⚡ 电气工程

Running orbital AI data centers hot: chip leakage matters as much as temperature tolerance

本研究表明，对于轨道人工智能数据中心而言，最小化芯片漏电流与提高温度额定值以实现减重同样至关重要，因为当前的漏电流水平在很大程度上抵消了通过提高工作温度所预期的质量节省，尽管改进热管理仍能带来显著收益。

原作者： Jiawei Jing

发布于 2026-10-26

📖 1 分钟阅读☕ 轻松阅读

原作者： Jiawei Jing

原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

想象一下，试图在太空中建造一台超级计算机。目标是在绕地轨道上训练大规模人工智能模型，但存在一个基本的物理问题：计算机会产生热量，而在真空的太空中，没有空气可以将其吹走。在轨道上冷却机器的唯一方法是利用被称为散热器的大型扁平面板，将热量辐射到深邃寒冷的太空中。这些面板能达到的温度越高，它们的体积就可以越小，因为热辐射量随温度升高而增长得极其迅速。这一简单的物理规则促使工程师们提议让轨道数据中心在高温下运行，希望能将沉重的散热器缩小到可控的尺寸。

然而，一项新的研究表明，这个计划撞上了一堵隐藏的墙。虽然散热器可能会变小，但内部的计算机芯片在变热时的表现却截然不同。随着硅芯片升温，它们会开始“泄漏”电量，即使在不进行任何工作时也会浪费电力。这种浪费的电力会转化为更多的热量，进而使芯片变得更热，从而导致更多的泄漏。这是一个恶性循环。研究显示，对于当前的计算机芯片而言，这种泄漏现象如此强大，以至于它几乎抵消了高温运行带来的所有好处。根据这项分析，仅仅制造能够承受更高温度的芯片来解决质量问题的想法，在很大程度上只是一种幻觉。

研究人员贾威·京（Jiawei Jing）来自日本的牧之原开发公司（Makuhari Development Corporation），他构建了一个详细的液冷卫星计算机模型，旨在作为轨道人工智能数据中心。他们将整个系统视为一个单一的、相互连接的整体。在他们的模型中，芯片由流经管道的液体冷却，液体将热量带走并输送到散热器面板。团队运行了数千次模拟，改变芯片和内存能承受的最高温度，并观察卫星的总重量如何变化。他们纳入了每一个主要部件：用于产生电力的太阳能电池板、用于储存电力的电池、用于移动冷却剂的泵，以及用于排放热量的散热器。至关重要的是，他们并没有将芯片视为静态物体；他们在程序中考虑了这样一个事实：随着芯片变热，它们会泄漏更多电力并消耗更多功率。

结果非常残酷。关于轨道数据中心的文献通常建议将散热器运行在 350 到 385 开尔文（约 80 到 110 摄氏度）之间的温度，以最小化其尺寸。为了实现这一点，芯片本身需要在 117 到 174 摄氏度之间运行。研究发现，如果你能神奇地制造出永不泄漏电量的芯片，将温度极限从目前的 85 度提高到 150 度，确实能节省大约 23.5% 的卫星总质量。但真实的芯片确实会泄漏。当研究人员将当前最强大的图形处理器（GPU）的实际泄漏率代入模型时，节省下来的质量便消失了。泄漏产生的额外热量迫使系统必须携带更大的太阳能电池板和更大的散热器，以处理这些废热，从而有效地抵消了所获得的收益。最终，质量节省比例从 23.5% 降到了仅仅 2.6%。

该研究还探讨了系统是否能在这些高温下保持稳定。由于泄漏量随热量急剧增加，存在一个临界点，即芯片产生的热量超过了冷却系统能够移除的热量，从而导致一种失控效应，使芯片自我毁灭。模拟显示，对于拟议的高温设计，除非大幅降低芯片与冷却液之间的温差，否则大多数当前芯片的行为都会导致这种不稳定性。换句话说，仅仅制造能承受更高热量的芯片是不够的；物理上的泄漏现象会在系统达到理想效率之前就使其变得不稳定。

