熱分析 (Thermal Analysis)

3 秒看懂

一句話： 熱分析就是”用模擬和實測搞清楚晶片/系統裡熱量怎麼產生、怎麼流動、最終去哪裡”，是決定 AI 晶片能不能跑滿頻率、資料中心能不能不降頻的關鍵環節。晶片功耗越大，熱分析越值錢。

3 分鐘產業解釋

為什麼 AI 行業突然高度關注熱分析？

過去十年，通用 CPU 的單晶片功耗大體維持在 100–200 W 量級；而進入大型模型時代，單顆 AI 加速卡的功耗已躍升至 數百瓦乃至接近千瓦級（如 NVIDIA 某旗艦級訓練卡 TDP 約 700 W 級別 [供應鏈公開規格/媒體報道]，具體數值因代際和具體型號而異）。

這意味著：

功率密度飆升： 同樣一塊 GPU 大小的 die，熱流密度（heat flux）可超過傳統 CPU 數倍。
封裝與散熱成為瓶頸： 先進封裝（如 CoWoS、EMIB 等 2.5D/3D 方案）將多顆 die 整合在一起，熱量疊加效應顯著。
資料中心 PUE 受到挑戰： 當單機櫃功率從過去的 5–10 kW 躍升到 30–100+ kW（大型 AI 叢集常見），冷卻系統設計必須精確——不夠就降頻，過度就浪費資本支出。

熱分析，本質上就是回答一個核心問題：這顆晶片/這個系統，在全負荷執行時，最熱的地方有多熱？會不會超過材料的物理極限？如果不達標，我該怎麼改？

誰需要做熱分析？

角色	需求場景
晶片設計公司	在設計階段評估 die 的熱分佈，指導版面配置佈線和功耗管理策略
封裝/基板廠	驗證封裝材料和結構能否有效導熱
散熱方案供應商	設計熱管、液冷板、均熱板（VC）等散熱硬體
伺服器/系統廠	整機級熱模擬，確保所有元件在安全溫度內
資料中心運營商	機櫃級/房間級 CFD 分析，最佳化氣流組織與冷卻策略

產業規模（定性）

熱分析軟體與服務市場在全球範圍內屬於利基市場（niche），但隨著 AI 算力基礎設施爆發式增長，該領域需求增速顯著快於傳統電子散熱。據行業定性判斷，其市場從傳統的”輔助設計工具”正升級為”AI 晶片能否流片成功的前置條件”。

15 分鐘專家深入

一、熱分析的三大層次

熱分析不是單一動作，而是貫穿晶片級 → 封裝/板級 → 系統/機櫃級 → 資料中心級的完整鏈條：

┌──────────────────────────────────────────────────────┐
│                   資料中心級 (Room/DC)                  │
│  CFD 模擬機房氣流、冷熱通道版面配置、液冷管路設計          │
│                                                        │
│  ┌──────────────────────────────────────────────────┐  │
│  │              系統/機櫃級 (System)                  │  │
│  │  整機熱模擬：風道設計、風扇選型、散熱器匹配        │  │
│  │                                                    │  │
│  │  ┌──────────────────────────────────────────────┐  │  │
│  │  │         封裝/板級 (Package/Board)             │  │  │
│  │  │  封裝熱阻分析、PCB 熱模擬、TIM 選型          │  │  │
│  │  │                                              │  │  │
│  │  │  ┌────────────────────────────────────────┐  │  │  │
│  │  │  │         晶片級 (Die/Chip)              │  │  │  │
│  │  │  │  熱模擬: Hotspot 定位、動態功耗對映     │  │  │  │
│  │  │  └────────────────────────────────────────┘  │  │  │
│  │  └──────────────────────────────────────────────┘  │  │
│  └──────────────────────────────────────────────────┘  │
└──────────────────────────────────────────────────────┘

