EN
Snabb länkar
Den explosiva tillväxten av arbetsbelastningar inom artificiell intelligens har fundamentalt omformat kraven på serverkraftsystemens konstruktion. När GPU:er, CPU:er och specialiserade AI-acceleratorer (xPU:er) packar allt fler transistorer i ett enda paket har den bordsspecifika effekten till dessa enheter stigit till hundratals och till och med tusentals watt per uttag. För att hålla jämna steg drivs spänningsregulatormodulerna (VRM:er) och lastnära växelriktarna (PoL-omvandlare) som matar dessa processorer mot högre strömtäthet och snabbare transientrespons än någonsin tidigare i serverhistorien.
I kärnan av varje sådan effektfas finns en till synes enkel komponent: effektinduktorn. Långt ifrån att vara en standardkomponent har induktorn blivit en av de viktigaste möjliggörarna – eller, om den väljs felaktigt, en av de största flaskhalsarna – för AI-serverns effektsystemarkitektur. Den här artikeln undersöker hur effektförsörjningen till AI-servrar utvecklas, vilka krav den utvecklingen ställer på induktorer, vilka parametrar ingenjörer måste väga noggrant vid val, och hur specialutvecklade induktorserier, som CODACAs CSBA- och CSHN-serier, möter dessa krav i praktiken.
Traditionella servers effektsystem ersätts gradvis av arkitekturer som bygger på fyra parallella trender:
◾Högspänningslikströmsdistribution. Många nästa generations AI-serverställ går mot 48 V DC-bussrör istället för den äldre 12 V-distributionen, vilket minskar I²R-förlusterna över backplanen innan spänningen sänks på kortnivå.
◾Distribuerad punktbelastningsomvandling. Istället for en enda central omvandlare regleras nu effekten nära varje processor genom flera PoL-steg, var och en med sin egen induktorbank.
◾Digital styrning. Digitala PWM-styrdon med snabba återkopplingsloopar gör att omvandlare kan svara på de extrema laststegen som är karakteristiska för GPU-arbetsbelastningar.
◾Intelligent effekthantering. Telemetridrivna effektfaser justerar antalet faser och switchningsbeteende dynamiskt baserat på aktuella lastförhållanden i realtid.
Varje strukturell förändring skapar nya prestandakrav för induktorer, vilket gör induktorval till ett primärt designbeslut snarare än en eftertanke. Varför induktorer är viktiga för effektleverans i AI-servrar.
Effektinduktorer sitter i början av kretskortsförsörjningskedjan och levererar stabil, lågbrusig ström till silicium som slutligen utför AI-beräkningarna. De utför flera funktioner samtidigt längs hela effektpathen i AI-servrar:
◾ Energilagrings- och spänningsreglering i buck-, multiphas- och TLVR-omvandlartopologier som försörjer GPU:er, CPU:er och acceleratorer.
◾ Vågutjämning så att likströmslikriktarsteg med snabb styrning levererar ren, stabil utströmningsström i stället för en brusig vågform som kan destabilisera känslig digital logik.
◾ Signalfiltrering och brusdämpning , där gemensamma-modus-spolar och differentiella-modus-induktorer arbetar tillsammans med kondensatorer för att ta bort högfrekvent vågutjämning från den primära växelströmslikriktarstegen och skydda integriteten hos höghastighetssignaler.
Eftersom induktorer förekommer i nästan varje effektomvandlingssteg i en AI-server – från nivån för rackbaserad växelström/likström i fronten ner till processorns under-1 V-kärnspänningsnivå – har deras elektriska och termiska egenskaper en outsized påverkan på hela systemets effektivitet, stabilitet och tillförlitlighet.
Jämfört med induktorer som används i konventionella servrar måste AI-serverinduktorer uppfylla en mer krävande och sammanlänkad uppsättning krav:
2.1 Låg likströmsmotstånd (DCR) för drift vid hög ström. Strömdraget hos moderna AI-acceleratorer har ökat kraftigt, och induktorer måste kunna bära den strömmen med minimal resistiv förlust. En hög DCR översätter sig direkt till högre I²R-uppvärmning; om den värmen inte hanteras effektivt kan det magnetiska materialet försämras eller induktorn gå sönder helt, vilket hotar spänningsrailens stabilitet. En låg-DCR-konstruktion betraktas därför som en grundläggande designparameter snarare än en önskvärd men icke nödvändig egenskap.
2.2 Drift vid hög frekvens med låg kärnförlust. AI-serverströmförsörjningar specificeras ofta för omvandlingseffektivitet nära 99 %. När switchfrekvenserna stiger för att driva mer effekt genom en mindre yta ökar både kärn- och lindningsförlusterna i takt med detta, om inte det magnetiska materialet och lindningsgeometrin specifikt är optimerade för drift vid hög frekvens.
