微软发布了一项突破性的冷却技术,可能从根本上改变AI芯片的散热方式,有望彻底革新数据中心的设计和效率。
这家科技巨头表示,已通过"微流控"技术实现了芯片级冷却——这是一种AI辅助技术,在硅芯片本身嵌入液体通道。微软称该技术可使GPU硅芯片的最高温度降低65%,据称比传统冷板冷却效果好三倍。
微软表示,这一冷却突破可以降低运营成本,并成为衡量数据中心能效的关键指标。
微软云运营和创新企业副总裁兼首席技术官Judy Priest在声明中说:"微流控技术将允许更高功率密度的设计,这将启用客户关心的更多功能,并在更小空间内提供更好性能。"
**通过仿生学实现冷却**
微流控系统在芯片背面直接蚀刻微小通道(见主图),让液体直接流动以在热源处移除热量。目前GPU冷却的行业标准使用冷板,但冷板与热源之间被数层材料分隔,限制了散热量。随着芯片速度更快、功能更强大,产生的热量也会增加。
微软云运营和创新高级技术项目经理Sashi Majety在博客文章中说:"如果你仍然严重依赖传统冷板技术,你就会陷入困境。"
在微流控原型设计期间,微软与瑞士初创公司Corintis合作,在仿生设计上使用AI优化。芯片上蚀刻的通道类似叶脉,公司称这能产生更高效的冷却路径。
Moor Insights & Strategy副总裁兼首席分析师Matthew Kimball在邮件采访中说:"微软在微流控方面的工作可以显著改变芯片冷却的交付方式,并具有很强的颠覆性。我很想看到英伟达、AMD、英特尔等公司的一些信号,表明这是一个更大的行业趋势。"
该公司计划仅在本季度就在基础设施上投资300亿美元以满足AI需求,包括开发用于数据中心工作负载的Cobalt和Maia芯片。微软希望在未来几代自研硅芯片中融入微流控冷却技术。
微软技术研究员兼Azure企业副总裁Ricardo Bianchini说:"如果微流控冷却能用更少电力为数据中心降温,这将减轻对附近社区能源网格的压力。"
瑞士IT咨询公司CTOL Digital Solutions首席执行官Max Zhang在LinkedIn帖子中称微流控技术"突破性"。他写道:"微软的方法不仅提升了芯片性能,还改善了效率——提供的潜在散热效果比传统系统好三倍。这一创新可能会设定行业标准,并释放更密集、更高性能的芯片设计……投资者应密切关注;消除热量的竞争将定义下一波科技巨头。"
**空心光纤的速度优势**
微软还表示将扩大其新网络电缆产品的可用性,该产品承诺提供快速的AI和云连接。空心光纤(HCF)与传统单模光纤(SMF)相比,数据传输速度快47%,延迟低33%。
微软与康宁和贺利氏合作,正在扩大HCF的制造规模,以在Azure全球网络中部署——为其全球互联网基础设施创建新标准。
微软云网络工程经理Jamie Guadett在声明中说:"这一里程碑标志着重新构想云物理层的新篇章。"
Q&A
Q1:微软的微流控冷却技术是如何工作的?
A:微流控技术在芯片背面直接蚀刻微小通道,让液体直接流动以在热源处移除热量。这些通道类似叶脉结构,采用仿生学设计,通过AI优化产生更高效的冷却路径,可使GPU芯片最高温度降低65%。
Q2:微流控技术比传统冷却方式有什么优势?
A:微流控技术比传统冷板冷却效果好三倍,因为传统冷板与热源之间被数层材料分隔,限制了散热量。微流控技术允许更高功率密度的设计,在更小空间内提供更好性能,同时降低运营成本和减轻能源网格压力。
Q3:空心光纤技术有什么特点?
A:微软的空心光纤(HCF)与传统单模光纤相比,数据传输速度快47%,延迟低33%。微软正与康宁和贺利氏合作扩大制造规模,计划在Azure全球网络中部署,为全球互联网基础设施创建新标准。
好文章,需要你的鼓励
企业AI搜索公司Glean宣布年度经常性收入(ARR)达3亿美元,较15个月前的1亿美元增长三倍。尽管谷歌、微软、OpenAI等科技巨头纷纷入局企业AI搜索市场,Glean凭借"上下文图谱"技术深度理解企业业务需求,并帮助客户显著降低AI计算成本。该公司提供按用量计费和混合定价两种模式,客户涵盖Databricks、Reddit、Pinterest及三星等企业。Glean上轮融资后估值达72亿美元。
香港中文大学与MiniMax提出ClaimDiff-RL框架,将图像描述的AI训练从整体打分升级为逐条核查,有效解决了传统方式导致AI"少说保平安"的问题,同时在多项基准测试上超越Gemini-3-Pro-Preview。
杰夫·贝索斯旗下的蓝色起源公司在佛罗里达卡纳维拉尔角进行静态点火测试时,新格伦重型火箭发生爆炸。这是美国历史上最大规模的火箭爆炸之一,也是蓝色起源公司遭遇的最严重失败。所有人员安全,但该事故可能导致新格伦火箭项目长期暂停。此前该火箭已成功完成三次发射,并实现了助推器回收和重复使用。
ParaVT是一个由南洋理工等多校联合提出的并行视频工具调用框架,通过让AI同时分析多段视频并引入PARA-GRPO算法解决训练中的格式崩溃与工具跳过问题,在六项长视频理解测试中平均提升约7.9%。