那么，如果运行高温芯片是一条死胡同，解决方案是什么？研究人员找到了另一个可以调节的杠杆。他们建议不是让芯片变得更热，而是让冷却系统更有效地从芯片中移除热量。目前，热芯片与流经它的较凉液体之间存在巨大的温差，就像一件厚厚的冬装阻隔了体温一样。研究表明，通过改善热连接——使用更好的材料或设计来缩小这个差距——液体冷却剂可以在不加热芯片本身的情况下，让其运行温度更高。这使得散热器能够在高温度下运行并保持小型化，同时芯片仍能保持足够凉爽，以避免最严重的泄漏。

这种“绕过”泄漏问题的方法被证明比单纯尝试提高芯片耐温性的效果要好得多。通过将芯片与冷却剂之间的温差从 40 度降低到 25 度，模型显示质量节省了近 8%。这比仅仅提高芯片温度极限所获得的节省要高出三倍多。核心洞察在于，瓶颈不在于芯片承受热量的能力，而在于系统在散热器变热的同时保持芯片凉爽的能力。研究结论指出，对于轨道人工智能数据中心的可行性而言，芯片设计者必须在致力于提高耐温性的同时，同样专注于减少电泄漏。打造更轻、更高效的空间计算机之路，不在于制造更热的机器，而在于构建更好的冷却系统，使芯片保持凉爽，同时让卫星的其他部分运行在高温状态。

技术摘要：运行高温轨道 AI 数据中心

问题陈述
关于轨道 AI 数据中心（2024–2026 年）的提案建议将散热器置于高温度（350–385 K），以利用斯特藩-玻尔兹曼四次方定律，从而最小化散热器质量。然而，现有的文献通常将散热器温度视为一个独立输入，忽略了芯片温度与功耗之间的耦合关系。在地面数据中心中，更高的温度会增加漏电流，从而提高功耗和冷却能耗。在轨道上，由于质量是主要约束条件且散热器是唯一的散热热沉，这种耦合产生了一个关键的权衡：提高散热器温度需要更热的冷却液，这会迫使芯片和高带宽内存（HBM）在更高的结温下运行。这种温度升高会驱动漏电功率上升，进而需要更大的太阳能电池阵列和散热器来排放额外的热量。本文探讨的核心问题是：通过减小散热器尺寸所节省的质量，是否会被增加的漏电功率所带来的质量惩罚所抵消，以及当前的漏电水平是否阻碍了高温设计的实现。

方法论
本研究开发了一个用于液冷计算卫星的闭环在轨质量模型。该模型集成了：

热-电耦合： 一个基于冷却液温度 ( $T_c$ ) 和归一化芯片功率 ( $\Psi$ ) 来求解结温 ( $T_j$ ) 的不动点方程，其中 $\Psi$ 随 $T_j$ 的增加而增加（由于漏电）。
漏电建模： 芯片功率被分为动态部分和漏电部分。漏电采用 Arrhenius 型函数 ( $T^2 e^{-E_a/kT}$ ) 进行建模，并受供应商功率估算工具（TSMC、AMD）和晶体管测量数据的约束。漏电占比 ( $P_L$ ) 和激活温度 ( $E_a$ ) 是根据数据中心 GPU（H100、V100）的遥测数据推导并拟合为三种“形状”（平坦、中等、陡峭）。
系统质量组件： 每千瓦参考计算量 ( $kW_{ref}$ ) 的总质量包括计算硬件、固定质量、散热器质量（取决于面积和温度）、太阳能阵列质量（取决于总母线功率）、储能系统以及热泵质量（如果适用）。
设计变量： 研究将芯片和 HBM 温度限制作为设计变量（从 85/95 °C 扫描至 150 °C），并分析了“温度梯度”（即结温/HBM 与冷却液之间的温差）的影响。
验证： 模型通过了 Turyshev 和 Starcloud 白皮书中的公开估算值，以及硬件锚点（如国际空间站光伏散热器和 NASA Glenn 研究中心测试）的验证。

