從資料中心到先進封裝的散熱變革

AI時代到來，算力成為新時代的戰略資源。然而，在運算效能不斷突破的同時，散熱的也成為整體AI硬體產業一道越來越高的障礙牆。尤其當單顆晶片的熱設計功耗（TDP）邁向1000W大關，傳統的散熱方案已面臨新的挑戰，散熱技術的優劣，直接影響AI系統的穩定性與能源效率。

在系統層級，焦點圍繞在AI伺服器所產生的驚人發熱量，推動資料中心從傳統的氣冷轉向液冷，無論是直接晶片液冷（DLC）還是沉浸式液冷，都是伺服器架構師的標配。

而在零組件層級，最關鍵的便是AI晶片端，也就是高性能GPU與CPU的製造息息相關的先進封裝更嚴峻的挑戰發生在晶片層級。隨著摩爾定律趨緩，先進封裝如CoWoS與3D IC成為延續算力成長的關鍵，但將多顆晶片緊密堆疊的後果，是熱密度的幾何級數增加。微小的熱點若無法及時排除，將導致晶片降頻甚至損毀。

為了探討AI時代的散熱轉型，本文特別採訪了新思科技，以及智慧系統設計方案商Cadence。兩大巨頭將從物理模擬與系統級分析的角度，剖析如何為新一代AI基礎建設打造最堅實的散熱後盾。

從靜態分配到動態平衡　新思拆解AI時代的散熱挑戰

隨著AI算力需求暴增，資料中心與晶片端的散熱挑戰已達物理極限。新思科技（Synopsys）應用工程技術經理陳建佑博士接受專訪時指出，傳統「固定分配」的冷卻架構已不足以應對AI伺服器這種熱源分布不均的系統，因此需要採用動態即時反應的散熱設計來因應AI時代的散熱需求。

圖一 : 新思科技應用工程技術經理陳建佑博士

從「固定分配」轉向「動態調度」

陳建佑指出，AI伺服器的主要熱源多集中在GPU和CPU的位置，而且在高低負載的情況下也會有明顯的差距。傳統的氣冷控制多半是被動式，僅在機櫃（Rack）溫度超過臨界值時調高風扇轉速，這種方式難以進行動態預測。新一代的動態散熱系統會根據系統運行的情況即時調整風扇轉速、流量分配與冷卻路徑，以實現更佳的整體散熱效率。

在這樣的情境下，由於冷卻資源（如Pump與CDU）有限，因此精準動態調整各機櫃的流量、冷卻液供給與熱交換能力，就是目前資料中心最重要的熱管理策略。此時就需要利用模擬模型來優化流場分佈、流量分配以及機櫃層級的閥門控制的設計。

陳建佑強調，這種進階控制需建立在多層次的物理基礎模型之上。在元件與冷板層級，主要針對液冷冷板（DLC）進行流場與熱傳分析，特別是採用兩相冷卻技術時，需準確掌握其物理行為，以確保局部不產生熱點（Hotspot）並確認物理極限。當分析規模提升至系統與機櫃層級時，則需詳細考量氣流與冷卻液體的分佈，藉此評估各元件的溫度情況，並在設計初期驗證液冷與氣冷的混合架構是否可行。

他也舉雲端服務供應商（CSP）為例，業界在產品開發初期常面臨關鍵資訊不足的挑戰，其客戶在幾何結構尚未定案時，規格時常變動，甚至在缺乏完整設計細節的情況下就要做出決策（early-stage architecture decision）。對此，透過建立熱網路模型（如Ansys Thermal Desktop所提供的能力），使客戶能在設計初期快速評估散熱架構是否可行，避免設計失誤風險或過度設計的成本浪費。

進階控制的層面上，除了傳統的PID Control，未來更可結合降階模型（Reduced-Order Model）、即時感測資料或數位分身（Digital Twin）等智慧化架構，實現主動式冷卻控制與預測性調整。目前 Hyperscale（如Google等大型資料中心）正朝此方向發展，利用具備物理基礎的模型結合先進控制技術，動態調度每個機櫃（Rack）的冷卻資源，優化整體熱管理效能，以降低資料中心PUE（Power Usage Effectiveness）。

將「數天」的運算縮短至「幾秒」

多層模擬技術雖然結果精確，但運算時間也面臨費時曠日的挑戰。特別是傳統高精度CFD（計算流體力學）的模擬經常需要數小時，甚至數天來執行，限制了其在即時決策中的應用。對此，陳建佑說明了「降階模型（ROM）」正是關鍵突破的技術。

