Diamanten, rettet Chips

Rechenzentren gehören zu den umstrittensten Projekten im Technologiebereich. Ihr Energieverbrauch, ihre Baukosten und Standortfragen werden von Aufsichtsbehörden, Versorgungsunternehmen und den Gemeinden am Projektstandort genau geprüft. Unter diesen komplexen politischen und gesellschaftlichen Überlegungen besteht eine Tatsache, auf die sich alle Seiten einigen: Rechenzentren wandeln elektrische Energie in Rechenleistung und Wärme um, wobei der Kühlprozess etwa 25 % bis 40 % des Gesamtenergieverbrauchs ausmacht.

Dennoch wird oft übersehen, wo der Kühlbedarf tatsächlich festgelegt wird – er wird nicht durch die Umgebungsbedingungen im Serverraum bestimmt, sondern durch das Chip-Gehäuse selbst.

Fortschrittliche Gehäusetechnologien ermöglichen die Konzentration höherer Leistung auf einer kleineren Siliziumfläche. Durch Chiplets, gestapelte Hochgeschwindigkeitsspeicher (HBM) und kilowattstarke Multi-Die-Module hat der Leistungsverbrauch einzelner Gehäuse von Flaggschiff-Beschleunigern die Marke von 1000 Watt überschritten, und die Rack-Dichte übersteigt 100 Kilowatt; sogar in den Technologie-Roadmaps der Hersteller gibt es bereits Rack-Konzepte im Bereich von 200 Kilowatt. Bevor die Wärme die Kühlplatte, den Kühlkreislauf oder die Kältemaschine erreicht, muss jedes Watt erzeugter Wärme zunächst den ersten Millimeter Raum über dem Chip-Junction durchdringen. Wenn die Wärme beim Verlassen des Dies nicht effizient abgeführt wird, kann das nachfolgende Kühlsystem diesen Verlust nicht mehr wettmachen.

Genau aus diesem Grund muss das Material an der Oberseite des Stapels ausgetauscht werden. Einkristalliner Diamant (mit einer Wärmeleitfähigkeit von über 2000 W/m·K, etwa fünfmal so hoch wie die von Kupfer) wird als wärmeabführende Ausgleichsschicht verwendet, die der Chip-Größe entspricht und direkt an den Junction-Bereich angrenzt; er kann den Wärmewiderstand für die Wärmeausbreitung direkt an der entscheidenden Stelle, die das Wärmebudget bestimmt, wirksam senken. Während sie aktiv Künstliche Intelligenz (KI) nutzen, sind die Technologieführer sich eines Haupthindernisses bewusst, das ihre breite Anwendung behindert: Die enorme Wärmeentwicklung und der Energieverbrauch auf Chipebene werden im Maßstab von Rechenzentren weiter verstärkt. Und der Ansatzpunkt zur Lösung dieses Problems liegt genau im Chip selbst.

Der erste Millimeter bestimmt das Budget

Man kann den Wärmeabfuhrpfad von dem Chip-Junction zur Umgebung als Überlagerung einer Reihe von Wärmewiderständen betrachten: Vom Chip-Junction zur Chip-Oberfläche, durch das erste Wärmeleitmaterial, in die Wärmeverteilerplatte, durch das zweite Wärmeleitmaterial in die Kühlplatte, dann in das Kühlmittel und schließlich durch den Kreislauf der Anlage die Wärme abführen. In den letzten zehn Jahren hat die Branche viel Energie auf das Ende dieser Wärmeabfuhrkette (also die Seite in der Nähe des Chips) verwendet, beispielsweise durch den Einsatz von Direct-to-Chip-Kühlplatten, Tauchkühlung, Wärmetauschern an Rack-Hintertüren und die Erhöhung der Temperatur des Kühlwassers der Anlage. An der Spitze der Wärmeabfuhrkette (also dem Teil, der direkt an der Chip-Oberfläche anliegt) hat sich jedoch kaum etwas geändert.

Ausgerechnet an dieser Spitze sind die physikalischen Gesetze am strengsten. Moderne Rechenchips erzeugen Wärme nicht gleichmäßig; Compute-Tiles, SerDes-Module und Versorgungsbereiche erzeugen lokale Wärmeflüsse, die ein Mehrfaches des durchschnittlichen Wärmeflusses des Chips erreichen können – in den heißesten Hotspots beträgt der Wärmefluss sogar mehrere hundert Watt pro Quadratzentimeter. Eine Wärmeverteilerplatte aus Kupfer mit einer Wärmeleitfähigkeit von etwa 400 W/m·K ist nicht in der Lage, diese Wärmespitzen durch seitliche Wärmeleitung auszugleichen. Infolgedessen „sieht“ die Kühlplatte eine stark konzentrierte Abbildung der Wärmeverteilung des Chips; die Obergrenze der Temperatur des Chip-Junctions hängt von dem Spitzenwärmefluss ab, nicht von dem durchschnittlichen Wärmefluss.

