เทคโนโลยีพลังงานของเซิร์ฟเวอร์ AI ยังคงพัฒนาอย่างต่อเนื่อง ส่งผลให้ความต้องการอินดักเตอร์ประสิทธิภาพสูงเพิ่มขึ้น

ด้วยการพัฒนาอย่างรวดเร็วของปัญญาประดิษฐ์และเทคโนโลยีข้อมูลขนาดใหญ่ เซิร์ฟเวอร์ AI ซึ่งเป็นอุปกรณ์ที่ใช้การประมวลผลสูง จึงทำหน้าที่สำคัญในด้านต่างๆ เช่น การประมวลผลแบบคลาวด์ การเรียนรู้เชิงลึก การขับขี่อัตโนมัติ และหุ่นยนต์อัจฉริยะ ประสิทธิภาพและความเสถียรของเซิร์ฟเวอร์ AI ขึ้นอยู่กับการออกแบบระบบจ่ายพลังงานเป็นหลัก เมื่อความต้องการด้านการประมวลผลเพิ่มสูงขึ้นเรื่อยๆ สถาปัตยกรรมการจ่ายไฟแบบดั้งเดิมจึงเริ่มมีข้อจำกัดในการตอบสนองความต้องการด้านการจ่ายพลังงานที่มีประสิทธิภาพและเสถียร ส่งผลให้สถาปัตยกรรมการจ่ายพลังงานขั้นสูง เช่น การจ่ายพลังงานแบบกระจาย 48V การแปลงแรงดันแบบหลายเฟส (multi-phase buck conversion) และการควบคุมแบบดิจิทัล เริ่มปรากฏขึ้นเป็นทางออกหลัก

1- สถาปัตยกรรมหลักด้านการจ่ายพลังงานของเซิร์ฟเวอร์ AI

1.1 สถาปัตยกรรมการจ่ายพลังงานแบบรวมศูนย์

แหล่งจ่ายไฟแบบรวมศูนย์แบบดั้งเดิมใช้หน่วยแหล่งจ่ายไฟ (PSU) เพียงหน่วยเดียวในการแปลงกระแสไฟฟ้า AC เป็นไฟฟ้า DC 12V ซึ่งจะถูกส่งต่อไปยังโหลดต่างๆ ผ่านเมนบอร์ด ระบบนี้มีการออกแบบที่สุกงอม ต้นทุนต่ำ และง่ายต่อการจัดการอย่างเป็นระบบ อย่างไรก็ตาม เมื่อพลังการประมวลผลของเซิร์ฟเวอร์ AI เพิ่มขึ้น ข้อเสียของระบบนี้ก็เริ่มปรากฏชัดเจน ได้แก่ เส้นทางการส่งไฟ 12V ที่ยาวทำให้เกิดการสูญเสียจากการนำไฟฟ้าเพิ่มขึ้นอย่างมาก (I²R); ความกว้างแถบการควบคุมแรงดันจำกัด ส่งผลต่อความเร็วในการตอบสนองแบบไดนามิก; ยากต่อการรองรับการเปลี่ยนแปลงของภาระงานในระดับนาโนวินาทีของ CPU/GPU; ระบบไม่มีความสามารถสำรองที่ดีพอ หากโมดูลจ่ายไฟล้มเหลวเพียงตัวเดียว อาจทำให้ระบบล่มทั้งระบบ ขาดความน่าเชื่อถือ

1.2 สถาปัตยกรรมการจ่ายไฟแบบกระจาย (DPA)

สถาปัตยกรรมการจ่ายพลังงานแบบกระจายได้กลายเป็นทางเลือกที่นิยมสำหรับเซิร์ฟเวอร์ AI ขนาดใหญ่ โดยแก่นหลักคือการใช้แหล่งจ่ายไฟบัสกลางแบบ 48V ซึ่งแหล่งจ่ายไฟ (PSUs) จะส่งออกกระแสไฟตรงที่ 48V โดยอาศัยคุณสมบัติของแรงดันสูงในการส่งผ่านและกระแสต่ำ ช่วยลดการสูญเสียพลังงานในเส้นทางการจ่ายไฟอย่างมีนัยสำคัญ ใกล้กับโหลดหลัก เช่น CPU และ GPU จะมีการติดตั้งเครื่องแปลงไฟแบบ Point-of-Load (POLs) เพื่อแปลงแรงดัน 48V ไปเป็นแรงดันต่ำตามที่ต้องการโดยตรง (เช่น 0.8V–1.8V) ทำให้สามารถจ่ายไฟได้อย่างแม่นยำและเฉพาะจุด ส่งผลให้ความเร็วในการตอบสนองต่อการเปลี่ยนแปลงชั่วขณะและความแม่นยำในการควบคุมแรงดันดีขึ้นอย่างมาก