二、核心方法論

2.1 模擬方法（Simulation-based）

① 計算流體力學（CFD）

求解 Navier-Stokes 方程 + 能量方程，同時獲得流場和溫度場。
代表工具：Ansys Icepak、Siemens Simcenter FLOTHERM、Cadence Celsius（原 Future Facilities 6SigmaET 被 Cadence 收購後整合）。
適用於系統級和資料中心級分析。
計算量大，單次模擬耗時從分鐘到小時不等，取決於網格精度。

② 有限元分析（FEA / 熱傳導求解）

求解熱傳導方程，適用於晶片級和封裝級的固體域熱分析。
代表工具：Ansys Mechanical（熱分析模組）、COMSOL Multiphysics。
可做穩態和瞬態分析。

③ 緊湊熱模型（Compact Thermal Model, CTM）

將複雜的晶片/封裝結構簡化為少量熱阻網路（類似 RC 電路）。
JEDEC 標準中的雙熱阻模型（Junction-to-Case, Junction-to-Board）即為此類。
優點是計算快，適合系統級早期評估；缺點是精度有限。

④ 基於機器學習的代理模型（Surrogate Model / ML-based）

近年來的新趨勢：用神經網路學習”功耗分佈 → 溫度場”的對映關係。
訓練完成後推論速度可達毫秒級，適合大規模設計空間探索。
但訓練資料質量決定上限，泛化能力仍待驗證。

2.2 實測方法（Measurement-based）

方法	原理	精度	適用場景
熱電偶（Thermocouple）	熱電效應	±0.5–2°C	板級、散熱器表面
紅外熱成像（IR Thermography）	紅外輻射探測	畫素級空間解析度，溫度精度約 ±2°C	封裝表面熱分佈
熱敏電阻/二極體（On-die Sensor）	PN接面溫度-電壓關係	±1–3°C [廠商資料手冊，典型值]	晶片內部即時溫度監測
拉曼熱成像（Raman Thermometry）	拉曼散射頻移與溫度關係	奈米級空間解析度	研究級，區域性熱點
鎖相熱成像（Lock-in Thermography）	週期性加熱+相位檢測	可檢測微弱缺陷熱訊號	失效分析

AI 晶片通常內嵌數十到數百個溫度感測器（thermal diode/sensor），用於動態熱管理——當檢測到溫度逼近閾值時，DVFS（動態電壓頻率調節）機制自動降頻降壓，保護晶片。這就是為什麼 AI 晶片在高溫環境下”效能會下降”。

三、AI 晶片特有的熱挑戰

1) 高功耗 + 高熱流密度

傳統伺服器 CPU 功耗約 100–300 W；AI 訓練加速器功耗在 300–1000 W 量級 [公開規格/行業報道，具體型號各異]。
熱流密度（die 表面單位面積熱功率）可能是傳統 CPU 的 2–5 倍。

2) 先進封裝的熱疊加

2.5D 封裝（如 CoWoS）將 HBM 和計算 die 放在同一 interposer 上，HBM 本身也是熱源。
3D 封裝（如 chiplet 堆疊）的垂直方向熱路徑更長，散熱更困難。

3) 大面積 die 的溫度均勻性

高階 AI 晶片 die 面積可達 800 mm² 以上，不同區域的功耗密度差異大（如計算陣列 vs. I/O vs. SRAM），導致溫度梯度顯著。
“熱點”（hotspot）處的溫度可能比平均溫度高 20–40°C [行業典型範圍，非具體型號資料]。

4) 冷卻方案正從風冷向液冷遷移

當單晶片功耗超過約 300–400 W 後，傳統風冷散熱的邊際成本急劇上升（需要更大散熱器、更高轉速風扇、噪音和功耗隨之增加）。
直接液冷（Cold Plate）和浸沒式液冷正在 AI 資料中心中加速滲透。
熱分析在液冷方案設計中同樣不可或缺：液冷板的流道設計、流量分配、熱介面材料選擇都需要模擬驗證。