2.3 Miniatyrisering utan prestandakompromiss. Kretskortyta i en AI-server är knapp, och kraftsteg måste placeras så nära processorn som möjligt för att minimera parasitisk induktans. Detta driver induktorformgivare mot magnetiska material med hög täthet samt formgjutna, enfasiga konstruktioner som minskar ytomfattning och höjd utan att försämra strömbelastningsförmågan – en viktig faktor för högtäthetsmontering på kretskort.
◾ Hög pålitlighet över tid. AI-servrar kör med hög utnyttjning nästan dygnet runt. Induktorer i denna miljö måste bibehålla stabil elektrisk prestanda under en lång driftslivslängd trots kontinuerlig termisk och elektrisk belastning.
◾ Effektiv EMI-dämpning. En magnetiskt skärmad konstruktion begränsar flödet till komponenten själv, vilket minskar utstrålad störning och hjälper det omgivande systemet att uppfylla kraven på elektromagnetisk kompatibilitet – en allt viktigare aspekt då effekttätheten på kretskortet ökar.
När ingenjörer begränsar valet av potentiella induktorer för AI-servrar och högpresterande datorbrädor brukar de vanligtvis fokusera på tre huvudsakliga elektriska parametrar – mättningsström, DC-resistans (DCR) och temperaturstegringsström – stödda av en bredare uppsättning pålitlighets- och störkriterier.
GPU-arbetsbelastningar är notoriska för plötsliga lasttransienter; strömförändringshastigheter (di/dt) under en laststeg kan nå storleksordningen 100 A/µs. Om induktorerns kärna mättnas under en sådan transient minskar induktansen kraftigt, och omregleringsloopen i omvandlaren kan förlora regleringen, vilket hotar systemets stabilitet. Detta gör marginalen för mättningsström – inte bara den stationära strömbelastningen – till ett avgörande urvalskriterium för strömfaserna i AI-servrar.
DCR är den främsta orsaken till kopparförluster och, i förlängningen, till den totala omvandlarens verkningsgrad. På grund av denna direkt koppling till verkningsgraden föredrar ingenjörer allt oftare induktorer med platt-ledar-lindning framför konventionell rund-ledar-konstruktion; platt-ledar-designer kan minska DCR med mer än 30 % jämfört med motsvarande rund-ledar-lösningar med liknande yta, vilket direkt översätts till lägre effektförluster och svalare drift.
AI-servrar kör ofta vid hög belastning dygnet runt, så termisk marginal är inte valfritt. Valet bör säkerställa att induktorns angivna temperaturstegringens ström överstiger kretsens maximala kontinuerliga driftström, med tillräcklig konstruktionsmarginal kvar för värsta tänkbara omgivningstemperatur och luftflödesförhållanden.
VRM-switchningsfrekvenser i AI-servrar har gått från cirka 300 kHz i äldre design till intervallet 1–3 MHz och högre. Direkta konsekvensen är att det krävda induktansvärdet – och därmed den fysiska storleken på induktorn – minskar kraftigt. I miljön med hög ström och hög effekttäthet som är typisk för AI-servrar ökar dock högre switchningsfrekvens både vindingens växelströmsförluster och kärnförlusterna, så fördelen med högre frekvens måste kombineras med ett magnetiskt material som specifikt är utformat för låga förluster vid hög frekvens.
Utöver dessa fyra huvudparametrar bedömer ingenjörer även magnetisk skärmsstruktur, långsiktig pålitlighetsdata och uppnåbar effekttäthet inom en begränsad yta som del av en omfattande utvärdering. I praktiken beror valet av rätt induktor på att matcha den specifika lastprofilen, strömnivån, switchningsfrekvensen och den termiska miljön för varje AI-serverns strömförsörjningsbana med en produkt som är utformad för just den kombinationen.
Olika steg i AI-serverns strömkedja kräver olika induktortekniker:
◾ Högströmskraftinduktorer är arbetshästarna för strömförsörjning till GPU, CPU och accelerator-kort, med fokus på stark prestanda vad gäller mättningsström, hållbar hantering av hög ström med minimal temperaturhöjning, gynnsamma förlustegenskaper vid hög frekvens samt magnetiska material med låga förluster, såsom ferrit eller metalllegeringspulver.
◾ Formande strömspolar integrerar spolen och kärnan fullständigt genom en kompressionsformningsprocess med magnetiskt pulver, vilket minskar flödesläckning och förbättrar mättningsströmsbeteendet. Denna konstruktion ger vanligtvis högre effekttäthet och starkare EMI-undertryckning än konventionella lindade induktorer, vilket gör den väl lämpad för högeffekts DC-DC-omvandlare och CPU/GPU-strömsrailar där kretskortsutrymmet är begränsat.
