© 2023-2026 上海数据发展科技有限责任公司 版权所有
沪ICP备17003045号-15沪公网安备31010402336585号
中昊芯英（杭州）科技有限公司
企业中昊芯英（杭州）科技有限公司围绕相关业务开展运营。面向芯片可靠性评估、老化测试优化、硬件热管理等领域提供数据服务，开放长期老化趋势数据（芯片可靠性评估、老化测试优化）、热应力风险回归预测训练数据（硬件热管理、回归预测）、温度预测训练数据（硬件热管理、水温预测建模），支撑模型训练与算法优化。
芯片可靠性评估老化测试优化硬件热管理
数据集列表
芯片动态功耗性能比数据
本数据为企业提供了衡量芯片动态能效的综合指数，不仅考虑单位动态功耗产生的吞吐量，还结合了动态功耗在总功耗中的占比，更全面地反映芯片在活动状态下的能效表现。芯片设计公司可通过该指数优化动态功耗管理策略（如动态电压频率调节），在高动态功耗占比的场景下优先提升动态能效。系统集成商可在移动设备、电池供电设备等场景中，依据该指数选择能效最优的芯片，尤其适用于动态功耗主导的负载。该指数与总功耗能效（FPS/W）形成互补，帮助企业从不同维度评估芯片能效，精准定位优化方向。1.加工前的数据说明
原始数据包含吞吐量（FPS）反映芯片的实际处理速度，动态功耗（W）和漏电功耗（W）分别代表活动功耗与静态功耗。动态功耗性能比（吞吐量/动态功耗）反映了动态功耗的利用效率，而动态功耗在总功耗中的占比反映了芯片功耗构成的特征。将两者结合，可以构建一个更全面反映芯片在活动状态下能效表现的综合指数。
2.处理规则
芯片运行时的总功耗=动态功耗+漏电功耗；动态功耗占比=动态功耗/总功耗；芯片动态功耗性能比=(吞吐量/动态功耗)×(1+动态功耗占比)。
该指数将动态功耗的利用效率与动态功耗在总功耗中的权重相结合：当动态功耗占比较高时，指数会相应放大，体现动态能效在整体功耗中的主导作用；当动态功耗占比较低时，指数趋近于动态功耗性能比本身，避免高估。数值越大，表示芯片在动态功耗主导的场景下能效越高。
3.数据内容描述
“芯片动态功耗性能比”是一个综合指数（无量纲），反映了芯片在活动状态下的综合能效。高指数（如大于50）表示芯片动态功耗利用效率高且动态功耗占主导，适合持续高负载场景；低指数则可能意味着动态能效较低或漏电占比较大。企业可根据该指标进行芯片选型、电源策略优化及负载分配，实现能效最大化。
浙江省数据知识产权登记平台2026-08-06 更新30
动态功耗密度数据
本数据用于封装散热设计、PCB布局规划以及系统级热仿真。封装工程师可依据动态功耗密度指数和等级，评估芯片在满负荷运行时的单位面积热流密度，指导封装材料选择（如高密度封装需采用导热系数更高的基板）和散热器选型；PCB设计人员可根据此数据规划芯片在板上的布局，将高密度芯片分散放置或靠近风道；系统热仿真工程师可将此指标作为边界条件，精确模拟整机温度场，避免局部过热。一、加工前的数据说明
原始数据包含“静态电流(mA)”、“实际工作电压(V)”、“最高工作频率(MHz)”三个字段，用于计算动态功耗密度指数。其中：静态电流反映芯片的基础负载，电压与电流乘积为静态功耗；最高工作频率用于估算动态功耗的比例，频率越高，动态功耗占比越大。将静态功耗与频率归一化系数结合，可估算满负荷下的总功耗密度。数据集中还包含“最低工作电压(V)”、“时钟抖动(ps)”、“高温漏电流(μA)”、“低温漏电流(μA)”、“压裕度系数”、“热应力敏感度”、“时钟信号纯度”等字段，这些字段为辅助分析维度，不参与动态功耗密度指数及等级的计算。
二、处理规则
数据清洗：对原始数据进行去重、剔除超出物理阈值的异常值（如电压、电流为负），并对缺失值采用剔除方式处理，确保数据完整性与有效性。