技術原理（機制 + 關鍵引數）

熱傳導的基本方程

固體中的熱傳導由 Fourier 定律描述，熱傳導方程為：

\rho c_p \frac{\partial T}{\partial t} = \nabla \cdot (k \nabla T) + q_v

其中：

\rho：材料密度 (kg/m³)
c_p：比熱容 (J/kg·K)
$T$：溫度 (K)
$t$：時間 (s)
$k$：熱導率 (W/m·K)
q_v：體積熱源功率密度 (W/m³)

關鍵熱引數

┌─────────────────────────────────────────────────────┐
│                  晶片熱分析關鍵引數                    │
├────────────────────────┬────────────────────────────┤
│ 引數                    │ 說明                       │
├────────────────────────┼────────────────────────────┤
│ TDP (Thermal Design    │ 散熱系統必須能帶走的最大     │
│ Power)                 │ 功耗，是熱設計的"合同"       │
├────────────────────────┼────────────────────────────┤
│ T_junction (T_j)       │ 晶片結溫——die 內部最高       │
│                        │ 允許溫度。通常商用晶片       │
│                        │ 限制在 ~100–110°C [具體     │
│                        │ 值因廠商和產品線而異]        │
├────────────────────────┼────────────────────────────┤
│ T_case (T_c)           │ 封裝外殼表面溫度             │
├────────────────────────┼────────────────────────────┤
│ θ_jc (Junction-to-Case│ 結到殼熱阻 (°C/W)。         │
│  Thermal Resistance)   │ 越低越好，取決於封裝結構     │
├────────────────────────┼────────────────────────────┤
│ θ_ja (Junction-to-     │ 結到環境熱阻 (°C/W)。       │
│  Ambient)              │ 包含封裝+散熱器+環境全部     │
│                        │ 熱路徑                     │
├────────────────────────┼────────────────────────────┤
│ TIM Thermal            │ 熱介面材料熱導率。           │
│ Conductivity           │ 傳統矽脂 ~3–10 W/m·K；     │
│                        │ 高階銦片 >70 W/m·K [供應   │
│                        │ 商規格，範圍值]             │
├────────────────────────┼────────────────────────────┤
│ 熱流密度               │ 單位面積熱功率 (W/cm²)。     │
│ (Heat Flux)            │ AI 晶片熱點區域可達         │
│                        │ 100+ W/cm² [估算]          │
└────────────────────────┴────────────────────────────┘

熱阻模型（簡化等效電路類比）

     T_junction
         │
         │ θ_jc (結到殼熱阻)
         │
     T_case
         │
         │ θ_cs (殼到散熱器熱阻, 含TIM)
         │
     T_sink (散熱器溫度)
         │
         │ θ_sa (散熱器到環境熱阻)
         │
     T_ambient

溫升: T_j = T_ambient + P × (θ_jc + θ_cs + θ_sa)

示例:
  P = 700W, θ_jc=0.05°C/W, θ_cs=0.03°C/W, θ_sa=0.05°C/W
  ΔT = 700 × 0.13 = 91°C
  若 T_ambient=30°C → T_j=121°C → 超標！需改善散熱

注意： 以上數字僅為示意性計算，非特定產品資料。實際產品熱阻值取決於具體封裝、散熱方案和測試條件，以廠商資料手冊為準。

AI 晶片熱分析的特殊考量

動態功耗分佈： AI 訓練負載不是均勻的。不同計算單元（如 Tensor Core 陣列、矩陣乘法單元、片上 SRAM、I/O PHY）在不同計算階段的利用率不同，導致熱分佈隨時間變化。瞬態熱分析（Transient Thermal Analysis）對於預測溫度波動和熱迴圈壽命至關重要。

熱-電耦合： 溫度升高 → 電晶體漏電流增加 → 功耗增加 → 溫度進一步升高。這是一種正反饋機制，稱為 熱失控（Thermal Runaway） 風險。先進工藝節點（如 5nm、3nm）的漏電問題更嚴重，熱-電耦合模擬變得不可或缺。

