想象你是一名厨师，面前是一台标注“额定火力 4.2kW”的燃气灶。这个数字并不代表你每次炒菜都开到最大火——它只是告诉设计师：橱柜和排烟系统要按这个火力去设计。再想象锅里的油温：一旦超过冒烟点，菜糊了、油锅起火，整个厨房都危险起来。现代 AI 芯片（GPU、NPU、TPU），本质上就是一台浓缩在指甲盖里、火力高达几百瓦的“微型灶台”。芯片厂商在数据表上写下两个关键数字：TDP（热设计功耗）——相当于灶台额定火力，是散热系统该按多大的功率去设计；TJ（结温）——相当于锅里油温的安全上限，是芯片内部晶体管真正能承受的温度。散热基础原理的第一步，就是理解这两个数字如何配合：TDP 定“加热上限”，TJ 定“安全极限”，而连接两者的桥梁，是热阻。

岗位关联

对 AI 从业者来说，读懂 TDP 与 TJ，等于看懂了算力基础设施的“心肺体检报告”。它直接关系到散热成本、算力稳定性与全生命周期收益，是硬件选型、集群部署和板卡设计绕不开的第一课。

目录
  1. 可视化演示
  2. 热设计功耗 TDP——灶台的额定火力
  3. 芯片结温 TJ——锅里的油温
  4. 热阻与散热路径——热量传导的“路障”
  5. 散热结构类型——四种“炊具方案”
  6. 功耗与温度关系——火力与锅温的平衡
  7. 热管理与降频——烟感报警器自动熄火
  8. AI 应用场景
  9. Python 演示
  10. 常见误区
  11. 面试题

可视化演示

三步展示芯片热设计：热量传递路径（芯片Die→TIM导热界面→散热器鳍片→风扇对流，四种介质逐级散热）、散热方案对比（风冷<300W/液冷<700W/浸没>1000W,H100 TDP=700W需液冷）、热阻预算分解（θJC+θCS+θSA=0.45°C/W,总热阻决定芯片温升）。

本节配有交互动效（进入视口后自动加载，约 3KB）。

芯片热量传递路径 芯片Die: 计算产生热量，TJ≤95°C TIM: 导热界面材料，填充微观间隙 散热器+风扇：鳍片扩展面积，对流散热到空气 Die → TIM → Heatsink → Fan → Air 导热→导热→对流，热量逐级传递到环境。

热设计功耗 TDP——灶台的额定火力

新装厨房时，灶台正面印着“额定火力 4.2kW”。设计师用这个数字决定排气扇功率和橱柜耐火等级，而厨师并不会每次都开到最大。芯片也一样：TDP（Thermal Design Power，热设计功耗）是厂商给出的散热设计基准，表示散热系统至少需要能带走的热量，单位是瓦。它既不是芯片实际运行时的平均功耗，也不是绝对峰值——只是“按这个功率设计，结温不会越界”的安全标尺。

在 AI 芯片领域，这个数字非常醒目：NVIDIA H100 的 TDP 约为 700W，手机 SoC 只有 5-10W。散热工程师的第一件事就是读 TDP：风冷还是液冷、机柜功率怎么配、空调制冷量多少，全部从 TDP 出发。TDP 越高，说明这台“灶台”火力越猛，配套的“厨具”，也就是散热系统，也必须越强悍。

TDP 本质上是一个热力学边界条件。如果已知芯片最高允许结温 \(T_{J,\max}\)、环境温度 \(T_{\text{amb}}\) 以及整套散热路径的总热阻 \(R_{\text{th}}\)，那么：

