1.6T光模块TEC散热怎么选:激光器温控与碲化铋材料风险

资讯 快科技 全文 4759 字 · 约 12 分钟读完 配图 5 张 分类CPO网络数据中心

从 800G 到 CPO,AI算力数据中心的微型热电制冷器(半导体制冷)为何依赖碲化铋 Bi₂Te₃;国产替代与供应链单点风险怎么评估 —— 北京焦耳传热科技有限公司(JOULE)

所属频道 算力与芯片

从800G走到CPO,AI算力数据中心里的微型热电制冷器(也就是半导体制冷)为什么绕不开碲化铋Bi₂Te₃?国产替代的空间有多大,供应链的单点风险又该怎么算——这是北京焦耳传热科技有限公司(JOULE)给出的技术观察。

[MD:Title]

一:一个多数人不会留意的数字

400G光模块的功耗大概在10–12W。到了800G,抬到15–18W。1.6T这一代,短距方案是20–24W,长距方案则超过40W。

这几年里,800G和1.6T还能共用OSFP这类标准封装,模块的横截面积变化其实很有限。

换句话说,速率翻了一倍,功耗也跟着翻倍,可能留给散热的空间并没有同步变大。

模块内部如今挤着DSP、激光器、驱动芯片和调制器。DSP常常是功耗的大头;激光器占的功耗比例不算高,可它对温度极其敏感——以典型的DFB激光器为例,温度每上升1℃,发射波长就可能漂移约0.1nm。

800G阶段,这点漂移或许还能被结构设计吸收掉。可到了1.6T,它开始演变成误码率问题,演变成客户验收问题,也演变成产线良率问题。

[MD:Title]

二:真正的瓶颈不在「总热量」,而在「该凉的那个点」

过去十年,数据中心散热的叙事说到底就是跟「总热量」较劲:机柜功率从5–10kW一路涨到30kW、50kW、100kW+,风冷撞上了墙,液冷接棒上场,冷板、CDU、快接头、Manifold依次被推到台前。

这条路本身没说错,也用不着否定。但它处理的是「把热搬出去」。

1.6T光模块碰到的却是另一码事:它要把某几个点稳稳地按住。

激光器得锁在25℃附近——不只是「附近」,是±0.1℃,最好是±0.01℃。芯片要待在自己的设计温度窗口里,不能因为旁边模块满载就跟着漂。这类需求,靠冷板把整个模块均温到某个平均值是解决不了的。均温做得再漂亮,也按不住一个正在发热的点。

于是「主动制冷」被推到台前:把一枚指甲盖大小的半导体制冷片压在激光器底下,用电直接把这几瓦热搬走。这就是TEC。

TEC的道理不复杂:它本身不制冷,只是把热从一面挪到另一面。冷面贴着激光器,热面接散热结构,中间靠载流子迁移完成定向输运。没有运动部件,所以它静音、控温精准、秒级响应,冷热还能双向切换——光模块要的正是这些。

到这里,一切看上去都顺理成章。

三:可这里有个前提,行业默认了太久

微电子行业默认了一件事:TEC的材料就是碲化铋(Bi₂Te₃)。

这并不算错。过去几十年里,它是唯一被大规模验证过的商用热电材料,室温区间(300 K附近)的热电优值ZT在0.8–1.2,全球商用热电制冷材料九成以上的份额握在它手里。这条路线上的工程师早就把它做透了。

问题是,它的路子很窄。

碲(Te)的地壳丰度只有约0.001ppm,跟白金差不多;硒(Se)约0.05ppm,大概是碲的50倍。

再叠上一层现实:公开行业信息显示,日本KELK与大和热磁两家日系厂商在高端Micro-TEC上合计占了约八成份额,国内厂商在800G / 1.6T高端场景的国产化率仍处在低位区间。

把这两件事摆到一起,1.6T温控供应链的真实结构就露出来了:

表面上看,你采购的是「一枚精密控温器件」;往底层追,却收敛到「一种稀缺元素 + 两家日本厂商」。

对已经完成认证、供应链稳定的头部厂商来说,这不成问题。可对正在放量、正在扩产、正在规划二供的厂商,这句话就必须写进风险评估:

BOM 上这一行的单价和交期,你说了不算。

这不是在制造焦虑。说到底,这是一条材料学上的客观事实,也是一条少有人走的路。

四:换一条路走,材料这件事我们做了十年。下面会碰到一点材料科学,不感兴趣的话,直接看三个数字就行。

2021至2023年,p型SnSe晶体制冷材料被我们一步步做了出来,近室温性能优异,成果两次登上Science(373卷,556-561;380卷,841-846)。