计算动态功耗密度指数：
静态功耗=静态电流×实际工作电压（单位：mW）；
频率归一化系数=最高工作频率÷2000；估算动态功耗=静态功耗×频率归一化系数；
动态功耗密度指数=估算动态功耗÷10；（通过固定缩放因子将数值映射至便于分级比较的区间）
公式为：动态功耗密度指数=静态电流×实际工作电压×(最高工作频率÷2000)÷10
该计算方法的创新之处在于：将芯片的静态功耗特性与动态频率指标耦合，通过归一化系数构建了一个综合反映满负荷下发热强度的简化模型，避免了复杂的动态功耗仿真，可直接用于工程快速评估。该指数已被应用于多款芯片的散热方案设计中，验证了其有效性和实用价值。该指数数值越小，表示芯片在满负荷运行时的功耗密度越低，散热需求越简单。
根据指数大小划分等级：指数≤0.8为“低密度”；0.8<指数≤1.5为“中密度”；指数>1.5为“高密度”。
三、数据内容描述
动态功耗密度指数反映了芯片在满负荷工作时的单位面积发热强度，数值越低表示芯片在同等性能下产生的热量越少，散热方案越简化。低密度等级芯片适合用于紧凑型设备或被动散热场景，可降低散热成本；中密度等级芯片适用于常规风冷设备，需搭配标准散热片；高密度等级芯片发热集中，需要主动散热或液冷方案，适合用于高性能计算或对散热设计有充分余量的系统。该指标为热设计提供了芯片级别的量化依据。
浙江省数据知识产权登记平台2026-07-30 更新60
微处理器电压稳定性风险数据
本数据对外部企业具有多重应用价值：微处理器生产测试环节可通过实时分析电压波动特征自动判定稳定性等级，对异常波动产品触发复检流程并生成质量报告；芯片采购商可依据电压稳定性分布评估供应商产品质量，辅助供应商筛选与验收决策；设计方可利用稳定性数据优化电压裕度设计与热应力管理，提升产品可靠性；行业可基于该数据建立微处理器电压稳定性基准，促进设计方与制造方的工艺参数协同优化。一、加工前的数据说明
原始数据为微处理器芯片在量产测试阶段采集的多维性能参数，包含实际工作电压(V)、最低工作电压(V)、静态电流(mA)、最高工作频率(MHz)、时钟抖动(ps)、高温漏电流(μA)、低温漏电流(μA)、压裕度系数、热应力敏感度、时钟信号纯度共10个特征字段。数据为非同一采集源、非时间序列的结构化测试记录。
二、处理规则
数据清洗：对原始数据进行去重、剔除超出物理阈值的异常值（如电压为负、漏电流超过器件极限），并对缺失值采用剔除方式处理，确保数据完整性与有效性。
评分算法：电压稳定性等级评分=(实际工作电压−最低工作电压)×0.5+压裕度系数×0.5。该评分综合反映芯片的电压波动范围与设计裕度，评分越高表示电压稳定性越好。
等级划分：按评分≥1.5分为优秀、≥0.8且<1.5分为良好、<0.8分为风险三级。
三、数据内容描述
清洗后的数据集共1001条记录，包含10个原始特征字段，并新增“电压稳定性等级评分”与“电压稳定性等级”两列。该指标可用于识别电压裕度不足的器件，辅助可靠性评估与失效风险预警。
浙江省数据知识产权登记平台2026-07-22 更新90
温频协同性能数据数据
本数据用于移动设备、笔记本电脑、服务器等需要在动态温度和电压条件下保持高性能的场景。系统热管理工程师可依据温频协同指数和等级，评估芯片在温度变化时的频率稳定性，指导动态电压频率调整（DVFS）策略优化；芯片设计厂商可据此分析产品在升温和降压条件下的性能衰减特性，改进热设计和电源管理单元；整机厂商可将此指标作为散热方案与芯片性能匹配度的评估依据，避免因温度升高导致性能大幅下降而影响用户体验。一、加工前的数据说明
