一文看懂xPU电源设计核心挑战

人工智能(AI)不仅改变了我们与世界互动的方式，更在重塑使这一切成为可能的硬件本身。随着AI渗透到各行各业和日常生活的方方面面，创新背后的“硅基大脑”——GPU、TPU和尖端ASIC——正承受着前所未有的压力。然而，大多数人没有注意到的是：这些AI加速卡不仅渴求数据和算法，更极度依赖一项资源——稳定可靠的高性能电源。

我们将深入剖析AI加速器供电网络的全新世界，探讨管理超快速瞬变的巨大挑战，并介绍有助于让当今超高速AI可靠运行的革命性解决方案（例如ADI公司的多相电源专业技术）。

AI加速器功率激增：算力越强，功耗越高

如今，挑战已不仅仅是速度。为了训练当今庞大的神经网络或实现闪电般的实时推理，我们堆叠了数十亿晶体管，运行的工作负载对硬件性能的要求远超以往任何一代。整个行业正在经历一场“实时”变革。

根据Gartner的报告，2021年AI芯片收入总计超过340亿美元，预计到2026年将增长至860亿美元。加速芯片（统称为xPU，包括GPU、TPU、FPGA、ASIC）通过并行执行任务，提供比CPU高出数倍的性能。然而，并行计算消耗着惊人的电能。有时在低于1V的核心电压下，电流需求超过1000A，且每次AI推理或训练任务都会引发电流需求的剧烈波动。

对于AI加速卡而言，供电网络不再是事后才考虑的事情，而是系统性能所依仗的基石。一旦设计不当，即便是世界上最先进的神经网络也可能陷入停滞，甚至出现更糟的局面——悄无声息地出错。

瞬变——滴答作响的定时炸弹

从供电角度来看，是什么让AI如此特殊又如此具有挑战性？答案在于瞬变：每次加速器启动新的神经网络层，或在训练与推理之间切换时，电流都会在微秒级时间内发生突然、剧烈的波动。

如果管理不善，这种电压波动可能带来以下后果：

产生非常严重的电压尖峰或骤降，以至于触发安全保护机制、中止处理器运行，甚至对敏感的xPU芯片造成物理损坏。

使传统的去耦电容失效，尤其是当AI典型工作负载的持续时间超过电容储备能量所能覆盖的范围时。

暴露配电网络中的薄弱环节，从稳压器到每一条PCB走线都可能被殃及。

图1：通用AI加速卡框图

工程师们很快发现，传统的配电方式已经无法满足需求。随着负载上升或下降，极端di/dt动作可能将电压轨推向极限，有时甚至达到最大热设计容量的两倍（或更多！）。传统稳压器往往反应不够迅速，容易在关键时刻出现电压骤降或过冲的风险。

为何AI电源设计存在根本性差异

如果您曾为CPU设计过供电系统，可能以为AI电源设计也遵循相同逻辑。但请三思，因为AI对电源的需求不仅更大，而且在每个层面都更不可预测、更苛刻：

超低电压：xPU核心电压已降至1V以下，容错安全裕度大幅压缩。

超大电流：为加速卡提供1000A以上电流已是常态，远超典型服务器或数据中心的需求。

严格的噪声标准：高频噪声和电压瞬变很容易引起敏感AI芯片发生故障，危及正常运行时间、计算精度甚至设备的物理安全。

热管理难题：随着功率密度不断攀升，因PCB电阻或调节效率低下而损失的每一瓦功率，都会转化为需要加以管理的热量。

所有这一切都要求供电架构既要超级稳定，又要足够敏捷，以避免瞬变尖峰和骤降，同时符合未来数据中心标准的高效率运行。

传统架构的局限性

过去，设计人员通常将稳压器放置在xPU的侧面，通过大面积的平面PCB走线供电。然而，一旦电流超过100A，即使是几厘米的铜线也会造成显著损耗，引起效率降低、热量增加，还需要持续应对掉电和噪声问题。

再加上AI工作负载高度动态的特性和由此产生的多重瞬变，最终就形成了一场“完美风暴”。传统“单纯增大功率”的电源设计方法已经过时，现在需要的是更智能、更集成的解决方案。

供电的重要性：对AI创新有着深远影响

电源不稳定的后果不仅限于蓝屏或简单重启。在依赖实时AI的应用中，瞬变引起的故障可能导致自动驾驶汽车漏检关键目标。不稳定的电压供应可能使实时金融推理模型崩溃。即使是短暂的电压骤降或过冲，也可能引入误差，而误差会在训练过程中不断扩散，最终造成昂贵的返工和不必要的能源浪费。

归根结底，若没有新一代供电技术，AI不仅会运行缓慢，更有可能永远无法发挥全部潜力。

结语：供电革命由此开始

随着AI不断发展，为AI供电的架构也必须同步进化。在下一篇文章中，我们将探讨ADI公司的最新创新成果，这些经过验证、可立即投入现场使用的解决方案从零开始构建，旨在驯服AI瞬变风暴。我们将共同探索多相方法、智能集成和垂直供电新范式如何使以往难以企及的性能成为可能甚至落地。敬请关注第二部分，探索电源与精密技术的交融。