互动科普

微电路体积越小，越容易升温。工程师们正在尝试各种方法，为计算机降温。

撰文：菲利普·鲍尔（Philip Ball） 翻译：张凡

在寒冷的办公室里，笔记本电脑可以拿来暖膝盖，而更大的台式机就需要配备风扇；对于像谷歌数据中心那样规模的计算机阵列，则需要大量的水来降温；至于尖端的超级计算机，我们要做的，就是别让它们融化。以德国莱布尼兹超级计算中心（Leibniz Supercomputing Centre）里一台超级计算机为例，它每秒能进行3,000万亿（3×1015）次计算，产生的热量可以为几栋大楼供暖。以目前的趋势来看，计算机发展的下一个里程碑，将是出现运算速度达百亿亿（1018）次的计算机，其功耗达数百兆瓦（相当于一个小型核电厂的输出功率）——这些电能最终几乎全部转化为热量。

显然，发热问题日渐成为计算能力持续提高的最大障碍。这一问题的本质在于：封装电路的体积越小、集成度越高，就越容易升温。“目前微处理器散发热量的能力已经大致能与太阳表面相比，”美国普渡大学西拉法叶校区的计算机能源管理专家苏雷什·加里麦拉（Suresh Garimella）说，“不幸的是，太阳当然不会嫌太热，但这些芯片必须要降温到100℃以下才能正常工作。”

为了达到这个越来越难的目标，工程师在不断寻找新的冷却方法——例如，直接将液体冷却剂倾倒在芯片表面，取代循环的空气对流降温。当然，这仍然治标不治本。富有远见的研究人员正在寻找能够减少发热的电路封装方法。例如，突破传统的平面布局限制，将电路排列在三维网格以及类似大脑的网络中。这种布局的优势在于，能够执行大量计算而不需要专门的冷却装置。或许，未来的超级计算机甚至都不依靠金属导线提供电能，而是利用电化学反应，由冷却剂中的离子驱动。

与研发体积更小、速度更快的电子器件相比，解决发热问题显然不是计算机行业最引人注目的工作，但事实上，除非工程师彻底解决该问题，否则那些备受瞩目的、电子产品上的创新将永远只是设想。

对流散热

计算机的发热问题和计算机本身一样由来已久。第二次世界大战后，诞生于美国宾夕法尼亚大学的第一台现代电子计算机——ENIAC，重达30吨，使用了18 000个真空管，由一组风扇降温。20世纪60年代，真空管被固态硅器件取代，这使计算机的发热量有所降低，但随着器件密度提高，发热问题再次摆在工程师面前。到了20世纪90年代初，互补金属氧化物半导体（CMOS）器件取代早期的“双极性”晶体管技术，大幅减少了单个器件的发热量，发热问题再次得到缓解。然而，正如著名的摩尔定律所述，芯片的计算能力大约每18个月就会翻一番，这种指数式增长对致力于解决计算机发热问题的工程师来说，无疑是一场噩梦（见图：“持续上升的温度”）。今天的一些微处理器要为集成在里面的10亿多个晶体管散热。如果一台常见的台式机只通过向真空辐射热量来为芯片散热，那么其内部温度将达到几千摄氏度。

这就是为什么台式机（包括部分笔记本电脑）配有风扇的原因。尽管芯片周围的空气受热形成对流，能够带走部分热量，但还并不能满足散热需求。借助于风扇，可以产生足够的气流，从而使芯片保持在75℃左右的工作温度。

但是风扇也需要能量，对笔记本电脑而言，这会增加电池的消耗。有时，单纯依靠风扇无法为数据中心里的计算机阵列降温。因此许多数据中心依靠热交换器散热，它利用液体冷却流经芯片的空气。

对于更大型的计算机系统，我们需要更强有力的冷却手段。IBM苏黎世研究院先进热封装组的负责人布鲁诺·米歇尔（Bruno Michel）解释道：“为了给一台先进的超级计算机散热，我们每天需要几立方千米的空气。”显然，这是不切实际的，因此计算机工程师求助于液体冷却系统。

早在1964年，市场上就开始出现水冷型计算机；在上世纪八九十年代问世的几代大型计算机也是采用水冷系统。如今，人们有时会采用无水、惰性的液体冷却剂，例如碳氟化合物。这些冷却剂通常直接与芯片接触，通过沸腾来降温——受热气化，热量被蒸气带走。其他的冷却系统包括液体喷雾或者电路制冷等。

莱布尼兹计算中心的超级计算机SuperMUC，由IBM公司制造并于2012年投入使用，每秒可完成3,000万亿次运算，是世界上最强大的计算机之一。它采用水冷却系统，不过使用的是45℃左右的温水。在SuperMUC的中央处理单元上方，有定制的铜散热片，冷却水通过这些散热片上的细微管道流动，集中冷却系统中最需要降温的部分。相比其他冷却方法，采用温水更节能，因为从系统中抽出的热水只需要冷却到45℃左右就能循环使用，并且热水可以为附近的办公大楼供暖，从而进一步节省能量，正是一箭双雕。

米歇尔和他在IBM的同事相信，水流不仅能够带走芯片的热量，而且从一开始就可以为电路提供能量。为此，只要使水流携带可溶性离子，再通过能量采集电极，利用电化学反应即可驱动电路。这样，冷却剂也就身兼电解液“燃料”的角色。“这不是新想法，”乔治亚理工学院的机械工程师约金德拉·乔西（Yogendra Joshi）说，“在航空电子系统的热量管理中，好几年前就已经开始利用喷气机燃料实现冷却。”