技術演進史

時期	熱分析特徵	代表事件
1990s	手工計算 + 經驗公式為主；熱分析非剛需	晶片功耗低（<50W），風冷即可
2000s	CFD 工具開始進入電子散熱領域	FLOTHERM（現 Siemens Simcenter）等工具興起；Intel Pentium 4 “Prescott” 的散熱危機推動行業重視
2010s 前期	多核時代，功耗上升至 100–150W；熱分析成為晶片設計標配	JEDEC 推出標準化熱測試規範
2015–2019	GPU 加速計算興起，單卡功耗 250–300W	資料中心開始採用後門換熱器、冷水機組等增強冷卻
2020–至今	AI 算力爆發，單卡功耗 500–1000W+；液冷成為必選項	直接液冷（Cold Plate）、浸沒式液冷、晶片內微流道研究興起；ML-assisted 熱分析成為前沿方向

技術路線對比

冷卻方案與熱分析需求矩陣

冷卻方案	典型適用功耗範圍	熱分析複雜度	現狀
被動散熱（散熱片）	< 50 W	低	基本不用於 AI 晶片
強制風冷（Heat Sink + Fan）	50–400 W	中	仍廣泛用於推論卡和中等功耗訓練卡
直接液冷（Cold Plate）	200–1000 W+	高	高階 AI 訓練叢集主流選擇 [行業趨勢]
浸沒式液冷（單相/兩相）	300 W–1000 W+	高	處於規模化早期，兩相浸沒技術成熟度仍在驗證
晶片內微流道（Embedded Cooling）	實驗室階段	極高	前沿研究方向，遠未量產

模擬工具對比（定性）

工具/廠商	強項	適用層次
Ansys Icepak	通用 CFD，功能全面	系統級 / 板級
Siemens Simcenter FLOTHERM	電子散熱專用 CFD	系統級 / 板級
Cadence Celsius (原 6SigmaET)	與 PCB 設計流程深度整合	板級 / 封裝級
Ansys Mechanical	有限元結構/熱分析	晶片級 / 封裝級
COMSOL	多物理場耦合靈活	研究級 / 定製化場景
Icepak + RedHawk-SC 聯合（Ansys）	電-熱耦合模擬	晶片級動態分析

上下游

上游（熱分析依賴什麼？）

材料資料 ──→ 熱導率、比熱容、密度等基礎物性引數
              (晶片材料: Si ~150 W/m·K, Cu ~400 W/m·K,
               GaN ~130 W/m·K; 封裝基板、TIM、PCB 材料)

EDA 流程 ──→ 晶片功耗分佈 (Power Map) 來自綜合/版面配置佈線/功耗分析
              (是熱模擬的輸入資料，精度直接決定熱分析可信度)

工藝 PDK ──→ 不同工藝節點的漏電-溫度關係模型

下游（熱分析服務什麼？）

熱分析結果
    ├──→ 封裝設計決策: 散熱器選型、TIM 材料選擇、封裝結構最佳化
    ├──→ 晶片設計反饋: 功耗管理策略 (DVFS 閾值)、熱點處版面配置調整
    ├──→ 系統設計決策: 風道設計、液冷管路、風扇控制策略
    ├──→ 資料中心規劃: 冷卻容量規劃、PUE 預測、機櫃版面配置
    └──→ 可靠性預測: 熱迴圈應力 → 預測焊點/互連疲勞壽命