打个比方：灶台额定火力 4.2kW，是设计师写给厨房的“天花板”；TDP，则是芯片设计者写给散热器的“天花板”。散热系统达不到这个天花板，结温就会失控。

TDP=TJ,max⁡−TambRth\displaystyle \text{TDP}=\frac{T_{J,\max}-T_{\text{amb}}}{R_{\text{th}}}
这个公式相当于说：“锅最多能承受 70°C 的温差，热量每走一路要遇到 1 K/W 的阻力，那么火力最多只能开到 70W。”
  1. 温差分子\(T_{J,\max}-T_{\text{amb}}\) 是芯片允许升温的总幅度。比如 TJ_max = 95°C、环境温度 25°C，允许温差就是 70°C。
    TJ,max⁡−TambT_{J,\max}-T_{\text{amb}}
  2. 总热阻分母\(R_{\text{th}}\) 是热量从芯片内部一路传到空气的所有阻力之和，单位 K/W。热阻越大，相同功耗下温升越高。
    Rth=∑iRiR_{\text{th}}=\sum_i R_i
  3. 除法得出设计上限把允许温差除以总热阻，就得到散热系统必须满足的热流功率，也就是 TDP。
    70 ∘C1 K/W=70 W\frac{70\ ^\circ\text{C}}{1\ \text{K/W}}=70\ \text{W}

芯片结温 TJ——锅里的油温

厨师真正关心的不是灶台火力，而是锅里油温。油温超过冒烟点，菜就废了。芯片内部也有一只看不见的“油温计”：芯片工作时，晶体管所在的半导体结区（PN 结）局部温度，就是结温 TJ（Junction Temperature）。它决定了晶体管的迁移率、漏电流和寿命，是芯片所有温度中“最真实也最危险”的那一个。

芯片外壳或散热器表面的温度都不等于结温。热量从结传到外壳，再从外壳传到散热器，结永远是整条路径上最热的地方。厂商会在数据表上明确标注 TJ_max——绝大多数硅基芯片的极限在 85~105°C 之间。TJ 一旦超过极限，漏电流急增、电迁移加速，甚至可能引发热失控烧毁芯片。所以散热设计的目标，永远是保证“最热的那一点”不越界。

工程中常用热阻模型估算结温：

其中 \(T_C\) 是芯片外壳温度，\(P\) 是当前实际功耗，\(\theta_{JC}\) 是封装提供的结到壳热阻（单位 K/W）。这个公式的本质是：外壳温度 + 壳内到结的温升 = 结温。

小结一下：TDP 给出了“灶台该配多大的烟道”，而 TJ 告诉厨师“锅内油温离冒烟点还差多少度”。两者缺一不可。

TJ=TC+P×θJC\displaystyle T_J = T_C + P \times \theta_{JC}
类比一下：锅里油温 = 锅底温度 + 锅底与油之间的“热阻”造成的温差。
  1. 温升项\(P \times \theta_{JC}\) 用当前功耗乘以结壳热阻，得到从外壳到结的温差。功耗越大或封装热阻越大，这个温差就越大。
    P×θJCP \times \theta_{JC}
  2. 加上外壳温度\(T_C + P \times \theta_{JC}\) 以外壳温度为基准，叠加上面算出的温升，就得到内部结温。
    TC+P×θJCT_C + P \times \theta_{JC}
  3. 安全判据将计算出的结温与 TJ_max 比较。只有当 \(T_J < T_{J,\max}\) 时，散热设计才算合格。
    TJ≤TJ,max⁡T_J \le T_{J,\max}

热阻与散热路径——热量传导的“路障”

火焰 → 锅底 → 油 → 菜，热量每一层传递都会遇到阻力；锅底太厚、油层太薄、锅底有污垢，都是让受热不均的“路障”。芯片散热同样有一条“热路”：结 → 芯片封装外壳 → 导热界面材料（TIM）→ 散热器底座 → 翅片 → 空气。每一个环节都自带热阻，阻碍热量向外流动。

热阻的符号是 \(R_{\text{th}}\) 或 \(\theta\)，单位 K/W，含义是“每流过 1W 热量，两端产生多少开尔文温差”。热阻越大，芯片就越“憋热”。整条热路的热阻是串联叠加的：

散热工程师的核心工作，就是找出热阻最大的那个“瓶颈路障”并消灭它。AI 服务器的 GPU 通常采用“热管 + 风冷”或“冷板液冷”，目的正是降低 \(R_{\text{air}}\) 这个最大的路障。对单一材料，热阻可由几何尺寸和材料导热系数算出：

