總是略偏高估的漏電流功耗。

半導體製程在進入180nm製程以下後，低功耗逐漸成為晶片設計不可忽略的重要技術。
 
晶片功耗粗略分為動態功耗和漏電流功耗兩部分，動態功耗與溫度無關，而與電壓、頻率、負載相關，可以透過電壓頻率調變來調整，例如晶片監控電路如果發現自身溫度過高，會降低電壓和頻率來減少散熱壓力。

漏電流功耗則相反，與頻率無關，與溫度呈指數關係，一旦因為某些原因致使溫度升高，漏電流功耗會跟著增大數倍；又當漏電流功耗劇烈增加，進一步導致晶片溫度升高。

一些運算系統操作在極端性能模式場景時，漏電流功耗甚至會高達總功耗的三至五成，更麻煩的是隨著製程不斷微縮，漏電流功耗愈趨嚴重，在整體功耗的占比愈來愈高，即使在效能模式下，漏電流功耗也無法降低。
 
既然漏電流功耗那麼嚴重，如何準確估算，並準備適當的散熱等應對措施應當是晶片設計的一大議題。
 
但與之其嚴重性相對的是，在估算漏電流功耗這方面，卻多半只是粗略估算，再搭配經驗常數倍率作為散熱標準，換言之，簡單略偏高估即可作為參考值。
 
基本上最有效減少漏電流功耗的方法還是盡速關閉電源，可是並非所有場景都適用，因爲從關閉電源到重新啓動的延遲時間相對較長，許多流程和設定都得重新配置和等待穩態，另外放置電源開關也需要額外成本，在此先不討論此方面做法。
 
以半導體製程中的標準元件爲例，除了眾所皆知的製程偏移外，其實漏電流功耗和元件處在什麼狀態有關，某一元件具備多個輸入接口時，將每個接口對應值排列組合後，對元件而言可能有高達數十種狀態，而每種狀態的漏電流當然也略有差異。

 
因此當我們想估算漏電流功耗時，最大問題是如何確定數以億計的每個元件的製程偏移、實際狀態及其對應漏電流功耗值。

 
事實上在粗略估算時，可以從資料庫中輕易找到各種類元件的漏電流功耗參考值，而且多半和其處在什麼狀態無關，一般來說該值來源和估算方式主要分為兩種：
一、 將所有狀態中具備最大漏電流功耗值者視為該元件的統計狀態，再乘上全晶圓平均製程偏移倍率常數。

二、 將所有狀態的漏電流功耗值加總後取加權平均值，再乘上全晶圓平均製程偏移倍率常數。

 
顯而易見，第一種方法會偏高估，不過好處是以此為參考值做散熱措施會比較安全；第二種方法相對精確一點，倒不是說每個元件真的大都處在漏電流功耗平均值的狀態，而是既然難以統計，乾脆就用平均值或稍作調整以加權平均做為參考，再乘上全晶圓平均製程偏移倍率常數亦是此概念。

 

目前主流估算方式比較偏向第二種，我不否認如此估算漏電流功耗時存在很多假設和簡化，然而這並不妨礙其參考值的有效性。

 
原因在於相同製程偏移下的相同種類元件處在不同狀態時，對應到的漏電流功耗值差異不大，故所謂粗略估算造成的誤差，只要不是犯下搞錯製程偏移和元件種類這種誇張錯誤，不太可能出現和實際值有動輒三成、五成甚至數倍這種數量級的落差。
 
所以在面對漏電流功耗這件事，以基本功耗模型再略偏高估的標準去準備散熱等應對措施即可，額外付出的物料成本並不高。
 
反之若想進行極限挑戰，非得一絲一毫絕對精確，首先必須具備精確估算的能力，其次是所能省下來的物料成本並不多，再把研發和時間成本考慮進去的話，恐怕會淪為標準的事倍功半、吃力不討好。
 
最糟的情況是，若出現估算失誤而以略偏低估去準備散熱等應對措施，由於散熱能力不足，漏電流功耗無法排除而不斷累積，從而形成一個溫度和功耗間的正回授，最終結果是晶片因過熱而無法工作，甚至導致產品毀損。
 
漏電流功耗的評估雖然稱不上困難，但想精確估算以進行極限挑戰也不是那麼簡單，不過於工程角度來看，縱使估算得不是很精確，總是略偏高估，只要額外付出的整體成本划算，又有何不可呢？