Nowe miedziane płytki chłodzące z UIUC tną zużycie prądu w centrach danych. Czy to wystarczy na AI?

AI potrzebuje dziś nie tylko mocniejszych chipów, ale też sensownego sposobu na odprowadzanie ciepła. Zespół z University of Illinois Urbana-Champaign i Fabric8Labs twierdzi, że ma tu coś konkretnego: miedziane cold plates o kształcie wyliczonym algorytmicznie i wykonane metodą, która omija problem topienia metalu.

Dlaczego centra danych AI tak mocno zderzyły się z problemem ciepła?

Serwery i akceleratory AI generują dziś tyle ciepła, że samo chłodzenie powietrzem coraz częściej nie wystarcza. W praktyce to właśnie temperatura ogranicza, jak gęsto można upakować sprzęt i ile mocy da się z niego wycisnąć bez ryzyka spadku wydajności albo awarii. To problem fizyki, nie marketingu.

W szkicu pojawia się teza, że niemal połowa energii centrum danych idzie na chłodzenie i systemy pomocnicze, ale bez wskazania konkretnego raportu czy instytucji. Lepiej więc powiedzieć ostrożniej: chłodzenie i infrastruktura to duża część zużycia energii serwerowni, a przy obciążeniach AI jej znaczenie rośnie. To właśnie dlatego każda poprawa po stronie odprowadzania ciepła może mieć realny wpływ na rachunki i projektowanie kolejnych generacji sprzętu.

Jak UIUC zaprojektowało finy, których nie wymyśliłby rysunek od linijki?

Zespół z University of Illinois Urbana-Champaign nie zaczął od klasycznych, prostych żeberek. Zastosował optymalizację topologiczną, czyli proces, w którym algorytm iteracyjnie zmienia geometrię elementu i sprawdza, jak dana wersja radzi sobie z przekazywaniem ciepła oraz z oporem przepływu cieczy.

Efektem są finy z nieregularnymi krawędziami i ostrymi końcówkami. Taki kształt wygląda trochę jak coś, czego normalna produkcja wolałaby uniknąć, ale właśnie o to chodziło: zwiększyć powierzchnię wymiany ciepła, nie windując przy tym zapotrzebowania na pompowanie płynu. Behnood Bazmi z UIUC mówi wprost, że chłodzenie jest wąskim gardłem w projektowaniu chipów komputerowych.

Co Fabric8Labs wnosi do tej układanki poza samą miedzią?

Sama decyzja, by użyć miedzi, nie jest szczególnie zaskakująca. Ten metal od dawna kusi bardzo dobrą przewodnością cieplną. Problem polegał gdzie indziej: przy bardziej skomplikowanych kształtach miedź jest trudna i kosztowna w obróbce, więc projekt łatwo rozbijał się o produkcję.

Tu wchodzi Fabric8Labs ze swoją metodą ECAM, czyli elektrochemiczną produkcją addytywną. Zamiast topić metal, firma buduje strukturę warstwa po warstwie przez elektroosadzanie miedzi z wodnego elektrolitu. Według opisu technologii pozwala to osiągać bardzo drobne detale, w szkicu podane jako 30–50 mikrometrów. Dzięki temu geometryczne pomysły z symulacji nie muszą kończyć życia jako ładne renderki.

Co naprawdę mówi wynik 32% i dlaczego to jeszcze nie jest gotowa recepta?

Najmocniejszy konkret w tym materiale to spadek oporu cieplnego nawet o 32% względem konwencjonalnych konstrukcji, podany za publikacją w Cell Reports Physical Science z 14 czerwca 2026 roku. Jeśli ten wynik utrzyma się poza laboratorium, oznaczałby to, że chip może skuteczniej oddawać ciepło przy porównywalnych albo niższych kosztach przepływu cieczy. To brzmi obiecująco, ale jeszcze nie zamyka tematu.

Brakuje bowiem odpowiedzi na pytanie, jak taka technologia zachowa się w skali całej serwerowni: przy długiej pracy, kosztach wdrożenia, serwisie i zgodności z istniejącą infrastrukturą. Innymi słowy, to raczej mocny sygnał z etapu badań niż gotowy bilet do tańszego AI. Dla polskich operatorów centrów danych sens tego ruchu byłby prosty: jeśli układ chłodzenia da się poprawić bez dokładania kolejnych megawatów, presja na koszty energii robi się choć odrobinę mniejsza. Centra danych AI pożerają prąd cztery razy szybciej – i właśnie z takim tempem ten typ technologii próbuje się ścigać.

Źródła:

ScienceAlert, Cell Reports Physical Science (Bazmi et al., 2026), 3DPrint.com, VoxelMatters, Fabric8Labs.com