สถาปัตยกรรมการจ่ายพลังงานแบบกระจาย 48V (ที่มาของภาพ: อินเทอร์เน็ต)

1.3 สถาปัตยกรรมการแปลงแรงดันแบบบัคหลายเฟส

เป็นวิธีการแก้ปัญหาที่ใช้เฉพาะสำหรับ POL เพื่อจ่ายไฟให้กับโหลดที่มีกำลังสูงมาก (เช่น CPU/GPU) โดยการทำงานสลับกันของวงจร buck แบบซิงโครนัสหลายชุดที่ทำงานขนานกันเพื่อจ่ายพลังงานไปยังโปรเซสเซอร์ตัวเดียว ข้อดีได้แก่: การลดแรงดันกระแสไฟและสูญเสียความร้อนต่อเฟสหลังจากการแบ่งกระแส; การทำให้กระแสไฟขาออกเรียบเนียนอย่างมีประสิทธิภาพผ่านการทำงานสลับเฟสหลายชุด ซึ่งช่วยลดการพึ่งพาคาปาซิเตอร์แบบ decoupling; และการเปิด/ปิดจำนวนเฟสอย่างชาญฉลาดตามการใช้พลังงานของโปรเซสเซอร์ เพื่อเพิ่มประสิทธิภาพภายใต้ภาระเบา

1.4 สถาปัตยกรรมการควบคุมพลังงานแบบดิจิทัล

ด้วยการแทนที่วงจรอะนาล็อกบางส่วนด้วยตัวประมวลผลสัญญาณดิจิทัล (DSPs) หรือไมโครคอนโทรลเลอร์ (MCUs) ทำให้สามารถจัดการพลังงานอย่างชาญฉลาดได้ ซึ่งไม่เพียงแต่ช่วยให้ใช้อัลกอริธึมควบคุมที่ซับซ้อนและยืดหยุ่นมากขึ้นเพื่อเพิ่มประสิทธิภาพในการตอบสนองแบบไดนามิกและประสิทธิภาพการใช้พลังงาน แต่ยังรองรับการตรวจสอบแบบเรียลไทม์ การปรับพารามิเตอร์ การทำนายความผิดพลาด และการจัดการจากระยะไกล (เช่น โดยใช้โปรโตคอล PMBus/I2C) ผ่านซอฟต์แวร์ อีกทั้งการออกแบบขั้นสูงมักใช้โหมดผสมระหว่างการจัดการแบบดิจิทัลและการตอบสนองรวดเร็วแบบอะนาล็อก เพื่อสร้างสมดุลระหว่างความชาญฉลาดและความเร็ว

1.5 แหล่งจ่ายไฟแบบโมดูลาร์

ใช้กันอย่างแพร่หลายในเซิร์ฟเวอร์ AI ระดับศูนย centers โมดูลจ่ายไฟแบบมาตรฐาน (เช่น CRPS) รองรับการถอดเปลี่ยนขณะทำงาน (hot-swap), การสำรองข้อมูล N+1 และการบำรุงรักษาขณะทำงาน ซึ่งช่วยให้มั่นใจได้ถึงความพร้อมใช้งานสูงสุดของการดำเนินงานทางธุรกิจ ฟังก์ชันอัจฉริยะของโมดูลช่วยให้สามารถปรับจำนวนโมดูลที่เปิดใช้งานได้ตามเงื่อนไขของภาระงาน หลีกเลี่ยงการทำงานที่ไม่มีประสิทธิภาพภายใต้ภาระเบา และช่วยเพิ่มประสิทธิภาพการใช้พลังงานโดยรวมของศูนย์ข้อมูลอย่างมาก

2- ความท้าทายที่เกิดขึ้นกับหม้อแปลงเหนี่ยวนำจากการพัฒนาสถาปัตยกรรมแหล่งจ่ายไฟของเซิร์ฟเวอร์ AI