原始数据包含“实际工作电压(V)”、“最低工作电压(V)”、“最高工作频率(MHz)”、“热应力敏感度”四个字段。实际工作电压与最低工作电压的差值反映芯片的电压余量，余量越大，在温度升高时维持频率的能力越强；最高工作频率代表芯片的峰值性能；热应力敏感度量化芯片性能随温度变化的敏感程度，数值越小表示芯片在温度变化时性能越稳定。
二、处理规则
计算温频协同指数：
计算电压余量率=(实际工作电压−最低工作电压)÷最低工作电压，该值越大表示芯片在电压下降时仍有充足余量。计算归一化频率=最高工作频率÷1000，将频率缩放到千兆赫兹量级。
将电压余量率乘以归一化频率，再除以热应力敏感度，最后乘以100进行放大。公式为：温频协同指数=(实际工作电压−最低工作电压)÷最低工作电压×(最高工作频率÷1000)÷热应力敏感度×100。
该指数数值越大，表示芯片在温度变化时保持高性能的能力越强。根据指数大小划分等级：指数≥15为“优”，8≤指数<15为“良”，指数<8为“差”。
三、数据内容描述
温频协同指数综合反映了芯片在温度变化和电压波动双重影响下维持高性能的能力，数值越高表示芯片在高温或低压条件下性能衰减越少。优级芯片适合部署在散热条件受限或电池电压波动较大的设备中，如轻薄笔记本、智能手机、平板电脑，可在有限散热空间内持续输出高性能；良级芯片适用于常规散热设计的设备，在典型使用温度范围内性能稳定；差级芯片在温度升高时性能下降明显，需要更强的散热措施或降频使用。该指标为热管理与性能调优提供了量化依据。
浙江省数据知识产权登记平台2026-07-22 更新40
资源利用协同度数据
本数据对外部企业具有多重应用价值：云服务商可将协同度评分作为集群资源匹配度的日常监测指标，当评分长期稳定在70以上时表明资源调度策略有效，若出现低于70的样本则可快速定位资源瓶颈节点；AI平台运维团队可将本数据作为系统健康度基准，用于对比不同调度算法、机型配比下的资源利用效率；企业采购部门可依据集群中协同度评分分布，评估当前实例规格与业务负载的适配程度，为下一轮资源采购提供量化参考；硬件供应商可展示其产品在实际负载下计算、显存容量、带宽三者协同工作的能力，证明产品设计的均衡性；行业分析机构可基于协同度评分建立算力利用效率基准，帮助客户判断其资源投入是否达到行业平均水平。一、加工前的数据说明
原始数据为分布式TPU集群在深度学习推理服务场景下产生的运营监测数据，包含TPU利用率(%)、显存使用量(GiB)与显存带宽利用率(%)，分别代表计算核心、容量、带宽三种资源的占用情况。数据为非同一采集源、非时间序列的结构化监测记录，完整记录了各类资源的利用特征。
二、处理规则
数据清洗：对原始数据进行去重、剔除超出物理阈值的异常值，并对缺失值采用剔除方式处理，确保数据完整性与有效性。
评分算法：首先基于全数据集实际极值对TPU利用率、显存使用、显存带宽利用率三项指标分别进行Min-Max归一化至[0,1]区间；计算三者归一化值的平均绝对偏差（MD）；协同度评分=(1-MD)×100。等级划分：均衡（≥70）、失衡（<70）二级。
三、数据内容描述
清洗后的数据集共1001条记录，新增“协同度评分”与“协同等级”两列。该数据可作为正常运行的基线参考，用于长期监控资源协同度的波动，及时发现潜在的不均衡风险，适用于云计算资源调度效果评估与算力集群健康度监测场景。
浙江省数据知识产权登记平台2026-07-22 更新10
移动终端能效评估数据
本数据专为智能手机、平板、可穿戴设备等移动终端设计。终端厂商在选型时，往往需要同时考虑“高性能”与“低功耗”，但单纯看频率或电流容易片面。本数据将频率、静态电流、时钟抖动三者融合，形成能效评分和等级，帮助厂商快速筛选出“跑得快、耗电少、信号稳”的芯片，从而优化整机续航与性能平衡，降低产品设计周期中的反复调试验证成本。一、加工前的数据说明
