二、热传导基础：傅里叶定律、热阻与热容、热传导方程

各位同学，咱们今天聊点硬核的。热传导，说白了就是热量怎么在芯片里「跑」起来的。我刚开始做NPU热设计那会儿，总觉得这玩意儿是物理学家的事，跟我一个搞芯片的有什么关系？直到第一次看到仿真报告里温度飙到120度，我才意识到——不懂热传导，你连芯片怎么死的都不知道。

2.1 傅里叶定律：热量传递的「交通规则」

傅里叶定律，名字听着挺唬人，其实道理很简单。它告诉我们：热量传递的速度，跟温度差成正比，跟距离成反比。用公式写出来就是：

q = -k · ∇T

这里：

• q 是热流密度，单位 W/m²，可以理解为「热量流量」
• k 是导热系数，单位 W/(m·K)，代表材料导热能力
• ∇T 是温度梯度，说白了就是温度变化的「陡峭程度」

那个负号是什么意思？嗯，热量永远从高温往低温跑，就像水往低处流一样自然。我在项目中遇到过一位同事，死活不理解为什么散热片要贴紧芯片——他以为空气导热也挺好的。结果呢？芯片温度直接飙到105度，差点触发热保护。

2.2 热阻与热容：芯片的「电阻」和「电容」

搞电子的同学对电阻电容肯定不陌生。热阻和热容，其实就是它们的「热学版本」。我个人习惯把热阻想象成「热量流动的阻力」，热容则是「材料储存热量的能力」。

2.2.1 热阻（R_th）

热阻的定义很简单：

R_th = ΔT / P

其中：

• ΔT 是温差（K 或 °C）
• P 是热功率（W）

单位是 K/W 或 °C/W。数值越小，说明热量越容易通过。举个例子，NPU芯片的结到壳热阻（R_jc）通常在 0.1~0.5 K/W 之间。我曾经见过一款芯片，R_jc标称0.3 K/W，结果实测0.8——嗯，那批货直接退货了。

2.2.2 热容（C_th）

热容决定了芯片温度变化的「惯性」。公式是：

C_th = m · c_p

其中：

• m 是质量（kg）
• c_p 是比热容（J/(kg·K)）

热容越大，温度变化越慢。这就像大卡车和小轿车——大卡车（高热容）加速慢，但一旦跑起来，减速也慢。NPU芯片的硅衬底热容大概在 700 J/(kg·K) 左右，铜散热片则是 385 J/(kg·K)。

材料	导热系数 k (W/m·K)	比热容 cp (J/kg·K)	密度 ρ (kg/m³)
硅（Si）	148	700	2330
铜（Cu）	401	385	8960
铝（Al）	237	897	2700
导热硅脂	3~8	—	—

2.3 热传导方程：温度场的「天气预报」

好了，有了傅里叶定律、热阻和热容，我们就能写出热传导方程了。它长这样：

ρ · c_p · ∂T/∂t = ∇ · (k · ∇T) + Q

别被符号吓到，咱们拆开看：

• ρ · c_p · ∂T/∂t：左边是「温度变化率」，代表热量积累
• ∇ · (k · ∇T)：右边第一项是「热扩散」，热量从高温往低温跑
• Q：右边第二项是「热源」，比如NPU核心的功耗

说白了，这个方程就是在说：积累的热量 = 流进来的热量 + 自己产生的热量。是不是跟电路里的基尔霍夫电流定律很像？

2.3.1 稳态 vs 瞬态

实际工程中，我们分两种情况处理：

• 稳态分析：∂T/∂t = 0，温度不随时间变化。适合评估芯片满载时的最高温度。
• 瞬态分析：∂T/∂t ≠ 0，温度随时间变化。适合分析开机、负载跳变等场景。

我个人习惯先做稳态分析，看看「最坏情况」能不能扛住。如果稳态都过不了，瞬态就不用看了。但有一次，一个NPU项目稳态仿真显示温度才85度，结果实际测试时一跑AI推理任务，温度瞬间冲到95度——原来是瞬态响应太慢，散热系统来不及反应。从那以后，我每次都会加上瞬态分析。

2.4 小结：从理论到实战

这一章的内容，说白了就是三件事：

1. 傅里叶定律告诉你热量怎么流
2. 热阻和热容告诉你热量流得有多「费劲」、芯片「存」了多少热
3. 热传导方程把前两者结合起来，告诉你温度场长什么样

你想想看，没有这些基础，你怎么设计散热方案？怎么选散热片？怎么判断要不要加风扇？嗯，下一章我们就开始实战——用这些理论去解决NPU芯片的散热问题。