EN
Szybkie linki
Eksplozywny wzrost obciążeń sztucznej inteligencji zasadniczo zmienił wymagania projektowe systemów zasilania serwerów. W miarę jak jednostki GPU, CPU oraz dedykowane akceleratory AI (xPU) umieszczają coraz więcej tranzystorów w pojedynczej obudowie, moc zasilania dostarczana do tych urządzeń na pokładzie wzrosła do setek, a nawet tysięcy watów na gniazdo. Aby nadążyć za tym tempem, moduły regulatorów napięcia (VRM) oraz konwertery zasilania w punkcie obciążenia (PoL), które zasilają te procesory, są zmuszane do osiągania wyższej gęstości prądu i szybszej odpowiedzi na zmiany obciążenia niż kiedykolwiek wcześniej w historii serwerów.
W centrum każdego z tych stopni mocy znajduje się pozornie prosty element: dławik mocy. Dławik wcale nie jest częścią standardową – stał się jednym z kluczowych czynników umożliwiających funkcjonowanie architektury zasilania serwerów AI; przy nieodpowiednim doborze staje się natomiast jednym z głównych wąskich gardeł tej architektury. W niniejszym artykule omawiamy, jak ewoluują systemy zasilania serwerów AI, jakie wymagania ta ewolucja stawia przed dławikami, które parametry inżynierowie muszą najstaranniejszym образом oceniać podczas ich doboru oraz jak specjalnie zaprojektowane serie dławików, takie jak seria CSBA i seria CSHN firmy CODACA, praktycznie spełniają te wymagania.
Tradycyjne układy zasilania serwerów ustępują miejsca architekturom opartym na czterech równoległych trendach:
◾Rozprowadzanie prądu stałego o wysokim napięciu. Wiele nowej generacji szaf serwerów AI przechodzi na szyny rozdzielcze prądu stałego o napięciu 48 V zamiast starszych układów o napięciu 12 V, co zmniejsza straty I²R na płycie tylniej przed obniżeniem napięcia na poziomie płytki.
◾Rozproszona konwersja zasilania w punkcie poboru mocy. Zamiast pojedynczego scentralizowanego konwertera moc jest teraz regulowana blisko każdego procesora za pośrednictwem wielu etapów PoL, z własnym bankiem cewek indukcyjnych dla każdego etapu.
◾Sterowanie cyfrowe. Cyfrowe kontrolery PWM z szybkimi pętlami sprzężenia zwrotnego pozwalają konwerterom reagować na skrajne skoki obciążenia charakterystyczne dla obciążeń GPU.
◾Inteligentne zarządzanie energią. Etapy zasilania sterowane telemetrią dynamicznie dostosowują liczbę faz i zachowanie przełączania w zależności od rzeczywistych warunków obciążenia.
Każda zmiana strukturalna stwarza nowe wymagania dotyczące wydajności cewek indukcyjnych, przez co wybór cewek staje się kluczowym decyzją projektową, a nie kwestią wtórną. Dlaczego cewki indukcyjne są istotne w systemach zasilania serwerów AI.
Cewki zasilania znajdują się na początku łańcucha zasilania układów scalonych, dostarczając stabilnego, niskoszczelnego prądu do krzemowego układu, który wykonuje obliczenia AI. Pełnią one jednocześnie kilka funkcji w całym torze zasilania serwera AI:
◾ Magazynowanie energii i regulacja napięcia w topologiach konwerterów obniżających (buck), wielofazowych oraz TLVR, zasilających karty GPU, CPU i akceleratory.
◾ Wygładzanie falowania tak aby etapy przetwarzania prądu stałego o szybkiej przełączalności dostarczały czystego i stabilnego prądu wyjściowego zamiast zakłóconej fali, która mogła by destabilizować wrażliwą cyfrową logikę.
◾ Filtrowanie sygnałów i tłumienie zakłóceń , gdzie dławiki wspólnego trybu i indukcyjności różnicowe współpracują z kondensatorami, aby usunąć falowanie wysokiej częstotliwości z głównego etapu przekształcania prądu przemiennego na stały oraz chronić integralność sygnałów wysokiej prędkości.
Ponieważ indukcyjności występują niemal we wszystkich etapach konwersji mocy w serwerze sztucznej inteligencji – od front-endu przekształcania prądu przemiennego na stały na poziomie szafy po szynę zasilającą procesor o napięciu poniżej 1 V – ich cechy elektryczne i termiczne mają nieproporcjonalnie duży wpływ na ogólną wydajność, stabilność i niezawodność systemu.