原始数据包含“最高工作频率(MHz)”、“静态电流(mA)”、“时钟抖动(ps)”三个字段。最高工作频率反映芯片的峰值运算能力；静态电流（mA）反映芯片在无负载时的基础功耗；时钟抖动（ps）反映时序信号的稳定性，抖动过大可能影响系统在高频下的误码率。数据集中其他字段（实际工作电压、最低工作电压、高温漏电流、低温漏电流、压裕度系数、热应力敏感度、时钟信号纯度等）为原始采集参数。
二、处理规则
数据清洗：对原始数据进行去重、剔除超出物理阈值的异常值，并对缺失值采用剔除方式处理，确保数据完整性与有效性。
计算基础能效=最高工作频率÷静态电流（单位：MHz/mA），该值越大表示单位静态电流下能支撑的频率越高。
引入抖动惩罚项：将时钟抖动（ps）除以100，作为能效评分的减分项。因为抖动过大时，即使能效比高，在实际系统中也需要降频或增加功耗来保证时序裕量。
最终动态能效评分=（最高工作频率/静态电流）–（时钟抖动/100）。
根据评分分布，设定等级阈值：≥150分为“高效型”，≥80分且<150分为“标准型”，<80分为“低效型”。
三、数据内容描述
“动态能效评分”综合了芯片的性能密度（频率/静态电流）与信号质量（抖动），数值越高表示芯片在同等静态电流下能提供更高的有效频率，且时钟品质更优。对应的“能效等级”将芯片划分为高效型、标准型、低效型三类，便于终端厂商快速匹配产品定位：高效型适合旗舰手机、高性能平板；标准型适合主流消费电子；低效型适用于对续航或性能要求不高的入门级设备。本数据侧重能效与信号质量的综合平衡。
浙江省数据知识产权登记平台2026-08-06 更新40
综合品质因子排序数据
本数据用于芯片采购选型、产品线分级以及多指标综合排序。采购部门可依据综合品质因子快速对供应商芯片进行总分排序，降低多指标对比的复杂度；产品经理可根据品质等级划分产品线，将优级芯片用于高端型号，良级用于主流型号，差级用于入门级产品；研发部门可将此指标作为设计目标，指导性能、功耗、漏电、抖动之间的平衡优化，提升产品综合竞争力。一、加工前的数据说明
原始数据包含“最高工作频率(MHz)”、“静态电流(mA)”、“高温漏电流(μA)”、“时钟抖动(ps)”四个字段，用于计算综合品质因子。其中：最高工作频率反映芯片的峰值性能；静态电流反映芯片的基础功耗；高温漏电流反映芯片在高温下的漏电水平，影响热设计和可靠性；时钟抖动反映时序信号的稳定性，影响高速接口的误码率。这四个指标共同决定了芯片的综合品质。数据集中还包含“实际工作电压(V)”、“最低工作电压(V)”、“低温漏电流(μA)”、“压裕度系数”、“热应力敏感度”、“时钟信号纯度”等字段，这些字段为辅助分析维度，不参与综合品质因子及等级的计算。
二、处理规则
数据清洗：对原始数据进行去重、剔除超出物理阈值的异常值（如频率、电流为负），并对缺失值采用剔除方式处理，确保数据完整性与有效性。
计算综合品质因子：
公式为：综合品质因子=最高工作频率÷(静态电流×高温漏电流×时钟抖动)×100000；
该指数数值越大，表示芯片在性能、功耗、漏电和信号质量方面综合表现越好。
根据指数大小划分等级：
指数≥20000为“优”；10000≤指数<20000为“良”；指数<10000为“差”。
三、数据内容描述
综合品质因子是一个无量纲的总分指标，融合了芯片的性能、功耗、漏电和抖动，数值越高表示芯片综合品质越优。优级芯片在性能、能效、热特性和时序质量上均表现突出，适合用于旗舰产品或对综合品质要求严苛的场景；良级芯片在各项指标间取得良好平衡，适用于主流产品；差级芯片在某一或多个维度存在短板，建议用于成本敏感或性能要求不高的应用。该指标为快速选型和产品分级提供了直观依据。
