SoC热管理别只看平均结温

同样的芯片平均功耗，会因任务位置不同产生完全不同的局部温度。SoC热管理若只看单点结温，热点迁移和传感器滞后会让降频总慢一步。

热点不是固定落在最高算力单元上。CPU整数核、GPU着色阵列、NPU乘加单元和片上缓存按任务阶段轮流活跃，热量又通过硅片、金属层与封装横向扩散。一个计算簇停止后，其温度仍可能继续上升，因为邻近单元和下层互连的热量正在到达；随后任务迁移到另一区域，两个热源的扩散尾巴会叠加。平均功耗相同，空间与时间排布不同，峰值温度便不同。

物理布局决定耦合强度。高功耗宏单元靠近模拟块、锁相环或高密度存储时，局部温升不仅压缩逻辑时序，也可能增加时钟抖动和存储保持风险。封装导热界面厚度、翘曲和散热器接触压力存在离散，实验样片的热图不能直接代表量产最差件。早期评估应使用空间功率图和瞬态热模型，而不是把整片功耗均匀铺开后只求一个热阻。

调度可以利用热时间常数，但不能把任务轮转等同于降温。短时在多个计算簇间迁移能分散局部热流，迁移开销、缓存失效和互连流量却会增加总能量；轮转周期太短，数据搬运抵消收益，太长又来不及压住峰值。应以热点温度上界和每项任务截止期共同选择，并在封装最差热阻、环境高温和持续满负载下验证，而非只看室温跑分。

热模型还要跟随封装和系统条件更新。相同裸片装入不同基板、盖板或无风扇外壳后，主导散热路径可能从顶部转向焊球与电路板；风扇转速和积灰又会改变边界条件。若控制参数只来自开放式评估板，整机中热点幅值与延迟都会偏离。量产标定可按封装料号和散热组件分组，并用少量可观测功率阶跃核对模型残差，超出范围时采用更保守档位。若残差随老化持续扩大，还应触发维护告警，而非自动放宽温度限制，并保留降额发生时的负载记录。

温度传感器观察到的也不是即时热点。二极管或数字温度单元与真正热源有物理距离，热传播带来相位滞后，采样与滤波又增加延迟；若控制器等读数超过阈值才大幅降频，实际热点可能已经越界。反过来，降频后传感器仍继续升温，控制器若误判动作无效再度加码，会造成过度降额，随后又因恢复过快形成频率振荡。

SoC温控应结合温度值、上升斜率和当前功率状态。用模型预测短期热点可提前减载，但模型参数依赖封装、传感器位置和工作负载，不能把单一系数烧进所有产品。多传感器融合需要校准固定偏差，并对故障读数设合理性检查；简单取最大值很保守，却可能被一颗漂移传感器长期拖低性能。恢复阈值应低于触发阈值，给热回路足够滞回。

硅后校准要把片上传感器与红外、热电偶或校准热源对应，并考虑表面测量与硅内热点不在同一层。通过功率阶跃测得响应曲线，可估算延迟和增益；再改变任务映射，检查同一传感器能否覆盖不同热点。异常验证还应模拟传感器卡值、跳变和通信超时，确认控制器会进入受限但稳定的功率档，而不是因缺少温度数据继续满速运行。

所以，热控制必须跟踪热点在哪里、读数落后多久。把空间耦合纳入调度，把传感器动态纳入控制，SoC才能在不过度降频的前提下守住局部温度。