摘要
随着高性能计算与人工智能(Artificial Intelligence, AI)的快速发展，全球数据中心的能耗与制冷需求持续攀升，传统地面冷却模式面临高能耗、高耗水等可持续性挑战。依托近乎连续的太阳能供给和深空天然冷源，在轨数据中心为构建绿色、高效、低延迟的空间算力基础设施提供了新的解决方案。然而，真空环境下对流换热完全消失，热辐射成为唯一有效的对外散热方式，辐射器面积与质量受到严格制约；同时，轨道昼夜热循环、微重力条件下的相变传热失稳以及空间辐照引起的材料退化，也对热控系统设计提出了严峻挑战。本文系统综述了在轨数据中心热控技术的发展现状与演进趋势，从被动热控、主动热控以及集成智能热控三个维度梳理其关键技术、应用场景与发展脉络，并总结了当前研究面临的主要瓶颈。最后，展望了轻质大面积可展开辐射器、微重力相变稳定机制、系统级多物理场协同优化、AI预测控制以及商业化部署等关键发展方向。辐射热控技术的持续突破，将决定在轨数据中心能否由概念验证迈向兆瓦级规模化应用，并为未来空间算力网络建设提供重要支撑。
Abstract
With the rapid development of high-performance computing and artificial intelligence (AI ), the energy consumption and cooling demands of global data centers continue to rise, and traditional ground-based cooling approaches face sustainability challenges such as high energy and water consumption. Leveraging near-continuous solar energy supply and deep-space natural cold sources, on-orbit data centers offer a novel solution for constructing green, efficient, and low-latency space-based computing infrastructure. However, in the vacuum environment, convective heat transfer disappears entirely, making thermal radiation the only effective mechanism for external heat dissipation. This imposes strict constraints on radiator area and mass. Simultaneously, the orbital day-night thermal cycling, phase-change heat transfer instability under microgravity conditions, and material degradation caused by space irradiation also present severe challenges to the design of thermal control systems. This paper systematically reviews the current development status and evolutionary trends of thermal control technologies for on-orbit data centers, outlining the key technologies, application scenarios, and development trajectories from three dimensions: passive thermal control, active thermal control, and integrated intelligent thermal control. It also summarizes the major bottlenecks currently facing research in this field. Finally, it outlines key development directions such as lightweight, large-area deployable radiators, microgravity phase-change stabilization mechanisms, system-level multi-physics field collaborative optimization, AI-based