Diese Folgen wirken sich auf die gesamte Anlage aus. Jede Temperaturerhöhung, die durch den Wärmeausbreitungswiderstand verursacht wird, muss im nachgeschalteten Bereich mit Kosten „kompensiert“ werden – und diese nachgeschaltete Kompensation ist extrem teuer. Das bedeutet, dass eine niedrigere Kühlmitteltemperatur eingestellt werden muss, sodass Kältemaschinen in Betrieb genommen werden müssen (keine Nutzung der Freikühlung möglich), der Energieverbrauch von Pumpen und Lüftung steigt, kleinere Wärmeübertragungs-Temperaturdifferenzen (Approach Temperature) erforderlich sind und größere mechanische Kühlsysteme konfiguriert werden müssen. Auf Geräteebene wird der Effizienzverlust, der durch nur wenige Grad Temperaturunterschied verursacht wird, leise im Infrastrukturmaßstab von Gigawatt (GW) verstärkt und verteilt.

Darüber hinaus gibt es einen zweiten, direkteren „Preis“: Drosselung (Throttling). Chips verfügen über Selbstschutzmechanismen – wenn ein Hotspot einen Temperaturschwellenwert überschreitet, senkt der Chip automatisch seine Betriebsfrequenz, auch wenn die durchschnittliche Temperatur des Chips noch im „komfortablen“ Bereich zu liegen scheint. In KI-Rechenzentren ist Drosselung nicht nur ein Problem des Wärmemanagements, sondern ein Problem, das direkt die Einnahmen beeinflusst. Denn die „Tokens“ (Modellausgabeeinheiten), die erzeugt werden sollten, aber nicht erzeugt werden, lassen sich nicht in kommerzielle Einnahmen umwandeln.

Diamantintegration auf Die-Ebene

Diamant-Wärmeleitfolien sind kein neues Konzept, was sich wirklich geändert hat, ist ihre Herstellbarkeit. Die chemische Gasphasenabscheidung (CVD) hat die industrielle Produktion von halbleitergerechtem künstlichem einkristallinem Diamant ermöglicht; gleichzeitig sind verschiedene Formen und Metallisierungsverfahren, die für die Gehäuseintegration erforderlich sind, ausgereift und werden in der aktuellen Produktion eingesetzt.

Die grundlegende Schlüsselkomponente für die Realisierung dieser Anwendung ist eine Diamant-Wärmeleitfolie, die der Chip-Größe entspricht. Durch einkristallinen Diamant mit einer Größe von bis zu 25 × 25 Millimetern – dessen Fläche ausreicht, um reticle-große Rechenchips abzudecken, ohne dass mehrere Stücke zusammengesetzt werden müssen, wodurch Fugen im Wärmeleitpfad beseitigt werden. Die Oberfläche dieser Wärmeleitfolien ist mit Ti/Pt/Au (Titan/Platin/Gold) metallisiert – eine Standard-Struktur aus Haftschicht, Sperrschicht und Oberflächenschicht, die es dem Diamanten ermöglicht, direkt an die bestehenden Chip-Verbindungsprozesse angepasst zu werden: Es kann entweder gesintertes Silber für eine Schnittstelle mit extrem niedrigem Wärmewiderstand verwendet werden, oder je nach Anforderungen des Montageprozesses Legierungen aus Gold-Zinn (AuSn), SAC (Zinn-Silber-Kupfer) oder Indium zum Reflow-Löten. Es müssen keine neuen Werkzeugsätze oder speziellen Prozessmodule eingeführt werden, die vorhandenen Chip-Montage- und Reflow-Lötgeräte in der Produktionslinie können direkt weiterverwendet werden.

Aus architektonischer Sicht wird die Wärmeleitfolie an der Stelle platziert, an der sie die größte Wirkung entfaltet: als Gehäuse-Integrationseinsatz in der TIM1-Schicht (erste Wärmeleitmaterial-Schicht) zwischen Chip und Deckel (Lid); oder in lidlosen Designs direkt unter der Kühlplatte. Das Problem des Wärmeausdehnungskoeffizienten (CTE) kann durch geeignete Konstruktionsmaßnahmen gelöst werden – der Wärmeausdehnungskoeffizient von Diamant beträgt etwa 1 ppm/K und ist näher an dem von Silizium als Kupfer; darüber hinaus ist die Verwendung von flexiblen Verbindungsdesigns (Compliant Bond-Line Engineering) für die Verbindungsschicht ein branchenüblicher Standard und kein seltenes Verfahren.