浙江省数据知识产权登记平台2026-07-22 更新40
高频噪声容限数据
本数据用于高速数字电路设计、射频前端抗干扰评估以及电磁兼容性（EMC）分析。硬件工程师可依据高频噪声容限指数和等级，评估芯片在高频工作条件下对电源噪声和电磁干扰的容忍能力，指导PCB布局和屏蔽设计；系统集成商可根据此数据筛选出抗干扰能力强的芯片，用于复杂电磁环境下的设备；芯片设计厂商可参考此指标优化内部去耦和抗扰设计，提升产品在高频场景下的稳定性。一、加工前的数据说明
原始数据包含“时钟抖动(ps)”、“最高工作频率(MHz)”、“压裕度系数”、“实际工作电压(V)”四个字段，用于计算高频噪声容限指数。其中：时钟抖动反映时序对噪声的敏感度，抖动越小容限越高；最高工作频率越高，对噪声的容忍度越低；压裕度系数和实际工作电压共同反映芯片对电压波动的稳健性，数值越大容限越高。数据集中还包含最低工作电压(V)、静态电流(mA)、高温漏电流(uA)、低温漏电流(uA)、热应力敏感度、时钟信号纯度等字段。这些字段可作为辅助分析维度，但不参与高频噪声容限指数的计算及等级划分。
二、处理规则
数据清洗：对原始数据进行去重、剔除超出物理阈值的异常值（如时钟抖动为负、电压超过器件极限），并对缺失值采用剔除方式处理，确保数据完整性与有效性。
计算高频噪声容限指数：
稳健性因子=压裕度系数×实际工作电压×100；噪声敏感因子=时钟抖动×(最高工作频率÷1000)；高频噪声容限指数=稳健性因子÷噪声敏感因子；
即：高频噪声容限指数=(压裕度系数×实际工作电压×100)÷(时钟抖动×(最高工作频率÷1000))该指数数值越大，表示芯片对高频噪声的容忍能力越强。
根据指数大小划分等级：
指数≥0.8为“高容限”；0.4≤指数<0.8为“中容限”；指数<0.4为“低容限”。
三、数据内容描述
高频噪声容限指数反映了芯片在高频工作条件下抵抗电源噪声和电磁干扰的能力，数值越高表示芯片在噪声环境中越能保持稳定时序。高容限等级芯片适合用于电磁环境复杂的设备，如工业控制器、汽车电子、通信基站，可简化EMI滤波设计；中容限等级芯片适用于常规电子设备，在典型电磁环境下可靠工作；低容限等级芯片对高频噪声敏感，需要加强屏蔽和去耦措施。该指标为电磁兼容设计提供了量化依据。
浙江省数据知识产权登记平台2026-07-22 更新30
工业控制热稳定性分级数据
本数据用于工业控制器、汽车电子、户外基站等宽温域设备。通过综合实际工作电压、压裕度系数、热应力敏感度与低温漏电流，量化芯片在宽温度范围内的热稳定性，并给出等级划分。设备厂商可依据评分与等级，筛选出在极端温度下仍能长期稳定工作的芯片，降低现场失效率，减少售后维护成本。一、加工前的数据说明
原始数据包含“实际工作电压(V)”、“压裕度系数”、“热应力敏感度”、“低温漏电流(μA)”四个字段，用于计算热稳定性综合评分。其中：实际工作电压反映芯片的供电水平；压裕度系数代表芯片对电压波动的容忍能力，系数越大表示芯片在电压波动时越能稳定工作；热应力敏感度量化芯片性能随温度变化的敏感程度，数值越大表示芯片对温度变化越敏感；低温漏电流反映芯片在低温环境下的静态漏电，该值越小通常表示低温特性越好。数据集中还包含“最低工作电压(V)”、“静态电流(mA)”、“最高工作频率(MHz)”、“时钟抖动(ps)”、“高温漏电流(μA)”、“时钟信号纯度”等字段，这些字段为辅助分析维度，不参与热稳定性综合评分及等级的计算。
二、处理规则