นวัตกรรมในสถาปัตยกรรมจ่ายไฟของเซิร์ฟเวอร์ AI ได้กำหนดข้อกำหนดด้านสมรรถนะที่เข้มงวดยิ่งขึ้นต่อหม้อแปลงเหนี่ยวนำ ทำให้เทคโนโลยีหม้อแปลงต้องพัฒนาไปพร้อมกับการออกแบบระบบจ่ายไฟ ผลิตภัณฑ์หม้อแปลงเหนี่ยวนำจึงจำเป็นต้องตอบสนองความต้องการต่อไปนี้

① ความต้านทานกระแสตรงต่ำ: ความต้องการในปัจจุบันของเซิร์ฟเวอร์ AI ที่มีประสิทธิภาพสูงได้เพิ่มขึ้นอย่างมาก ทำให้ต้องการขดลวดเหนี่ยวนำที่มีความสามารถในการนำกระแสไฟฟ้าได้ดีและมีสมรรถนะการจัดการความร้อนที่ยอดเยี่ยม เมื่อขดลวดเหนี่ยวนำนำกระแสไฟขนาดใหญ่ จะเกิดความร้อนขึ้น หากการระบายความร้อนไม่ดี อาจทำให้สมรรถนะของวัสดุขดลวดลดลง หรือถึงขั้นเสียหาย ส่งผลต่อความมั่นคงของแหล่งจ่ายไฟ ดังนั้นการออกแบบให้มีความต้านทานกระแสตรงต่ำ (DCR) จึงกลายเป็นพารามิเตอร์สำคัญสำหรับขดลวดเหนี่ยวนำ ซึ่งช่วยลดการสูญเสียพลังงานและการเพิ่มขึ้นของอุณหภูมิได้อย่างมีประสิทธิภาพ ทำให้ขดลวดสามารถแสดงศักยภาพด้านความน่าเชื่อถือที่โดดเด่นในงานใช้งานที่มีกระแสไฟสูง

② ความถี่สูง สูญเสียน้อย แหล่งจ่ายไฟสำหรับเซิร์ฟเวอร์ AI สมัยใหม่ต้องการประสิทธิภาพระดับ 97% หรือแม้แต่ 99% โดยหม้อแปลงเหนี่ยวนำมีส่วนทำให้เกิดการสูญเสียพลังงานอย่างมากในระบบ เมื่อความถี่ในการแปลงพลังงานเพิ่มสูงขึ้นอย่างต่อเนื่อง ขดลวดเหนี่ยวนำจึงจำเป็นต้องรักษาน้ำหนักระหว่างประสิทธิภาพที่ทำงานที่ความถี่สูงและประสิทธิภาพสูง พร้อมลดการสูญเสียจากกระแสไฟฟ้าวนและฮิสเทอรีซิสให้น้อยที่สุด การสูญเสียที่เพิ่มขึ้นจากการไหลของกระแสไฟฟ้าความถี่สูงจำเป็นต้องมีการปรับปรุงวัสดุและโครงสร้างของขดลวดเหนี่ยวนำอย่างต่อเนื่อง เพื่อตอบสนองความต้องการในการทำงานที่ช่วงความถี่กว้างและมีประสิทธิภาพสูง

③ การออกแบบขนาดเล็กลงและบางลง: เซิร์ฟเวอร์ AI มีพื้นที่ภายในจำกัด จึงต้องการลดขนาดของอินดักเตอร์ให้เล็กลงยิ่งขึ้นโดยยังคงประสิทธิภาพไว้ได้ การทำให้มีขนาดเล็กลงและมีดีไซน์บางคือแนวโน้มในอนาคตของการพัฒนาอินดักเตอร์ โดยการใช้วัสดุแกนแม่เหล็กความหนาแน่นสูงและเทคนิคการขึ้นรูปขั้นสูง อินดักเตอร์สามารถผลิตให้มีขนาดเล็กลงพร้อมกับลดน้ำหนักได้ ช่วยให้ติดตั้งแบบความหนาแน่นสูงและประหยัดพื้นที่แผงวงจรพีซีบี (PCB) ได้อย่างมีประสิทธิภาพ นอกจากนี้การออกแบบเหล่านี้ยังต้องคำนึงถึงความสมดุลระหว่างความแข็งแรงทางกลกับสมรรถนะด้านความร้อน เพื่อป้องกันการเสื่อมประสิทธิภาพในสภาพแวดล้อมที่ซับซ้อน

