熱流密度 (Heat Flux)

3 秒看懂

熱流密度 = 單位面積上傳遞的熱功率 (W/m² 或 W/cm²)

它是衡量”熱量有多密集”的核心指標。當一顆 AI 晶片 700W 功耗擠在 ~800mm² 面積上，熱流密度就接近 ~90 W/cm²——這就是為什麼風冷越來越不夠用、液冷成為必選項的根本原因。

一句話記憶：功耗告訴你”總熱量多少”，熱流密度告訴你”熱量多密集”。密集到一定程度，現有散熱方案就崩了。

3 分鐘產業解釋

為什麼 AI 時代必須談熱流密度？

晶片功耗密度是熱流密度問題的源頭。 回顧歷史：

時代	代表晶片	典型 TDP	晶片面積量級	熱流密度量級
~2010 年代初	Intel Haswell	~84W	~177mm²	~47.5 W/cm²
~2020 年代初	NVIDIA A100	~400W	~826mm²	~48 W/cm²
~2024	NVIDIA B200 (Blackwell)	~1000W (雙芯模組)	模組封裝面積 [供應鏈估算]	~50-80 W/cm²
未來方向	下一代 AI 加速器	>1000W	—	>100 W/cm²

關鍵洞察：

熱流密度突破 ~30-40 W/cm² → 風冷方案開始力不從心
熱流密度突破 ~50+ W/cm² → 直接液冷成為主流選項
熱流密度突破 ~100 W/cm² → 浸沒式液冷/微流道等前沿方案需求

產業影響鏈：

AI 訓練需求爆發 → 晶片功耗飆升 → 熱流密度突破風冷極限
    → 液冷滲透率提升 → 散熱產業鏈擴容
       → 冷板、冷卻液、CDU、冷卻塔、接頭、管路……全線受益

這就是為什麼”熱管理”從一個邊緣工程問題，變成了 AI 基礎設施的核心瓶頸之一。

15 分鐘專家深入

一、熱流密度的嚴格定義

熱流密度 (Heat Flux, 符號通常為 q 或 q”) 是一個向量，定義為：

熱流密度 q = dQ / (dA · dt)    [W/m²]

其中：
  dQ  = 微元傳遞的熱量 [J]
  dA  = 垂直於熱流方向的微元面積 [m²]
  dt  = 時間間隔 [s]

物理含義：想像一個截面，單位時間內穿過單位面積的熱能量。它描述的是熱量流動的”密集程度”。

二、晶片散熱中的熱流密度分層

在實際晶片封裝中，熱流密度不是均勻的。典型的分層結構：

┌─────────────────────────────────────────────┐
│              熱沉 (Heatsink) / 冷板          │
│              ↓ 熱流擴散、對流換熱             │
├─────────────────────────────────────────────┤
│         IHS / 蓋板 (Lid)                     │
│              ↓ 熱傳導                        │
├─────────────────────────────────────────────┤
│         TIM2 (蓋板與散熱器之間介面材料)       │
│              ↓ 熱傳導（介面熱阻）             │
├─────────────────────────────────────────────┤
│         TIM1 (晶片與蓋板之間介面材料)         │
│              ↓ 熱傳導（關鍵瓶頸）             │
├─────────────────────────────────────────────┤
│         晶片 Die 表面 ← 最高熱流密度區域      │
│              ↓ 熱傳導（矽內擴散）             │
│         電晶體/熱點 (Hotspot)                 │
└─────────────────────────────────────────────┘

關鍵點：越靠近電晶體層，熱流越集中，區域性熱流密度可能遠高於晶片平均值。一些高效能晶片的區域性熱點熱流密度可達 >200 W/cm² [行業估算，取決於工作負載與架構]。

三、與其他熱引數的關係

1) 熱導率 (Thermal Conductivity, k)

材料屬性，單位 W/(m·K)。描述材料傳導熱量的能力。

傅立葉定律（一維穩態）：
q = -k · (dT/dx)

其中：
  q   = 熱流密度 [W/m²]
  k   = 熱導率 [W/(m·K)]
  dT/dx = 溫度梯度 [K/m 或 °C/m]

高熱導率材料 ≠ 解決熱流密度問題的萬能藥。因為熱量最終需要被”帶走”，這依賴對流/相變環節。

2) 熱阻 (Thermal Resistance, Rth)

