อินดักเตอร์ในเซิร์ฟเวอร์ AI: ข้อกำหนดหลัก แอปพลิเคชัน และเกณฑ์การเลือก

การพัฒนาอย่างรวดเร็วของปัญญาประดิษฐ์ (AI) กำลังกระตุ้นให้ตลาดเซิร์ฟเวอร์ AI เติบโตแบบทวีคูณ ตามรายงานของ IDC และ Inspur Information's 2025 China AI Computing Power Development Assessment ระบุว่า ตลาดเซิร์ฟเวอร์ AI ทั่วโลกมีมูลค่า 125.1 พันล้านดอลลาร์ในปี 2024 และคาดว่าจะเติบโตเป็น 158.7 พันล้านดอลลาร์ภายในปี 2025

1. ข้อกำหนดหลักของตัวเหนี่ยวนำในเซิร์ฟเวอร์ AI

เซิร์ฟเวอร์ AI มีความต้องการที่สูงกว่าเซิร์ฟเวอร์ทั่วไปอย่างมากในด้านประสิทธิภาพ ความหนาแน่นของพลังงาน และประสิทธิภาพการใช้พลังงาน ซึ่งส่งผลโดยตรงต่อข้อกำหนดเฉพาะของตัวเหนี่ยวนำ

ประการแรก เซิร์ฟเวอร์ AI ใช้ GPU ประสิทธิภาพสูง หรือตัวเร่งความเร็ว AI ที่ออกแบบมาเฉพาะ ซึ่งทำงานภายใต้สภาวะกระแสไฟฟ้าสูง จึงจำเป็นต้องใช้อินดักเตอร์ที่มีค่ากระแสอิ่มตัวสูง หากอิ่มตัวของกระแสไม่เพียงพอ อาจทำให้เกิดความร้อนเกินกำลัง ระบบทำงานล้มเหลว หรือเกิดความเสียหายถาวร จนกระทบต่อความสมบูรณ์ของระบบ

ประการที่สอง เพื่อเพิ่มประสิทธิภาพการใช้พลังงานภายในศูนย์ข้อมูลที่มีพื้นที่จำกัด เซิร์ฟเวอร์ AI จึงต้องการอินดักเตอร์ที่มีขนาดเล็กกะทัดรัด และมีค่าความต้านทานกระแสตรงต่ำ (DCR) เพื่อลดการสูญเสียพลังงานในรูปแบบของความร้อน และเพิ่มประสิทธิภาพการทำงาน

ประการที่สาม ประสิทธิภาพในการแปลงพลังงานไฟฟ้าที่สูงเป็นสิ่งจำเป็นเพื่อลดต้นทุนพลังงานในการดำเนินงาน อินดักเตอร์จึงต้องมีสมรรถนะที่ยอดเยี่ยมในการทำงานที่ความถี่สูง เพื่อให้สอดคล้องกับตัวแปลง DC-DC ที่ใช้ความถี่สูงในปัจจุบัน

สุดท้ายนี้ ในสภาวะการทำงานที่มีภาระหนักอย่างต่อเนื่อง ความสามารถในการทนความร้อนได้อย่างมั่นคง และความน่าเชื่อถือในระยะยาว ถือเป็นสิ่งจำเป็นขั้นพื้นฐานสำหรับอินดักเตอร์ที่ใช้งานในสภาพแวดล้อมของเซิร์ฟเวอร์ AI

2. Applications บทบาทของอินดักเตอร์ในเซิร์ฟเวอร์ AI

ตัวเหนี่ยวนำมีบทบาทสำคัญในโมดูลหลักหลายตัวของเซิร์ฟเวอร์ AI ทำหน้าที่หลักๆ เช่น การเก็บพลังงาน การกรองกระแส การลดสัญญาณรบกวน และการควบคุมแรงดันไฟฟ้า

2.1 การจัดการพลังงาน (ตัวแปลง DC-DC, วงจร VR)

ชิ้นส่วนสำคัญ เช่น GPU, CPU และตัวเร่งความเร็ว AI จำเป็นต้องใช้ระบบจ่ายไฟที่มีความเสถียรสูงและมีประสิทธิภาพสูง ตัวแปลง DC-DC ประสิทธิภาพสูงใช้ตัวเหนี่ยวนำเพื่อรักษาเสถียรภาพของแรงดันไฟฟ้า
ในตัวแปลงแบบบัก (Buck Converters) มักใช้ค่าความเหนี่ยวนำในช่วง 0.1–0.68 μH ทำงานที่กระแสประมาณ 60A โดยกระแสอิ่มตัวอยู่ระหว่าง 60–120A และขนาดบรรจุภัณฑ์ต่ำกว่า 12mm ส่วนประกอบเหล่านี้ช่วยลดการเปลี่ยนแปลงของแรงดันไฟฟ้าและรับประกันการดำเนินการของเซิร์ฟเวอร์ให้ทำงานได้อย่างมีความน่าเชื่อถือ

