下一代尖端AI系統的電源解決方案

簡介

人工智能（AI）綜合了多種解決問題的方法，例如數學、計算統計、機器學習和預測分析。AI系統通過基于計算機的“神經”網絡來模仿人腦學習并解決問題。這種神經網絡由并行處理器組成，能夠運行復雜的學習任務并執行軟件算法。如今的AI還在改革計算架構，以復制模仿人腦的神經網絡。盡管在具有傳統中央處理器（CPU）的服務器上也可以訓練或開發通用模型，但大多數神經網絡都需要自定義的內置硬件來進行訓練。

圖形處理單元（GPU）和張量處理單元（TPU）是用于加速神經網絡訓練的常見加速器。它們可以處理重復性和密集型計算，但卻異常耗電。例如，早期的AI市場主導者英偉達的DGX-1 GPU超級計算機內置8個Tesla P100 GPU，每個GPU算力達到21.2 TeraFLOP，總共需要3200W的系統總功率。最新一代的DGX-2超級計算機則內置16個Tesla V100 GPU，每個GPU算力達2 petaFLOP，所需系統總功率達到10kW。因此，AI市場將迅速增長以滿足不斷增長的電源需求也就不足為奇了。

電源設計挑戰

AI電源系統設計人員面臨多方面的挑戰。提供千瓦功率是他們的第一個挑戰，而且效率絕對至關重要。要知道，這些計算系統是以全功率運行的復雜負載。活躍度下降，功率需求也會隨之下降。系統必須在整個電力需求中保持盡可能高的效率。浪費的每一瓦能量都會作為熱量消散，并轉化為數據中心對散熱系統的更高要求，這會增加運營成本以及碳足跡。

空間成本也在不斷上升。現代數據中心都包含成百上千個處理單元，因此設備大小非常重要。減小單個單元的尺寸，就可以在與大型解決方案相同的空間中應用更多設備，從而實現更高的處理能力密度。然而，越小的尺寸越要求極大地提高功率密度，并減小散熱面積。這使得散熱管理成為下一代尖端CPU、GPU和TPU電源設計面臨的重大挑戰之一。

另外，系統復雜性的增加和設計周期的壓縮使設計資源更加緊張。資源大部分被分配給系統關鍵知識產權的開發，這意味著電源方案相關的電路常常被忽略，直到開發周期的后期。實際上，我們只需很少的時間，并且可能只需很少的電源設計資源就可以解決上述的挑戰，得到理想的整體電源解決方案，它將是節省空間的、高效的、可擴展的、靈活的，并且只需要很少的設計工作。

數字控制與模擬控制解決方案

模擬控制解決方案現在已無法應對AI市場中快速增長的電源需求。現在的電源系統更加智能，它被集成到整體解決方案中，與主CPU/GPU/TPU之間的通信也成為一項設計要求。在為AI市場設計高端電源解決方案時，數字控制解決方案將占據主導。

理想的控制解決方案應當兼容多種產品（例如Intel、AMD、PMBus），并且因可擴展且配置靈活而易于使用。包括MPS在內的很多公司都提供了這類理想的高級控制器（參見表1）。它們提供了廣泛而準確的系統控制，同時提供詳細而精確的監測。電壓、電流、頻率和故障監測均可在寬范圍內進行配置。工程師可以實時訪問這些監測值，以全面了解解決方案的性能。有經驗的工程師還可以通過預測分析來優化運行時間，并在需要維修時獲取更多可用數據，從而最大程度地縮短停機時間。

表1：高級控制器vs.模擬和數字控制解決方案

功率級：集成是關鍵

顯而易見，電源解決方案沒有功率級就無法工作，而功率級通常會采用分立式解決方案。 分立式解決方案由驅動器IC和一對外部MOSFET組成，為三芯片解決方案。還有一種方法是將多芯片驅動器-MOSFET（DrMOS）共同封裝到一個IC解決方案中。如前所述，不斷縮小的系統板面積使三芯片解決方案變得不再理想，因為它增加了有限板空間中的組件數量。共同封裝的多芯片解決方案體積更小，所需的組件也更少；不過，其封裝內部的寄生電感仍然很高，這會導致效率的損失，對AI等大功率應用而言也不理想。

圖1：功率級的常用實現方法

與傳統的分立式和多芯片解決方案不同，MPS提供了一種單片功率級解決方案。其功率級具有低靜態電流、同步降壓柵極驅動器以及單個芯片上的一對上管和下管MOSFET。通過將所有關鍵元件集成在一個封裝中，可以輕松控制驅動器/MOSFET，并最大程度地減少開關節點處的振鈴。另外，封裝和板級之間的寄生電感也被大大降低。這種設計可以實現先進的CPU/GPU/TPU設計所需的低輸出電壓下更高的效率。

單片功率級只需很少數量的外部組件，因此簡化了原理圖以及PCB布局。其基本設計可以分兩步完成：

選擇適當數量的輸入和輸出電容器以滿足電壓和電流紋波要求；

選擇一個電感器以滿足總負載電流需求。

圖2：傳統解決方案與高級解決方案的比較

這種器件的典型功率級可在各種溫度下的全負載范圍內實現出色的電流檢測精度(±2%) ，并以高達3MHz的開關頻率工作（見圖2）。在極其寶貴的空間內還可以同時提供各種可配置的故障保護功能，如過流保護（OCP）、相位故障檢測和IC溫度報告，為設計人員提供了一種小而強大的解決方案，還不會影響效率或瞬態響應。

結論

當今的AI系統都是通過多個高性能計算機系統來實現的，它在很多方面都對電源設計人員提出了挑戰。傳統的數據中心設計正迅速從通用的僅CPU解決方案演化為CPU、GPU和TPU的組合方案，這對電源設計解決方案提出了新的、更嚴格的要求。數字控制器及其功率級解決方案帶來了靈活性和適應性，以及精確的控制、遙測和保護功能。 它使電源設計人員能夠創建具有高效率和高功率密度的最新電源解決方案，可以滿足快速增長的AI市場當前與未來的高功率需求。

審核編輯：湯梓紅