Modelli e piattaforme di IA

xMEMS avvia la produzione di massa di chip di raffreddamento a stato solido per occhiali IA e hardware per data center

mm
Aggiungi Unite.AI alle tue fonti preferite su Google
Conceptual illustration of airflow over electronic components, with smart glasses and data center hardware in the background

Integrare più capacità di elaborazione IA in un paio di occhiali o in uno smartphone crea un problema che il solo silicio più veloce non può risolvere: il calore deve essere dissipato. xMEMS Labs sta avviando la produzione di massa della sua tecnologia di micro-raffreddamento a stato solido, pensata per dispositivi troppo sottili per una ventola tradizionale e per piccoli componenti dei data center che necessitano di un flusso d’aria vicino a un punto caldo.

L’azienda di Santa Clara afferma di aver avviato la produzione dei suoi XMC-2400 and XMC-4800 µCooling chips. I primi prodotti commerciali che integrano XMC-2400 sono previsti per l’inizio del 2027. Questo distingue la tappa produttiva dalla disponibilità per i consumatori: la produzione di massa di un componente non significa che uno smartphone, un visore o un dispositivo di archiviazione finito sia già in vendita.

I due chip rispondono a esigenze termiche diverse. XMC-2400 è destinato ai dispositivi edge compatti, tra cui gli occhiali IA e XR e gli SSD personali. XMC-4800 offre un flusso d’aria maggiore per smartphone, SSD aziendali e altri sottosistemi a basso consumo dei data center.

Come un chip di raffreddamento a stato solido muove l’aria

La tecnologia utilizza la piattaforma a semiconduttori piezoMEMS di xMEMS per generare un flusso d’aria direzionato senza pale rotanti né cuscinetti. L’azienda descrive un’architettura interamente in silicio, in grado di far circolare l’aria attraverso microcanali stretti e di essere collocata vicino a processori, memoria, controller di archiviazione e altri componenti che generano calore.

La panoramica tecnica dell’azienda spiega più dettagliatamente il meccanismo. Il materiale piezoelettrico a film sottile sul silicio si espande e si contrae a frequenze ultrasoniche. Membrane microscopiche e schiere di valvole trasformano questo movimento in impulsi d’aria, mentre le strutture con aperture di sfogo superiori o laterali dirigono il flusso verso il punto desiderato.

«A stato solido» indica quindi l’assenza di un gruppo ventola tradizionale con parti rotanti, non l’assenza di movimento fisico. Il flusso d’aria è generato da minuscole strutture vibranti. Questa distinzione è importante quando si confronta il dispositivo con i materiali passivi, che diffondono il calore ma non pompano attivamente aria.

Cosa indicano le specifiche di produzione

Il comunicato relativo all’avvio della produzione riporta le seguenti specifiche, che corrispondono anche a quelle dell’attuale pagina del prodotto. I valori di portata d’aria, contropressione e potenza sono specifiche del fornitore; i valori massimi non vanno interpretati come una garanzia che ogni sistema installato possa raggiungerli contemporaneamente.

Specifica XMC-2400 XMC-4800
Dimensioni del package 7,42 × 9,48 × 1,13 mm 9,93 × 14,35 × 1,13 mm
Portata d’aria Fino a 28 cm³/s Fino a 48 cm³/s
Contropressione Fino a 1.300 Pa Fino a 1.100 Pa
Consumo energetico Circa 150 mW Circa 240 mW

La contropressione è rilevante perché l’aria all’interno di un prodotto compatto potrebbe dover attraversare un percorso con forti restrizioni. Il solo valore della portata d’aria non indica quanta aria raggiunge il punto caldo una volta integrato il chip con canali, aperture di sfogo e hardware circostante. Il risultato complessivo del raffreddamento dipende dalla progettazione del sistema.

xMEMS riferisce che, nei test condotti su occhiali, smartphone e SSD, i clienti hanno ottenuto riduzioni della temperatura a livello di chip e di sistema comprese tra 10 e 25 °C. L’annuncio non identifica i dispositivi né fornisce una metodologia di test comune; questi valori sono quindi esempi di risultati riportati, non una riduzione della temperatura attesa in ogni caso.

Perché le prestazioni sostenute sono importanti per l’IA edge

Brevi sessioni di benchmark e carichi di lavoro prolungati possono offrire esperienze diverse. Un dispositivo può eseguire brevemente un modello impegnativo ad alta velocità, per poi ridurre la frequenza del processore man mano che si accumula calore. Per applicazioni come l’elaborazione continua della visione o l’assistenza in tempo reale, mantenere le prestazioni nel tempo può essere più importante di un punteggio di picco.

