在人工智能與高性能計算迅猛發展的今天，全球算力需求呈現爆發式增長，而隨之而來的能耗問題已成為制約行業可持續發展的關鍵瓶頸。

算力爆發的背后：日益嚴峻的能耗挑戰

根據中國信通院《綠色算力發展研究報告》（2025）數據顯示：2025至2030年間，全球數據中心累計IT設備負載將新增106GW，年均增長達17.7GW。這一數字背后，是AI服務器作為核心驅動力所帶來的巨大能源壓力。

為更直觀地理解這一規模，王琦博士做了一個生動的類比：中國三峽水電站的總裝機容量約為22.5GW。這意味著，年均新增的17.7GW負載，相當于每年需新增近0.8個三峽水電站的發電能力；而規劃期內全部新增負載，則需近5個三峽電站滿負荷運行才能滿足；若以核電為參照，一個典型核電機組的功率約為1GW，那么每年新增負載相當于需新建17至18臺核電機組。

在微觀層面，單次AI請求的耗電量同樣令人震驚。一次標準Google搜索耗電約0.3Wh，而一次AI驅動的Google搜索耗電高達8.9Wh，提升近30倍（中國信通院《綠色算力發展研究報告》（2025））。王琦指出：“這還只是開始。當前AI系統的能效，距離人類智能的‘節能水平’仍有巨大差距。”

芯片功耗的急劇攀升：從300W將到2000W的挑戰

隨著制程工藝與架構迭代，AI/HPC加速芯片的熱設計功耗持續攀升。據SemiAnalysis數據，該類芯片的TDP（Thermal Design Power，熱設計功耗）從2017年的約300W迅速增長至1400W，未來很可能突破2000W。英偉達、AMD等廠商的產品均呈現相同趨勢。

以英偉達H100 GPU為例，其TDP達700W，而新一代GPU產品功耗提升至1400W。相比之下，CPU的功耗增長較為平緩。一般家用蒸汽電熨斗的功耗通常在1000瓦到2500瓦之間，取中間值則是1500瓦。也代表新一代GPU的功耗水平已接近家用電器如電熨斗的功耗水平，這迫使數據中心必須采用液冷等先進散熱方案。

功耗問題不僅是技術問題，更是商業戰略問題

在算力爆發的時代，芯片功耗問題已經超越了傳統意義上的技術范疇，演變為影響企業核心競爭力的戰略要素。王琦博士對此有著深刻的洞察，他將高功耗帶來的挑戰系統性地歸納為三個關鍵維度：

技術維度：物理極限的嚴峻挑戰。隨著制程工藝的不斷演進，芯片面臨的功耗挑戰呈現出三重技術困境：動態功耗呈指數級增長，電源管理復雜度急劇上升，散熱方案逐漸逼近物理極限。迫使整個行業轉向液冷等更先進的散熱方案。然而，這僅僅是治標不治本的應對之策。

商業維度：市場競爭力的直接威脅。在商業層面，功耗問題直接轉化為企業的經營壓力。過高的功耗導致產品在能效比這一關鍵指標上失去競爭力，制造成本因需要復雜的電源管理和散熱系統而大幅攀升，更重要的是，為了解決功耗問題而延長的開發周期直接影響了產品的上市時間。

戰略維度：發展路徑的根本抉擇。王琦博士表示：“當前行業中‘重散熱、輕能效’的做法，就像發燒了就吃退燒藥，咳嗽就用止咳藥，只解決表面癥狀而不究其根本。而我們應該學習中醫思維，注重系統調理，從設計源頭控制功耗。”

這種理念的差異反映了企業在技術路線上的戰略選擇。是繼續沿著“高功耗-強散熱”的老路艱難前行，還是轉向“源頭控制、系統優化”的新路徑，這已經成為一個關乎企業長遠發展的戰略決策。

