电子设备极具吸引力。
一旦液-气混合物携带热量离开，它被冷凝回液体，允许循环重复。
由于蒸发器和冷凝器中相变的复杂性，这种冷却类型使用传统设计方法设计具有挑战性。

莱顿弗罗斯特效应

此外，两相冷却中必须在设计过程中考虑的关键因素是莱顿弗罗斯特效应；这种现象指液体接触明显高于其沸点的表面时，会产生将液体与表面分离的蒸汽层。
当这种效应发生时，会完全抵消两相热传递的效果，因为蒸汽层作为绝缘屏障，可能有效损坏散热器和热源。
因此，至关重要的是，两相散热器的设计方式必须防止在所有运行模式下出现莱顿弗罗斯特效应。
传统的两相散热器设计工作流程主要是试错。
设计师绘制一个冷却设计，然后通过专家模拟软件或原型和实际测试对其进行规范测试。
与许多其他示例一样，当这种设计方法应用于极端CPU冷却时，会导致一个冗长且昂贵的过程，需要多层专业知识。
图3展示了ColdStream软件的用户界面，显示了案例设置模式下的操作环境。

通过这个直观的界面，设计师可以设置各种参数，如材料属性、边界条件和操作要求，为生成式设计过程提供必要的输入数据。
通过Diabatix在两相冷却剂建模领域的最新创新，这一试错过程可以被高效的生成式设计方法所取代。
这是一个自动化设计过程，需要最少的人工输入和交互即可实现高度优化的设计，满足功能要求。
通过使用物理建模、大规模计算资源以及最先进的优化和人工智能技术，生成式设计可以克服传统试错方法的局限性。
对物理、设计约束和制造约束的同时考虑被简化为几个简单步骤来制定输入，生成式设计引擎处理其余部分。
生成式设计的起点不是最佳猜测，而只是设计目标的描述、可用设计空间的指示以及设计限制集(如制造约束)。
使用生成式设计软件时，工程师不再是委员会中的设计师，而是成为自己虚拟设计团队的管理者。
因此，生成式设计输入简化为以下五个步骤，之后流程可以开始：

创建CAD文件

创建散热器基本几何形状的CAD(在此案例研究中是圆柱形容器)，并指示设计空间，即可由生成式设计引擎修改的体积部分。

定义材料特性

将材料特性设置为所需的铜合金和LN₂特性。

设置操作和边界条件

设置操作条件和边界条件，使设计针对所需的CPU功率进行优化，并在饱和点运行。

指定制造工艺

指定所需的制造方法。对于本案例研究，我们使用3D Systems的DMP Flex 350进行激光束粉末床熔融(PBF-LB)工艺。

指明设计目标

 
指明设计目标，使流程知道如何评估设计的性能。这包括指定目标(对于CPU冷却，温度最小化通常是一个很好的选择)和约束，如重量约束。
图4展示了ColdStream软件界面显示的LN₂容器生成设计。

这个视图展示了软件如何根据输入的参数和约束条件，自动生成优化的内部结构。
这种复杂的内部几何形状是传统设计方法难以或不可能创建的，但通过生成式设计和增材制造，它们变得可以实现并带来显著的性能优势。
整个过程的关键是拥有一个高度准确的物理模型，描述从CPU到液氮的热传递。
通过利用共轭热传递建模环境中的先进两相纳维-斯托克斯方程，ColdStream可以提供所需的物理精度水平，并高效处理流体流动中的相变现象。
此外，通过在计算中同时考虑液体和气体相，ColdStream模拟沸腾过程的复杂动态，包括热传递和流动不稳定性，同时还自动防止不需要的效应，如莱顿弗罗斯特效应。
由于该过程中没有步骤需要人工干预，生成式设计方法消除了从概念到制造就绪设计过程中的人为偏见。
虽然传统设计方法严重依赖工程师的经验和直觉，这可能无意中限制创新，但使用生成式设计消除了这种限制。
因此，它有可能确定材料在设计空间内的最佳放置，这可能并不直观或立即明显对人类设计师来说。
在实践中，设计工程师无需关心物理建模的复杂性，因为这完全集成到流程中。
此外，在模型尺寸、操作条件或CPU功率方面几乎没有限制。相反，流程的简单性和所需的最小输入通过直观、易用的界面确保高质量的用户体验。

生产

这种新的冷却解决方案使用了经认证的无氧铜粉末进行制造，热导率达到了卓越的390 W/mK。
这种方法允许实现传统制造方法无法达到的几何形状，生产出针对性能优化的组件。
图5提供了各种铜合金的相对导电率与极限抗拉强度对比图。IACS(国际退火铜标准)是商用铜导电率的经验派生标准值。