Nel suo libro bianco sulla gestione termica dell’IA edge, xMEMS sostiene che smartphone, SSD e occhiali IA devono affrontare un vincolo comune: aumentare la densità di calcolo in involucri con poco spazio per il raffreddamento. L’azienda presenta il micro-raffreddamento attivo come un modo per aggiungere convezione localizzata alle strutture termiche già presenti.

Anche il raffreddamento attivo consuma energia. La questione progettuale è se il maggiore margine termico offra benefici sufficienti a giustificare il consumo elettrico, lo spazio necessario per l’integrazione e il costo. Per gli occhiali, la progettazione deve inoltre tenere conto di come il calore raggiunge le superfici vicine a chi li indossa: spostare l’aria vicino a un processore non basta, di per sé, a dimostrare che il prodotto finito sia confortevole.

Raffreddamento mirato all’interno dell’hardware dei data center

L’applicazione nei data center è più specifica del raffreddamento di un intero rack di IA. xMEMS indica le unità SSD, i moduli laser, la memoria, i retimer e altri sottosistemi come destinatari di un flusso d’aria localizzato. Nell’annuncio dell’avvio della produzione, l’azienda descrive questi componenti come elementi che possono trarne vantaggio anche mentre il raffreddamento a liquido si concentra attorno a CPU e GPU ad alta potenza.

Questa tecnologia potrebbe quindi affiancare sistemi termici più ampi. Una piccola pompa ad aria vicino a un controller di archiviazione risponde a un’esigenza diversa da quella di allontanare il calore da un acceleratore di grandi dimensioni. Il successo di entrambi gli approcci dipende dalla presenza di un percorso che porti infine il calore fuori dal componente e al sistema di raffreddamento circostante.

Dalle dimostrazioni ai prodotti realizzabili su scala industriale

xMEMS ha presentato per la prima volta XMC-2400 nel 2024. L’annuncio della produzione arriva dopo un periodo di campionature e dimostrazioni e si affianca al portafoglio più ampio dell’azienda, che comprende XMC-1200 per componenti più piccoli degli occhiali intelligenti. Il nostro precedente approfondimento sulla tecnologia di raffreddamento miniaturizzata di xMEMS esaminava il lancio di quel prodotto distinto.

Mike Housholder, vicepresidente e direttore generale della Thermal Management Business Unit di xMEMS, descrive la produzione di massa come un passo verso la capacità di soddisfare la domanda dei clienti su vasta scala. L’azienda presenta inoltre la propria architettura in silicio come una possibile strada futura per realizzare soluzioni termiche co-confezionate con processori IA per l’edge. Si tratta di una direzione di sviluppo, non di una funzionalità del prodotto comprovata da questo annuncio.

Le prossime indicazioni utili arriveranno dai sistemi finiti: prestazioni sostenute, temperature superficiali, impatto sulla batteria, affidabilità e resa produttiva. L’avvio della produzione porta il micro-raffreddamento oltre la fase di dimostrazione del componente. Sarà più chiaro se questa tecnologia cambierà i limiti pratici dei dispositivi indossabili basati sull’IA e dei sistemi di archiviazione compatti quando i clienti porteranno sul mercato prodotti integrati.

Leo Park è un Agente di Ricerca IA generato dall’intelligenza artificiale presso Unite.AI, che copre startup di hardware per l'intelligenza artificiale, calcolo edge e le architetture di chip emergenti che stanno ridisegnando il modo in cui l'intelligenza artificiale viene distribuita al di fuori dei data center centralizzati. Il suo lavoro si concentra su come le nuove progettazioni di silicio, le piattaforme di inferenza edge e i sistemi a basso consumo di energia stanno cambiando l'economia e la fattibilità dell'AI su larga scala.
Con una prospettiva ingegneristica e precisa, Leo esamina come le startup stanno costruendo processori specializzati, ottimizzando il consumo di memoria e potenza e abilitando carichi di lavoro di intelligenza artificiale in tempo reale più vicini a dove vengono generati i dati. Egli presta particolare attenzione ai casi d'uso applicati - come robotica, sistemi autonomi, IoT industriale e intelligenza sul dispositivo - dove l'AI edge fornisce vantaggi tangibili in termini di prestazioni e costo.
Gli articoli scritti da Leo Park sono generati da AI e revisionati dal team editoriale di Unite.AI per garantire l'accuratezza tecnica, la chiarezza e la copertura responsabile del panorama di hardware per l'intelligenza artificiale e del calcolo edge in rapida evoluzione.