到了2024年,室温下高性能的n型PbSe制冷材料也做成了,论文发表在Science(383卷,1204–1209)。

难题却一直卡在那里:热电器件得把n型和p型两种材料配成对,此前同一个材料体系里做不出性能匹配的两类材料;换成异质器件,热膨胀系数又对不上,长期稳定性成问题。

2026年6月5日,答案终于落地:全PbSe同质制冷器件,成果发表于Science(392卷,1056–1060),题为《Ultralow chromium doping enables all-PbSe thermoelectric cooling》。

办法叫「痕量元素栅格设计」:在同一个PbSe基体里按梯度掺入痕量铬(p型0.001Cr、n型0.005Cr),让两类晶体的成分和塞贝克系数高度对上,做出来的制冷器件完全同质。

结果可以核对,就三个数字:

[MD:Title]

对工程更要紧的一点:PbSe本身是立方晶体结构,断裂韧性和抗压强度都明显强过Bi₂Te₃。碲化铋脆、界面不稳这两个老毛病,从材料层面就绕过去了。

把镜头再往前推十年,还能看到另一条已经验证过的路。

2014年,Nature正刊上的研究给出SnSe单晶沿b轴的ZT为2.6±0.3(923 K),晶格热导率则压到0.23±0.03 W·m⁻¹·K⁻¹(973 K)。

这两个数字的分量不在高,而在于它不是靠纳米化做出来的。说白了:过去几十年,热电制冷材料想降热导,主流做法是把材料磨成纳米粉体、靠原子级共晶去散射声子,工艺成本极高,量产很难。SnSe不一样,靠的是Sn—Se键本身的强非谐性,热导天然就低。

那篇论文还顺手回答了一个尴尬问题:晶格热导都这么低了,声子平均自由程还剩多少优化余地?答案是约0.84 nm(300 K,Physical Review B 2016),已经跟晶格原子间距同一个量级。

放到工程上看:纳米化这条路基本走到头了。再想往下压热导,加的是工艺成本,性能涨不了多少。对要量产的人来说这是好事,贵的那道工序可以省掉。

真正决定制冷量的温区,数据更直接。制冷器冷端工作在200—350 K,这一段的功率因子直接决定制冷量和COP。空穴掺杂单晶SnSe沿b轴在300 K的功率因子约40 μW·cm⁻¹·K⁻²,Seebeck系数约+160 μV/K。这两个数怎么用?功率因子和Seebeck系数越高,同样大小、同样功耗的TEC能搬走的热就越多。论文自己拿商用Bi₂₋ₓSbₓTe₃做了同载流子浓度对比,结论是二者相当。也就是说,这条材料路线没有拿性能换成本,它是从同一个起点跑到了另一条路上。

还有一点:这个性能不是拿教科书公式算出来的,它来自「多能带输运」这种材料内在物理机制——电子在材料里不只走一条能带,而是好几条同时走。后来角分辨光电子能谱(ARPES)在实验侧独立验证了这个机制(Physical Review Letters)。

器件级ZT(ZT_dev)在300—773 K约1.34(Science 2016)。同一块SnSe单晶,沿b / c / a三个晶向的ZT分别是2.6 / 2.3 / 0.8(923 K,Nature 2014),差了三倍以上。这不是缺陷,而是器件设计时必须选对方向的空间:封装形状和安装方式定了,我们按方向给你取最优值。

再往后,n型SnSe在748 K的峰值温区把ZT做到3以上(Science 2022)。那是更靠近发电侧的记录,制冷暂时用不上,但它说明这条路在材料层面还有很长的余量没走完。

从2014年的SnSe到2026年的全PbSe,共同点是:都不依赖碲。

[MD:Title]

两条材料路线摆在一起:左边是行业默认的商用Bi₂Te₃,右边是我们走通的两条无碲路线(SnSe与PbSe)。所有ZT都标了类型和温区,不能跨温区直接比较。

五从材料到交付,中间这段路怎么走

材料、器件做到什么水平,跟能不能量产交付,压根不是一回事。一颗高功率密度材料要变成光模块客户点头的 Micro-TEC,中间横着五道关:器件一致性、良率、可靠性寿命、产能爬坡、客户认证。

每一道关都会把一部分实验室数据拦下来。所以看供应商,只盯材料参数远远不够,得看这五道关它是不是真的一关一关走完了。

焦耳传热干的活,就是把“材料做出来”到“客户用得上”中间这段路补齐。拆开说有三块。

头一块是器件级。微型制冷器件覆盖 2–8 级超低温型谱,外形、尺寸、制冷量、温差都能按载荷结构定制;闭环高精度控温,秒级响应,冷热双向切换。异形和定制化能力让它可以塞进光模块那种极限狭小的封装空间。

