GPU封装功耗冲向15kW，服务器先改电和热- 大数跨境

半导体产业报告

2026-09-09

导读：GPU越往上堆，服务器越先被电流、热量和焊点拦住。

随着 GPU 算力堆叠，服务器系统正面临电流、热量及焊点可靠性的严峻挑战。GPU 封装功耗曲线日益陡峭：Blackwell Ultra 2025 约为 1,400W，而 2032 年一代预计高达 15,360W。芯片间距缩短虽提升了带宽并降低了时延，但也对供电、散热、BGA 封装及 PCB 的抗振与装配能力提出了更高要求。AI 服务器的竞争焦点，已从单一芯片性能转向整机系统工程。

01 | GPU 走向机架，系统瓶颈同步转移

AI 加速器不再局限于单颗 GPU，计算 Die、HBM 与 I/O 日益紧密，带动板卡、托盘（Tray）及机架（Rack）协同升级。板卡负责电流传输，托盘承担冷却任务，机架则需统筹网络与供电。若任一层面失衡，前端芯片的性能增益将被整机系统吞噬。

五年间，每 PFLOP 的总拥有成本（TCO）下降近 7 倍，单位算力成本降低，但基础设施压力剧增。云厂商在获取更强芯片的同时，也接手了更重、更热、更难部署的系统组件。算力价格下行的背后，是服务器电力、散热及装配成本的显著上升。

02 | 芯片互连加密，封装误差被放大

I/O 带宽约每三年翻倍，信号加速压缩了封装与 PCB 的损耗预算。互连间距从 BGA 的<1000μm、C4 的<150μm，进一步压缩至 2.5D 的<50μm 和 3D 的<10μm。距离缩短虽优化了带宽与时延，却给制造端带来了更多层数、更大基板、更窄互连及更难控制的翘曲挑战。

基板面积在 2-3 年内增长约 3 倍，良率、装配及可靠性压力随之倍增。技术演进路径主要包括：

封装层：向 CoWoS-L、EMIB-T、玻璃基板及 Si Bridge 演进；
板卡层：引入类基板 PCB（Substrate-like PCB）及嵌入式芯片 PCB；
系统层：应用垂直供电（Vertical Power Delivery）及共封装光学（CPO）。

CPO 技术需在单一封装空间内协调 UCIe、3D 组件、存储及共封装光学模块。芯片越密集，电气、机械、热学与光学边界之间的相互牵制越明显。

03 | 电源架构简化，冷却介质逼近硅片

功耗激增推动系统设计加速变革。数据中心用电量预计从 2026 年的约 500TWh 翻倍至 2030 年的 1000TWh，其中 AI 将占据新增电力需求的 64%。GPU 封装功耗将从 2026 年的约 1,400W 升至≥2,300W，机架侧液体流量需求也从 200LPM 推高至 400LPM。

800V DC 架构通过集中转换替代多级 AC/DC 往返，旨在将端到端效率从 90%-92% 提升至 98.5% 以上，以支撑 100kW 至 1MW 的机架功率。减少转换次数可降低线缆、保护器件及热损耗，但电流仍需精准送达封装，热量需从硅片附近高效导出。

冷却路径从带盖封装、无盖封装、集成冷板，逐步演进至直触芯片冷却（Direct Die Cooling）及芯片内冷却；导热界面材料（TIM）也从聚合物升级为金刚石/碳化硅键合 TIM。冷却系统不再仅服务于机房环境，而是深度嵌入封装结构内部。

04 | BGA 尺寸激增，焊点承受多重应力

超大 BGA 封装将机械可靠性问题带回系统现场。大型 ASIC、GPU 及交换芯片封装尺寸常达 55-130mm，焊球数量超 2000-6000 个。封装越大，离中性点越远，刚性越高；Die、基板与 PCB 间的热膨胀系数（CTE）失配，会将热循环转化为剪切应变。

数据中心环境为 BGA 引入了多种外部应力：

重型散热器与冷板对封装施加持续压力；
厚多层服务器 PCB 改变板级弯曲特性；
高速风扇引发持续振动；
机架插拔与维护操作带来反复加载力。

板级测试标准随之拓宽：振动测试覆盖 10-2000Hz、1-10g RMS，每轴约 1 小时；冲击测试包含 3G-6G 运行冲击及 10G-25G 非运行冲击。失效点常出现在角球焊点疲劳、PCB 焊盘坑裂、界面断裂、基板线路开裂及分层。芯片尺寸越大，失效越易从板角和界面处萌发。

05 | 传统单点测试失效，多物理场耦合成常态

高功率系统将热热点、电流路径、应力集中、光互连及化学材料置于同一失效环境中。AI 负载带来的瞬态电流，低频类似传统疲劳，高频则出现浪涌电流。仅针对单一失效机制进行测试，极易遗漏多载荷叠加后的损伤累积。

电阻值亦非恒定。电流路径不同，仿真与实测电阻可从约 3.7mΩ降至 1.1mΩ，路径设计直接决定量测结果。电磁迁移（EM）判据也随之波动：总电阻上升 10% 时，约 5% 的变化可能源自焦耳热。若简单沿用 10%-30% 作为统一失效阈值，可能导致对真实损伤的高估或低估。

失效对象已从 BGA 焊点、重布线层（RDL）及底部填充胶，延伸至 TSV、后端制程（BEOL）、HBM 堆栈及光子器件。测试方法需转向基于物理判据、耦合载荷及计算辅助评估。AI 服务器可靠性不能依赖整机故障后的归因，必须提前将电、热、力纳入同一评估体系。

结语 | 服务器需率先适配更大芯片

随着 AI 芯片密度持续增加，封装厂、板厂、整机厂及数据中心运维方需更早协同设计。GPU 封装功耗攀升后，电源架构、冷却路径、BGA 焊点、PCB 材料及测试判据均面临重构。芯片可将 Die 放得更近，但服务器必须解决电力输送、热量导出及焊点稳固等基础工程问题。算力的稳定交付，最终取决于这些看似传统的工程细节。

【声明】内容源于网络

半导体产业报告

1234

内容 604

粉丝 1

半导体产业报告 1234

总阅读33.0k

粉丝1

内容604