xFusion 解析 AI 数据中心的三重物理瓶颈：散热、供电与互连的叠加效应

合作伙伴内容

xFusion xFusion

发布于 2026 年 10 月 23 日星期五 // 01:00 UTC

下面这条发展轨迹，应当能让当下任何设计 AI 基础设施的人集中注意力。2023 年，一个典型的加速器机架功耗约为 20 kW，每颗芯片的功耗约为 350 瓦。到 2024 年，机架功率攀升至 50 kW；芯片功率达到 700 瓦。2025 年，我们跨过了每芯片千瓦的门槛——机架功率达到 120 kW，单颗处理器超过 1,000 瓦，热流密度落在 50 至 100 W/cm² 之间。当前这一代产品于 2026 年出货，将机架功率推高至 240 kW，芯片功率超过 2,000 瓦，热流密度达到 120 W/cm²。

下一代产品——已在多家超大规模云服务商处进入验证阶段——目标是兆瓦级机架、3,000 瓦以上的芯片，以及超过 200 W/cm² 的热流密度。

这不是一条平缓的曲线。这是一个阶跃函数，同时击穿三样东西：散热、供电和电气互连。在圣何塞举行的 2026 年 OCP 全球峰会上，xFusion 产品管理总监 Arthur Wang 在题为“下一代供电与散热解决方案”的主题演讲中，详细阐述了这三者背后的工程细节。这场演讲之所以引人注目，不在于任何单一产品的发布，而在于其框架：这三项约束并非彼此独立。它们相互作用、相互叠加，只解决其中两项而忽视第三项，仍然会导致基础设施搁浅。

xFusion 将此称为“算力协同”。一个不那么朗朗上口、但更精确的描述是：从电网到晶体管的整条能量转换链协同优化——将散热、供电和互连视为相互耦合的变量，而非各自独立的采购类别。

散热之墙：材料科学对阵摩尔定律

对于高密度 AI 机架而言，风冷已经走到尽头。这已不再是有争议的说法。问题在于，当前正在部署的液冷方案究竟能提供多少余量——以及它们能否在不进行推倒重来式升级的情况下挺过下一代芯片。

物理规律很直白。在 200 W/cm² 以上，无论风道几何形状或风扇配置如何，对流风冷都无法足够快地排出热量以防止热降频。直接液冷——具体而言是基于冷板的 DLC——是唯一可行的路径。但冷板的好坏取决于其内部的材料和微通道几何结构。

xFusion 的做法是采用金刚石-铜复合冷板。数据如下：等效导热系数超过 650 W/m·K，约为纯铜（385–400 W/m·K）的两倍。冷板设计采用与芯片热点对应的非均匀鳍片几何结构，在整个冷板面积上平均散热能力达 200 W/cm²，在局部热点处超过 400 W/cm²。单芯片总散热能力超过 4,000 瓦。

4,000 瓦这个数字之所以重要，是因为它比即将到来的 3,000 瓦级芯片留出了约 33% 的余量。在液冷领域，余量不是奢侈品——而是针对硅片路线图跑得比机械更新周期更快的保险。

支撑这一切的材料矩阵远不止一块冷板。xFusion 在 OCP 上展示了五种核心热界面与均热材料，各自针对不同的性价比定位：石墨烯导热垫（130 W/m·K，填充 0.3–5 mm 厚度的不规则间隙）、高密度刨削铜冷板（385–400 W/m·K，当前一代芯片散热的主力）、液态金属 TIM（30 W/m·K，但界面热阻低至 0.02 °C·cm²/W，可消除微观空气间隙）、纯金刚石冷板（800–2,500 W/m·K，用于极端均热），以及上述金刚石-铜复合材料（550–800 W/m·K，兼具金刚石的导热性与铜的可加工性）。

放眼更远的未来，该公司正在开发两相射流冷却——利用液-气相变的潜热而非单相显热来吸收芯片表面的能量。其优势在于，在相同热负载下可大幅降低冷却液流量。工程挑战——规模化密封、压力管理、便于维护的盲插流体连接器——相当可观，但如果单相 DLC 是唯一选择而芯片热流密度持续攀升，其散热发展空间同样可观。

就当前部署而言，xFusion 的 FusionPod for AI V8——一款额定功率高达 155 kW 的 42U 模块化液冷机架——出厂即采用分布式 CDU 架构，无需对二次管路做任何改造。最后这个细节的重要性超出其字面含义。将液冷改造进现有设施，通常意味着要撬开地板安装二次冷却回路——这一过程以季度而非周来衡量。消除这一依赖，可将部署周期从数年压缩至数月。

供电之墙：为何 48V 级配电无法挺过兆瓦时代

散热与供电常被视为两个独立的学科。事实并非如此。每一瓦送入芯片的电能，最终都必须以热量的形式离开。这一瓦所经过的路径——从公用事业变压器，经各级转换，直到板上的电压调节器——在每一步都会损耗能量。

在当今标准的 48V 级母线电压（标称 54V）下，兆瓦级机架所需的电流大得惊人。一台 10 kW 机架要汲取 185 安培。40 kW 机架：741 安培。120 kW 机架：2,222 安培。240 kW 机架：4,444 安培。500 kW 机架：9,259 安培。而 1 MW 机架：18,519 安培。