回到厨房：一块又厚又干的抹布垫在热锅下，锅底热量根本传不出去——芯片散热也一样，任何一层“路障”都会让内部温度飙升。

Rtotal=Rchip+RTIM+Rhs+Rair\displaystyle R_{\text{total}} = R_{\text{chip}} + R_{\text{TIM}} + R_{\text{hs}} + R_{\text{air}}
Rth=Lk×A\displaystyle R_{\text{th}} = \frac{L}{k \times A}
  1. 厚度 \(L\)热量穿过的材料厚度，越厚越“难传”。比如一层厚厚的油脂，会让锅底的热很难传到菜里。
    LL
  2. 导热系数 \(k\)材料固有属性。铜约为 400 W/(m·K)，空气仅 0.026 W/(m·K)，所以空气是极差的热导体。
    kk
  3. 截面积 \(A\)热量垂直穿过的横截面积，越大越容易传热。散热器做很多翅片，本质就是扩大 A。
    AA
  4. 合成热阻把三者组合起来，就得到 \(R_{\text{th}} = L/(k \times A)\)。这个公式告诉你：想降低热阻，就减薄、换高导热材料、扩大接触面积。
    Lk×A\frac{L}{k \times A}

散热结构类型——四种“炊具方案”

厨师想让热菜快些凉，有四种思路：用电扇吹、泡冷水、利用水蒸气、或者干脆用厚重铸铁锅自然散热。芯片散热系统也有对应的四大门派——风冷、液冷、相变散热和被动散热。

  • 空气对流（风冷）：风扇把翅片上的热量吹走，成本低、最常见，覆盖从笔记本到游戏显卡。
  • 液冷：泵驱动冷却液流经冷板，液体比热容大，带走热量的能力极强；AI 服务器上已是主流。
  • 相变散热：热管/均温板内的工质受热蒸发、冷凝回流，传热效率极高，是手机和笔记本的常客。
  • 被动散热：无风扇，靠自然对流和辐射，仅适合几瓦的低功耗芯片，比如路由器 SoC。

它们的散热能力都可以用对流传热方程刻画：

所以，当你看到 AI 服务器里粗壮的液冷管路时，可以理解为“厨师把一锅滚烫的汤直接端进了冷水池”——单位时间带走的热量，是单纯靠吹风无法比拟的。

Q=h×A×(Ts−Tair)\displaystyle Q = h \times A \times (T_s - T_{\text{air}})
  1. 表面温度与空气温差\(T_s - T_{\text{air}}\) 代表散热器和空气之间的温度差。温差越大，空气自然对流越强，热量散得越快。
    Ts−TairT_s - T_{\text{air}}
  2. 换热面积 \(A\)翅片正是通过大幅增大换热面积来提高散热量的。面积越大，与空气接触的“窗口”越多。
    AA
  3. 对流换热系数 \(h\)风冷空气的 h 约为 10~100 W/(m²·K)，液冷可达 1000+。这就是液冷天然碾压风冷的根本原因。
    hh

功耗与温度关系——火力与锅温的平衡

厨师开大火，锅温并不会无限升高，而是逐渐稳定在“产热 = 散热”的平衡点。芯片也一样：功耗越大、散热能力越差，稳定时结温就越高；只要产热速率能被散热系统完全“接住”，温度就趋于一个定值。这个定值，叫稳态结温。

在稳态下，芯片产生的热量全部经散热路径排入环境，因此有：

这个公式是全文的“压舱石”：\(P\) 是实际功耗，\(R_{\text{total}}\) 是整条热路的总热阻，\(T_{\text{amb}}\) 是环境温度。它把功耗、散热能力和环境三者压缩成一个清晰的线性关系——结温不是凭空猜测，而是这三个变量的直接结果。

如果芯片长时间运行在接近平衡温度的“高压区”，就像厨师一直把油温压在冒烟点附近炒菜——味道和锅都撑不住。所以，为芯片留出安全裕量，是散热设计中最容易被新手跳过的一环。

