Digid公司在1月下旬凭借其纳米级的温度和力传感器引起了业界关注。该公司相信，他们不仅设计出了可能是世界上最小的传感器，而且已经将其商业化。这种传感器小到可以安装在皮下注射针头的尖端，或者安装在刀锋上，用于制作力敏感的手术刀片(图1)。

图1

全球最小的商用传感器

"这种传感器可以微型化到10×10纳米的方形，大小大致相当于一个晶体管，"Digid公司首席技术官康斯坦丁·克洛普施泰博士表示。我在12月中旬采访了克洛普施泰博士，原本计划在CES展上发布他们这项精巧的技术;可惜编辑计划未能如期进行。然而，这项技术却一直留在我脑海里。

该公司成立于2019年，已从最初每周生产5个传感器，发展到计划在2026年交付240万个传感器，并向半导体制造商授权其技术。据克洛普施泰博士称，截至2025年，该公司已生产超过100万个传感器。

纳米级传感器技术有着广泛的应用前景，它可以使材料变得"智能"，无论这些材料是金属、聚合物、陶瓷还是半导体(图2)。我们将介绍其中一些与电源相关的应用，因为该公司已经"正在与德国最大的MEMS供应商之一合作，将Digid的温度传感器应用于电力电子领域。"

图2

由100毫伏驱动的温度等效电压

该公司开发了一种将传统惠斯通电桥应变计电路微型化的方法(图3)。应变计可以将材料在其弹性极限内的机械变形(即拉伸或压缩)转换为电阻或电压的比例变化，同时具备固有的温度补偿功能。Digid还成功地利用其纳米温度传感器构建了一个电桥，从而可以直接读取电压信号，而不是电阻值。换句话说，利用这项技术，基本上可以通过将这些纳米惠斯通电桥电路嵌入到材料阵列中，来制造出温度或力敏感的材料。

据克洛普施泰博士介绍，这些传感器的行为类似于负温度系数热敏电阻，即电阻随着温度升高而降低，"但这[负温度系数]不仅仅是测量电阻率，我们可以提供温度等效的电压信号。"对于传统的负温度系数传感器，工程师必须考虑非线性的校准曲线并进行补偿。而Digid的负温度系数传感器显示出更大的线性范围，需要的补偿更少。这是Digid纳米传感器与其他技术的一个关键区别。对于基于二极管的传感器、环形振荡器、电阻温度检测器和负温度系数热敏电阻，某种形式的补偿是必需的(例如，调整传感器长度或软件校准)，而这种数字补偿开销可能会降低准确度和精度。

图3

"我们通常用远低于1伏的电压驱动传感器，对于许多情况，100毫伏就足够了。"此外，该温度传感器的灵敏度范围为每开尔文100毫伏，而不是热电偶标准的每开尔文微伏，因此每开尔文能产生更高的电压输出。

该公司还可以根据制造工艺，将其传感器的基准电阻率和电阻温度系数从标称的每开尔文1%调整到每开尔文1.8%。电阻温度系数的可调性只是改变了每度温度变化对应的电压摆幅，这主要与后端的信号处理有关。

调整基准电阻率意味着，连接物理导线或引脚到传感器装置所产生的接触电阻(即寄生电阻)可以忽略不计。例如，如果客户的焊点给传感器引入了2欧姆的恒定电阻，但基准电阻率被调整到了一个显著更高的值(千欧姆量级)，那么接触组件基本上就变成了可以忽略不计的测量噪声，而不是测量误差。这实质上将传感器精度与组装精度解耦了："这允许我们的客户在电极和触点上不那么精细，从而降低制造成本，"克洛普施泰博士说。

因此，微型传感器的主要优势在于低数字开销和超小尺寸，这使得它们可以直接嵌入到待测基板上，从表面实时获得精确准确的结果(毫秒级的低响应时间)。

电力电子中的温度传感

克洛普施泰博士提到了这些传感器一个主要的新兴电源应用——数据中心中的芯片嵌入式热传感(图4)："这些传感器可以提供温度等效的电压信号，而且巧合的是，它们的工作电压很低，正是CPU和GPU中已经使用的电压。"

