重磅！金刚石焊进冷板-Frore 用 LiquidJet Diamond 把 2300W 的 Rubin 热点压到 770W/cm²- 大数跨境

首页

重磅！金刚石焊进冷板-Frore 用 LiquidJet Diamond 把 2300W 的 Rubin 热点压到 770W/cm²

AI热设计

2026-10-13

导读：硅谷散热公司 Frore Systems 发布 LiquidJet Diamond 冷板，给出的解法是：在冷板底部直接集成一块金刚石晶圆均热板，把热量在接触芯片的瞬间就摊开。

金刚石焊进冷板

Frore 用 LiquidJet Diamond 把 2300W 的 Rubin 热点压到 770W/cm²

AI 基础设施的「第三技术栈」正在成型

为什么是现在

大多数人以为 GPU 的性能上限由制程和架构决定。但当单颗英伟达 Rubin 的功耗冲到 2300W，真正的天花板往往不是算力，而是散热——芯片表面的局部热点一旦超过结温上限，再强的芯片也得降频自保。

2026 年 10 月上旬，硅谷散热公司 Frore Systems 发布 LiquidJet Diamond 冷板，给出的解法是：在冷板底部直接集成一块金刚石晶圆均热板，把热量在接触芯片的瞬间就摊开。官方宣称，这套方案把极限热点散热密度提升了 150% 以上，最高可达 770W/cm²，传热效率提升 75%，GPU 整体降温 16–22℃，直接换算成 AI Tokens/Watt 提升 30–35%。

这组数据值得拆开看，因为它指向的不是一个零件，而是 AI 基础设施里正在崛起的“第三技术栈”。

一、先看这组数据：对比传统铲齿冷板

Frore 把 LiquidJet Diamond 的官方指标全部锚定在“传统铲齿（skived）冷板”这条基准线上。我们用一张图把差异拉直：

核心数字（来源：Frore 官方产品页与 2026 OCP 媒体资料）：

· 热点功率密度：>150% 提升，峰值 770W/cm²（5mm×5mm 热点、25℃ 进水、95℃ TJmax、PTM7950、去盖封装）
· 传热效率：+75%
· GPU 降温：16–22℃
· AI Tokens/Watt：+30–35%

作为参照，上一代 LiquidJet（无金刚石）在 NVIDIA Blackwell Ultra 上的实测数据是：热点 600W/cm²、GPU 结温较铲齿低约 12℃、Tokens/Watt 提升约 25%。Diamond 是在这个基础上再叠加了约 10℃ 的热点降幅与约 10% 的能效增益。

二、为什么是金刚石，而不是更厚的铜

热管理的第一性原理很简单：热点要凉，得先把热量从局部“摊”到更大面积，再交给液冷流道带走。摊得越快，局部温度峰值越低。

摊热的能力由材料热导率决定。金刚石是已知热导率最高的块体材料之一，约 2000 W/m·K，而铜约 400 W/m·K、铝合金约 200 W/m·K。换句话说，金刚石的导热能力约为铜的 4–5 倍。

Frore 的做法不是把金刚石磨成粉混进冷却液，而是把金刚石晶圆直接嵌进冷板底面、正对 GPU 热点位置。热量一产生就被金刚石迅速横向扩散，再被下方 3D 超短回路多级喷射流道（LiquidJet 的核心结构）冲走。这样冷板是“先打热点、再冷全局”，而不是像传统铲齿那样让冷却液均匀漫过整颗 die。

三、从 LiquidJet 到 Diamond：一次 10℃ 的叠加

LiquidJet 的底层架构是“把半导体制程搬到金属晶圆上”——用刻蚀和键合在铜板里做出 3D 短回路喷射微结构，并依照每颗 GPU 的功率图（power map）定制流道。这一步已经解决了“精准打到热点”的问题。

Diamond 的增量创新很克制：在冷板底面再加一层金刚石均热板。正是这层“加法”，把 GPU 降温从 12℃ 推到 22℃ 上限，把 Tokens/Watt 增益从 25% 推到 35%。

这里有个工程直觉值得记：散热改善对算力的回报不是线性的。温度更低 → 漏电电流更小、热节流更少 → 同一功耗预算内能维持更高频率。Frore 的 CEO Seshu Madhavapeddy 的原话是：如果每个 AI 数据中心都能用同样的资源多产出 35% 的 token，超大规模厂商就能更快达成目标、用更少的机房。