Tss=Tamb+P×Rtotal\displaystyle T_{ss} = T_{\text{amb}} + P \times R_{\text{total}}
就像炖汤时，锅温稳定在哪个水位，取决于火力大小、锅的散热能力，以及厨房室温三者的平衡。
  1. 温升项\(P \times R_{\text{total}}\) 是功耗在总热阻上推出来的温升。热阻越大、功耗越高，这个“温度水柱”就越高。
    P×RtotalP \times R_{\text{total}}
  2. 环境基准\(T_{\text{amb}} + \dots\) 把环境温度作为基准加上。环境温度升高 10°C，稳态结温也会同步升高约 10°C。
    Tss=Tamb+P×RtotalT_{ss}=T_{\text{amb}}+P\times R_{\text{total}}
  3. 裕量判断检查稳态结温是否远低于 TJ_max。工程上通常会留出 10~20°C 的安全裕量，防止瞬时尖峰功耗突破极限。
    Tss<TJ,max⁡−ΔTsafeT_{ss}<T_{J,\max}-\Delta T_{\text{safe}}

热管理与降频——烟感报警器自动熄火

现代厨房都装了烟感报警器：一旦烟雾超标，报警器会联动关闭燃气阀。芯片内部也有类似的“自动熄火”机制——热管理单元实时监控结温，一旦发现 TJ 逼近 TJ_max，就立刻降低时钟频率和电压，减小发热，防止烧毁。这个过程叫降频保护（Thermal Throttling）。

降频保护的本质，是主动削减动态功耗。数字芯片的动态功耗近似为：

其中 \(C\) 是等效开关电容，\(V\) 是工作电压，\(f\) 是时钟频率。这个公式解释了为什么降频时常伴随降压：电压以平方项进入功耗，降一点电压，省电效果立竿见影。

在 AI 芯片上，这种“自动熄火”每天都在发生：推理任务满载跑一会儿，温度逼近阈值，控制器悄悄降一点频；任务变轻，温度回落，频率再提回去。整个过程，用户几乎无感，但芯片借此在“性能”和“安全”之间走钢丝。

Pdynamic=C×V2×f\displaystyle P_{\text{dynamic}} = C \times V^2 \times f
  1. 等效电容 \(C\)芯片内部大量晶体管和导线的寄生电容总和。结构固定时，C 基本不变。
    CC
  2. 电压平方 \(V^2\)电压以二次方关系影响功耗。电压降到原来的 1/2，这一项直接变为原来的 1/4。
    V2V^2
  3. 时钟频率 \(f\)每秒钟开关翻转的次数。频率越高，每秒完成的充放电次数越多，功耗越大。
    ff
  4. 合成功率公式三者相乘得 \(P_{\text{dynamic}}=C\times V^2\times f\)。热管理做的就是动态压低 V 和 f，从而压低 P。
    C×V2×fC \times V^2 \times f

AI 应用场景

AI 推理服务器散热选型

阶段：硬件选型与算力部署

解决的问题：数据中心看选型单时，往往只盯着 GPU 的峰值算力，忽略了 TDP 与散热配套，导致机柜功率超标、空调冷量不足，芯片长期高温运行甚至降频。通过将 TDP 代入热平衡方程，算出总热阻需求与制冷量，才能科学决定风冷还是液冷。

具体案例：某互联网公司 AI 推理集群使用 300W TDP 的 GPU，每机架 8 卡合计 2.4kW，加上主机系统功耗接近 4kW。原风冷方案让 GPU 结温飙到 98°C 并触发降频。改造为冷板液冷后，结温稳定在 65°C，吞吐量提升 18%。

边缘 AI 设备的温控调度

阶段：模型部署与推理优化

解决的问题：边缘设备（自动驾驶盒子、智能摄像头）的 SoC 连续跑模型时结温快速爬升，触发降频后推理延迟抖动，影响安全性与体验。仅靠静态散热不够，需要在软件层做“温度感知调度”。