I²R 损耗的影响极为严酷。铜母线的损耗随电流的平方增长。当机架功率提高 25 倍（从 40 kW 到 1 MW）时，电流增加 25 倍——但电阻损耗增加 625 倍。在每机架 1 MW、54V 配电的情况下，仅母线铜损就可能超过 50 kW。这相当于一整台服务器的功耗，在执行哪怕一次浮点运算之前，就作为热量浪费在母线上了。而且母线本身也变得不切实际——每机架铜导体重量高达 200 kg 以上，带来自身的结构和散热挑战。

解决方案在原理上很直接，在实施上却极为艰巨：提高配电电压。从 54V 提升到 800V 直流——约 14.8 倍——可将电流降低约 15 倍，将 I²R 损耗降低约 220 倍。同时，功率转换级数从四级（在传统 AC/54V 架构中）降至三级，使端到端系统效率从约 88% 提升到 90% 以上，并将线路损耗从 5% 至 8% 压缩到 1% 以下。

xFusion 正以其 800V HVDC Sidecar 朝这一方向推进——这是一款为每机架 300 kW 至 1.2 MW 配置而设计的下一代电源原型。其路线图还包括一种直接的 800V HVDC 架构，可完全省去额外的转换级，并原生支持绿色电力接入——随着并网可再生能源容量和表后发电成为新建 AI 园区的标准配置，这一细节正变得越来越重要。

支撑这一电压转变的是半导体器件的变革。xFusion 正在整个功率转换栈中部署宽禁带材料：用于 AC 到 HVDC 整流的 SiC MOSFET（PFC + LLC 拓扑，100–300 kHz 开关频率）、用于 HVDC 到 DC 转换的 GaN HEMT（LLC 谐振，800 kHz–1 MHz），以及用于最后 54V 到 12V/6V 级的 GaN 基多相电压调节器（500 kHz 至 1 MHz）。更高的开关频率直接意味着更小的磁性元件和更高的功率密度——当机架的每一立方厘米空间都争夺激烈时，这一点至关重要。

该公司还在推进垂直供电——将功率转换模块直接放置在芯片封装背面，而不是让电流横向穿过主板。这将供电路径缩短约 90%，既降低了电阻损耗，也缓解了当数千安培必须送入一个能在微秒内让电流需求摆动数百安培的处理器时所出现的瞬态响应挑战。

互连之墙：224G 及以上的铜

第三重约束受到的关注较少，但在规模化时同样具有约束力。在铜走线上以每通道 224 Gbps 进行电信号传输，已经运行在信号完整性的边缘。在这些频率下的通道损耗、插入损耗和串扰，要求极端的均衡和纠错。超过 224G，铜的物理规律就变得毫不宽容。

向光学的转变正在进行中。共封装光学（CPO）——将光子引擎直接放置在交换芯片上或紧邻其旁——消除了限制电气传输距离的距离惩罚，并释放出铜背板无法企及的带宽密度。对于在紧密耦合的 scale-up 域中运行数千个加速器的 AI 训练集群而言，互连带宽直接决定了一个分布式作业能扩展到多大，以及推理工作负载的分发效率有多高。

xFusion 已商业化部署 224G 高密度正交背板，并正在开展 448G 的预研。其 Super Node 架构——一个开放架构的液冷系统——每机架可提供高达 240 kW，单柜支持 128 个 XPU，双柜支持 256 个 XPU，并且从底层设计上就支持多厂商处理器兼容。这种开放性并非出于理念——而是对加速器市场快速碎片化的对冲，因为锁定到单一厂商的专有互连架构，等于用带宽约束换取供应链依赖。

复合问题

这三重墙——散热、电气、光学——没有哪一个会尊重其他两者的时间表。它们都在同一代产品中到来。而且它们相互作用的方式，使局部解决方案变得危险。

世界级液冷搭配传统的54V供电？电气瓶颈会在冷却液升温之前就让机架降频。纯净的800V直流供电，却为一个光互连网络不达标的集群供能？GPU只能闲置等待数据。高带宽网络，却置于一个因过热而降频的计算层之后？浪费算力，浪费资本。

这就是为什么“算力协同”这一框架——将散热、供电和互连视为从电网到芯片的单一耦合优化问题——不仅仅是一个营销主题。它是一门工程学科。这也是为什么xFusion投资于完整的垂直技术栈：从芯片级热界面材料和冷板，到板级和机架级功率转换，再到机柜级液冷和背板互连。

该公司参与了60多个行业组织，为60多项开放标准做出贡献，并在全球拥有超过30,000家合作伙伴的生态系统，这反映了一种押注：没有任何单一供应商能够独自解决这个融合问题——但总得有人把各个部分协调地整合起来。

正如王在OCP上所说：“在智能体时代，竞争力不在于你拥有多少芯片。而在于你能从每一瓦电和每一焦耳热量中提取多少真实的商业价值。”

这句话对应了xFusion在台上展示的价值链——瓦特 → FLOPS → TOKEN → 智能体 → 价值——其中每个阶段都会引入转换损耗，而设施的真实性能不是以消耗的瓦数来衡量，而是以所产生的有用商业成果来衡量。本质上，这是一个论点：AI数据中心不是容纳计算机的建筑。它是一个能量转换系统。而三道物理墙即将决定谁能高效转换，谁不能。

在此探索更多真实案例，或在此申请咨询。

由xFusion提供

算力