第二块是系统级。热控总体设计、试验验证、型号交付,整条链子由同一支团队一管到底。TEC 器件从设计到交付,不用在多家供应商之间来回对接口、抠精度、盯交期。出了问题,责任落在谁头上是清楚的。

第三块是仿真。有限差分显隐式积分热冲击、热弹性有限元、热致应力与形变重构、LES 大涡湍流模拟、VOF 多相界面瞬态追踪、MD 跨尺度多物理场,这些手段凑在一起,用处是:换不换材料路线,先算明白再决定。

还有件事产业界最关心,焦耳传热愿意放在前头讲。

所有性能纪录,最后都得让时间来验。这条路线上公开研究已经不少:有人用原子探针层析追踪析出物在 300 / 400 °C 处理 7 天后的粗化行为,结论是粗化虽让晶格热导略微升高,电导率也同步升高,ZT 基本没受负面影响,甚至略偏正(ACS Applied Materials & Interfaces 2017)。

力学和可制造性也有人系统做过:Na 掺杂让硬度提高约 30%、弹性模量下降 5—10%;PbS 掺 2.5% Na 后,烧结温度可降到 723 K(Journal of Materials Science 2015)。

缺点也不藏着:BaCu₂Se₂ 在 473 K 会挥发,用的时候必须加保护涂层(Dalton Transactions 2015)。

这些数据不是焦耳传热自己的,是这条技术路线上同行公开可查的工作。之所以列出来,是因为判断一家公司值不值得托付,不看他把自己夸得多好,而看他愿不愿意把行业里已经知道的事也摆到桌面上。

工程侧由多名航天院所主任热设计师领衔。团队在热控领域深耕十余年,累计发表 Nature、Science 正刊 16 篇,握有 ZT>3 热电优值世界纪录(峰值温区),技术通过军工体系认证。

附:给做材料的朋友

[MD:Title]

六:下一步:不是让我们报价,是先算一遍

你要是正在做 1.6T 或 CPO 的温控选型,或者在琢磨 TEC 这一行要不要备个第二源——

采购流程不用先启动,立项也不必先走。

焦耳传热提供一次免费的热控方案初评。

你把几何结构、功耗预算、温控指标给过来,我们交出四样东西:

·热平衡与瞬态仿真摘要

·多档散热路径对比(被动 / 单相 / 液冷 / 主动制冷)

·重量与功耗代价清单

·一个明确的 Go / No-Go 建议

要是结论是“你现在不需要第二条路线”,这结论照样有用。

关于我们

高端热控的定制化服务,是北京焦耳传热科技有限公司的主攻方向,商业航天和AI算力两头都覆盖。公司背靠北航与天目山实验室,手里攥着相变热控、热电半导体制冷两项核心技术,复合相变储热模块、高性能热电制冷器件等产品均为自主研制。从材料到系统的全链条方案,服务的场景包括整星、载荷热控、太空算力,以及高速光模块和高功率密度芯片的散热。

本文由本站编辑组整理与排版,内容基于公开信息核实后归纳发布,与文中提及的产品、公司无隶属关系。我们持续跟踪 AI 领域的模型、产品与行业动态,力求信息准确、表述清晰;文中涉及的名称、价格与功能细节可能随官方调整而变化,请以官方最新说明为准。如发现疏漏或表述有误,欢迎通过站内渠道反馈指正。

相关推荐 按相关度与热度排序

全部资讯 →
  1. 剑桥科技:北美大客户砍单传闻不实,2027年高速光模块批量交付就绪

    剑桥科技(603083.SH)高管在11月9日2026年第三季度业绩说明会上表示,高速光模块订单需求旺盛,公司已对多项关键物料提前下单锁定产能,为2027年的大批量交付做好准备。近期,市场盛传北美大客户数据中心业务出现延迟,担忧订单被砍等消息。“相关传闻与公司实际经营情况不符。公司目前高速光模块订单需求旺盛,产能利用率

    来源 腾讯网
  2. 字节跳动算力供应商DayOne冲刺纳斯达克:拟募资50亿美元

    智东西(公众号:zhidxcom)作者 | 王涵编辑 | 心缘智东西11月9日报道,近日,新加坡数据中心建造商DayOne正式向美国SEC提交Form F-1注册声明,计划在2026年内在纳斯达克上市。据路透社等媒体报道,该公司目标最高筹资约50亿美元(约合人民币333.9亿元),潜在估值约200亿美元(约合人民币13