具体案例：某智驾团队在推理框架中加入温度感知策略：高精度模型全速运行时监控结温，逼近 TJ_max 就自动切换到低功耗模型或降频运行；温度回落后再切回高精度模型。实测帧率稳定性提升 25%，且全程无硬件过热关机。

AI 芯片流片前热仿真验证

阶段：AI 芯片设计与流片前验证

解决的问题：芯片内部热点无法直接测量，流片后才发现散热缺陷代价极高。通过热仿真建模，在流片前算出结到壳热阻、验证封装材料和散热器设计是否满足 TDP/TJ 指标。

具体案例：某团队设计大算力 AI 加速器时，用热仿真网格量化不同封装材料的 \(R_{\text{th}}\)，最终选用高热导率基板方案，使 TJ_max 对应的可承载功耗裕量提升 12%，避免了一次流片返工。

Python 演示

python47 行
"""芯片热设计模拟器：用灶台比喻演示 TDP/TJ 温控逻辑"""  class ChipThermal:    """模拟芯片结温：功耗 -> 热阻 -> 结温 -> 降频保护"""     def __init__(self, r_th=0.8, c_th=10.0, tj_max=95.0, t_amb=25.0, tdp=120.0):        self.r_th = r_th          # 总热阻 K/W        self.c_th = c_th          # 热容 J/K        self.tj_max = tj_max      # 最高结温 °C        self.t_amb = t_amb        # 环境温度 °C        self.tdp = tdp            # 热设计功耗 W        self.t = t_amb            # 当前结温     def step(self, power, dt=0.1):        # 热量累积：功耗加热，散热路径导热        q_in = power        q_out = (self.t - self.t_amb) / self.r_th        self.t += (q_in - q_out) / self.c_th * dt        return self.t     def run(self, powers, dt=0.1):        temps = []        throttled = False        for p in powers:            if throttled:                p = min(p, self.tdp * 0.6)  # 降频限制火力            temp = self.step(p, dt)            if temp > self.tj_max:                throttled = True            # 触发降频保护            elif temp < self.tj_max - 5:                throttled = False           # 温度回落后解除限制            temps.append(temp)        return temps  chip = ChipThermal(r_th=0.8, tj_max=95.0)# 模拟：待机 30W -> 满载 120W -> 低负载 60Wloads = [30] * 100 + [120] * 300 + [60] * 100temps = chip.run(loads) print("最高结温: %.2f °C" % max(temps))print("高于 90°C 的时间占比: %.1f%%" % (    sum(t > 90 for t in temps) / len(temps) * 100))print("降频触发次数: %d" % sum(    1 for i in range(1, len(temps))    if temps[i] > 95 and temps[i-1] <= 95))
目的：模拟芯片在“待机-满载-低负载”场景下的结温变化，展示 TDP 与 TJ 如何共同决定降频保护行为。
  1. class ChipThermal:用“灶台”思路封装一颗芯片：热阻、热容、TJ_max、环境温度都是构造参数。
  2. def step(self, power, dt=0.1):每步模拟计算产热与散热，更新结温，相当于“看一眼锅温”。
  3. q_out = (self.t - self.t_amb) / self.r_th高温差除以热阻，得到当前能散走的热量。
  4. self.t += (q_in - q_out) / self.c_th * dt净热量除以热容再乘时间步长，就是温升；热容越大，升温越慢。
  5. if temp > self.tj_max: throttled = True结温越过 95°C 时触发保护，相当于烟感报警器自动熄火。
  6. p = min(p, self.tdp * 0.6)降频后将功耗压到 TDP 的 60%，防止温度继续上冲。
  7. loads = [30] * 100 + [120] * 300 + [60] * 100模拟 30W 待机、120W 高负载、60W 收尾的典型 AI 推理负载曲线。

常见误区

误区很多初学者看到"TDP 700W"，就认为这块 GPU 运行时最多消耗 700W，甚至拿它直接算电费。

正解TDP 是散热设计额定值，不是功耗实测峰值。芯片的实际功耗受负载、频率、温度影响，完全可能瞬时超过 TDP，也可能远低于 TDP。用电表或硬件监控软件测到的才是真实功耗。就像灶台标着“额定火力 4.2kW”，但你煮一碗面可能只用 1kW；偶尔爆炒也可能瞬间超过这个标称值，只是不能长期持续。