Rth = ΔT / Q    [°C/W]

其中：
  ΔT = 溫差 [°C]
  Q  = 總熱功率 [W]

熱阻是”總熱量傳遞有多難”的度量，與面積無關。熱流密度是”單位面積熱量有多密集”的度量，直接關聯面積。

3) 換熱係數 (Heat Transfer Coefficient, h)

牛頓冷卻定律：
q = h · (T_surface - T_fluid)

其中：
  h = 換熱係數 [W/(m²·K)]

換熱係數越高，相同溫差下能帶走的熱流密度越大。

自然對流：h ≈ 5-25 W/(m²·K) [典型範圍]
強制風冷：h ≈ 25-250 W/(m²·K) [典型範圍]
液冷冷板：h ≈ 數千 W/(m²·K) [取決於流速、結構]
微射流/微流道：h 可達更高量級 [前沿研究]

技術原理（深入機制）

1. 傅立葉定律——熱流密度的數學基石

傅立葉定律 (Fourier’s Law, 1822) 是描述熱傳導的基本定律，其向量形式：

q⃗ = -k · ∇T

展開為三維笛卡爾座標：

qx = -k · ∂T/∂x
qy = -k · ∂T/∂y
qz = -k · ∂T/∂z

其中：
  q⃗   = 熱流密度向量 [W/m²]
  k    = 熱導率 [W/(m·K)]（各向同性材料為標量）
  ∇T   = 溫度梯度 [K/m]
  負號 = 熱量從高溫流向低溫

物理直覺：

溫度梯度越大 → 熱流密度越大
熱導率越高 → 同樣梯度下熱流密度越大
熱流方向 ⊥ 等溫面（熱量沿最陡溫度下降方向流動）

2. 穩態與瞬態——晶片何時過熱

穩態熱傳導方程（無內熱源）：

∇²T = 0    （拉普拉斯方程）

有內熱源時（晶片工作時）：

∇·(k∇T) + q_gen = ρ·cp·∂T/∂t

其中：
  q_gen = 體積產熱率 [W/m³]
  ρ     = 密度 [kg/m³]
  cp    = 比熱容 [J/(kg·K)]

穩態時（∂T/∂t = 0）：

∇·(k∇T) + q_gen = 0

晶片內熱源分佈的特殊性：

功耗不是均勻分佈的，計算單元（如 Tensor Core）是主要熱源
區域性功率密度可達平均值的 2-5 倍 [行業估算]
這導致 熱點 (Hotspot) 現象——區域性溫度遠高於平均溫度

3. 介面熱阻——封裝中的隱性瓶頸

           Die       TIM1       Lid       TIM2      Heatsink
         ┌──────┐  ┌──────┐  ┌──────┐  ┌──────┐  ┌──────┐
熱量方向 →│      │→│ 介面 │→│      │→│ 介面 │→│      │→ 散熱
         │      │  │ 熱阻 │  │      │  │ 熱阻 │  │      │
         └──────┘  └──────┘  └──────┘  └──────┘  └──────┘

介面熱阻 R_contact = 1 / (h_contact · A)

典型量級：
  - 晶片-蓋板介面 (TIM1)：主導整個封裝熱阻的顯著部分
  - 介面材料熱導率從幾 W/(m·K) 到 >10 W/(m·K) 不等 [取決於材料型別]
  - 某些先進方案（如銦基焊料）可達 >50 W/(m·K) [供應鏈估算]

高熱流密度放大了介面熱阻的影響：當 q 很大時，即使很小的 R_contact 也會產生顯著溫升 ΔT = q · R_contact。

4. 從晶片到環境的熱流路徑與熱阻串並聯

T_junction → R_die → R_TIM1 → R_lid → R_TIM2 → R_heatsink → R_convection → T_ambient

總熱阻 R_total = Σ R_i

溫升：
T_junction - T_ambient = P_total × R_total

熱流密度與總熱阻的關係：

對於面積 A 的晶片：
  q_avg = P_total / A        （平均熱流密度）
  ΔT = P_total × R_total = q_avg × A × R_total