predictive control, and commercial deployment. The continued breakthroughs in radiation thermal control technology will determine whether on-orbit data centers can transition from concept validation to megawatt-scale applications, thereby providing critical support for the construction of future space computing networks.
0 引言
全球数据中心正面临前所未有的冷却困境。图形处理器(Graphics Processing Unit, GPU)单芯片热流密度已达到数百瓦特每平方厘米，远超传统中央处理器(Central Processing Unit, CPU)的承受极限[1]。与此同时，全球数据中心装机容量逐年递增，从2005年的约21.4 GW增长至2025年的114 GW；电力消耗也同步攀升，2022年约为240~340 TWh，2024年已达415 TWh左右，预计2030年接近翻倍(见图1)。冷却系统作为数据中心的核心基础设施，直接关系到服务器的可靠运行、性能发挥和使用寿命；一旦温度超出安全阈值，将会造成设备节流、故障率激增甚至硬件损坏，因此是保障算力持续稳定输出的关键所在[2]。高强度制冷需求导致水资源大量消耗、土地占用持续扩大、电网接入压力剧增，这些已成为制约行业可持续发展的核心硬约束[3]。
为突破这一瓶颈，在轨数据中心概念应运而生[5]。其包含轨道边缘数据中心与轨道云数据中心两种形态，通过星间激光通信实现数据交互，并与地面用户、地面站以及地面数据中心互联(见图2(a))[6]。航天器采用太阳能板持续供电，CPU/GPU废热通过专用热辐射器以辐射方式排散，如图2(b)所示[7]。这一方案利用近乎连续的太阳能与真空辐射散热(3 K宇宙冷背景)，有望大幅降低计算能耗并实现低延迟在轨处理。然而，太空并非“免费”空调。地球上常用的风扇强制对流、液体冷板或浸没式冷却在真空中全部失效：真空分子密度极低，对流换热系数趋近于零；液体虽可在管道内强制循环带走局部热量，但最终仍需通过固体结构传导至外部辐射器表面，无法实现长距离的无介质传输；而热传导仅限于固体路径，无法跨越真空[8]。
唯一有效的长距离散热途径是热辐射，物体以红外线的形式直接向外发射能量，而无需任何介质[9]。根据斯特藩-玻尔兹曼定律，物体通过热辐射向外散热的净功率为Q=εσA×(T 4-T 40) [10]。这意味着一旦温度稍有上升，散热功率就会急剧增加，但电子设备本身又有严格的温度上限。因此，在轨数据中心无法像地球上那样依靠风扇或液体无限地带走热量，所有废热最终都必须通过大面积辐射器表面以红外辐射的形式排入宇宙冷背景。
这正是在轨数据中心热控的根本约束，辐射器面积与质量成为硬性瓶颈。在高功率密度下，亟需发展轻质、大面积、高发射率的辐射热控系统。此外，与地面数据中心不同，太空环境还带来了独特的挑战，包括轨道上剧烈的昼夜交替变热载荷、微重力导致的两相流不稳定性、长距离热传输需求，以及空间辐射环境对材料的长期退化效应。这些因素共同构成了远超地面的严苛挑战[11-12]。图2(c)清晰呈现了热控技术的发展路径：从传统被动热控技术(辐射制冷、热管、热界面材料、热控涂层等)，到主动热控技术(机械泵流体回路、液态金属冷却、辐射器可变发射率、相变材料与蒸汽腔集成等)，再到集成热架构，最终迈向全集成智能自适应热控[13-18]。如何在严格的质量、功耗与可靠性约束下，实现高效、可靠、可扩展的热控，已成为在轨数据中心最核心的工程挑战。
1 被动式热控
在轨数据中心对辐射面积与质量效率的追求，使被动热控成为系统设计的第一性原则。被动技术无需或仅需极低的外部功耗，依赖传导、相变和辐射将热量最终排入3 K宇宙冷背景，是轻量化与高可靠性的基础。其中，辐射制冷是核心手段，即通过高太阳反射率和高红外发射率实现高效热量排散[19]。
近年来，该领域在材料-结构协同设计方面取得显著进展，从传统的高发射率白漆涂层和光学太阳反射器，逐步发展到分级多孔陶瓷、光子晶体/超表面涂层、智能变发射率薄膜以及仿生结构材料等新一代技术[20]。这些新型材料在实现极低太阳吸收率和高红外发射率的同时，显著提升了太阳反射能力、抗原子氧/真空紫外/带电粒子辐照的长期稳定性，以及在变热载荷条件下的适应性，为在轨数据中心的高功率密度散热提供了高效、可靠的解决方案[21]。