④ ความน่าเชื่อถือสูง: เซิร์ฟเวอร์ AI โดยทั่วไปทำงานภายใต้ช่วงอุณหภูมิกว้างและสภาวะโหลดต่อเนื่องเป็นระยะเวลานาน อินดักเตอร์จึงจำเป็นต้องมีความสามารถในการปรับตัวต่ออุณหภูมิได้ดีและความเสถียรที่เชื่อถือได้ สามารถต้านทานผลกระทบจากอุณหภูมิสูงและการเปลี่ยนแปลงของสิ่งแวดล้อมได้อย่างมีประสิทธิภาพ เพื่อให้มั่นใจว่าอุปกรณ์จะทำงานอย่างต่อเนื่องและเสถียร

⑤ สมรรถนะ EMI: โครงสร้างการป้องกันแม่เหล็กสามารถยับยั้งความเสียหายจากสัญญาณรบกวนแม่เหล็กไฟฟ้าต่อชิ้นส่วนหรือสายสัญญาณที่อยู่ใกล้เคียงได้อย่างมีประสิทธิภาพ ทำให้มั่นใจได้ว่าเซิร์ฟเวอร์จะประมวลผลสัญญาณอ่อนได้อย่างแม่นยำ อินดักเตอร์ที่มีสมรรถนะสูงในการต้านทานสัญญาณรบกวนแม่เหล็กไฟฟ้า (EMI) สามารถลดมลภาวะทางสิ่งแวดล้อมจากคลื่นแม่เหล็กไฟฟ้า และเพิ่มความสามารถในการต้านทานสัญญาณรบกวนของระบบโดยรวม

⑥ การออกแบบเสียงรบกวนต่ำ: ด้วยความต้องการที่เพิ่มขึ้นในการควบคุมเสียงรบกวนของเซิร์ฟเวอร์ เสียงฮัมจากอินดักเตอร์จึงกลายเป็นประเด็นที่ต้องให้ความสำคัญ เสียงฮัมที่เกิดจากการสั่นสะเทือนของตัวอินดักเตอร์เองส่งผลกระทบต่อสภาพแวดล้อมในศูนย์ข้อมูลและประสบการณ์ของผู้ใช้งาน โดยเฉพาะในห้องเซิร์ฟเวอร์ของศูนย์ข้อมูลคลาวด์ขนาดใหญ่ การออกแบบที่มีเสียงรบกวนต่ำจึงมีความสำคัญอย่างยิ่ง เทคโนโลยีอินดักเตอร์แบบหล่อและการปรับความถี่เรโซแนนซ์ช่วยเสนอวิธีแก้ปัญหาที่มีประสิทธิภาพในการลดเสียงฮัม ทำให้การปรับตัวของแหล่งจ่ายไฟในเซิร์ฟเวอร์ต่อสิ่งแวดล้อมดีขึ้นอย่างมาก

โดยสรุป ตัวเหนี่ยวนำต้องเผชิญกับความท้าทายหลายประการในระบบจ่ายไฟของเซิร์ฟเวอร์ AI ซึ่งรวมถึงกระแสไฟสูง ขนาดเล็ก ความถี่สูง ความสามารถในการต้านทานสัญญาณรบกวนได้ดี อุณหภูมิใช้งานกว้าง และเสียงรบกวนต่ำ เพื่อตอบสนองข้อกำหนดการใช้งานที่เข้มงวดภายใต้แนวโน้มใหม่ จำเป็นต้องพัฒนาอย่างต่อเนื่องผ่านนวัตกรรมวัสดุ การปรับปรุงโครงสร้าง และการอัปเกรดกระบวนการผลิต

3- การประยุกต์ใช้และคำแนะนำในการเลือกตัวเหนี่ยวนำสำหรับแหล่งจ่ายไฟในเซิร์ฟเวอร์ AI