因此：
  ΔT ∝ q_avg    （面積固定時，熱流密度直接決定溫升）

核心洞察：當面積 A 固定或縮小時，功耗 P 增大 → q_avg 增大 → ΔT 增大。這就是”熱牆 (Thermal Wall)“的本質。

5. 相變傳熱——液冷的物理優勢

為什麼液冷比風冷能應對更高熱流密度？

對流換熱帶走的熱量：
Q = h · A · ΔT

風冷：
  h_air ≈ 25-250 W/(m²·K)    （較低）
  可帶走的 q ≈ h × ΔT ≈ 25×30 = 750 W/m² = 0.075 W/cm² （粗估）
  → 遠低於晶片需求，必須用大量鰭片擴充套件面積

液冷（單相）：
  h_water ≈ 數千 W/(m²·K)    （比空氣高一個數量級以上）
  可帶走的 q 遠高於風冷
  → 冷板面積遠小於風冷散熱器

液冷（兩相/沸騰）：
  利用汽化潛熱，h 可進一步提升
  → 可應對極高熱流密度 [前沿研究領域]

水的熱物理性質優勢：

性質	空氣 (25°C)	水 (25°C)	比值
密度 ρ	~1.2 kg/m³	~997 kg/m³	~830×
比熱容 cp	~1005 J/(kg·K)	~4180 J/(kg·K)	~4×
熱導率 k	~0.026 W/(m·K)	~0.61 W/(m·K)	~23×

ρ × cp × k 的綜合熱容輸運能力，水遠超空氣。

技術演進史

晶片熱流密度與散熱技術的共同演進

年代        熱流密度量級           主流散熱方案              關鍵事件
─────────────────────────────────────────────────────────────────────
1990s       ~1-5 W/cm²           無散熱/被動散熱            低功耗時代
            (傳統CPU)             鋁/銅散熱片+風扇

2000s       ~5-20 W/cm²          主動風冷（銅底+熱管+鰭片）  Intel Pentium 4 "Presshot"
            (高頻CPU)             熱管技術成熟               TDP 突破 100W

2010s       ~10-30 W/cm²         高階風冷/一體式水冷(AIO)    GPU 功耗開始攀升
            (GPU/AI晶片)          均熱板(Vapor Chamber)出現   資料中心開始關注熱管理

2020s初     ~30-60 W/cm²         直接液冷(Direct-to-Chip)    A100 400W、H100 700W
            (高階AI加速器)        冷板式液冷進入資料中心      液冷滲透率快速提升

2024+       ~50-100+ W/cm²       冷板液冷成標配              B200 ~1000W模組
            (旗艦AI晶片)         浸沒式液冷探索               TDP 持續攀升趨勢

未來方向    >100 W/cm²           浸沒式/微流道/射流衝擊       3D堆疊帶來新挑戰
            (3D封裝/新架構)       兩相直接冷卻                 熱流密度仍在攀升

里程碑事件

時間	事件	熱流密度意義
2004-2005	Intel 取消 Tejas 處理器 (功耗牆)	業界首次直面”熱牆”問題
~2010s	GPU 熱設計開始獨立考慮熱流密度	平行計算單元功耗密度高
~2020s	資料中心液冷滲透率從低個位數開始上升	AI 算力需求驅動
~2023+	NVIDIA GB200 NVL72 等系統標配液冷	標誌液冷成為高階 AI 基礎設施標配

技術路線對比

散熱方案：應對不同熱流密度的技術選擇

散熱方案	可應對熱流密度範圍	換熱係數 h 量級	優勢	劣勢	適用場景
被動散熱 (散熱片)	<5 W/cm²	極低	無噪音、無功耗	能力極低	嵌入式/IoT
強制風冷 (風扇+鰭片)	5-30 W/cm² [估算]	~25-250 W/(m²·K)	成熟、成本低	噪音、功耗、能力上限	傳統伺服器/桌面
均熱板 (Vapor Chamber)	10-40 W/cm² [估算]	—	擴充套件熱點、均溫	成本較高	筆記本/高階風冷
冷板式液冷 (DLC)	30-100 W/cm² [估算]	~數千 W/(m²·K)	效率高、成熟	需管路、二次側散熱	資料中心 AI 伺服器
浸沒式液冷	50-150+ W/cm² [估算]	更高	極致散熱、均溫	成本高、維護複雜	超高密度資料中心
微流道/射流冷卻	>100 W/cm² [研究]	極高	極限散熱	工程複雜度高	研究/未來方向
兩相直接冷卻	>200 W/cm² [研究]	極高(潛熱)	熱流密度極限	工程挑戰大	前沿探索

