最後更新:2026年10月22日測試・可靠度測試設備中國大陸:静默数据损坏(SDC)

SDC是什麼(靜默資料損壞)

Silent Data Corruption (SDC)

SDC(靜默資料損壞)是 CPU、GPU 等晶片在不發出錯誤通知的情況下,輸出錯誤運算結果的現象。原因是製造測試時漏掉的微小缺陷或劣化,只在特定條件下出現。在大規模資料中心會以無法忽視的頻率發生,因此以強化測試與運轉中的診斷因應。

目錄7 項
  1. 定義與原理
  2. 圖解
  3. 常見問題
  4. 相關企業
  5. 相關用語
  6. 比較文章
  7. 資料來源

定義與原理

SDC(Silent Data Corruption,靜默資料損壞)是 CPU、GPU 等晶片在不發出錯誤通知的情況下,輸出錯誤運算結果的現象。程式不會停止也不會出現警告,錯誤資料就被儲存或用於下一次運算,因此稱為「靜默(silent)」。2021年前後,Google 與 Meta 報告自家資料中心的大量伺服器實際發生 SDC,在業界受到高度關注。

原因多半是製造測試時沒發現的微小缺陷,或使用過程中逐漸發展的劣化,而且以非常難發現的形式出現,例如只有在特定指令、特定資料值、特定電壓與溫度組合時才輸出錯誤結果。因為是晶片內部邏輯電路本身的不良,記憶體 ECC 之類既有的錯誤更正機制無法偵測。即使每顆晶片的發生率很低,在運轉數十萬、數百萬台伺服器的資料中心,頻率也無法忽視。

作為對策,半導體廠商強化製造測試,以接近實際程式運作的系統級測試(SLT)與重新檢討測試圖樣來提高偵測率。資料中心的營運者則導入在運轉中的伺服器定期執行診斷程式、找出可疑核心並將其隔離的機制。隨著 AI 訓練等以大量晶片長時間持續運算的用途擴大,SDC 對策的重要性更加提高。

圖解

從微小缺陷或劣化、特定條件下誤動作、不出現錯誤的錯誤結果,到以診斷發現與隔離的 SDC 流程

點擊圖片放大 2 倍

在大規模資料中心,即使是罕見現象也會以無法忽視的頻率發生。

SDC(靜默資料損壞)的常見問題

SDC 和軟錯誤有什麼不同?
軟錯誤是輻射等使位元暫時反轉的錯誤,偶然發生,不一定在同一位置重複發生。SDC 多指晶片內部的缺陷或劣化,使特定條件下重複輸出錯誤結果的現象,問題在於不會被 ECC 等偵測,錯誤資料就被使用了。
為什麼 SDC 在製造測試時找不到?
造成 SDC 的缺陷,只在特定指令、資料值、電壓與溫度組合時才會誤動作,出現條件非常有限。測試圖樣若剛好沒包含該條件就會漏掉。也有出貨後因劣化才新出現的情況,只靠出貨測試無法完全防止。

相關設備・材料

相關企業

比較文章

所屬主題

資料來源

  1. arXiv(Meta:Dixit 等):Silent Data Corruptions at Scale(2026年10月19日確認)