电化学3D打印铜散热水冷板，将榨出数据中心更多算力

AM易道分享

一座1GW的AI数据中心，每年要烧掉的电够一座中型城市用。

其中至少一半，不是用来跑算力，是用来吹风、循环水、维持散热冷却的基础设施。

今天分享的这篇文章值得收藏。

2026年5月7日，《Cell Reports Physical Science》刊出论文，第一作者来自伊利诺伊大学香槟分校，合作方是圣地亚哥的一家叫Fabric8Labs的公司。

如果只看论文摘要，它讲的事很朴素。

一块20mm×20mm的水冷铜冷板，比传统方块针翅的同类产品热阻最多低32%，压降最多低68%。

但这篇论文真正值得花时间读的原因，藏在两个细节里。

第一这块铜片不是铣出来的、不是刻出来的，也不是3D打印激光烧结出来的。

它是用电镀的原理长出来的。

一种叫电化学增材制造（ECAM，Electrochemical Additive Manufacturing）的工艺，过去十年一直在小众圈子里发展，这次第一次被严肃地推到了AI数据中心散热这个赛道的台面上。

第二，论文里有一段数据中心能效推算：

如果把这套方案用在一个1GW的AI数据中心，TUE（总能效系数）能从行业平均的1.55降到1.011。

通俗讲，传统空冷数据中心每用1度电跑算力，就要再花0.55度电用于冷却和辅助系统；

这套方案把那0.55度压到了0.01度。

算到整座1GW的数据中心，原本被冷却基础设施吃掉的电，多出344MW可以真正用来跑算力。

论文作者自己谨慎地把这个数字标为illustrative（示例性的），但量级摆在那里，已经足以让数据中心运营者认真看一眼。

我们顺便想借助这篇论文把ECAM和其他金属3D打印路线差别讲清楚。

算法画不常见的针翅

故事从计算机里开始。

研究团队用COMSOL Multiphysics搭了一套拓扑优化（Topology Optimization）框架。

简单说，就是让算法在一块给定空间里自己决定每个角落该是铜还是水。

给定一个长方体的材料和流体共存的区域，告诉算法：

底面是热源，顶面有冷却水流过；

目标是让底面温度最低，约束是压降不能超过设定上限（ΔPlim）。

剩下的事，交给算法。

研究做了9种工况组合，收敛结果一眼看去，让人意外。

算法吐出来的针翅，长得像一个倒扣的松果。

下图是拓扑优化在三种压降约束下收敛出的针翅形态，从左到右分别对应40Pa、80Pa、120Pa。

压降越大，分叉越复杂。

根部宽厚，向上逐级收窄，顶端长出细密的分叉枝杈。

这种形态没有一个人类工程师会主动去画。

但在仿真里，它的速度场显示水流被这些分叉结构反复扰动，温度场则比方块针翅显著更均匀。

研究最终选定的是Hf=2mm、ΔPlim=80Pa这个工况。

不是最激进的，也不是最保守的。

论文里给的理由很朴素是，这个点能拿到大部分温度收益，又不至于让压降失控。

用研究者的视角看，工程总要在性能和代价之间挑一个手感最舒服的中间档位，这就是那个档位。

接下来，这个单个针翅被镜像、阵列，铺满20mm×20mm的冷板表面。

最终成型的，是一个50×50的针翅阵列，单元间距0.4mm。

这是一个工程上的有意妥协。

直接对整块20mm的冷板做3D拓扑优化，计算量会爆炸。

论文里给了一个直观对比：5×5mm扩到75×75mm，体素数会涨两个数量级。

先优化一个单元胞（unit cell，可以理解为最小重复单元），再阵列复制，是把算得动和做得好之间的平衡拿捏住的现实策略。

如何把这个全新针翅真的做出来：电化学ECAM登场
算法画出来的针翅，最细的特征只有几十微米。
这正是过去拓扑优化研究的死结。算得出，做不出

这就轮到ECAM登场。

ECAM是Fabric8Labs这家2015年成立的公司过去十年的核心技术。

它的本质，用一句话说，就是把电镀做成了一台3D打印机。

传统电镀大家都不陌生，把工件泡在含金属离子的溶液里，通电，金属离子就在工件表面均匀地还原成金属薄膜。

但传统电镀只能均匀沉积，没法局部控制。

ECAM做了一件关键的事。

它把阳极换成了一个由数百万个独立可控微电极组成的阵列。这些微电极借鉴了主动矩阵显示屏（active-matrix display）的技术路线，每一个像素都能独立通断、独立控制电场强度。

打印过程是这样的。

底板（阴极）和打印头（阳极阵列）之间，留一道很窄的间隙，里面循环流过含铜离子的水基电解液。

当某个像素被激活，它和底板之间形成局部电场，溶液里的Cu²⁺就在这个像素正对着的底板位置被还原成铜原子，沉积下来。

下一层，根据切片数据点亮另一组像素，再长一层铜。如此逐层、逐像素地长出三维结构。

整个过程发生在室温下，全程没有高温熔池、没有粉末。

论文里给出了几个关键参数。

当前ECAM系统的体素分辨率约33微米，沉积铜的纯度可以达到99.95%（这个数字直接关系到铜的导热率有没有打折），整个过程由闭环控制系统实时监控每个像素的沉积状态。