ตัวเหนี่ยวนำในแหล่งจ่ายไฟของเซิร์ฟเวอร์ AI มีหน้าที่หลายประการ เช่น การกรองสัญญาณ ขดลวดเหนี่ยวนำ ทำให้แรงดันและกระแสไฟฟ้าเสถียร และลดสัญญาณรบกวน สำหรับข้อกำหนดด้านประสิทธิภาพสูงและความน่าเชื่อถือสูงของเซิร์ฟเวอร์ AI ภายใต้แนวโน้มใหม่ การเลือกตัวเหนี่ยวนำที่เหมาะสมจึงมีความสำคัญอย่างยิ่ง Codaca ได้เน้นการแก้ไขตัวชักชักที่มีความน่าเชื่อถือสูง และได้เปิดตัวสินค้าตัวชักชักที่มีผลงานสูงหลายรายการสําหรับเซอร์เวอร์ AI และอุปกรณ์ที่มีความฉลาดที่เกี่ยวข้อง โดยครอบคลุมหมวดหมู่ต่างๆ เช่น ตัวชักชักชักชักพลังงานกระแส

ในบรรดาพวกนั้น อินดักเตอร์พลังงานกระแสสูงซีรีส์ CSBA ใช้วัสดุแกนเนอร์แม่เหล็กข้นผงที่พัฒนาเองของ Codaca โดยมีการสูญเสียแกนที่ต่ํามาก ลักษณะกระแสความอิ่มอ่อนที่ดี และคุณสมบัติความอ่อนแอความถี่สูง การออกแบบที่บางของมันประหยัดพื้นที่การติดตั้ง ทําให้มันเหมาะสําหรับความต้องการการติดตั้งความหนาแน่นสูง ระยะอุณหภูมิการทํางาน -55 °C ถึง +170 °C สามารถปรับตัวกับสภาพแวดล้อมการทํางานที่อุณหภูมิสูง อินดูเตอร์ซีรีส์ CSBA ตอบสนองความต้องการการทํางานของปัสดุพลังงาน GaN สําหรับอินดูเตอร์ที่มีความถี่สูงและสูญเสียน้อย, ความหนาแน่นของพลังงานสูง, และช่วงอุณหภูมิที่กว้างขวาง, และถูกใช้อย่างแพร่หลายในโมดูล

The อินดักเตอร์แบบโมลด์ซีรีส์ CSHN , ออกแบบมาโดยเฉพาะสำหรับการใช้งาน AI โดยใช้โครงสร้างแบบโมลด์ที่มีเสียงรบกวนต่ำเป็นพิเศษ โดดเด่นด้วยค่าอินดักแตนซ์ต่ำมาก ความต้านทานกระแสตรงต่ำอย่างยิ่ง คุณสมบัติการอิ่มตัวแบบนุ่มนวลยอดเยี่ยม และสามารถรองรับกระแสไฟฟ้าได้สูง ผลิตภัณฑ์ใช้ดีไซน์บางเพื่อตอบสนองความต้องการด้านการลดขนาดและบรรจุภัณฑ์ความหนาแน่นสูงสำหรับชิป AI และโมดูลพลังงาน ช่วงอุณหภูมิการทำงานอยู่ที่ -40℃ ถึง +125℃ ซึ่งสอดคล้องกับข้อกำหนดที่เข้มงวดของอุปกรณ์ประมวลผลอัจฉริยะ

เมื่อเลือกชิ้นส่วน วิศวกรจำเป็นต้องพิจารณาลักษณะของโหลด กระแสไฟฟ้า ขนาด ความถี่ในการทำงาน และสภาพการระบายความร้อนของเซิร์ฟเวอร์ AI เพื่อเลือกโมเดลอินดักเตอร์ที่เหมาะสมที่สุด ตัวอย่างเช่น ในแชสซีเซิร์ฟเวอร์ขนาดกะทัดรัดที่มีพื้นที่จำกัด ซีรีส์ CSBA ของอินดักเตอร์กำลังไฟฟ้ากระแสสูงแบบคอมแพกต์ จะเป็นตัวเลือกที่เหมาะที่สุด เพื่อตอบสนองความต้องการของแอปพลิเคชัน AI ที่ต้องการค่าอินดักแตนซ์ต่ำ กระแสไฟฟ้าสูง และขนาดเล็ก อินดักเตอร์แบบโมลด์สำหรับ AI ซีรีส์ CSHN สามารถเลือกได้ การจับคู่ผลิตภัณฑ์อินดักเตอร์ประสิทธิภาพสูงอย่างเหมาะสมสามารถเพิ่มประสิทธิภาพการแปลงพลังงานและเสถียรภาพของระบบในเซิร์ฟเวอร์ AI ได้สูงสุด