注：上表熱流密度範圍為行業典型認知的量級估算，具體數值取決於系統設計、流速、溫差約束等。

TIM (熱介面材料) 技術對比

TIM 型別	熱導率範圍	特點	應用
矽脂 (Thermal Grease)	~1-5 W/(m·K)	成本低、易幹化	消費級
相變材料 (PCM)	~3-8 W/(m·K)	自適應介面	中端
導熱墊 (Thermal Pad)	~1-15 W/(m·K)	厚度可控	模組
銦基焊料	>50 W/(m·K) [供應鏈估算]	高導熱、工藝複雜	高階伺服器/GPU
燒結銀/奈米銀	>100 W/(m·K) [供應鏈估算]	極高導熱	頂級方案

以上 TIM 熱導率資料為行業典型範圍，具體產品規格需查廠商 datasheet。

上下游

熱管理產業鏈全景

上游 (材料與基礎元件)          中游 (模組與系統整合)         下游 (終端應用)
─────────────────────────────────────────────────────────────────────────

【導熱材料】                    【冷板/液冷模組】            【資料中心】
 · 矽脂/相變材料                 · 冷板製造商                 · 雲端運算廠商
 · 導熱墊/石墨片                 · CDU(冷卻液分配單元)         · AI 訓練叢集
 · 銦基/焊料 TIM
 · 熱管/均熱板                  【散熱器/風扇】              【消費電子】
 · 冷卻液(去離子水/氟化液)        · 鰭片散熱器                · 筆記本/手機
 · 管路/接頭                     · 風扇模組                  · 遊戲顯示卡
 · 密封件
                               【系統整合】                 【通訊/5G】
【基礎材料】                     · 伺服器廠商散熱設計          · 基站散熱
 · 銅/鋁                       · 熱模擬/CFD 服務            · AAU 散熱
 · 陶瓷基板
 · 矽/碳化矽                    【檢測裝置】                 【汽車電子】
 · 冷卻液基礎原料                 · 紅外熱像儀                · 電驅散熱
                                 · 熱阻測試                  · 電池熱管理

關鍵材料與元件

環節	關鍵材料/元件	技術要點
TIM	矽脂、銦片、相變材料、導熱墊	熱導率、接觸熱阻、可靠性
冷板	銅/鋁微流道結構	流阻、換熱係數、均溫性
冷卻液	去離子水、氟化液（浸沒式）	比熱容、導電性、相容性
CDU	泵、換熱器、控制系統	流量、溫度控制精度
管路/接頭	快插接頭、柔性管	密封性、可靠性

關鍵指標

熱流密度指標體系

指標	定義	典型單位	工程意義
平均熱流密度 q_avg	總功耗/晶片面積	W/cm²	整體散熱難度評估
區域性熱流密度 q_local	熱點區域的熱流密度	W/cm²	決定峰值溫度
熱阻 R_th	溫差/熱功率	°C/W 或 K/W	整個熱路徑的阻力
結溫 T_j	晶片結/熱點溫度	°C	可靠性、效能約束
結殼熱阻 θ_jc	Junction-to-Case	°C/W	封裝散熱能力
熱擴散角	熱量在材料中擴散的角度	°	影響擴散熱阻
換熱係數 h	對流換熱強度	W/(m²·K)	冷板/散熱器設計

關鍵約束

設計約束：
  T_junction &lt; T_junction_max    （晶片結溫上限，通常 ~95-105°C）

  ΔT_total = T_j - T_ambient = P × R_total

  其中 R_total = R_die + R_TIM1 + R_lid + R_TIM2 + R_heatsink + R_convection

目標：在給定 P 和 A 下，使 T_j &lt; T_max
  → 降低 R_total 各環節
  → 或降低 P（降頻/降壓/演算法最佳化）

供需與市場資料

熱管理市場——AI 驅動的結構性增長

宣告：以下資料來源於公開行業報告摘要，具體數字以報告原文為準。

市場規模：

全球資料中心熱管理市場規模，多家研究機構估算 2023 年約在數十億美元級別
預計 2027-2030 年期間，年均複合增長率 (CAGR) 約在 15-25% 區間 [多家機構估算，範圍較大]
液冷細分市場增速高於整體熱管理市場