四、三个真实案例：从芯片到托盘

案例 1：Blackwell Ultra 实测（已公开数据）

在 NVIDIA Blackwell Ultra（约 1400W）上，LiquidJet 对比传统微通道冷板：热点功率密度达 600W/cm²（40℃ 进水）、系统压降从 0.94 psi 降到 0.24 psi、流量从 2.1 LPM 降到 1.4 LPM。压降和流量的双降，意味着水泵功耗和管路成本同步下降——这是散热改善转化为 TCO 改善的直接证据。

案例 2：2300W Rubin @ 2026 OCP 全球峰会

Frore 在 10 月 12–16 日圣何塞 OCP 全球峰会（展位 F4）现场演示 LiquidJet 冷却一颗 2300W 的 NVIDIA Rubin，同时用 LiquidJet Diamond 演示 770W/cm² 极限热点。
（注：Frore 未披露该演示使用的是量产 GPU 还是热测试载板，以下按厂商演示目标解读，属战略逻辑推演。）

案例 3：LiquidJet Nexus ½U 托盘（系统级）

Nexus 把多块 LiquidJet 冷板集成为一体，取消所有软管、接头和歧管，专为 NVIDIA Kyber 这类 ½U 计算托盘设计。官方数据：重量仅 2.5kg（较传统方案减 65%）、支持 53℃ 高进水温度、计算密度翻倍、KW/LPM 提升 75%。在某 ODM 的测试中，Nexus 让 Blackwell GPU 降温约 6℃、Tokens 生成提升约 10%。

五、行业意义：散热正在变成“性能栈”

2026 年 3 月发布 Nexus 时，Frore 提出了一个概念——AI Thermal Stack（AI 热管理技术栈），把基础设施拆成三层：软件栈、计算栈、热管理栈。过去十年行业拼命堆软件栈和计算栈，现在热管理栈成了决定算力能扩到多高的一层。

[战略逻辑推演] 面向更远的 Rubin Ultra（单 GPU 约 3kW）和 Cerebras 晶圆级引擎（die 面积 46,225mm²，是 Blackwell Ultra 的约 30 倍），散热会从“选配件”变成“架构约束”。冷板按功率图定制、热点位置嵌入高导热材料，会越来越像半导体设计的一部分，而不是买来装上的标准件。

六、冷静视角：厂商数据的边界

避免被宣传数字带节奏，有三点必须说清：

1. 770W/cm²、+75%、30–35% Tokens/Watt 均为 Frore 基于自有热模型与仿真给出的厂商宣称，尚未有独立第三方量产基准验证。
2. 770W/cm² 是特定边界条件（5mm×5mm 小热点、去盖封装、PTM7950）下的峰值，不等于整颗大 die 的平均散热能力。
3. 金刚石晶圆的制造与集成工艺 Frore 尚未公开，量产成本、长期可靠性、可维护性仍是商用落地的关键变量。

换句话说：方向是对的，数字要等量产机房的电表来确认。

七、给从业者的三点启发

1. 散热选型别只看整体 TDP，要看功率图（power map）上的热点峰值。Rubin 这类芯片的瓶颈在局部热点，不是平均。
2. 评估冷板要把“压降 / 流量”算进 TCO。降 0.7 psi 压降、省 0.7 LPM 流量，在万卡机房里是实打实的电费。
3. 把热管理栈纳入早期架构评审，而不是等机柜设计完再补散热。Frore 按功率图定制流道的思路，本质上是把散热前置到芯片协同设计阶段。

看都看到这里了，点个关注，
获取更多企业 AI 转型的案例和前沿 AI 资讯。

【声明】内容源于网络

AI热设计

聚焦AI芯片、服务器与数据中心、6G通讯与基站、3C电子产品、散热模组、高功率散热器等领域前沿、最新行业资讯发布平台

内容 99

粉丝 1

AI热设计聚焦AI芯片、服务器与数据中心、6G通讯与基站、3C电子产品、散热模组、高功率散热器等领域前沿、最新行业资讯发布平台

总阅读18.6k

粉丝1

内容99