    来源 腾讯网
  3. Anthropic花34亿美元买天然气轮机,AI竞赛转向抢电

    AI算力扩张正把电力变成最稀缺的资源。TechCrunch报道,Anthropic斥资34亿美元购买天然气轮机,为数据中心锁定长期电力。但这笔交易也埋下隐忧:燃料价格波动、碳排放压力、设备交付周期和社区阻力,都可能让这家AI公司产生“买家懊悔”。当AI巨头纷纷转向化石能源,一场关于速度与可持续性的博弈正在展开。

    来源 AI 科技快讯
  4. 数据中心争议背后:电价、电网与AI扩张的电力账单

    MIT Technology Review记者在选举周走访弗吉尼亚州阿什本“数据中心巷”,发现围绕数据中心的反对声浪表面上针对科技巨头和AI扩张,深层却指向电力系统:电价上涨、电网容量紧张、输电建设缓慢和成本分摊不透明。文章认为,若把争论简化为“要不要数据中心”,会错过真正的政策问题——如何为AI时代扩容电力基础设施,

    来源 AI 科技快讯
  5. 蚂蚁灵波开源LingBot-Touch:近5000小时触觉数据补上机器人感知一环

    【TechWeb】11月10日消息,蚂蚁灵波科技开源触觉基础模型LingBot-Touch,为机器人大脑补齐关键的触觉感知能力。该模型基于近5000小时真实触觉数据预训练,覆盖磁触觉、视触觉和压阻式三类主流传感原理,可将不同信号转化为同一套触觉表征,供不同灵巧手和动作模型使用,让机器人在“看得清楚、想得明白”的同时,进

    来源 AI 行业观察
  6. Anthropic花34亿美元买1.7GW燃气发电设备,AI算力争夺烧到电力端

    AI公司Anthropic已斥资约34亿美元,从美国电力设备供应商OnePWR Solutions手中取得1.7GW燃气发电设备订单,用于保障数据中心电力供应。该交易于今年9月下旬达成,涉及卡特彼勒生产的重型燃气发电机组,被认为是目前公开信息中AI实验室规模最大的单笔发电设备采购交易。

    来源 凤凰科技
  7. 谷歌伦敦数据中心遭骑行者和昆虫爱好者联合阻挠

    欧洲数据中心抗议潮再添新案例。在伦敦以东,一群看似毫不相干的抗议者——骑行者、昆虫爱好者和当地居民——组成联盟,试图阻止谷歌建设一座大型数据中心。这场不对称的对抗,折射出AI算力扩张与社区利益之间日益尖锐的矛盾。

    来源 AI 科技快讯
  8. 蚂蚁灵波开源LingBot-Touch:近5000小时触觉数据预训练

    蚂蚁灵波科技开源触觉基础模型LingBot-Touch,为机器人大脑补齐关键的触觉感知能力。该模型基于近5000小时真实触觉数据预训练,覆盖磁触觉、视触觉和压阻式三类主流传感原理,可将不同信号转化为同一套触觉表征,供不同灵巧手和动作模型使用,让机器人在“看得清楚、想得明白”的同时,进一步补齐精细操作所需的触觉感知。

    来源 TechWeb
  9. 蚂蚁灵波LingBot-Touch开源:近5000小时触觉数据,任务成功率最高90%

    蚂蚁灵波科技开源触觉基础模型LingBot-Touch,为机器人大脑补齐关键的触觉感知能力。该模型基于近5000小时真实触觉数据预训练,覆盖磁触觉、视触觉和压阻式三类主流传感原理,可将不同信号转化为同一套触觉表征,供不同灵巧手和动作模型使用,让机器人在“看得清楚、想得明白”的同时,进一步补齐精细操作所需的触觉感知。

    来源 TechWeb
  10. 泰国出台数据中心环保新规:噪音限70分贝,温升须控制在2摄氏度内

    IT之家 11 月 10 日消息,据彭博社报道,随着人工智能投资热潮推动数据中心建设迅速扩张,泰国出台了针对数据中心噪音、热量和用水的新规定,为这一快速发展的行业设定了明确的环境限制。 泰国经济规划机构秘书长丹努查 · 皮查亚南(Danucha Pichayanan)周二表示,内阁已批准相关规定。根据新规,数据中心的不

    来源 AI 行业观察
  11. 欧美数据中心建设受阻:算力扩张遇成本难题,行业走向生变?