「CFD的計算可能是幾天或幾小時的規模，藉由降階模型（ROM），你可以把它變成幾秒的Scale。」陳建佑解釋，

這種接近「即時運算」的能力，讓模擬軟體不再只是事前設計驗證的工具，而是轉型能產出快速預測關鍵流場與熱場特徵，實現AI與Digital Twin進行接近即時分析與決策的核心。也因此，模擬技術正逐步從「離線分析工具」走向「線上決策平台」。

先進封裝的多物理耦合挑戰

隨著先進封裝技術如CoWoS的興起，晶片端的散熱挑戰已變為複雜的3D熱管理與多物理量耦合問題。陳建佑表示，應對這種多晶片堆疊與高功率密度設計的挑戰，透過跨尺度的整合模擬平台，工程師能從微觀的晶片層級一路延伸至宏觀的系統等級，涵蓋微流道設計、矽穿孔（TSV）熱堆積，以及新一代基板材料的可靠度進行深度評估，從而為非標準化的高度工程整合問題提供精確的決策建議。

他解釋，在CoWoS等先進封裝架構中，多晶片堆疊與TSV的局部熱點（Hotspot）是影響可靠度的關鍵。透過整合如Ansys Icepak等工具，研發團隊能建立包含晶片、封裝、PCB與TSV的完整系統模型，進一步使用如Ansys Fluent來分析微流道冷板設計中的二相流與相變機制。

這種跨尺度模擬能評估TSV陣列附近的等效熱阻與熱擴散路徑，找出潛在的散熱瓶頸，結合電熱耦合分析，可評估高電流集中導致的局部發熱，改善溫度不均的問題，有助於提升訊號完整性與電源完整性的表現。

另一方面，針對面板級封裝的玻璃基板導入的製程變化，封裝製程與設計條件也出現顯著變化。陳建佑指出，相較於傳統矽基板，玻璃材料在熱、機械與電性特性上皆有所不同，且封裝外型亦由圓形晶圓轉為方形面板，使整體設計考量更為複雜。此外，材料特性差異亦將影響互連結構與訊號傳輸行為，進一步提高設計難度。因此工程師必須在設計前期透過多物理量模擬平台，預先評估製程變更帶來的應力風險，並針對玻璃基板特有的電訊號傳輸路徑進行優化，確保新材料在高頻高速應用下的結構可靠度與電性穩定性。

從Copilot小助手到加速建模與幾何處理

除了協助開發者克服AI晶片與AI伺服器的設計挑戰，新思科技也正致力於結合AI技術，把AI導入設計流程中，一方面加速建模與幾何設計的速度，一方面也讓用戶可以透過AI降低設計的門檻。

「實務上，其實最花時間的往往不是求解，而是前處理階段的幾何建模與網格（Mesh）處理。」陳建佑說。而透過搭載AI的工具就可以協助辨識幾何特徵，甚至能在一定程度上自動化運算區域的建立與前處理設定，減少人工操作所需的時間與經驗門檻。

以Ansys SimAI為例，系統可在前處理流程中提供幾何理解與建模輔助，並與網格生成工具協同運作，特別是長寬比差異顯著的微流道設計。

再者，就是把高精度模型（例如Fluent或Icepak）結合AI工具來做設計探索。系統會利用透過高精度模擬結果進行訓練（training），建立出代理模型或降階模型。有了這個模型，工程師就能快速預測不同設計參數下的熱行為，甚至輔助優化冷板的最佳外型設計方向或流量配置。讓設計優化的週期從幾天縮短到更即時的決策步調。

此外，新思科技正在導入Copilot的設計輔助工具，透過「專家引導」的互動，用戶可以用自然語言進行設定對話，降低模擬軟體的操作門檻，進一步擴展模擬技術在設計流程中的普及性。

從資料中心到3D晶片 Cadence以數位模擬突破熱管理瓶頸

Cadence揭示從資料中心到3D-IC的熱管理革命

「我們正處於一個轉折點，傳統的散熱規劃已無法支撐AI時代的需求，」Cadence資深技術行銷經理陳博瑋指出。

圖二 : Cadence資深技術行銷經理陳博瑋

因應此趨勢，Cadence提出兩大關鍵技術，一個是微觀層面的3D-IC熱電偕同模擬（E/T Co-Sim），另一個是從宏觀面的CFD數位孿生（Digital Twin）分析。這兩項技術不僅解決了散熱問題，同時也能優化「每瓦Token產出」能效。