Die Vorteile dieses Konzepts haben sich in Modellierungsanalysen gezeigt. In CFD-Simulationen (Numerische Strömungsdynamik), die für aktuelle kilowattstarke Beschleunigergehäuse durchgeführt wurden (deren Ergebnisse derzeit von den Wärmemanagementteams der Erstausrüster (OEM) bewertet werden), kann die Platzierung einer einkristallinen Diamant-Wärmeleitfolie in der Nähe des Junctions die Gehäusetemperatur und die Junction-Temperatur um 8–10 °C senken, ohne dass Änderungen am Kühlkreislauf vorgenommen werden.

Eine Temperaturabnahme von 8 bis 10 Grad Celsius klingt vielleicht unbedeutend, aber im Maßstab von Rechenzentren ist ihre Bedeutung außergewöhnlich.

Die Arithmetik von „einem Gigawatt“

Branchenprognosen zeigen, dass allein im Jahr 2027 etwa 30 Gigawatt (GW) an neuer Rechenzentrums-Kapazität in den USA im Bau sind. Um die Bedeutung der „Near-Junction-Diamond“-Technologie in diesem Maßstab zu verstehen, betrachten wir als Beispiel eine 1-Gigawatt (1 GW) große KI-Anlage.

Angenommen, die Anlage ist mit etwa 600.000 Beschleunigergehäusen (einschließlich GPUs und kundenspezifischen ASICs) ausgestattet. Nach Abzug des Leistungsverbrauchs, der für Host-CPUs, Netzwerkgeräte und Kühlsysteme reserviert ist, entsprechen diese Beschleuniger den heutigen Hardware-Spezifikationen im Kilowatt-Bereich. Wenn jedes Gehäuse mit einer Diamant-Wärmeleitfolie ausgestattet ist (bei Massenproduktion kostet jede etwa 600 US-Dollar), betragen die Materialkosten für Diamant allein in der gesamten Anlage 360 Millionen US-Dollar.

Es ist zu beachten, dass diese Kosten nicht im Baubudget der Hyperscaler-Cloud-Anbieter erscheinen. Der Diamant wird während der Gehäuseherstellung integriert – dies ist eine Komponentenentscheidung, die Chiphersteller bei der Produktion von Beschleunigern treffen, die zu Preisen von 30.000 bis 50.000 US-Dollar verkauft werden. Auf Gehäuseebene erhöht der Diamant die Materialkosten von Flaggschiff-Produkten nur um 1 % bis 2 %; selbst wenn diese Kosten vollständig auf den Verkaufspreis des Beschleunigers umgelegt werden, machen sie nur 1 % bis 2 % der Gesamtinvestition des Hyperscalers für den Bau einer 1-GW-Anlage aus (etwa 35 bis 50 Milliarden US-Dollar).

Welchen Nutzen bringt der Temperaturunterschied von 8 bis 10 Grad Celsius, wenn diese 600.000 Beschleunigergehäuse in Betrieb genommen werden?

Zuerst in Bezug auf den Energieverbrauch. Je niedriger die Chip-Junction-Temperatur ist, desto geringer ist der Leckstrom – der Leckstrom nimmt mit sinkender Temperatur deutlich ab. Darüber hinaus ermöglicht ein kühleres Gehäuse die Verwendung eines wärmeren Kühlmittels, wodurch Zeiträume, in denen normalerweise Kältemaschinen in Betrieb sind, in „Freikühlungs“-Zeiträume umgewandelt werden und der Energieverbrauch von Pumpen und Lüftung reduziert wird.

Nach Modellberechnungen können für eine 1-GW-Anlage jährlich etwa 250 bis 300 Gigawattstunden (GWh) an elektrischer Energie eingespart werden – das entspricht dem Jahresstromverbrauch von etwa 28.000 US-Haushalten, also dem gesamten Jahresstromverbrauch aller Haushalte einer Stadt in der Größe von Palo Alto oder Greenwich. Bei einem Strompreis von 0,10 US-Dollar pro Kilowattstunde entspricht dies einer Stromeinsparung von etwa 250 Millionen US-Dollar über den 10-jährigen Lebenszyklus der Anlage. Die Verwendung kleinerer Kühlgeräte (Kältemaschinen) und Wärmeabfuhrsysteme spart nicht nur die kapitalbezogenen Ausgaben (Capex) im Zusammenhang mit der Kühlung, sondern führt zu zusätzlichen Einsparungen von etwa 150 Millionen US-Dollar in der Bauphase; die gesamten Kosteneinsparungen belaufen sich auf etwa 400 Millionen US-Dollar.

