xMEMS Labs 是单片式 MEMS 芯片领域的先驱,现宣布其创新的 μCooling 散热风扇芯片平台将扩展应用于 AI 数据中心。
这些微型风扇为全硅器件,采用公司微电机系统 ( MEMS ) 技术制造,在半导体芯片上精雕细琢出微小机械结构。
xMEMS 表示,他们将为高性能光模块带来业界首个嵌入式主动热管理解决方案。
最初为紧凑型移动设备开发的 xMEMS μCooling,如今可为 400G、800G 及 1.6T 光模块内部密集且热负荷沉重的环境提供定向、超局部的主动散热——这一关键但长期未被充分关注的领域正成为下一代 AI 基础设施中的短板。
与传统主要针对高功率(千瓦级)处理器和 GPU 的散热方法不同,μCooling 的重点在于那些大型散热系统难以覆盖的小型高热应力组件,例如运行 TDP 达 18W 或更高的光模块 DSP。这些组件带来了散热难题,并随着数据速率的提升,逐步限制了光模块的性能与可靠性。
xMEMS 的单片式 MEMS 风扇采用成熟的硅工艺制造,能持续输送无声、无振动的高速气流脉冲,且是目前唯一足够小巧纤薄、可嵌入光模块内的主动散热方案。热模型分析显示,μCooling 可消散多达 5W 的局部热量,将 DSP 的工作温度降低超过 15%,同时热阻降低超过 20%,从而实现更高的持续吞吐量、提升信号完整性并延长模块寿命。
μCooling 系统设计的一项关键创新在于其专用、独立的气流通道设计,该通道与光模块内部热源实现热耦合,但与光路及核心电子元件在物理上分离。这种架构确保了光学组件免受灰尘或污染的侵扰,既保持信号清晰和光模块可靠性,又能提供显著的散热效果。
xMEMS Labs 市场营销副总裁 Mike Housholder 在一份声明中指出:“随着 AI 工作负载快速增长推动数据中心互连需求的扩展,组件级的热瓶颈问题日益凸显——尤其是在那些密封、高功率密度且空间受限的光模块中。μCooling 以其独特优势提供了真正嵌入式的主动散热,且不会影响光学效果或整体外形。”
市场分析师预测,高速光互连将迎来强劲增长,Dell’Oro Group 预计 800G 和 1.6T 光模块出货量在 2028 年前将以超过 35% 的复合年增长率上升。随着这些模块在性能和功率上的不断提升,散热问题正成为推广应用的关键障碍。
μCooling 所采用的固态、压电 MEMS 设计意味着无需电机、无运动轴承、无机械磨损,从而实现免维护的高可靠性和大规模生产能力。其体积紧凑(尺寸仅为 9.3 x 7.6 x 1.13 mm)且具备可扩展架构,使其非常适合在 QSFP-DD、OSFP 以及未来可插拔和共封装光模块等多种互连环境中实现模块化部署。
随着 μCooling 同时服务于移动设备和数据中心市场,xMEMS 正在兑现其通过固态热管理创新实现可扩展散热方案的愿景,为下一代高性能电子设备开启新局面。欲了解更多 xMEMS 及其 μCooling 散热解决方案的信息,请访问 xmems.com。
xMEMS Labs 成立于 2018 年 1 月,构建了一个压电 MEMS 平台。该公司发明了全球首款固态、单片式 MEMS 扬声器,将半导体制造的可扩展性与革命性的音频性能相结合,开创了无线耳塞、可穿戴设备、听觉健康乃至现今 AI 眼镜等全新音频体验。xMEMS 的压电 MEMS 平台还延伸至推出全球首款 μCooling 散热风扇芯片,为智能手机及其他纤薄、高性能设备提供主动热管理。
xMEMS 拥有全球超过 230 项已获授权专利,该技术已酝酿多年。我最早在 2020 年听说过他们,当时 xMEMS 首席执行官 Joseph Jiang 谈论了推动芯片式扬声器技术的幕后秘密。如今,他们已将这些产品推向市场。同时,xMEMS 还宣布了面向电子产品的“芯片上风扇”微型散热解决方案。
好文章,需要你的鼓励
随着员工自发使用生成式AI工具,CIO面临影子AI的挑战。报告显示43%的员工在个人设备上使用AI应用处理工作,25%在工作中使用未经批准的AI工具。专家建议通过六项策略管理影子AI:建立明确规则框架、持续监控和清单跟踪、加强数据保护和访问控制、明确风险承受度、营造透明信任文化、实施持续的角色化AI培训。目标是支持负责任的创新而非完全禁止。
NVIDIA研究团队开发的OmniVinci是一个突破性的多模态AI模型,能够同时理解视觉、听觉和文本信息。该模型仅使用0.2万亿训练样本就超越了使用1.2万亿样本的现有模型,在多模态理解测试中领先19.05分。OmniVinci采用三项核心技术实现感官信息协同,并在机器人导航、医疗诊断、体育分析等多个实际应用场景中展现出专业级能力,代表着AI向真正智能化发展的重要进步。
英国正式推出DaRe2THINK数字平台,旨在简化NHS全科医生参与临床试验的流程。该平台由伯明翰大学和MHRA临床实践研究数据链开发,能够安全传输GP诊所与NHS试验研究人员之间的健康数据,减少医生的管理负担。平台利用NHS现有健康信息,安全筛查来自450多家诊所的1300万患者记录,并使用移动消息系统保持试验对象参与度,为传统上无法参与的人群开辟了研究机会。
Salesforce研究团队发布BLIP3o-NEXT,这是一个创新的图像生成模型,采用自回归+扩散的双重架构设计。该模型首次成功将强化学习应用于图像生成,在多物体组合和文字渲染方面表现优异。尽管只有30亿参数,但在GenEval测试中获得0.91高分,超越多个大型竞争对手。研究团队承诺完全开源所有技术细节。