为何常见：厂商数据表里只有 TDP 这个数字最好找，初学者容易把它当成唯一的“功耗标签”；加上“热设计功耗”名字里带着“功耗”二字，更让人误以为它就是实测功耗。

误区“TJ_max 是 95°C，那我跑到 90°C 也没事，长期跑呗。”这种心态在运维 AI 集群时很常见。

正解TJ_max 是安全上限，不是“无损线”。持续高温即使不越过上限，也会加速电迁移、增大漏电流、降低芯片寿命。工程上通常要留 10~20°C 的裕量，让稳态结温保持在远低于上限的区域。就像 80°C 的油没有冒烟，但反复加热的油依然会让食物变苦、锅底积垢，只是“慢性损伤”而已。

为何常见：数据表上的“最大结温”给人错觉，以为它是一个像保险丝一样“到点就断”的硬边界；实际芯片寿命是随温度连续恶化的。

误区散热不好时，第一反应是换更暴力的风扇、把转速拉到满，认为“风越大越凉”。

正解散热能力受整条热路瓶颈限制。如果瓶颈在 TIM 或散热器接触面积，转速再提高也只是无用功；而且高转速带来噪音、功耗和灰尘，收益还会逐渐递减。GPU 实测中，风扇从 100% 降到 70%，温度往往只升高 2~3°C，噪音却大幅降低。提升散热效率的正确方向是：先找到热阻最大的那段路障。

为何常见：感官上“大风等于强散热”，而忽略了热量从芯片到翅片、再到空气的完整路径。

误区许多人花大价钱买“液态金属”或“顶级硅脂”，涂完之后发现温度改善很小，非常困惑。

正解TIM 只负责填补芯片封装与散热器之间的微小缝隙，只是热阻链条中的一环。如果空气侧热阻（翅片到空气）才是瓶颈，改善 TIM 的收益会被其他环节吃掉。正确的做法是先测量每条路径的热阻占比，针对最大瓶颈下手：要么加大翅片面积，要么上液冷，而不是盲目升级硅脂。

为何常见：厂商宣传渲染了“导热硅脂决定一切”的错觉，加上换硅脂操作简单、成本低，容易让人忽略真正的系统级瓶颈。

面试题

Q1. 关于 TDP（热设计功耗），下列说法正确的是？

单选题 · easy

  • A.TDP 代表芯片实际最大功耗
  • B.TDP 是散热设计额定基准值← 正确答案
  • C.TDP 越大则芯片温度越高
  • D.TDP 表示芯片空闲时功耗

答案：B。TDP 是散热系统设计的额定基准，表示“散热系统应按这个功率去设计”，不是芯片实际最大功耗。实际功耗可能超过或低于 TDP。C 错误，因为温度取决于散热能力与环境温度；D 错误，TDP 与空闲功耗无关。

Q2. 芯片结温（TJ）一般指的是哪里的温度？

单选题 · easy

  • A.芯片外壳表面温度
  • B.散热器翅片温度
  • C.芯片内部结区温度← 正确答案
  • D.主板供电模块温度

答案：C。结温是芯片内部半导体结区（晶体管工作区域）的温度，是整条热路径上最热的点。外壳温度、翅片温度都比结温低，不能直接代表芯片真实热状态，因此 TJ 才是芯片的热安全核心指标。

Q3. 芯片过热时，最先触发的保护机制通常是？

单选题 · easy

  • A.直接断电关机
  • B.降低频率和电压← 正确答案
  • C.清空缓存数据
  • D.提高风扇报警声

答案：B。芯片内部热管理单元检测到结温逼近 TJ_max 时，首先会执行降频降电压，从根源上减小动态功耗（P ∝ V²f），让温度回落。直接断电是所有手段都失效后的最后防线，不是第一时间触发。