Auf der Einnahmeseite sind die Gewinne noch größer. Wenn Chips bei niedrigeren Temperaturen betrieben werden, sind sie weniger von thermischem Throttling betroffen und altern langsamer – bei einer Temperatursenkung um 10 °C verdoppelt sich der Sicherheitsspielraum für die „temperaturabhängigen Ausfallmechanismen“, die die Lebensdauer des Beschleunigers bestimmen. Eine stabile Taktfrequenz und eine längere Lebensdauer bedeuten, dass mit dem gleichen Kapitaleinsatz mehr verkaufbare „Tokens“ (Rechnungsausgabeeinheiten) erzeugt werden können; nach Schätzungen aus Szenariomodellen führt dies zu einem zusätzlichen Einnahmevolumen von etwa 1 Milliarde US-Dollar über den zehnjährigen Lebenszyklus der Anlage.

Zusammengenommen: Eine Investition von nur 360 Millionen US-Dollar in das „Diamantmaterial“ schafft einen Wert von etwa 1,4 bis 1,7 Milliarden US-Dollar für den Betreiber. Umgerechnet auf jede Gehäuseeinheit bedeutet das eine Komponenteninvestition von 600 US-Dollar, die einen Wert von über 2300 US-Dollar erzeugt.

Wer zahlt, wer profitiert

Diese Trennung zwischen „Zahler“ und „Profiteur“ – also dass die Chiphersteller die Kosten für das Diamantmaterial tragen, während die Betreiber von Hyperscaler-Rechenzentren die daraus resultierenden Betriebsvorteile genießen – ist genau der Kernpunkt, an dem viele vielversprechende Gehäusetechnologien oft ins Stocken geraten. Wenn Komponentenhersteller aufgefordert werden, die Kosten selbst zu tragen, damit nachgeschaltete Bereiche Kosten sparen können, ist es für solche Technologien oft schwierig, zu überleben; in der Geschichte der Wärmemanagementmaterialien gibt es viele ausgezeichnete Lösungen, die aufgrund dieser Interessensverzerrung gescheitert sind.

Allerdings haben fortschrittliche Gehäusetechnologien diese Regeln neu geschrieben. Chiphersteller verkaufen nicht mehr nur nackte Siliziumchips, sondern liefern integrierte Systeme, die durch Gehäuse differenziert werden – beispielsweise verschiedene Ebenen der Speicherkapazität, steckbare oder modulare Formen, flüssigkeitsgekühlte Versionen und nach Binning sortierte Frequenzspezifikationen.

Die Wärmeabfuhrkapazität ist zu einer entscheidenden Dimension der Produktdefinition geworden. Die mit Diamant ausgestattete Produkt-SKU (Artikelnummer) ist eine neue Stufe auf diesem Fortschrittspfad: Auf der gleichen Siliziumbasis werden durch einen überlegenen Wärmeabfuhrstapel höhere dauerhafte Betriebsfrequenzen und eine längere Lebensdauer erreicht, und die Preisgestaltung erfolgt basierend auf dem Wert, der dadurch freigesetzt wird.

Diese Preislogik ist sehr profitabel. Wenn eine 600 US-Dollar teure Wärmeabfuhrkomponente dem Betreiber einen Wert von über 2300 US-Dollar bringt, kann der Hersteller durch einen Preisaufschlag seinen eigenen Gewinnspielraum erhöhen – und die Komponente selbst erfordert keine zusätzliche Konstruktion oder Tape-Out durch den Hersteller – gleichzeitig wird die Gesamtbetriebskosten (TCO) des Betreibers deutlich optimiert. Diamantmaterial erreicht eine „doppelte Amortisation“: Es spiegelt sich sowohl im durchschnittlichen Verkaufspreis (ASP) des Chipherstellers als auch in den eingesparten Energiekosten des Betreibers wider. Eine niedrigere Junction-Temperatur bietet dem Hersteller zudem eine solide Produktgarantie – beispielsweise eine längere Nennlebensdauer und stärkere Dauerleistungsindikatoren, die Konkurrenten ohne ausreichenden Wärmeabfuhrspielraum nicht erreichen können.