【導讀】人工智能(AI)不僅改變了我們與世界互動的方式，更在重塑使這一切成為可能的硬件本身。隨著AI滲透到各行各業和日常生活的方方面面，創新背后的“硅基大腦”——GPU、TPU和尖端ASIC——正承受著前所未有的壓力。然而，大多數人沒有注意到的是：這些AI加速卡不僅渴求數據和算法，更極度依賴一項資源——穩定可靠的高性能電源。
在本系列的三篇文章中，我們將深入剖析AI加速器供電網絡的全新世界，探討管理超快速瞬變的巨大挑戰，并介紹有助于讓當今超高速AI可靠運行的革命性解決方案（例如ADI公司的多相電源專業技術）。
AI加速器功率激增：算力越強，功耗越高
如今，挑戰已不僅僅是速度。為了訓練當今龐大的神經網絡或實現閃電般的實時推理，我們堆疊了數十億晶體管，運行的工作負載對硬件性能的要求遠超以往任何一代。整個行業正在經歷一場“實時”變革。
根據Gartner的報告，2021年AI芯片收入總計超過340億美元，預計到2026年將增長至860億美元。加速芯片（統稱為xPU，包括GPU、TPU、FPGA、ASIC）通過并行執行任務，提供比CPU高出數倍的性能。然而，并行計算消耗著驚人的電能。有時在低于1V的核心電壓下，電流需求超過1000A，且每次AI推理或訓練任務都會引發電流需求的劇烈波動。
對于AI加速卡而言，供電網絡不再是事后才考慮的事情，而是系統性能所依仗的基石。一旦設計不當，即便是世界上最先進的神經網絡也可能陷入停滯，甚至出現更糟的局面——悄無聲息地出錯。
瞬變——滴答作響的定時炸彈
從供電角度來看，是什么讓AI如此特殊又如此具有挑戰性？答案在于瞬變：每次加速器啟動新的神經網絡層，或在訓練與推理之間切換時，電流都會在微秒級時間內發生突然、劇烈的波動。
如果管理不善，這種電壓波動可能帶來以下后果：
產生非常嚴重的電壓尖峰或驟降，以至于觸發安全保護機制、中止處理器運行，甚至對敏感的xPU芯片造成物理損壞。
使傳統的去耦電容失效，尤其是當AI典型工作負載的持續時間超過電容儲備能量所能覆蓋的范圍時。
暴露配電網絡中的薄弱環節，從穩壓器到每一條PCB走線都可能被殃及。
圖1：通用AI加速卡框圖
工程師們很快發現，傳統的配電方式已經無法滿足需求。隨著負載上升或下降，極端di/dt動作可能將電壓軌推向極限，有時甚至達到最大熱設計容量的兩倍（或更多！）。傳統穩壓器往往反應不夠迅速，容易在關鍵時刻出現電壓驟降或過沖的風險。
為何AI電源設計存在根本性差異
如果您曾為CPU設計過供電系統，可能以為AI電源設計也遵循相同邏輯。但請三思，因為AI對電源的需求不僅更大，而且在每個層面都更不可預測、更苛刻：
超低電壓：xPU核心電壓已降至1V以下，容錯安全裕度大幅壓縮。
超大電流：為加速卡提供1000A以上電流已是常態，遠超典型服務器或數據中心的需求。
嚴格的噪聲標準：高頻噪聲和電壓瞬變很容易引起敏感AI芯片發生故障，危及正常運行時間、計算精度甚至設備的物理安全。
熱管理難題：隨著功率密度不斷攀升，因PCB電阻或調節效率低下而損失的每一瓦功率，都會轉化為需要加以管理的熱量。
所有這一切都要求供電架構既要超級穩定，又要足夠敏捷，以避免瞬變尖峰和驟降，同時符合未來數據中心標準的高效率運行。
傳統架構的局限性
過去，設計人員通常將穩壓器放置在xPU的側面，通過大面積的平面PCB走線供電。然而，一旦電流超過100A，即使是幾厘米的銅線也會造成顯著損耗，引起效率降低、熱量增加，還需要持續應對掉電和噪聲問題。
再加上AI工作負載高度動態的特性和由此產生的多重瞬變，最終就形成了一場“完美風暴”。傳統“單純增大功率”的電源設計方法已經過時，現在需要的是更智能、更集成的解決方案。
供電的重要性：對AI創新有著深遠影響
電源不穩定的后果不僅限于藍屏或簡單重啟。在依賴實時AI的應用中，瞬變引起的故障可能導致自動駕駛汽車漏檢關鍵目標。不穩定的電壓供應可能使實時金融推理模型崩潰。即使是短暫的電壓驟降或過沖，也可能引入誤差，而誤差會在訓練過程中不斷擴散，最終造成昂貴的返工和不必要的能源浪費。
歸根結底，若沒有新一代供電技術，AI不僅會運行緩慢，更有可能永遠無法發揮全部潛力。
結語：供電革命由此開始
隨著AI不斷發展，為AI供電的架構也必須同步進化。在下一篇文章中，我們將探討ADI公司的最新創新成果，這些經過驗證、可立即投入現場使用的解決方案從零開始構建，旨在馴服AI瞬變風暴。我們將共同探索多相方法、智能集成和垂直供電新范式如何使以往難以企及的性能成為可能甚至落地。敬請關注第二部分，探索電源與精密技術的交融。
