一、功耗基础：GPU功耗的物理本质与关键指标（TDP、TGP、瞬时功耗）

各位同学，咱们今天聊聊GPU功耗这件事。说实话，功耗问题是我这些年做架构设计时最头疼、也最绕不开的话题。你想想看，一块GPU芯片，性能再强，如果功耗压不住，那就是一块废铁。我见过太多项目，前期只顾堆算力，最后散热搞不定，只能降频跑，白白浪费了设计心血。

1.1 功耗的物理本质：能量去哪儿了？

GPU功耗，说白了就是芯片在工作时消耗的电能。这些电能大部分转化成了热量。嗯，这里要注意，不是所有电能都变成热量，但99%以上确实是。我经常跟团队说一句话：「你给GPU喂多少电，它就得吐出多少热，这是物理定律，逃不掉的。」

从物理层面看，GPU功耗主要来自三个部分：

• 动态功耗：这是大头，占70%-80%。每次晶体管开关，电容充放电，都会消耗能量。公式是 P = αCV²f，α是翻转率，C是负载电容，V是电压，f是频率。我在项目中遇到过，光是把电压从1.0V降到0.9V，功耗就能降将近20%。
• 静态功耗：也叫漏电流功耗。晶体管关断时，总会有微弱的电流漏过去。工艺越先进，漏电越严重。7nm以下制程，静态功耗占比能到20%以上。
• 短路功耗：开关瞬间，PMOS和NMOS同时导通，形成短暂的短路电流。这部分占比很小，通常忽略不计。

1.2 TDP：热设计功耗，散热器的「设计基准」

TDP，全称Thermal Design Power。很多人以为TDP就是GPU的实际功耗，其实不是。TDP是给散热系统设计用的参考值。它代表的是：在典型负载下，GPU产生的热量需要被散热器带走的能力。

我个人习惯把TDP理解为「散热器的设计目标」。比如一块GPU标称TDP 250W，意思是你得配一个能散掉250W热量的散热器，才能保证它在典型场景下不降频。

但这里有个坑——TDP不是最大功耗。我见过不少工程师，看到TDP 250W，就以为GPU最多只吃250W。错了。实际跑起来，瞬时功耗可能冲到300W甚至更高。我曾经在测试一个AI训练场景时，GPU的瞬时功耗飙到了TDP的1.4倍，散热器直接报警。

1.3 TGP：总图形功耗，更真实的「功耗账本」

TGP，Total Graphics Power。这个指标比TDP更贴近实际。它包含了GPU核心、显存、电压调节模块等所有图形相关组件的总功耗。NVIDIA从RTX 30系列开始大力推广TGP，原因很简单——TDP被厂商玩坏了。

你想想看，以前厂商报TDP，有的报核心功耗，有的报整卡功耗，标准不统一，用户根本没法比。TGP的出现，算是把账算清楚了。比如RTX 4090的TGP是450W，这450W就是整张显卡在典型游戏负载下的总功耗。

指标	含义	典型用途	我的经验
TDP	热设计功耗	散热器设计基准	偏保守，留余量
TGP	总图形功耗	整卡功耗参考	更真实，但仍有波动
瞬时功耗	毫秒级峰值	电源/电容设计	最容易被忽略

1.4 瞬时功耗：那个「看不见的杀手」

瞬时功耗，也叫峰值功耗或瞬态功耗。它指的是GPU在极短时间内（毫秒甚至微秒级）的功耗尖峰。为什么说它是杀手？因为电源和电容的设计，往往就是被这个尖峰逼死的。

我举个例子。你有一块TGP 300W的GPU，平时跑游戏很稳。但当你打开一个大型3A游戏，或者启动一个AI模型推理时，GPU核心会在几毫秒内从空闲状态切换到满载状态。这时候，电流会突然飙升，功耗可能瞬间冲到400W甚至更高。

为什么会这样？因为GPU内部有成百上千个计算单元，它们同时被唤醒，同时开始工作。这种「同步唤醒」效应，会产生巨大的电流冲击。我曾在项目中遇到过，因为瞬时功耗没处理好，导致电压跌落超过10%，GPU直接黑屏重启。

1.5 三个指标的关系：怎么用？

好了，三个指标都讲完了。那在实际工作中，怎么用它们？我总结了一套自己的方法：

1. 选散热器，看TDP。 TDP是散热设计的底线。散热器的散热能力必须大于TDP，最好留20%余量。
2. 算整机功耗，看TGP。 做电源选型、整机功耗预算时，用TGP做基准。比如你要配一个1000W的电源，TGP 450W的显卡，加上CPU和其他外设，差不多刚好。
3. 做电源滤波，看瞬时功耗。 这是最容易被忽略的。我建议在GPU的供电输入端，加足够的去耦电容，用来吸收瞬时尖峰。电容的总容量，可以参考瞬时功耗的峰值和持续时间来算。

最后说一句，功耗这件事，没有「一劳永逸」的解决方案。不同场景、不同负载、不同工艺，功耗表现都不一样。我做了十几年GPU，到现在也不敢说完全摸透了。但只要你理解了这三个指标的本质，再结合实测数据，就能把功耗问题控制在可控范围内。

下一章，咱们聊聊功耗的测量方法。到时候我会分享一些实测中的小技巧，包括怎么用示波器抓瞬时功耗、怎么校准测量误差。嗯，这些可都是实战经验，外面学不到的。