算力狂飆、散熱失速：Synopsys 如何看 AI 重寫晶片到系統的設計規則？

TechOrange 科技報橘 · Aug 12, 2026

AI 的爆炸式成長，正在把晶片設計推向前所未有的複雜程度，從邊緣端的即時推理，到 AI 工廠裡的大規模運算，龐大的算力需求同時牽動了運算、記憶體與互連整合的全面創新。然而，在這波狂飆之中，限制效能的已不再只是算力本身，而是散不掉的「熱」。 根據 EDA 巨頭 Synopsys（新思科技），AI 晶片的熱設計功耗（TDP）已來到 700 至 1500 瓦，晶片表面的熱源密度高達每平方公分 300 至 500 瓦，而一座 AI 資料中心，更有超過 30% 的電力是花在散熱上。這是新思科技在近日媒體分享會上點出的產業痛點。這道痛點背後，是三股同時襲來的壓力：晶片複雜度陡增所帶來的全新失效挑戰、已蔓延到整個系統層級的散熱難題，以及 AI 狂飆下始終補不齊的工程人力。 複雜度陡增，帶來新技術也帶來新的失效挑戰 為了餵飽 AI 的算力需求，晶片正大量走向多晶片堆疊。Synopsys 亞太區應用工程副總裁 Padmesh Mandloi 指出，如今 HBM 高頻寬記憶體的堆疊，已從 12 層、14 層，一路疊到高達 18 層，晶片之間的互連密度也隨之陡增。這固然帶來許多新技術，卻也同時製造出許多關於「失效（failure）」的新挑戰；更棘手的是，這樣的堆疊會在熱能、應力、電磁等多個物理場之間，製造出複雜的交互作用。 在 Mandloi…