Q4. 热阻的国际单位是？

单选题 · mid

  • A.热阻单位是瓦每开尔文
  • B.热阻单位是开尔文每瓦← 正确答案
  • C.热阻单位是焦耳每开尔文
  • D.热阻单位是瓦特平方秒

答案：B。热阻的定义是温差除以热流功率，即 K/W（开尔文每瓦）。它表示每传递 1W 热量需要在两端产生多少温差。瓦每开尔文是热导的单位（热阻的倒数），焦耳每开尔文是热容单位。

Q5. 芯片功耗与散热条件不变，环境温度升高 10°C，稳态结温将？

单选题 · mid

  • A.升高约十摄氏度← 正确答案
  • B.基本保持原样
  • C.降低约十摄氏度
  • D.升高约二十摄氏度

答案：A。稳态结温公式 \(T_{ss}=T_{amb}+P\times R_{total}\) 中，环境温度 \(T_{amb}\) 以线性方式叠加。环境温度升高 10°C，稳态结温也升高约 10°C。这解释了为什么数据中心空调故障时，GPU 温度会整体抬升同样幅度。

Q6. 某芯片 TDP 为 65W、最高结温 95°C、环境温度 25°C，所需总热阻约为？

单选题 · mid

  • A.0.54 开尔文每瓦
  • B.1.08 开尔文每瓦← 正确答案
  • C.1.54 开尔文每瓦
  • D.2.10 开尔文每瓦

答案：B。由 TDP = (TJ_max − Tamb) / R_total，可得 R_total = (95 − 25) / 65 ≈ 1.08 K/W。这个计算是散热器选型的核心：总热阻必须不高于 1.08 K/W，才能保证 65W 满载时结温不超 95°C。

Q7. 动态功耗公式 \(P=C\times V^2\times f\) 表明，若电压降为原来一半，动态功耗变为？

单选题 · mid

  • A.原来的四分之一← 正确答案
  • B.原来的二分之一
  • C.原来的二倍
  • D.原来的四倍

答案：A。电压以平方项进入功耗公式：\((1/2)^2 = 1/4\)，所以动态功耗变为原来的四分之一。这也是芯片降频保护时优先降压的原因——降压比降频对功耗的削减更明显。

Q8. 某芯片结温 90°C、环境 30°C、功耗 100W，若功耗降至 80W 达到新稳态，结温约为？

单选题 · hard

  • A.七十二摄氏度
  • B.七十六摄氏度
  • C.七十八摄氏度← 正确答案
  • D.八十六摄氏度

答案：C。当前温差 ΔT = 90 − 30 = 60°C，由 ΔT = P × R 可得 R = 60/100 = 0.6 K/W。功耗降至 80W 后，新温差 = 80 × 0.6 = 48°C，新结温 = 30 + 48 = 78°C。这类计算在热设计裕量评估中经常出现。

Q9. 关于结温 TJ 与热阻，下列说法正确的有？

多选题 · hard

  • A.热阻越小散热路径越通畅← 正确答案
  • B.串联各热阻之和等于总热阻← 正确答案
  • C.芯片内部越靠近结温度越高← 正确答案
  • D.芯片温度永远不会超过环境温度

答案：ABC。热阻越小，同样功耗下温升越低，散热路径越通畅，A 对。整条热路串联叠加，总热阻等于各部分之和，B 对。热量从结向外流动，离结越近温度越高，C 对。芯片工作时结温必然高于环境温度，否则热量无法散出，D 错。

Q10. 关于芯片热设计的工程实践，下列说法正确的有？

多选题 · extreme

  • A.TDP 只是散热设计的参考基准← 正确答案
  • B.降低电压和频率可降低功耗← 正确答案
  • C.液冷并不能保证结温不超限← 正确答案
  • D.周边器件温度不影响系统可靠性

答案：ABC。A 对，TDP 是散热设计基准而非实测功耗上限。B 对，由 \(P=C V^2 f\)，电压频率下降会显著降低动态功耗。C 对，若液冷系统本身故障、冷却液温度过高或流量不足，结温依然会超限。D 错，电容、供电模块等周边器件同样受高温影响，会降低整机可靠性。