向耗电巨大的数据中心xPU(GPU、CPU、NPU等)供电，可能是下一代800伏"人工智能工厂"需要解决的最重大的电源问题。随着核心电压降至1伏以下，电流消耗攀升至2000安培甚至更高。因此，围绕如何高效地为这些芯片供电并有效冷却，整个生态系统正在发展。同时，人工智能工作负载还要求极高的瞬态响应能力(高达100安培/微秒)以及低纹波、低噪声的电源轨，这进一步增加了难度。

图4

考虑到这些处理器的热负荷，热传感对于热管理至关重要。因此，与供电类似，这些传感器应尽可能靠近处理器，以提高能效并减轻热节流——这是一个困扰芯片吞吐量的复杂问题，常常导致相当一部分处理器性能被浪费。克洛普施泰博士说："业界表示，例如在移动应用中，由于热节流，会损失20%到30%的计算能力。"

这些处理器的高度集成以及容纳它们的机架空间有限，都需要小尺寸的解决方案。"理想情况下，业界希望找到一种能监控所有核心的技术，但目前仍然缺少一个中间的温度传感器。在GPU高度集成的情况下，即使是二极管也开始力不从心，"克洛普施泰博士说。他认为，有了Digid的传感器技术，公司可以对每个芯片进行负载平衡，而不是过度冷却："GPU可能有成千上万个核心，在理想情况下，你希望对每个核心进行负载平衡，但如果你的温度传感器有6000个核心那么大，你怎么能做到这一点呢?"

Digid相信，他们拥有一个良好的平台，能够实现热感知调度，精确建模多核处理器中所有核心的热行为，即使每个芯片的核心密度不断增加。"如果你有一个精确的传感器，你可以在热开销方面获得，例如，3摄氏度的优势。你可以在没有任何额外成本或妥协的情况下，获得大约20%的额外计算能力。"他还提到了这对冷却的影响，"目前大约10%的数据中心能源用于冷却，因此这里存在节省开支的空间。"

克洛普施泰博士继续说道："我们从芯片业务中了解到，二极管被用作温度传感器，但这是一项繁琐的工作，因为你必须对其进行补偿。"该公司进行了自己的实验，在1.4×1.4平方毫米的面积内，为CPU和GPU配备了265个温度传感器阵列，基本上构建了一个精确的实时热图，用于监控芯片上的负载平衡。"他们(数据中心运营商)希望摆脱传统技术，因为它们占用了太多宝贵的芯片面积。"

这项技术也可以应用于芯片的内部布局规划;事实上，Digid正在积极与一些公司合作，授权他们在自己的洁净室内使用其与半导体兼容的工艺。"这是我们正在做的事情，但这需要更长的时间，"克洛普施泰博士说，他们向代工厂或像imec、ASML或台积电这样的光刻设备制造商提供该工艺。

该公司还开发了几种内置其温度传感器的热界面材料解决方案，使该技术能够监控芯片和散热器之间的热传递(参见图2)。"芯片上的全面热监控对我们来说是一个巨大的市场，有助于降低数据中心的总体拥有成本。"

无限的应用

如前所述，该技术的应用非常广泛。我在这里只能涵盖部分应用范围，但还有更多与电源相关的潜力。例如，他们用于电池热监控的"深层热洞察"技术。该传感器嵌入在作为电池隔膜的聚酰亚胺薄膜中，为电池管理系统提供高度精确、实时的温度读数。

来自数据中心、汽车和医疗领域的客户已经看到了这种潜力。据克洛普施泰博士称，A轮融资已经结束，B轮融资将于2026年开始。其中一个挑战恰恰在于发现该技术所有潜在的终端应用。在我们交谈时，克洛普施泰博士略带讽刺地说："你可能会问我，为什么我们要联系像你们这样的新闻媒体。这是因为我们覆盖的市场太过多样，我们感到'痛苦'。摆脱这种'痛苦'的一个方法是，你们把这个消息带给你们的读者，让他们来提出想法。"因此，作为对我们读者中好奇和有创造力的人士的呼吁，你们有什么想法吗?