◾ TLVR-induktorer (Trans-Inductor Voltage Regulator) använder en kopplad dubbelviklingsstruktur för att förenkla designen av multiphaskonverterare och minska antalet komponenter på kretskortet. För de lågspännings-, högströms- och snabba transienterna som är typiska för AI-acceleratorer kan TLVR-designer förbättra transientresponsen och minska utgångsrippeln samtidigt som den krävda utgångskapacitansen sänks – en betydelsefull kostnads- och utrymmesbesparing på systemnivå.
CODACA har byggt sitt induktorutbud kring exakt de krav som anges ovan, genom att utveckla egna magnetiska legeringspulverkärnmaterial och formgjutna, enfasiga tillverkningsprocesser som syftar till att möta kraven på stora strömmar, hög mättnad, hög frekvens med låga förluster samt liten yta för AI-servrar och annan relaterad intelligent beräkningsutrustning. Två serier illustrerar hur dessa designprinciper översätts till verkliga komponenter för AI-strömföringar.
De CSBA-serien är byggd på CODACAs självutvecklade magnetkärnmaterial av legeringspulver och riktar sig till applikationer där kretskortsyta och högfrekvensverkningsgrad är både avgörande:
De CSBA-serien Egenutvecklad legeringspulverkärna med mycket låg kärnförlust, mjuk mättningsströmsegenskap för stabil prestanda vid transienta laster, låg förlust vid hög frekvens, lämplig för GaN-baserade kraftlösningar. Kombinationen av låg kärnförlust och stark högfrekvensprestanda gör CSBA-serien till en praktisk lösning för DC-DC-omvandlare och switchregulatorer som arbetar vid de höga frekvenserna som är typiska för moderna AI-server-VRM-steg, inklusive GaN-baserade kraftdesigner.
5.2 CSHN-serien Ställningskraftskvävning för AI-acceleratorer
De CSHN-serien är en formad kraftchock för ultra-lågspännings-, högströmsräls som finns närmast AI-processordies. Den CSHN-serien Induktansområdet är mellan 56 och 82 nH, så lågt som cirka 0,19 mΩ på representativa komponenter. Med sitt extremt låga induktansvärde, mycket låga DCR-värde och höga strömbärande förmåga i en kompakt formgjuten byggnadsform är CSHN-serien avsedd för att möta kraven på miniatyrisering och hög täthet vid montering i kraftmoduler för AI-chip, medan dess utökade drifttemperaturområde stödjer den varmepåverkan som är typisk för intelligent beräkningsutrustning.
5.3 Anpassning av induktorval till applikationen
För ingenjörer som utformar kraftspänningsledningar för AI-servrar är det praktiska budskapet att valet av induktor bör utgå från den specifika ledningens elektriska och termiska profil snarare än från en generisk sökning efter en »högströmsinduktor«:
◾På chassiplatser eller kortplatser där utrymmet är mycket begränsat men kraven på ström och frekvens fortfarande är betydande är en kompakt högströmsfamilj såsom CSBA-serien är en stark kandidat.
◾För ultra-lågspännings-, låg-induktans-, stromstarka rälsar som matar AI-chips direkt – där minimering av yta och DCR är avgörande – är en formad chipinduktor såsom CSHN-serien bättre anpassad till kravet.
◾För flerfasiga, snabbtransienta GPU-kärnrälsar kan en TLVR-baserad induktor erbjuda systemnivåfördelar vad gäller transientrespons och antal utgångskondensatorer, vilka en konventionell enfasinduktor inte kan matcha.
Strömförsörjningen till AI-servrar har tydligt gått mot högre spänningsdistribution, distribuerad punkt-till-last-omvandling och flera megahertz i switchfrekvens – allt under kontinuerliga driftförhållanden med hög utnyttjning. Den kombinationen ställer samtidiga krav på ströminduktorer vad gäller låg DCR, hög mättningsström, låga förluster vid hög frekvens, kompakt storlek, stark EMI-skärmning och långsiktig pålitlighet.
Att välja rätt induktorserie och rätt modell inom den serien för varje strömförsörjning är inte längre ett rutinmässigt BOM-beslut, utan en meningsfull möjlighet att förbättra effektomvandlingseffektiviteten och den totala systemstabiliteten i AI-servrar. Syfteskonstruerade produktsortiment som CODACAs CSBA- och CSHN-serier – och de bredare högströms-, formgjutna och TLVR-induktor-teknikerna som de representerar – illustrerar hur leverantörer av magnetiska komponenter svarar på dessa krav medan AI-beräkningar fortsätter att skalas upp.
För detaljerade elektriska specifikationer, måttritningar och provbeställningar, besök CODACAs officiella webbplats ：https://www.codaca.com.cn/.