W porównaniu z indukcyjnościami stosowanymi w konwencjonalnych serwerach, indukcyjności do serwerów sztucznej inteligencji muszą spełniać bardziej rygorystyczny i wzajemnie powiązany zestaw wymagań:
2.1 Niski opór prądu stałego (DCR) do pracy przy dużych prądach. Prąd pobierany przez nowoczesne akceleratory sztucznej inteligencji wzrósł gwałtownie, a cewki muszą przepuszczać ten prąd przy możliwie najmniejszych stratach rezystancyjnych. Wysoka wartość DCR bezpośrednio przekłada się na większe nagrzewanie wynikające z efektu Joule’a (I²R); jeśli takie ciepło nie zostanie skutecznie odprowadzone, materiał magnetyczny może ulec degradacji lub cewka może całkowicie zawieść, co zagraża stabilności szyny zasilania. Konstrukcja o niskim DCR jest zatem traktowana jako podstawowy parametr projektowy, a nie jedynie pożądane ulepszenie.
2.2 Praca w wysokiej częstotliwości przy niskich stratach rdzenia. Zasilacze serwerów AI zwykle wymagają sprawności konwersji zbliżonej do 99%. Gdy częstotliwości przełączania rosną, aby przepuścić większą moc przy mniejszych gabarytach, straty w rdzeniu i uzwojeniu również rosną proporcjonalnie – chyba że materiał magnetyczny i geometria cewki są specjalnie zoptymalizowane pod kątem pracy w wysokiej częstotliwości.
2.3 Miniaturyzacja bez kompromisów dotyczących wydajności. Przestrzeń na płytce głównej w serwerze AI jest ograniczona, a stopnie mocy muszą być umieszczone jak najbliżej procesora, aby zminimalizować indukcyjność pasożytniczą. To zmusza projektantów cewek do stosowania materiałów magnetycznych o wysokiej gęstości oraz odlewanych, jednolitych konstrukcji, które zmniejszają powierzchnię zajmowaną przez element i jego wysokość, zachowując przy tym zdolność przewodzenia prądu – czynnik kluczowy przy montażu powierzchniowym w układach o wysokiej gęstości.
◾ Utrzymanie wysokiej niezawodności w długim okresie użytkowania. Serwery AI pracują z dużym obciążeniem niemal przez cały czas. Cewki w takim środowisku muszą zapewniać stabilną wydajność elektryczną przez długi czas eksploatacji pod stałym wpływem termicznego i elektrycznego obciążenia.
◾ Skuteczne tłumienie zakłóceń elektromagnetycznych (EMI). Magnetycznie ekranowana konstrukcja ogranicza strumień magnetyczny do wnętrza samego komponentu, co zmniejsza zakłócenia promieniowane i ułatwia spełnienie wymagań dotyczących zgodności elektromagnetycznej (EMC) w całym systemie – kwestia stająca się coraz ważniejsza wraz ze wzrostem gęstości mocy na poziomie płytki.
Przy zawężaniu wykazu kandydujących cewek dla serwerów sztucznej inteligencji i płyt obliczeń o wysokiej wydajności inżynierowie zwykle skupiają się na trzech kluczowych parametrach elektrycznych — prądzie nasycenia, oporze prądu stałego (DCR) oraz prądzie powodującym wzrost temperatury — przy jednoczesnym uwzględnieniu szerszego zestawu kryteriów dotyczących niezawodności i zakłóceń.
Obciążenia GPU słyną z nagłych skoków obciążenia; szybkość zmiany prądu (di/dt) podczas skoku obciążenia może osiągać wartość rzędu 100 A/µs. Jeśli rdzeń cewki ulegnie nasyceniu w trakcie takiego przejścia, indukcyjność gwałtownie spada, a pętla sterowania przetwornicy może utracić regulację, co zagraża stabilności systemu. Dlatego zapas prądu nasycenia — a nie tylko wartość prądu w stanie ustalonym — stanowi kluczowy kryterium wyboru cewek stosowanych w stopniach zasilania serwerów AI.
DCR jest głównym czynnikiem strat miedziowych i, przez rozszerzenie, całkowitej wydajności przetwornicy. Ze względu na bezpośredni związek z wydajnością inżynierowie coraz częściej wybierają dławiki wykonane z taśmy płaskiej zamiast tradycyjnych konstrukcji z okrągłego przewodu; konstrukcje z taśmy płaskiej pozwalają zmniejszyć DCR o ponad 30% w porównaniu do odpowiedników z okrągłego przewodu przy podobnym wymiarze obudowy, co bezpośrednio przekłada się na niższe straty mocy i chłodniejszą pracę.