功耗設計流程的三大瓶頸

在深入分析行業痛點的基礎上，王琦博士指出了當前芯片設計流程中存在的三個根本性瓶頸，這些瓶頸嚴重制約了功耗優化工作的效率和效果。

瓶頸一：優化窗口的時效性困境。“功耗優化必須宜早不宜遲”，這是他反復強調的核心觀點。當前行業中普遍存在的誤區是將功耗優化工作后置，待到設計后期甚至流片前才著手解決。然而，功耗優化的效果與介入時機密切相關。一旦錯過早期優化窗口，后續能夠采取的優化措施將極其有限，效果也會大打折扣。

瓶頸二：分析效率的工程學挑戰。精度功耗分析嚴重依賴后仿真的完成，這個過程通常需要數天甚至數周時間。以一個中等規模的AI芯片設計為例，完成一次完整的后仿真可能需要2-3周時間，期間需要處理數十GB的波形文件，消耗大量的計算資源。這種漫長的分析周期嚴重制約了設計迭代的速度，使得工程師難以及時獲得反饋并進行優化調整。

瓶頸三：工具生態的協同性難題。現代芯片設計流程中使用的工具鏈存在割裂現象。各個設計階段使用不同的工具和功耗模型，數據格式不統一，信息傳遞不暢。這種割裂導致設計團隊需要在不同工具間進行頻繁的數據轉換和驗證，不僅大幅增加了工作量，還引入了額外的誤差風險。更重要的是，這種碎片化的工具生態使得全局性的功耗優化難以實施。

英諾達的破局之道：全流程協同的解決方案

面對以上瓶頸，英諾達提出了“前端介入、全程協同”的解決方案。EnFortius?凝鋒?系列低功耗EDA工具。實現在架構設計、RTL編碼等早期階段就開展功耗優化工作。

其中，EnFortius? RTL Power Explorer（ERPE）能夠在設計早期自動識別功耗優化機會，實測可幫助客戶降低動態功耗；而EnFortius? Gate-level Power Analyzer（EGPA）通過創新的波形重放功能，將功耗分析周期從數周縮短至數小時，同時保證精度在簽核工具的3%以內。

這種全流程的協同優化模式，不僅解決了各個階段的具體問題，更重要的是建立了貫穿始終的功耗優化體系，使功耗管理從被動應對轉變為主動規劃，從局部優化升級為系統優化。

正如王琦博士所言：“我們正在推動一場芯片設計方法的革命——從依賴個人經驗的藝術，轉向基于數據驅動的科學。”這場變革的核心，就是要打破傳統設計流程中的壁壘，實現功耗優化的前置化、系統化和智能化。

除此之外，英諾達曜奇?系統驗證云平臺(EnCitius? System Verification Studio)，該平臺具備以下特點：基于Palladium Z1/Z2/Z3硬件仿真系統構建，其總仿真容量超100億門，單設計最大容量達46億門；提供PCIe、CXL、USB、Video、Ethernet等各類接口板；數據加密傳輸、物理隔離、專業防火墻保障客戶設計安全。

同時，他還介紹說，該平臺不僅提供仿真資源，更與EnFortius工具鏈深度融合，實現“基于硬件的功耗驗證閉環”，為功耗分析提供準確的信號活動信息，助力客戶在早期完成架構優化與功耗調優。

結語：AI算力發展正從“粗放階段”走向“精細時代”

在王琦看來，AI算力發展正從“大力出奇跡”的粗放階段，轉向“高能效、高智慧”的精細時代。“唯有從設計源頭系統性地解決功耗問題，才能真正突破大算力時代的能效瓶頸。”

英諾達以“性能優先”為突破點，通過工具鏈與云平臺的雙輪驅動，正逐步贏得國內先進設計公司的認可。王琦總結道：“我們不一定能在所有點上超越國際巨頭，但我們可以在關鍵路徑上做得更快、更早、更聰明——這正是國產EDA的價值所在。”

責編：Clover.li