核心贡献与结果

实现文献所述温度所需的芯片要求：
为了达到文献建议的 350–385 K 有效辐射温度，研究发现芯片和 HBM 温度限制必须提高到约 117–174 °C。然而，在这些温度下，目前的漏电水平会导致热循环失稳。对于标称散热器，只有当漏电激活温度低于 ~2750 K（平坦形状）时，目标为 350 K 的设计才是稳定的；中等和陡峭形状（代表当前 GPU 的行为）会导致在标称时钟频率下没有稳定的工作点，这意味着此类设计将需要永久性的降频运行。
漏电抵消质量节省：
将芯片和 HBM 的温度限制从 85/95 °C 提高到 150 °C，理论上可以为零漏电芯片节省 23.5% 的在轨质量。然而，在当前漏电水平（ $P_L \approx 0.15$ ）下，对于标称散热器，这一节省仅为 2.6%。漏电抵消了大约 90% 的潜在质量减少。其机制是：额外的漏电功率需要更大的太阳能阵列和散热器，从而抵消了因温度升高而获得的面积缩减收益。
盈亏平衡漏电阈值：
研究量化了实现更高额定值所需的“漏电驱动功率增长率”( $\delta$ , % K⁻¹)。盈亏平衡值 ( $\delta_0$ ) 与散热器在功率相关质量中的占比 ( $\hat{U}_{eff}$ ) 成线性比例。对于标称散热器， $\delta_0 \approx 0.80\% \text{ K}^{-1}$ 。目前的 GPU 表现出 $\delta \approx 0.42–0.51\% \text{ K}^{-1}$ ，这低于盈亏平衡点（允许一定的节省），但远高于实现 5% 质量节省所需的阈值 ( $\delta_5 \approx 0.33\% \text{ K}^{-1}$ )。
通过降低温度梯度绕过漏电：
研究发现最有效的策略不是提高温度限制，而是降低“温度梯度”（即芯片/HBM 与冷却液之间的温差）。将芯片-冷却液以及 HBM-冷却液的温差从 40 K 降低到 25 K，可以在不增加芯片温度的情况下使冷却液运行得热 15 K。这完全绕过了漏电惩罚。

结果： 对于标称散热器，这种方法可节省 8.0% 的在轨质量，且几乎不受漏电水平的影响。
对比： 在当前漏电条件下，这种方式（8.0%）的节省量显著超过了提高温度限制所带来的节省量（2.6%）。

其他方法：

时钟缩放（降频）： 降低时钟频率会减少功率和漏电，从而节省约 25% 的质量，但需要多出约 39% 的芯片，除非芯片价格相对于发射成本极低，否则这在成本上是不可行的。
热泵： 使用热泵在不加热芯片的情况下提高散热器温度，但这会增加压缩机质量和功耗。对于标称散热器，这会增加 4.7–35.7% 的总质量；只有在散热器非常重的情况下，热泵才能产生节省。

意义与主张
本文声称，对于轨道 AI 数据中心，低漏电水平与高耐温能力一样是关键的技术指标。 研究结论指出，仅仅使芯片具备更高的温度耐受性（例如 150 °C）并不会带来显著的质量节省，除非同时降低漏电。

主要的质量优化设计杠杆不是绝对的温度极限，而是温度梯度。降低芯片/HBM 与冷却液之间的热阻，比提高温度额定值提供了一条更可靠的减重路径，因为它可以避免漏电功率带来的复合惩罚。作者断言，未来面向空间的芯片规范应在提高结温额定值的同时，优先考虑漏电驱动功率增长率 ( $\delta$ )，并且散热器温度应根据这些芯片规格及其系统散热器质量份额来确定，而非仅仅基于四次方定律进行预设。

技术摘要：运行高温轨道 AI 数据中心

类似论文