Serwery sztucznej inteligencji często pracują pod pełnym obciążeniem 24 godziny na dobę, dlatego zapas termiczny nie jest opcjonalny. Dobór dławika powinien zapewniać, że jego nominalny prąd powodujący wzrost temperatury przekracza maksymalny ciągły prąd roboczy obwodu, przy jednoczesnym zachowaniu wystarczającego zapasu projektowego dla najbardziej niekorzystnych warunków otoczenia i przepływu powietrza.
Częstotliwości przełączania VRM w serwerach sztucznej inteligencji przesunęły się z około 300 kHz w starszych projektach do zakresu 1–3 MHz i wyższych. Bezpośrednim skutkiem jest znaczne zmniejszenie wymaganego wartości indukcyjności – a tym samym także fizycznych rozmiarów cewki. Jednak w środowisku dużych prądów i wysokiej gęstości mocy, typowym dla serwerów sztucznej inteligencji, wyższa częstotliwość przełączania zwiększa zarówno straty prądu przemiennego w uzwojeniach, jak i straty w rdzeniu. Dlatego korzyści wynikające z wyższej częstotliwości należy połączyć z materiałem magnetycznym specjalnie zaprojektowanym pod kątem niskich strat przy wysokich częstotliwościach.
Ponad te cztery kluczowe parametry inżynierowie oceniają także konstrukcję ekranowania magnetycznego, dane dotyczące długotrwałej niezawodności oraz osiągalną gęstość mocy w ograniczonej powierzchni jako część kompleksowej oceny. W praktyce odpowiednia cewka zależy od dopasowania konkretnego profilu obciążenia, wielkości prądu, częstotliwości przełączania oraz warunków termicznych poszczególnych szyn zasilania w serwerach sztucznej inteligencji do produktu zaprojektowanego właśnie na tę kombinację.
Różne etapy łańcucha zasilania serwerów AI wymagają różnych technologii konstrukcji cewek indukcyjnych:
◾ Indukcyjności mocy o dużym prądzie są podstawowymi elementami dostarczania mocy do kart GPU, CPU i akceleratorów, priorytetem jest wysoka wydajność prądu nasycenia, trwałe przesyłanie dużych prądów przy minimalnym wzroście temperatury, korzystne charakterystyki strat w zakresie wysokich częstotliwości oraz materiały magnetyczne o niskich stratach, takie jak ferryt lub proszek z metalowego stopu.
◾ Formowanie dławików mocy w pełni integrują uzwojenie i rdzeń poprzez proces formowania przez prasowanie z użyciem magnetycznego proszku, co zmniejsza wycieki strumienia magnetycznego i poprawia zachowanie prądu nasycenia. Taka konstrukcja zapewnia zazwyczaj wyższą gęstość mocy oraz silniejszą redukcję interferencji elektromagnetycznych (EMI) niż tradycyjne cewki nawinięte, co czyni ją szczególnie odpowiednią dla wysokoprądowych przetwornic DC-DC oraz szyn zasilania CPU/GPU, gdzie miejsce na płytce drukowanej jest bardzo ograniczone.
◾ Cewki indukcyjne TLVR (Trans-Inductor Voltage Regulator) wykorzystuje sprzężoną strukturę z dwoma uzwojeniami w celu uproszczenia projektowania przetwornic wielofazowych oraz zmniejszenia liczby komponentów na płytce PCB. W przypadku szyn niskonapięciowych, wysokoprądowych i szybkozmiennej charakterystyki typowych dla akceleratorów AI projekty TLVR mogą poprawić odpowiedź na zmiany chwilowe oraz zmniejszyć tętnienia napięcia wyjściowego, jednocześnie obniżając wymaganą pojemność kondensatorów wyjściowych – co przekłada się na istotne oszczędności kosztów i miejsca na poziomie całego systemu.
CODACA opracowała swoją ofertę cewek dokładnie zgodnie z powyższymi wymaganiami, tworząc własny materiał magnetyczny z proszkowym rdzeniem oraz procesy wytwarzania w jednej części metodą formowania, które odpowiadają na potrzeby dużych prądów, wysokiego nasycenia, wysokiej częstotliwości przy niskich stratach oraz małej powierzchni zajmowanej przez elementy stosowane w serwerach AI oraz powiązanych urządzeniach do inteligentnych obliczeń. Dwie serie ilustrują, jak te zasady projektowe przekładają się na rzeczywiste komponenty przeznaczone do szyn zasilania w systemach AI.