滲透率：

2022 年前，資料中心液冷滲透率處於低個位數百分比
2023-2024 年，受 AI 訓練叢集需求拉動，滲透率快速提升
中長期看，高階 AI 基礎設施中液冷有望成為標配

核心驅動力：

① AI 晶片功耗持續攀升 (H100 ~700W, B200 模組 ~1000W)
② 資料中心能效要求 (PUE &lt; 1.2 甚至 &lt; 1.1 的政策/ESG 壓力)
③ 單機架功率密度從 ~10kW 向 ~50-100kW+ 演進
④ 熱流密度突破風冷能力上限

供給側格局

環節	競爭格局
冷板製造	多家廠商參與，定製化程度高
冷卻液	氟化液（浸沒式）集中度較高；去離子水（冷板式）相對分散
CDU	系統級整合，進入門檻中等
銅材/鋁材	大宗材料，供應充足
快插接頭	品質要求高，部分國外廠商領先

代表公司與資本對映

宣告：以下僅為產業鏈梳理，不構成投資建議。

散熱產業鏈代表公司（A股及全球視角）

產業鏈位置	代表公司/方向	核心能力
冷板/液冷系統	英維克、申菱環境、高瀾股份、曙光數創等	冷板設計、CDU 整合
導熱材料	飛榮達、中石科技、碳元科技等	導熱介面材料、石墨散熱
熱管/均熱板	超頻三、中石科技等	熱管、Vapor Chamber
散熱器/風扇	銀輪股份、三花智控（汽車）、奇鋐(AVC)、雙鴻、建準等	風扇/鰭片/模組
液冷接頭/管路	川環科技、Parker、Swagelok 等	密封接頭、管路系統
冷卻液（氟化液）	3M (Novec)、巨化股份、新宙邦等	電子氟化液
銅材	海亮股份、楚江新材等	高純銅材（冷板原料）

資本對映邏輯

AI 晶片功耗上升 → 熱流密度上升 → 液冷需求爆發
    ↓
液冷系統 (冷板+CDU+冷卻液+管路) 價值量高
    ↓
關注：冷板設計能力、CDU 整合能力、冷卻液供應、接頭品質

投資邏輯

核心命題

"熱流密度"不是一個獨立的投資主題，而是理解 AI 散熱投資邏輯的物理本質。

投資邏輯鏈條：

AI 算力需求指數增長
        ↓
晶片 TDP 持續攀升 (A100→H100→B200→下一代)
        ↓
熱流密度突破風冷上限 → 液冷成為必選項
        ↓
液冷系統滲透率從低個位數 → 快速提升
        ↓
散熱產業鏈價值量上升 (液冷系統單價遠高於風冷)
        ↓
關注環節：冷板 > CDU > 冷卻液 > 接頭/管路 > 導熱材料

關鍵變數與風險

變數	樂觀情景	悲觀情景
AI 晶片功耗趨勢	持續上升，液冷剛需	演算法/架構突破，功耗下降
液冷滲透率	快速提升至主流	技術成熟度/成本阻礙
競爭格局	龍頭份額集中	低門檻導致價格戰
技術路線	冷板式中期確定性高	浸沒式分流但尚早

投資標的選擇架構

核心能力排序：
1. 系統整合能力 (冷板+CDU 整體方案) → 價值量最高
2. 核心材料/元件供應 (冷卻液、銅冷板、接頭) → 卡位優勢
3. 導熱材料 → 受益但彈性相對較小

關鍵篩選條件：
- 是否有頭部雲端廠商/伺服器廠的供貨認證或合作
- 技術路線是否對準主流 (冷板式為主，浸沒式可儲備)
- 產能擴張節奏是否匹配需求

常見誤讀糾偏

誤讀 1：熱流密度高 = 用高熱導率材料就能解決

糾偏：

熱流密度問題的根本是熱量如何從晶片表面高效帶走
高熱導率材料 (如銅、金剛石) 能幫助擴散熱點，但最終需要對流換熱把熱量傳給流體
關鍵瓶頸往往在介面熱阻和對流換熱側，而非材料內部傳導
液冷的核心優勢是高換熱係數，而不僅是”接觸了導熱液體”