如今，利用电解液流实现供电的技术已在迅速发展。例如，在一种被称为“氧化还原液流电池”的燃料电池内部，两种电解质溶液被泵入一个电化学反应室，中间由可透过离子的薄膜隔开。电子在离子之间转移，这一过程被称作氧化还原反应——不过它们必须先经过一条外电路，由此可以为设备提供电能。

流体电池

采用微流体技术，可以将氧化还原液流电池小型化——电解液被限制在蚀刻于基板（例如硅）上的细微管道中流动。在这样小的规模下，液体可以互相流过而不发生混合，因此连用于隔离的薄膜也不需要。如此简化之后，电池装置更易实现，制作成本降低，同时还兼容硅芯片技术。

基于钒离子实现的氧化还原反应，米歇尔及同事已经开始研发可为微处理器供电的微流体燃料电池。在该电池中，电解液沿100～200微米宽的微通道流动，这些微通道和芯片周围携带冷却液的通道类似。采集能量的电极沿着通道排列，电能通过常规的金属导线输送到各个器件。2012年8月，在国际电化学学会（International Society of Electrochemistry）于捷克布拉格召开的一次会议上，研究人员公开了初步的研究成果。

但在为实际电路供电之前，还有一些问题需要解决。目前，在1伏特电压下，微流体液流电池的功率密度低于1瓦特每平方厘米，比驱动目前的微处理器所需的功率密度低了2～3个数量级。对此，米歇尔乐观地表示，未来的处理器将会显著降低功耗要求，并且他认为，传统的金属导线将大约50%的电能转换为热能，而通过微流体电化学电池输送电能，应该会将这种能量损耗降低至少一半。

模仿人脑

电化学供电能减少处理器发热，此外还有一种降温效果更好的方法。芯片散发的大部分热量并非来自晶体管的开关转换过程，而是由内部金属导线（传递信号）的电阻产生。因此，发热问题的核心在信号传输上。在20世纪90年代末，晶体管的大小约为250纳米，“开关转换”和“信号传输”在发热量上几乎相等。但现在，米歇尔说，“金属导线上的能量损失是晶体管开关能耗的10多倍”。事实上，“因为所有器件在等待信息到来时，都必须保持激活状态，因此信号传输造成的能量损失占到总损失量的99%之多”。

这就是为什么“行业正在逐渐抛弃传统的芯片结构——通信造成的能量损失已经极大地阻碍了芯片的性能和效率，”加里麦拉说道。解决方法看似显然：缩短电信号脉冲在逻辑运算间的必经距离。目前晶体管已经以尽可能高的密度被集成到二维芯片中，如果将它们排列成三维阵列，数据传输所造成的能量损失可大幅度降低，传输速度也会更快。“如果将线性尺寸缩小到1/10，则金属线路产生的能量损失将降低至1/10，而数据传输速度将提高10倍，”米歇尔说到。他甚至预计，未来的三维超级计算机会和方糖一样大小。

那么，三维封装会是什么样子？“我们必须寻找更好的通信结构，”米歇尔说，“人类的大脑就是一个很好的例子。”大脑的任务就是获取能量：平均来说，每单位体积的神经组织消耗的能量大约是其他人体组织的10倍以上——这种能量需求甚至超过奥林匹克运动员的股四头肌。大脑只占人体体积的2%，但消耗的能量却占人体总需求的20%。

然而和电子计算机相比，大脑的高效简直令人难以置信。同样消耗1焦耳的能量，大脑可以实现比计算机多5～6个数量级的计算量。米歇尔认为，大脑高效的部分原因在于其结构：它是三维的、彼此相连的层次化网络，而不像电路那样是网格状的平面布局。

智能封装

三维结构使大脑高效利用空间。在计算机中，多达96%的体积用于传输热量，1%用于传输信息，只有百万分之一的体积用于放置晶体管和其他逻辑器件。相反，大脑只将体积的10%用于能量供应和热量传输，70%用于通信，20%用于计算。此外，大脑的存储和计算模块彼此紧邻，因此，很久以前存储的数据也能瞬间回忆起来。相反，在计算机中，存储和计算模块通常是分开的。“除非计算机的结构更多地以存储为中心，否则在快速调取信息方面，它始终反应缓慢，”米歇尔说。三维封装将会极大缩短相关模块之间的距离。

这一切都表明，计算机要实现三维封装，不妨试试模仿大脑的结构。事实上，在一些三维设计方案中，已经暗含了这种意图：微处理器芯片（其中的晶体管可以连接成分支网络）堆叠成塔，并且在电路板上互相连接；电路板本身也堆叠起来，以实现垂直通信。最终，产生了一种有规律的空间细分方式——“有序的分形结构”，使得从每一个尺度来看，都是相同的结构。

米歇尔估计，三维封装将会使计算机体积缩小到今天的千分之一，能耗降低到百分之一。他进一步预测，在引入模仿人脑的封装结构之后，计算机的能耗会降低至如今的三千分之一，体积缩小至百万分之一，发热量也会降低。届时，一台1,000万亿次运算速度的计算机，体积可由今天的一个仓库大小，缩小至10升。

如果计算机工程师渴望达到每秒1021次的运算速度，那就需要模仿人脑的结构。若以目前的技术来制造，这个计算机将比珠穆朗玛峰还大，消耗的能量将超过今天全球的能量需求。米歇尔及其同事相信，如果不考虑计算能力的话，新技术应该能够使计算机在2060年前后达到人脑的效率。这是值得我们思考的事情。

本文作者：菲利普·鲍尔是英国伦敦的一位科学作家。