數位分身平台重塑資料中心散熱思維

在資料中心領域，AI資料中心的快速發展正將相關基礎設施推向傳統規劃的極限。陳博瑋表示，當前的機架密度已相較於傳統資料中心提高了十倍之多，液冷技術也開始漸漸成為散熱應用的重要方案之一。

過去資料中心的規劃多半基於靜態的、預設「最壞情況（Worst-Case）」的假設進行設計。然而，AI工作負載的行為極其難以預測，這種傳統做法會導致嚴重的資源誤判。

首先就是過度配置，為了應付未知風險，企業投入過多冷卻資源，導致龐大的電力浪費與營運成本；再者就是營運風險難以量化，因為靜態模擬無法反映動態負載下的真實散熱盲點，可能導致局部過熱點引發系統宕機。

為了解決這些挑戰，Cadence推出了Reality數位孿生平台。陳博瑋強調，它不僅是一個可視化工具，也是一個深度整合CFD與AI技術的解決方案。

這項技術由透過物理訓練的AI代理模型驅動。不同於一般的數據預測模型，它理解熱流動力學與系統間的物理關聯。並透過將數位孿生模型與實體設施連動，管理者可以精準評估在哪裡部署新AI系統最有效率？或者如何擴展基礎設施？以及投資回報（ROI）的具體數值。

陳博瑋表示，這套方案是協助業者在滿足散熱安全的同時，達成運算能效的最大化，對經營超大規模資料中心（Hyperscale）的業者是非常重要的考量點。

3D-IC設計的散熱挑戰

位處熱源的最中心．也就是核心運算晶片，其散熱設計的挑戰則是更為嚴峻。特別是採用3D-IC堆疊技術的新一代先進封裝晶片。這種緊密的垂直堆疊會將熱能封鎖在晶片層次之間，形成「熱籠效應」。

在3D-IC結構中，多個裸晶（Die）垂直堆疊，雖然縮短了信號傳輸路徑，但也讓散熱路徑變得異常複雜。陳博瑋指出：「3D-IC設計中的散熱挑戰可能會導致效能指標無法達到預期，這對設計者而言是重大的技術風險。」

如果熱能無法有效導出，晶片將被迫降頻，甚至因熱膨脹不均導致結構損壞，這使得封裝初期的熱分析變得更為重要。

針對此問題，Cadence提出了熱電偕同模擬（E/T Co-Sim）技術。它能夠整合電源完整性與熱流分析之間的作業。以Voltus IC電源完整性解決方案為例，能分析高密度堆疊下的電源分布，確保每一層晶片都能獲得穩定的電壓供給；Celsius熱求解器則是業界首款針對複雜3D結構設計的熱分析方案，能精準模擬多層晶片的結構。

而在鍵結技術，如嵌入式微凸點（EμBumps）和晶圓間混合鍵結（W2WHB），也能分析其導熱性對整體溫升的影響。有效評估這種極高性能的鍵結技術在熱流傳導，可幫助工程師在設計初期即選擇正確的材料與架構。

在3D堆疊下，後端製程（BEOL）的佈線層同樣會受到熱能影響，改變其電氣特性。Cadence的技術也能針對多核RISC-V SoC的功能分區進行熱行為模擬，確保計算核心在高速運轉時，熱能分佈能保持相對均衡。

「決策必須有物理根據」陳博瑋強調。

他指出，無論是分析資料中心的冷風與液流，還是分析3D-IC內部的熱傳導，本質都是在處理複雜的多物理現象。Cadence的優勢在於能將這些複雜的物理方程，轉化為工程師與經營者可理解、可執行的決策依據。

結語

算力需求爆棚的今日，散熱技術的優劣直接決定了系統的穩定性與能源效率。從資料中心層級的動態液冷調度與數位孿生分析，到晶片層級的3D IC熱電偕同模擬，傳統的靜態與被動設計已轉向基於物理規律的即時預測與優化。透過這些多物理量模擬平台，不僅大幅縮短了設計驗證的週期，也確保了AI硬體在追求極致效能的同時，能兼具結構可靠度與永續的目標，為智慧時代的基礎建設奠定最堅實的冷靜後盾。