誤讀 2：熱流密度 = 晶片功耗

糾偏：

功耗 (W) 是總量，熱流密度 (W/cm²) 是單位面積的強度
同樣 400W 功耗：
- 面積 200mm² → q_avg ≈ 200 W/cm²（極高，接近極限）
- 面積 800mm² → q_avg ≈ 50 W/cm²（高，但可行）
晶片面積是關鍵分母——這也是為什麼先進封裝 (增大面積) 能緩解熱流密度

誤讀 3：液冷能解決所有熱流密度問題

糾偏：

液冷將散熱能力提升了一個量級，但不是無限的
冷板式液冷主要提升冷板到二次側的換熱能力，但TIM1、晶片內熱擴散仍是瓶頸
區域性熱點的熱流密度可能超過冷板直接覆蓋區域的散熱極限
3D 堆疊封裝中，內層 Die 的散熱路徑被外層阻擋，是全新挑戰

誤讀 4：熱流密度只看平均值就夠了

糾偏：

平均熱流密度是必要但不充分指標
區域性熱點可能導致區域性溫度遠高於平均溫度 (溫差可達 10-30°C)
晶片設計需要考慮功率密度分佈圖 (Power Map)，針對性最佳化熱點散熱
散熱模擬 (CFD) 必須基於實際功耗分佈，而非均勻假設

學習路徑

入門級 (理解概念)

傳熱學基礎
- 《傳熱學》楊世銘、陶文銓（經典教材）
- 理解傅立葉定律、熱阻、對流換熱基本概念
晶片散熱科普
- 半導體行業媒體的散熱專題文章
- 瞭解 TIM、熱管、均熱板等基本概念

進階級 (工程理解)

資料中心液冷技術
- 冷板式 vs 浸沒式的技術路線差異
- CDU、冷卻液分配系統的設計要點
- ASHRAE 資料中心熱管理指南
晶片封裝熱設計
- 結溫、熱阻網路模型
- TIM 選型與介面熱阻
- 先進封裝 (2.5D/3D) 的熱挑戰

專家級 (深度研究)

計算熱管理
- CFD 模擬在散熱設計中的應用
- 熱-電-力多物理場耦合
- 兩相流傳熱、微流道設計
產業研究
- 散熱產業鏈供需分析
- 主要廠商技術路線對比
- AI 晶片功耗演進趨勢追蹤

型別	資源	適合階段
教材	《傳熱學》楊世銘、陶文銓	入門
教材	Incropera《Fundamentals of Heat and Mass Transfer》	進階
標準	ASHRAE TC 9.9 資料中心熱指南	進階
行業報告	各券商/研究機構散熱/液冷深度報告	產業
廠商技術文件	NVIDIA GPU 熱設計指南、冷板廠商白皮書	工程

一句話總結

熱流密度 (W/cm²) 是連線晶片功耗與散熱方案的物理橋樑——它決定了從風冷到液冷、從導熱材料到冷卻系統的技術選擇，是理解 AI 基礎設施散熱投資邏輯的物理學原點。

延伸閱讀與來源

核心文獻

傅立葉定律：Fourier, J.B.J. (1822). Théorie analytique de la chaleur. —— 熱傳導的數學基石
ASHRAE TC 9.9：資料中心熱管理指南系列 —— 工程設計標準
晶片熱設計：Intel、NVIDIA 等廠商的晶片熱設計應用筆記 (Thermal Design Guidelines)

產業研究

各券商研究所液冷/散熱深度報告（建議查閱最新版本）
資料中心液冷技術白皮書（液冷廠商、伺服器廠商釋出）

技術前沿

微流道冷卻 (Microchannel Cooling) 研究文獻
兩相直接冷卻 (Direct-to-Chip Two-Phase) 研究進展
3D IC 熱管理挑戰與方案

關鍵資料來源宣告

本文中晶片功耗、面積等資料來源於公開產品規格或供應鏈估算
市場規模資料來源於行業報告摘要，具體以原文為準
材料熱導率等物理引數範圍為行業典型值，具體產品需查 datasheet
無確切來源的工程資料已標註 [估算] 或 [行業典型範圍]