Lin K X等报道了一种基于白甲虫仿生的分级多孔辐射制冷陶瓷(见图3(a))[22]。该陶瓷在600 m厚度下实现了高达99.6%的太阳反射率，同时保持了高红外发射率；户外测试中连续84 h保持亚环境温度冷却，显著优于商用白瓷砖。它还具备高机械强度和优异耐候性，可直接用于航天器表面，展现出良好的工程应用潜力。Xie B W等设计了一种由上层太阳反射器与下层谐振腔组成的VO2基低太阳吸收率智能辐射器[23]。通过遗传算法优化，该辐射器在正常入射下实现了低至0.121的太阳吸收率以及高达0.825的发射率调谐范围，且在大入射角下保持优异性能(见图3(b))。这一材料级突破为自适应辐射散热器提供了高性能载体。
图
3
(a)辐射制冷陶瓷的分级多孔结构示意图[22]；(b)航天智能多层辐射器的结构示意图[23]；(c)超表面涂层的真空模拟测试环境示意图[24]；(d) 增材制造的可展开式辐射散热板振荡热管器件示意图[26]；(e) MEMS辐射散热器的三维示意图[27]；(f)液滴辐射散热器的系统布局示意图[28]
Gong H等通过材料结构协同设计，开发一种了Eu掺杂ZrO2亚微球光子超表面涂层(见图3(c))[24]。该涂层的厚度仅为100 m左右，同时实现超低太阳吸收率(0.076)与高热发射率(0.931)；净冷却功率达到323.69 W/m2，在真空太阳模拟条件下比铝板低77 ℃。这种功能材料将高效辐射冷却与原位监测相结合，为一体化智能热控提供了当前最前沿的材料解决方案。Chen Y Y等进一步将智能辐射器装置从材料扩展到系统级应用，并引入深度学习来实现逆向设计：训练了深度神经网络代理模型，将传统时序迭代仿真时间缩短至少3个数量级，实现了从目标温度波动到表面辐射特性的快速逆向优化。这一AI赋能的设计将被动热控从经验驱动转向目标驱动的定制化路径，为未来的大规模复杂任务提供了高效工具[25]。
高功率模块化数据中心面临体积受限却要增加辐射散热器面积的核心矛盾。Miesner S等提出一种增材制造的可展开式辐射散热板振荡热管器件，将可展开结构与高性能振荡热管集成于单一部件[26]。其冷凝器面板通过柔性螺旋关节展开，形成完整两相回路，如图3(d)所示。这一工作为模块化散热瓦片架构提供了可制造、可展开的工程原型，证明被动两相传热与机械展开结构的深度集成是突破面积瓶颈的有效路径。
当辐射面积固定时，如何动态调节有效发射面积成为提升变工况适应性的关键。Ueno A开发了一种基于微机电系统(Microelectromechanical Systems, MEMS)的微型主动辐射器阵列，通过静电驱动的微隔膜实现了热接触开关(见图3(e))[27]。微隔膜悬浮于基底之上，关闭状态时低发射率表面与基底间隙大，辐射热流低；开启状态时微隔膜被拉向基底，通过接触热阻实现热传导增强，同时有效辐射面积增加。在真空热测试中，开启/关闭状态间辐射热流提升42%，表面温度变化达到9 ℃。该设计避免了传统百叶窗结构与低填充率问题，为微尺度、轻量化可变辐射提供了可行方案。
Yang Y H等对空间液滴辐射器的单液滴辐射特性进行了实验测量。结果表明，硅油液滴的发射率为0.368，理论比功率可达到450 W/kg左右，远超传统热管-面板组合(见图3(f))[28]。液滴辐射器通过喷射微米级液滴片进行辐射换热后再回收，在相同质量下可提供远大于面板的辐射面积，是未来高功率密度在轨数据中心最具颠覆性的被动热控方案之一。
被动热控通过上述结构集成与材料的持续突破，已能支撑数十千瓦级原型验证。然而，其在热传输距离、瞬态高热流处理与微重力两相稳定性方面仍存在天然上限。当功率进一步提升至数百千瓦甚至兆瓦级时，必须引入主动热控与系统级协同。
2 主动式热控
机械泵驱动流体回路成为突破功率瓶颈的必要主动热控方案。其核心原理是利用单相液泵提供强制驱动力，通过两相潜热传输实现长距离、多热源并联管理，同时借助蓄能器维持系统压力与相态稳定。微重力下的两相流稳定性、泵可靠性以及蓄能器临界工况设计是主要工程挑战。
Ellis M C等提出了一种利用单相液泵驱动两相流体回路的主动热控系统。通过将动量驱动式涡旋分离器作为蓄能器，配合两个喷射器实现了相分离与流体管理，如图4(a)所示[29]。该系统可在并联与串联热交换器之间实现热量共享和长距离传输。地面原型测试验证了从冷板到冷凝器的热能传输与分离器稳定运行能力，为后续微重力全尺寸系统测试奠定了基础。
针对传统蓄能器结构复杂、功耗高的问题，Meng Q L等设计了一种新型两相热控蓄能器。该蓄能器集成了被动冷却毛细管与三种毛细结构(见图4(b))[30]。相变后出现的压力降振荡由蓄能器可压缩体积与内部压力负斜率段引起；毛细结构有效实现了流体管理功能，确保微重力下液相优先流出。该工作揭示了机械泵驱动两相流体回路瞬态过程中的热质传递机理，为高精度温度控制与系统稳定性设计提供了关键依据。
Meng Q L等进一步公布了上述系统在一颗卫星上的在轨测试结果[31]。在真实微重力环境下，系统启动与相变传热过程稳定，两相蓄能器的温度控制精度为±0.1 K，被动冷却速率为1 ℃/min；泵工作时汽液相温差为0.3~1.0 K，蒸发器的温度控制精度为±0.1~±0.3 K(见图4(c))。毛细结构确保了高精度控温和高效两相流管理，验证了在微重力下的工程可行性与长期运行可靠性。