關鍵指標

指標	含義	典型範圍
Die 熱流密度	單位 die 面積的熱功率	傳統 CPU ~30–60 W/cm²；AI 晶片熱點區域可達 100+ W/cm² [行業估算]
結溫 (T_j)	Die 內部最高溫度	商用限值通常 100–110°C [產品資料手冊，因型號而異]
熱阻 θ_jc	結到殼熱阻	高階封裝 <0.1°C/W [定性，具體視封裝而異]
TIM 熱導率	熱介面材料導熱能力	3–100+ W/m·K（從矽脂到銦片）
冷卻 COP	製冷系統能效比	風冷系統通常高於液冷但總體 PUE 更差 [定性]
熱點溫度梯度	die 上最高溫與平均溫之差	高功耗 AI 晶片可達 20–40°C [行業典型範圍]

供需與市場資料

需求端驅動力

驅動因素	機制
AI 晶片功耗持續攀升	每代訓練晶片 TDP 約提升 50–100% [定性趨勢]，熱分析需求與功耗正相關
先進封裝普及	CoWoS、EMIB 等 2.5D/3D 封裝熱管理難度大增
液冷滲透率提升	液冷方案設計複雜度遠高於風冷，對熱模擬依賴更強
資料中心能耗監管趨嚴	多國出臺 PUE 限制政策，精確熱設計直接關聯合規
晶片設計週期壓縮	模擬替代更多物理測試，降低迭代成本

供給端格局（熱分析軟體）

Ansys（被 Synopsys 收購中/已完成）：Icepak + Mechanical 組合，市佔率領先。
Siemens Digital Industries：Simcenter FLOTHERM 系列，老牌電子散熱工具。
Cadence：通過收購 Future Facilities 拿到 6SigmaET（現 Celsius），補齊熱分析版圖，與 PCB/封裝 EDA 深度整合。
其他參與者： COMSOL（學術和定製場景）、商業 CFD 巨頭（如 Dassault Systèmes 的 Simulia）也有涉足。

行業趨勢： EDA 三巨頭（Synopsys/Ansys、Cadence、Siemens）都在將熱分析與晶片設計流程深度整合，“電-熱-應力”多物理場協同模擬成為競爭焦點。

代表公司與資本對映

公司	熱分析相關業務	上市狀態
Synopsys	已收購 Ansys，獲得 Icepak/Mechanical 熱分析套件	納斯達克: SNPS
Cadence	Celsius Thermal Solver（原 6SigmaET），與 PCB/封裝流程整合	納斯達克: CDNS
Siemens	Simcenter FLOTHERM / FLOEFD	法蘭克福: SIE / OTC: SIEGY
COMSOL	COMSOL Multiphysics 多物理場平台	未上市
Vertiv	資料中心熱管理解決方案（液冷、精密空調）	紐約證交所: VRT
維諦技術（Vertiv 中國關聯）/ 曙光/浪潮等	伺服器液冷方案	多家 A 股上市

投資視角： 熱分析軟體本身的直接市場規模有限（估計全球數億美元量級 [行業估算]），但它賦能的散熱硬體/液冷系統/資料中心基礎設施市場規模達數百億美元。熱分析能力是這些下游產業的”研發稅”——不可或缺但自身體量不大。

投資邏輯

核心論點

熱分析是 AI 算力擴張的”必經之路”： 每顆高功耗 AI 晶片在流片前必須通過熱模擬驗證；每個液冷資料中心在建設前必須完成熱-流 CFD 分析。需求剛性且與算力資本支出（Capex）高度正相關。
EDA 巨頭整合多物理場是長期趨勢： Synopsys 收購 Ansys、Cadence 收購 6SigmaET，都指向同一個方向——“晶片設計不能只看電，還要看熱和應力”。擁有完整熱-電協同模擬能力的 EDA 廠商，在下一代晶片設計工具競爭中將佔據優勢。
液冷滲透率提升 = 熱分析需求放大器： 液冷方案設計比風冷複雜一個數量級（需要同時最佳化熱傳導和流體動力學），直接拉動高階熱分析工具和服務的需求。