这次实测的冷板，是在一片高纯铜基板上长出了一个20×20mm的针翅阵列。

论文Table 1给出了冷板规格。

整个20×20mm范围内排了50×50共2500根针翅。

论文里的SEM图和光学显微图都呈现得很清楚，那种带分叉的复杂针翅形态，被ECAM相当忠实地复刻了出来。

换句话说，传统电镀车间里那些泡满工件的大镀槽，被Fabric8Labs缩成了一台桌面级设备，每秒钟独立控制数百万个微型电极，决定这一层的铜该长在哪里、不长在哪里。

叹为观止。

中间插一段，ECAM和金属3D打印主流路线，到底差在哪

读到这里，对3D打印有了解的读者大概会问。

金属增材又不是只有ECAM一家，激光选区熔融（SLM）、电子束熔融（EBM）、粘结剂喷射（Binder Jetting）这些都已经做了很多年了，凭什么这次非要用ECAM？

第一个差别是材料。

纯铜在金属增材里是出名的钉子户。

它对激光波长（特别是常见的1064nm红外激光）反射率极高，激光打上去大半被反射走，剩下一点能量又因为铜导热太快被迅速带走，根本形不成稳定熔池。

强行打出来的铜件，要么密度不够，要么微观孔隙严重，热导率会比理论值打个折。

而冷板要的恰恰是高热导率。

这是为什么纯铜冷板在金属增材里一直还在攻坚的核心原因之一。

ECAM不存在这个问题。

它根本不靠熔化，靠的是离子在电场下的电化学还原。

铜的反射率、导热率，对ECAM都不构成障碍，它处理纯铜反而是天然的优势。

第二个差别是温度。

SLM、EBM都是高温过程，局部温度可以到铜的熔点以上。

这意味着两件事，一是工件本身会因为热应力产生显著变形，二是工件不能直接打印在温度敏感的基底上，比如硅、PCB、陶瓷。

所以传统3D打印做的冷板，一般是先做一块独立的金属冷板、再用焊接或导热界面材料贴到芯片上，中间多一层界面，热阻多一份折损。

ECAM是室温过程。

原则上，它可以直接在芯片、PCB、陶瓷基底上长出冷却结构，没错，他们公开融资材料是这么写的。

这可能就是为什么Intel Capital、SK海力士、Lam Research这些半导体产业链的玩家都在投Fabric8Labs。

论文里专门提了一句，ECAM的电化学过程和现有半导体封装的电镀工艺有相似性，存在向高量产平移的现实路径。

第三个差别是分辨率。

SLM、EBM的分辨率受限于金属粉末粒径（一般15-53μm）和激光/电子束焦斑大小，复杂细节很难做到100μm以下。

BJ分辨率好一些，但还有烧结后变形和密度问题。

ECAM当前33μm的体素分辨率，加上随技术迭代继续往下走的潜力，是支撑拓扑优化这种喜欢算细节设计方法的关键。

第四个差别是后处理。

金属增材件几乎都需要支撑去除、热处理、表面精加工等多道后处理，每一道都增加成本和周期。

ECAM水基工艺，沉积出来的件几乎可以直接用，论文里也强调了这一点。

这对量产意义重大。

但显然，AM易道必须强调的是，ECAM不是万能的。

当前的体素分辨率和半导体光刻还有数量级的差距；

可打印的金属种类目前以铜为主，合金体系还在拓展中；

而单台设备的产能、大尺寸结构件的能力，都还未见工业化方案。

ECAM不是要替代SLM、EBM，不过它在【亚毫米级+纯铜+复杂内部结构+可直接打印在敏感基底上+可批量】这个组合空间里，目前几乎没有成熟竞争对手。

这是它目前的技术位置。

把铜片塞进真实的GaN功率电路里测
冷板做出来放进真实的电子系统里跑。

研究团队搭了一套测试平台，核心是一块定制的PCB，上面用标准回流焊焊了4颗GaN氮化镓功率晶体管，按2×2矩阵排布在20×20mm的有效区域内，每颗晶体管尺寸5.55×4.48×0.54mm³。