从图表中可以看出，用于这个项目的铜合金提供了卓越的导热性能，同时保持足够的强度来满足结构需求。
在制造过程中保持铜粉末的纯度至关重要，因为铜基体中的任何氧气都会对其热导率产生不利影响。
3D Systems的真空室概念允许在制造前进行真空预循环，主动去除建造室和粉末中的空气和水分。完成此循环后，气室充满高纯度氩气。
这种高效有效的真空预循环有助于实现极低氧环境。此外，真空室的密封设计确保没有氧气进入建造室，从而实现极低的氩气消耗。
这种真空室概念有助于消除粉末给料中氧气污染的风险，导致稳定的粉末化学成分，并显著改善认证无氧铜粉末批次的可重用性。

图6展示了散热器在DMP PBF-LB机器上的制造过程。这张图片直观地展示了增材制造过程，显示了如何逐层构建复杂的内部结构。

这种增材制造方法允许精确控制材料的放置，确保最终产品的高性能和高质量。

图7显示了在3DXpert软件中的冷却器模型。这个视图展示了设计的数字表示，包括其复杂的内部结构和流道。

通过这种先进的设计软件，工程师能够在物理制造前检查和验证设计的各个方面。

这种制造工艺不仅提供上述优势，还提供了制造具有测量热导率的零件的能力，超过使用其他机器和相同粉末制造的零件的测量值。
此生产进程不仅提供上述优势，还能够制造出具有超过使用其他机器和相同粉末制造的部件的热导率测量值的部件。

初始物理测试

开发完成后，LN₂散热器由ElmorLabs进行了初步物理测试，以验证其性能。详细的初步评估证实了预测的散热器卓越冷却能力。
特别是，与目前市场上顶级产品之一Volcano LN₂冷却器相比，冷却速度提高了3倍，这在测试中尤为突出。
由于AI设计的散热器和Volcano具有相同的1.7 kg质量，且基本材料都是铜，这种差异只能来自表面热传递的改善和/或铜内部热传导的提升。

图8展示了物理测试设置，包括测试环境中的散热器和相关测量设备。

这个测试装置被设计用来验证散热器在极端条件下的性能，模拟实际使用环境下的高功率CPU冷却需求。通过这种严格的测试设置，可以准确测量散热器的热性能参数。

图9展示了测试结果的演示，清晰地显示了新设计散热器的卓越性能。

这些数据可视化帮助研究人员和工程师理解散热器的性能优势，并验证了生成式设计和增材制造方法的有效性。

测试表明，LN₂容器可以轻松处理如Core i9-14900 KF这样的处理器，P核心时钟频率高达7.5 GHz，功耗600 W。
与Volcano LN₂冷却器相比，散热器基座温度差为11°C，而总热量升高仅9°C，AI设计证明有潜力承载相同基座温度下两倍以上的功率。
因此，AI设计以巨大的余量通过测试，留有足够空间达到更高功率。
根据测试数据，确认了预期的非凡热阻为0.011 kW。
这意味着每100 W的CPU功率，散热器基座与液氮之间的温差仅为1.1°C，使其成为世界上最强大的散热器之一。
进一步分析揭示，这只有通过铜-LN₂界面热传递系数约+60%的改善才能实现。
显然，这种性能提升的飞跃只能通过热生成式设计的力量实现并直接受益于此。
图10展示了一个演示应用中的剖面增材散热器图像。

这张图片清晰地展示了散热器的内部结构和制造质量，展示了增材制造如何能够创建复杂的内部几何形状，这在传统制造方法中是不可能或极其困难的。
这种内部结构的优化对于散热器的卓越性能至关重要。

结论

AI设计的LN₂冷却器展示了卓越的热性能，在7.5 GHz下承受600 W功率，实现仅0.011 kW的热阻。
其优化的铜-LN₂界面热传递系数允许比传统设计高出+60%的效率提升。
这些结果证实，热生成式设计可以超越传统冷却限制，使这款散热器跻身世界上最强大的散热器行列。
这一开创性项目是应SkatterBencher和ElmorLabs(超频社区的领先权威)的请求发起的。
他们的专业知识和见解对指导开发过程至关重要。他们的雄心与我们推动热管理可能性界限的承诺非常契合。
当前设计仅是合作的起点。在为产品商业化准备供应链的同时，我们已经准备了额外的变体。目标清单的首位是在物理测试中突破2,000 W大关。

参考文献

[1] Bloomberg Professional Services, 「随着通用AI需求激增，大型科技2025年资本支出可能达到2000亿美元」，2024年10月4日。