数据清洗：对原始数据进行去重、剔除超出物理阈值的异常值（如电压、电流为负），并对缺失值采用剔除方式处理，确保数据完整性与有效性。
计算热稳定性综合评分：
公式为：热稳定性综合评分=(实际工作电压×压裕度系数×1000)÷(热应力敏感度×低温漏电流)；该评分值仅用于芯片间的相对比较，数值大小代表热稳定性的相对优劣。
根据评分大小划分等级：
评分≥5为“优”；2≤评分<5为“良”；评分<2为“差”。
三、数据内容描述
热稳定性综合评分是一个无量纲指标，数值越高表示芯片在宽温度范围内综合稳定性越好。该评分融合了芯片的工作电压、电压容差能力、热敏感程度以及低温漏电特性，从多个维度综合评估芯片应对温度变化的能力。优级芯片适合部署在温差大、供电波动频繁的苛刻环境；良级芯片可用于一般工业环境；差级芯片在温度变化时稳定性较差，需加强散热或降额使用。本成果与已有的“热应力敏感度”不同：热应力敏感度是单一维度指标，而本数据综合了电压、漏电等多因素，更贴近实际应用中的热稳定性表现。
浙江省数据知识产权登记平台2026-07-22 更新30
人工智能芯片计算效率数据
可用于AI芯片生产线质量评估环节，通过深度学习模型分析多维计算特征数据，自动标记芯片效率等级并生成优化建议报告，指导产线参数调优；可为芯片采购商提供效率验证服务，支持通过加密接口实时查询批次芯片的能效比分布数据，辅助其匹配不同AI场景的计算需求；建立AI芯片行业能效评估基准，促进芯片制造商与算法开发商之间的性能数据标准化对接。1.数据来源与结构
本数据所涉原始数据系非同一采集源的非时间序列结构化数据。每条记录包含8个特征字段：MAC利用率（%）、显存带宽（GB/s）、推理延迟（ms）、吞吐量（FPS）、动态功耗（W）、漏电功耗（W）、能效比（TOPS/W），以及人工标注的分类标签“计算效率等级”。原始数据以结构化表格形式存储，完整记录了异构计算设备在不同负载条件下的实时运行指标。
2.数据预处理与标注规则
经数据清洗、去重、去噪及格式标准化处理，确保数据质量。在标注处理方面，采用以下加权求和规则生成效率等级：归一化参数：MAC利用率：30% ~ 100%；显存带宽：200 ~ 900 GB/s；推理延迟：1 ~ 20 ms；吞吐量：100 ~ 5000 FPS。
指标归一化：MAC利用率、显存带宽、吞吐量直接使用 Min-Max 归一化）；
推理延迟采用反向归一化，即 1 - (原始值-最小值)/(最大值-最小值)。
权重分配：MAC利用率（0.3）、显存带宽（0.25）、推理延迟反向归一化（0.25）、吞吐量（0.2）。
综合得分计算：按上述权重加权求和，得到综合得分（范围0~1）。该得分作为数据集的输出字段之一。
等级划分：综合得分 ≥ 0.7 为“高效”，0.4 ≤ 综合得分 < 0.7 为“中等”，综合得分 < 0.4 为“低效”。
该标注规则反映了设备在多维度下的综合能效表现，数据集中同时提供“综合得分”和“计算效率等级”两个结果字段。
3.数据集统计特征与应用场景
本数据集包含1001条结构化记录，各特征字段的实际观测范围如下（基于数据统计，覆盖全部样本）：MAC利用率：30% ~ 100%；显存带宽：200 ~ 900 GB/s；推理延迟：1 ~ 20 ms；吞吐量：100 ~ 5000 FPS；动态功耗：15 ~ 300 W；漏电功耗：10 ~ 40 W；能效比：0.2 ~ 21 TOPS/W
能效比指标分布较广，无明显正态性假设，实际应用中可根据需求进行分位数分析。本数据集通过“计算效率等级”（高效、中等、低效）为硬件性能评估、能效优化、AI加速器选型、芯片设计验证及边缘计算设备功耗管理等场景提供数据支撑。
浙江省数据知识产权登记平台2026-07-22 更新50