The Seria CSBA jest opracowany na bazie własnego materiału rdzenia magnetycznego z proszku stopowego firmy CODACA i przeznaczony jest do zastosowań, w których zarówno ograniczona przestrzeń na płytce, jak i wysoka wydajność przy wysokiej częstotliwości są kluczowe:
The Seria CSBA Własny rdzeń z proszku stopowego o bardzo niskich stratach w rdzeniu, charakterystyka miękkiego nasycenia prądu zapewniająca stabilną pracę pod obciążeniem przejściowym, niskie straty przy wysokiej częstotliwości, odpowiedni do rozwiązań mocy opartych na GaN. Połączenie niskich strat w rdzeniu oraz silnej wydajności przy wysokiej częstotliwości czyni serię CSBA praktycznym wyborem dla konwerterów DC-DC i regulatorów przełączających pracujących przy podwyższonych częstotliwościach typowych dla współczesnych etapów VRM serwerów AI, w tym projektów mocy opartych na GaN.
5.2 Serię CSHN Włókna odlewu dla akceleratorów AI
The Serię CSHN jest formowaną cewką mocy przeznaczoną do szyn o ultra-niskim napięciu i wysokim prądzie, znajdujących się najbliżej krzemowych die procesorów AI. The Serię CSHN Zakres indukcyjności wynosi od 56 do 82 nH, a typowa wartość DCR może być tak niska jak ok. 0,19 mΩ w przypadku reprezentatywnych elementów. Dzięki ultra-niskiej indukcyjności, niezwykle niskiemu oporowi prądu stałego (DCR) oraz wysokiej zdolności przewodzenia prądu w zwartej, formowanej obudowie seria CSHN jest przeznaczona głównie do spełniania wymagań miniaturyzacji i montażu o wysokiej gęstości w modułach zasilania układów scalonych AI, a rozszerzony zakres temperatur roboczych umożliwia wytrzymywanie długotrwałego obciążenia termicznego charakterystycznego dla sprzętu obliczeniowego o inteligentnej architekturze.
5.3 Dobór odpowiedniego dławika do aplikacji
Dla inżynierów projektujących szyny zasilania serwerów AI kluczowym wnioskiem praktycznym jest to, że dobór dławika powinien rozpocząć się od analizy profilu elektrycznego i termicznego konkretnej szyny zasilania, a nie od ogólnego wyszukiwania po terminie «dławik wysokoprądowy».
◾W miejscach na obudowie lub płycie, gdzie przestrzeń jest bardzo ograniczona, ale wymagania dotyczące prądu i częstotliwości pozostają znaczne, zwarta rodzina wysokoprądowych dławików, taka jak Seria CSBA jest silnym kandydatem.
◾Dla szyn o bardzo niskim napięciu, niskiej indukcyjności i dużym prądzie zasilających bezpośrednio układy AI — gdzie minimalizacja powierzchni zajmowanej przez element i oporu prądu stałego (DCR) jest kluczowa — lepszym dopasowaniem do wymagań jest cewka w obudowie formowanej typu Serię CSHN .
◾Dla wielofazowych szyn zasilających rdzeń GPU o szybkiej odpowiedzi na zmiany obciążenia cewka Oparta na technologii TLVR może zapewnić przewagę na poziomie całego systemu pod względem odpowiedzi na zmiany obciążenia oraz liczby kondensatorów wyjściowych, czego nie potrafi osiągnąć konwencjonalna cewka jednozwojowa.
Zasilanie serwerów AI przesunęło się wyraźnie w kierunku wyższych napięć dystrybucyjnych, rozproszonej konwersji przy punkcie obciążenia oraz częstotliwości przełączania w zakresie wielu megaherców — wszystko przy ciągłym użytkowaniu w warunkach wysokiego obciążenia. Ta kombinacja stawia jednoczesne wymagania wobec cewek zasilających: niski opór prądu stałego (DCR), wysoki prąd nasycenia, niskie straty na wysokich częstotliwościach, kompaktowe wymiary, skuteczna ochrona przed interferencjami elektromagnetycznymi (EMI) oraz długotrwała niezawodność.
Wybór odpowiedniej rodziny cewek oraz odpowiedniego modelu z tej rodziny dla każdej szyny zasilania nie jest już rutynową decyzją dotyczącą listy materiałów (BOM), lecz istotnym czynnikiem wpływającym na poprawę wydajności konwersji mocy w serwerach sztucznej inteligencji oraz na ogólną stabilność systemu. Specjalnie zaprojektowane linie produktów, takie jak serie CSBA i CSHN firmy CODACA – a także szeroka klasa technologii cewek o wysokim prądzie, cewek formowanych oraz cewek TLVR, które te serie reprezentują – pokazują, jak dostawcy elementów magnetycznych reagują na te wymagania wraz z dalszym skalowaniem obliczeń AI.
Aby uzyskać szczegółowe dane elektryczne, rysunki wymiarowe oraz złożyć prośbę o próbki, odwiedź Oficjalną witrynę internetową CODACA ：https://www.codaca.com.cn/.