来源 | Thermal Science and Engineering Progress

链接 | https://doi.org/10.1016/j.tsep.2026.104550

01

背景介绍

数据中心在 AI、大数据等领域的应用愈发广泛，CPU 热设计功率（TDP）持续提升，产热加剧，而无效的热管理会导致设备性能下降、硬件故障。数据中心能耗问题突出，预计 2025 年将占全球能源消耗的4.5%，其中冷却系统能耗占比近 40%，亟需高效散热方案。浸没冷却是数据中心高效冷却技术，分为单相（SPIC）和两相（TPIC），其中SPIC 结构简单、维护方便、成本更低，更适合大规模商业应用。现有 SPIC 系统的优化研究多聚焦于冷却介质、流道布局、入口参数等方面，针对散热器本体的设计优化研究相对匮乏，且传统散热器换热提升空间有限，因此开展拓扑优化散热器研究具有重要价值。

02

成果掠影

近日，江苏科技大学王蛟团队针对数据中心单相浸没冷却（SPIC） 系统的散热难题，将拓扑优化技术应用于散热器设计，打造出拓扑优化散热器（THS），并与传统矩形翅片散热器（CHS）开展对比仿真研究；结果显示，相同条件下 THS 使 CPU 平均温度降低19.02%、温度标准差降低44.90%，泵耗更低且能量效率系数提升115.23%，同时研究还探究了CPU 热设计功率（TDP）、冷却液入口温度 / 流速、通道高度、冷却介质五大因素对两种散热器散热性能的影响，发现 TDP 越高 THS 优势越显著，TMC-7200是综合性能最优的冷却介质，该研究为数据中心 SPIC 系统的高效散热与节能提供了新方案，拓扑优化散热器虽制造成本较高，但长期使用的性能与节能收益显著。研究成果以“The study of a novel topology-optimized heat sink for single-phase immersion cooling in data centers” 为题，发表于《Thermal Science and Engineering Progress》期刊。

03

图文导读

图1.仿真模型。

图2.拓扑优化过程。

图3.拓扑优化过程。

图4.网格独立性分析。

图5.模型结构和模型验证。

图6.（a）THS，（b）CHS的温度分布。

图7.不同散热器下CPU温度与传热系数。

图8.不同散热器下Qf、Pc和Pc的差异。

图9. CPU TDP对（a）Tave、（b）Tδ、（c）Qf、（d）的影响。

图10.不同TDP下CPU温度分布。

图11.进口速度对（a）Tave、（b）Tδ、（c）Pc、（d）Δ T的影响。

图12.冷却剂温度对（a）Tave，（b）Tave的影响。

图13.不同冷却液入口温度下CPU温度分布.

图14.沟道高度对（a）Tave、（b）Tδ、（c）Pc、（d）Tc的影响。

图15.冷却剂对Tave的影响.

图16.冷却剂对Pc的影响。

图17.冷却剂对热膨胀系数的影响.