風險提示

熱分析軟體是利基市場，增速雖快但絕對規模有限，對大公司的營收貢獻比例不大。
開源 / 免費工具（如 OpenFOAM）在學術和中小企業的滲透可能壓制商業軟體增長。
AI 晶片功耗趨勢是否持續攀升存在不確定性（演算法效率提升、稀疏計算等可能降低單位算力功耗）。

常見誤讀糾偏

誤讀 ①：“熱分析只是散熱工程師的事，和晶片設計無關”

糾偏： 這是最危險的認知。在先進工藝節點下，熱分佈直接影響電晶體效能（載流子遷移率隨溫度變化）、漏電流、時序裕量（timing margin）。現代晶片設計流程中，熱分析已深度嵌入——從 RTL 功耗估算開始，到版面配置佈線階段的熱-電協同最佳化，再到 sign-off 階段的全晶片溫度驗證。不做熱分析的晶片設計，就像不做 DRC 檢查一樣冒險。

誤讀 ②：“液冷就不需要熱分析了，液體比空氣導熱好得多”

糾偏： 液冷的散熱能力確實遠高於風冷（水的比熱容約為空氣的 4 倍，導熱率約 20 倍），但這不意味著可以”不分析”。液冷方案引入了新的複雜度：

冷板流道設計必須確保流量均勻分配，否則區域性流量不足的區域反而成為熱點。
漏液風險評估。
管路壓降計算、泵的選型。
兩相液冷中的沸騰不穩定性分析。 液冷不是”解決了熱問題”，而是”把熱分析的難度提升了一個維度”。

誤讀 ③：“晶片內建溫度感測器就夠了，不需要模擬”

糾偏： 溫度感測器是執行時的”事後監控”，而熱分析是設計階段的”事前預防”。感測器告訴你”溫度高了”，但不能告訴你”為什麼高、改哪裡能降低”。感測器和模擬不是替代關係，而是互補關係： 模擬用於設計階段最佳化，感測器用於執行時監控和 DVFS 觸發。

學習路徑

入門（0–2 周）

瞭解基本傳熱學三模式：傳導、對流、輻射。
閱讀 JEDEC JESD51 系列標準的概述，理解 θ_ja、θ_jc 等標準熱阻定義的含義。
觀看 Ansys / Siemens 等廠商的入門級電子散熱 CFD 教程影片。

進階（1–3 月）

學習 CFD 基礎（Navier-Stokes 方程、網格劃分、湍流模型選擇）。
用 Ansys Icepak 或 FLOTHERM 做一個完整的伺服器級熱模擬案例。
瞭解先進封裝（CoWoS、EMIB）的熱管理挑戰和解決方案。

專家級（3–12 月）

研究電-熱耦合模擬方法（RedHawk + Icepak 聯合模擬流程）。
學習液冷系統設計的 CFD 分析方法。
關注前沿方向：ML-based 熱分析、晶片內微流道冷卻、3D 封裝熱管理。

一句話總結

熱分析是 AI 算力基礎設施的”隱形基礎設施”——它不直接產生算力，但沒有它，算力就跑不起來：晶片會降頻，會損壞，資料中心會不達標。

延伸閱讀與來源

來源	說明
JEDEC JESD51 系列	半導體熱測試國際標準，定義熱阻測量方法
Ansys 官方文件 / 白皮書	Icepak、Mechanical 熱分析應用案例
Siemens Simcenter 電子散熱解決方案文件	FLOTHERM/FLOEFD 技術細節
Cadence Celsius Thermal Solver 產品頁	與 PCB/封裝 EDA 整合的熱分析方案
IMAPS / IEEE ECTC 會議論文	先進封裝熱管理前沿研究
行業研究報告（中信/華泰等電子行業報告）	AI 晶片功耗趨勢、液冷滲透率等市場資料 [需交叉驗證]

資料標註說明： 本文中未附具體來源的資料均為行業常識性描述或定性估算，具體產品規格請以各廠商官方資料手冊為準。市場資料建議參考多家券商研究報告交叉驗證。