    AI的尽头是什么?是房地产。 如果说两年前还有人质疑这个说法,那么两年后的今天,数据中心建在哪里?怎么建?已经成为头部AI企业们最头疼的问题。11月6日至7日,由“停止肮脏数据中心”联盟发起的抗议席卷欧洲,欧洲多个国家都有大量民众走上街头抗议AI数据中心的建设,谷歌欧洲总部所在地都柏林,数千人走上街头,游行至爱尔兰议会

    来源 AI 行业观察
  12. 英伟达被调查,AI气候叙事遭质疑:减排红利缺账本

    MIT Technology Review《The Download》聚焦两件事:Mary Nichols撰文指出,AI应对气候变化的理由尚未得到充分证明,行业热炒的减排红利缺乏可验证账本;同日,针对英伟达的一项调查也进入视野。文章分析AI数据中心能耗、气候承诺与算力供应链外部性,并讨论政策制定者应如何要求可测量、可归

    来源 AI 科技快讯
  13. 数据中心争议背后:AI电力需求与成本分摊难题

    MIT Technology Review记者在选举周走访弗吉尼亚州阿什本“数据中心巷”,发现围绕数据中心的反对声浪表面上针对科技巨头和AI扩张,深层却指向电力系统:电价上涨、电网容量紧张、输电建设缓慢和成本分摊不透明。文章认为,若把争论简化为“要不要数据中心”,会错过真正的政策问题——如何为AI时代扩容电力基础设施,

    来源 AI 行业观察
  14. 蚂蚁灵波开源LingBot-Touch:触觉基础模型让机器人摸得更灵敏

    【TechWeb】11月10日消息,蚂蚁灵波科技开源触觉基础模型LingBot-Touch,为机器人大脑补齐关键的触觉感知能力。该模型基于近5000小时真实触觉数据预训练,覆盖磁触觉、视触觉和压阻式三类主流传感原理,可将不同信号转化为同一套触觉表征,供不同灵巧手和动作模型使用,让机器人在“看得清楚、想得明白”的同时,进

    来源 腾讯网
  15. 骑行者与昆虫爱好者联手 阻击谷歌伦敦新数据中心

    欧洲数据中心抗议潮再添新案例。在伦敦以东,一群看似毫不相干的抗议者——骑行者、昆虫爱好者和当地居民——组成联盟,试图阻止谷歌建设一座大型数据中心。这场不对称的对抗,折射出AI算力扩张与社区利益之间日益尖锐的矛盾。

    来源 AI 行业观察
  16. 英伟达调查外,AI气候账目可核验吗?

    MIT Technology Review《The Download》聚焦两件事:Mary Nichols撰文指出,AI应对气候变化的理由尚未得到充分证明,行业热炒的减排红利缺乏可验证账本;同日,针对英伟达的一项调查也进入视野。文章分析AI数据中心能耗、气候承诺与算力供应链外部性,并讨论政策制定者应如何要求可测量、可归

    来源 AI 行业观察
  17. AI数据中心抢占光纤产能,乌克兰光纤无人机遭遇供应瓶颈

    乌克兰战场上的光纤制导无人机正面临一个新的对手:全球AI数据中心。随着中国光纤产能被数据中心与俄罗斯订单分流,乌克兰获取关键光纤材料的难度显著上升。这场围绕光纤的争夺战,折射出AI基础设施扩张与地缘冲突在供应链上的意外交汇。

    来源 AI 科技快讯
  18. 超聚变IPO本周上会:郑州国资押注,800亿估值能否落地?

    算力龙头IPO本周上会,这次背后站着的是郑州。 近日深交所网站披露,深交所上市审核委员会定于11月12日召开2026年第61次上市审核委员会审议会议,届时将审议超聚变数字技术股份有限公司的首发事项。 这一节点备受关注,不仅源于超聚变在我国算力产业中的重要位置——据其招股说明书援引IDC报告,超聚变去年在中国服务器市场占

    来源 AI 行业观察
  19. 大摩Shawn Kim再预警内存:2028盈利悬崖将至,三星取代海力士成首选

    摩根士丹利分析师Shawn Kim再度向内存行业发出警告,这一次他瞄准的是行业“2028年的盈利悬崖”。据追风交易台消息,在11月9日发布的最新研报中,Shawn Kim全面下调三星电子和SK海力士目标价,并将三星电子升为新首选股,取代SK海力士。他在报告中写道:“对内存的担忧,与其说是美国中期选举后数据中心建设延迟或

    来源 腾讯网
向下滚动自动加载更多