第1、2号管子靠近水的入口（上游），第3、4号靠近出口（下游）。

这种布局是有意为之。

既要看冷板对单颗器件的局部冷却能力，也要看水流过整个阵列后下游器件的温度衰减问题。

整套装置放在恒温22°C的环境里水平放置，冷板用导热界面材料贴在GaN阵列上。

闭环水路里同时测了流量、压差、进出口水温（仪器型号和不确定度分析在论文补充材料里），所有数据都可追溯。

性能差距明显

整篇论文最关键的是Figure 4。

研究团队拿ECAM打的拓扑优化（TO）冷板，和两块对照组：

2mm高的方块针翅冷板、1.5mm高的方块针翅冷板。

他们做了正面对比。

这两个对照组不是随便选的，是行业里被广泛拿来当基准的常规设计。

结论很多，但我们筛选了我们认为最关键的。

同流量下拓扑冷板更省。

在一定范围内，TO冷板的平均热阻在每一个流量点都最低。

差距在下游放得更大，水流到下游，温度升、动量弱，方针翅力不从心，而TO针翅带分叉、能持续扰动流场，热量抓得住。

第二，公平比较下，TO拓扑冷板仍然赢，而且赢得明显。

把散热付出的电费对齐（也就是按泵功率比，而不是按流量比），TO冷板在常用区间里始终领先。

最戏剧性的一组数字是，要把下游器件的热阻压到3.1 K/W这个工况点，TO冷板需要的泵功率比2mm方针翅低约60%，比1.5mm低约98%。

换个更猛的视角，限制结温-环境温差不超过10°C，自然空冷只能让一颗GaN器件耗散0.32W，TO水冷能扛25.25W。

79倍的功率密度差，这是论文给整个为什么必须用拓扑优化液冷冷板的定量答案。

第三，代价依然存在。

TO冷板在同流量下，压降确实是三者中最高的。

本质是，愿意付更高的压降，换更低的热阻；按泵功率折算反而省。

这意味着系统设计时泵的扬程必须留出空间，对一些泵选型受限的场景，本文这类TO冷板未必是最优解。

把组件级数据外推到数据中心层面

论文最后做了一个数据中心能效推算。

这也是很多业内人士关注的核心数据。

设定的场景，一个42U机架，总功耗167kW，目标芯片温度85°C，环境温度25°C。

这个机架功率级别是有现实参照的，论文明确说对标NVIDIA Blackwell Ultra GB300 NVL72这种下一代级别功率的机柜。

推算结果是，用这套TO+ECAM液冷方案的系统TUE是1.011，意味着只有1.1%的数据中心总能耗用在了冷却上。

对比传统空冷的TUE 1.55，超过一半的能耗都被冷却基础设施吃掉了。

如果把这个差距放到一座1GW数据中心里，就是344MW的IT负载差。

原本要喂给冷却的电，现在可以喂给算力。

不严谨的说，如果再放大到美国2028年预测的数据中心总装机74–132GW（按50%平均利用率），对应增量是25–45GW的可用算力容量。

但这里要原文照搬一句论文作者自己的态度，他们专门加了一段说明：

这部分数据中心层面的分析是"illustrative application example"（示例性的应用场景），实际的设施级效益是架构和场地相关的，不应该被当作已验证的预测。

论文的硬贡献是组件级的实验数据；数据中心的图景是合理的、有依据的推演，但还需要大规模验证。

这件事的产业坐标

读到这里有必要把镜头拉远一点。

Fabric8Labs这家公司，2015年成立于圣地亚哥。

2023年2月完成5000万美元B轮，由NEA领投，Intel Capital、Lam Capital（Lam Research的投资臂）、TDK Ventures、SE Ventures、imec.XPAND跟投。

2025年11月又拿到一轮5000万美元，依然由NEA和Intel Capital领投，新进投资人包括SK海力士、爱立信Ventures、丸之内创新合伙人、凸版印刷等。

最新一轮的核心用途，是把美国本土产能从500万件/年扩到2200万件/年，目标客户群明确指向AI/HPC散热、射频通信、汽车电力电子。

这份投资人名单本身有点意思。

半导体大厂Intel进来可能看到了芯片级散热集成的可能性，而SK海力士进来，HBM散热是绕不开的话题。

Lam Research（半导体设备龙头）加注，可能看到了ECAM和现有半导体工艺的工程兼容性。

而爱立信进来，是5G/6G射频天线方向。

这些信号叠加上这篇与伊利诺伊大学合作的Cell Reports论文，AM易道认为可以做出这样的判断：

ECAM正在从一个长期被归类为小众的技术路线，转向AI数据中心散热和先进电子封装这个赛道里的一个严肃供应链选项。

它不会替代SLM或EBM3D打印，各自有各自的边界。

但在其能打的空间，目前没有成熟工艺能正面竞争。

AM易道读者中如有类似技术团队，请私信联系。

冷板从来不是数据中心叙事的主角。

芯片是主角，机柜是骨架，电力是血液，散热长期被当成配角。

但配角偶尔会决定主角能不能上场。

机架功率从30kW向1MW爬的路上，决定上限除了芯片，还有热能不能及时被带走。

这篇论文，在拓扑优化这条算法路线和电化学增材这条工艺路线之间，搭了一座可以承重的桥。

这座桥能不能走过工程化、规模化、可靠性的关键一段，要看接下来这几年。

但桥已经架起来了，这件事本身已经值得行业里每一个关心散热、关心AI基础设施、关心铜的人，认真停下来看一眼。

注：本文是AM易道对论文的解读和转述，带有大量主观判断、内容取舍和添加行业视角，原文信息密度大、专业细节多，如果您是相关领域的专业读者，强烈建议直接阅读原文，本文的内容可能与原作者的严谨表述存在部分差异。

主信源（论文）： Bazmi, B., Lad, A.A., Shatskiy, E., et al. (2026). Ultra-high-performance cold plate development through topology optimization and electrochemical additive manufacturing.Cell Reports Physical Science 7, 103272.

doi.org/10.1016/j.xcrp.2026.103272