Diego M等报道了四蒸发器机械泵先进控制回路工程模型的测试结果(见图4(d))[32]。在泵开启模式下，热传输能力最高达到2.5 kW，工作温度范围为-20~85 ℃，蒸发器-冷凝器平均温差的最大值为30 ℃。该工程模型直接针对多热源分布式场景，为在轨数据中心的模块化高功率节点提供了可量化的性能地图。
主动热控技术通过上述从概念架构、地面动态验证、工程模型量化到在轨实测的完整链条，已能支撑数十千瓦级分布式热源的高效管理。然而，泵的长期可靠性、微重力相分离边界与临界工况仍需更多在轨数据支撑。当功率进一步迈向兆瓦级时，必须与被动辐射器、紧凑热储能以及智能控制形成系统级协同。
图
4
(a)微重力两相热控系统原理图[29]; (b)机械泵驱动两相流体回路系统示意图[30]；(c)机械泵驱动两相流体回路组成示意图[31]；(d)机械泵驱动先进控制回路工程模型冷凝器的实物细节图[32]
3 集成与全智能热控
单一被动或主动热控技术已逐步接近性能上限。在轨数据中心的高功率密度、分布式热源以及极端轨道/月面环境，要求热控系统在热产生-热传输-热存储-热排散全链条上实现被动奠基、主动赋能与智能控制的深度协同。近期研究正沿着系统级混合架构快速推进。
美国国家航空航天局(National Aeronautics and Space Administration, NASA)针对月面极端昼夜温差环境，开发了一种混合热控系统。该系统将传统泵驱流体回路与先进辐射器深度集成：在月昼通过主动回路高效排热，月夜则借助热控阀被动关闭辐射器以节省能源(见图5(a))[33]。其原型验证了1000 W级热传输能力，成功实现了昼间高排热与夜间低功耗生存的优化。这一混合架构证明，被动辐射器与主动流体回路的系统级协同是支撑高功率、变工况任务的关键路径。
在组件层面上，Wang J X等提出了一种基于石蜡驱动自适应冷板的单相机械泵流体回路方案(见图5(b))[34]。该冷板前端集成石蜡基热控阀，利用石蜡相变体积膨胀实现流量自适应调节：温度升高时石蜡膨胀打开阀门(增加流量)，温度降低时弹簧辅助关闭，从而无需外部能源即可实现分布式精准控温。地面实验结果表明，在0~250 W热负荷范围内，控温精度维持在设定值的±2 °C以内，展现出优异的瞬态响应和稳态误差控制能力。
针对空间站大规模、多样化载荷热管理需求，Guo D等构建了空间站实验舱模块载荷机架的两级总线式热管理系统(见图5(c))[35]。该系统以平台液-液热交换器为热沉，采用单相流体回路构建模块级热控总线，并针对不同载荷机架设计液冷、气-液混合以及二级回路等多种终端。通过泵旁路+阀门阻力比流量控制方法，实现资源动态分配。在轨验证显示，系统压力控制精度达到±2%，主动传热效率超过83%，关键参数与地面数据偏差的最大值仅为1.84%，有效满足了模块内多类型载荷的热控需求。
集成与全智能热控通过混合系统架构、分布式自适应组件的融合，已展现出从千瓦级向兆瓦级跨越的清晰路径。然而，材料长期空间耐久性、多物理场耦合建模精度以及在轨可维护性仍需持续突破。
4 展望与观点
近十年来，航天器热控技术已从以热管和固定涂层为主的传统被动方式，逐步发展为被动与主动相结合，并向材料智能与系统集成方向演进。随着卫星功率密度持续提升以及在轨计算、深空探测等新任务需求的出现，热控系统正从辅助保障转变为决定任务可行性与规模化的核心架构。被动技术在轻量化与零功耗方面持续优化，主动技术在高热流长距离传输上取得显著进展，集成智能路径则通过材料-结构-控制协同，为应对极端环境与变工况提供了新的可能。
然而，这些进展仍主要服务于传统卫星与空间站，针对在轨数据中心高功率密度、分布式热源与长期商业化部署的专用热控体系尚处于起步阶段。要实现从数十千瓦级原型验证向兆瓦级商业部署的跨越，仍面临多重根本性挑战。轻质大面积可展开辐射器的面积-质量比、微重力环境下两相流的相分离稳定性与长期可靠性、系统级多物理场协同优化，以及材料在原子氧、真空紫外线和带电粒子辐照下的长期耐久性，共同构成了制约功率扩展的核心瓶颈。此外，智能闭环控制与在轨可维护性的缺失，也限制了系统在变工况下的能效与寿命。
展望未来，需在以下几个方向取得突破性进展：一是发展高发射率、耐辐照的新型智能材料与在轨组装技术，突破辐射器面积及质量的硬约束；二是深化微重力两相流传热机理研究，完善临界工况下的稳定性设计，并通过更多在轨实验验证长期可靠性；三是构建模块化计算-能源-散热瓦片架构，实现功率-热-结构-计算的多物理场深度融合，显著降低发射与运维成本；四是推动AI驱动的模型预测控制与数字孪生技术的深度融合，构建感知-决策-执行的智能闭环，实现变工况下的最优调控与预测性维护。
热控技术的发展水平，将直接决定在轨数据中心能否从概念验证走向兆瓦级商业化部署的成败。只有坚持被动奠基、主动赋能、智能引领的融合路径，将散热作为第一性设计原则嵌入系统架构，才能真正构建低质量比、高可靠、可扩展的在轨算力基础设施，为人类开辟绿色、高效、低延迟的算力新边疆提供坚实支撑。