2.2 การกรองสัญญาณและการลดสัญญาณรบกวน

ตัวเหนี่ยวนำแบบคอมมอนโหมด (Common-mode chokes) เม็ดเฟอร์ไรต์ (ferrite beads) และตัวเหนี่ยวนำแบบดิฟเฟอเรนเชียล (differential inductors) ช่วยลดสัญญาณรบกวนความถี่สูงในกระบวนการแปลง AC-DC และในเส้นทางสัญญาณ เพื่อเพิ่มคุณภาพของสัญญาณและประสิทธิภาพ EMI

3. ปัจจัยสำคัญในการเลือกตัวเหนี่ยวนำ

การเลือกตัวเหนี่ยวนำที่เหมาะสมมีความสำคัญอย่างยิ่งต่อการบรรลุประสิทธิภาพ การกระจายความร้อน และความน่าเชื่อถือที่ดีที่สุดในแบบแผนการออกแบบแหล่งจ่ายไฟสำหรับเซิร์ฟเวอร์ AI

3.1 ค่าความเหนี่ยวนำ (Inductance Value)

กำหนดความสามารถในการเก็บพลังงานและการลดสัญญาณรบกวนของกระแสสลับ ตัวเหนี่ยวนำที่มีค่าความเหนี่ยวนำต่ำ (มักต่ำกว่า 1μH) มักใช้ในตัวแปลงแบบ POL (Point-of-Load) ที่ต้องการกระแสสูงและทำงานที่ความถี่สูง

3.2 กระแสอิ่มตัว (Saturation Current)

ตัวเหนี่ยวนำต้องป้องกันไม่ให้แกนเกิดภาวะอิ่มตัวภายใต้กระแสโหลดสูงของ GPU/CPU วัสดุที่มีความหนาแน่นฟลักซ์อิ่มตัวสูงและความเสถียรทางอุณหภูมิ (เช่น เฟอร์ไรต์ หรือผงโลหะผสม) มีความสำคัญอย่างมาก

3.3 ความต้านทานกระแสตรง (DC Resistance - DCR)

DCR ต่ำช่วยลดการสูญเสียพลังงานจากการนำไฟฟ้า ซึ่งมีความสำคัญต่อการใช้งานที่มีประสิทธิภาพสูง ตัวเหนี่ยวนำแบบโมลด์ (Molded inductors) มักให้สมดุลที่ดีที่สุดระหว่าง DCR ต่ำและความหนาแน่นพลังงานสูง

3.4 ความถี่ในการทำงาน (Operating Frequency)

ตัวแปลง DC-DC ที่ทำงานที่ความถี่สูงต้องการตัวเหนี่ยวนำที่มีการสูญเสียพลังงานในแกนต่ำ และมีเทคนิคในการออกแบบขดลวดที่เหมาะสม เพื่อรักษาประสิทธิภาพภายใต้สภาวะการทำงานที่สวิตช์เปลี่ยนอย่างรวดเร็ว

4. ประเภทของตัวเหนี่ยวนำที่แนะนำสำหรับเซิร์ฟเวอร์ AI

4.1 ตัวเหนี่ยวนำไฟฟ้ากระแสสูง

ออกแบบมาเพื่อจ่ายพลังงานให้กับ CPU/GPU ตัวเหนี่ยวนำเหล่านี้มีค่ากระแสอิ่มตัวสูง อุณหภูมิเพิ่มขึ้นต่ำ และมีสมรรถนะที่คงที่ภายใต้การโหลดสูงอย่างต่อเนื่อง

4.2 ตัวเหนี่ยวนำแบบโมลด์

โครงสร้างแบบหุ้มห่อช่วยลดสัญญาณรบกวนแม่เหล็กไฟฟ้า (EMI) และเพิ่มความน่าเชื่อถือ ให้ค่าความหนาแน่นพลังงานสูง และสามารถลดเสียงรบกวนได้อย่างยอดเยี่ยม

4.3 ตัวเหนี่ยวนำ TLVR

ตัวควบคุมแรงดันแบบ Trans-Inductor Voltage Regulators ช่วยปรับปรุงการตอบสนองสัญญาณชั่วขณะ ลดค่าความจุของเอาต์พุต และเพิ่มประสิทธิภาพในแอปพลิเคชันแรงดันต่ำและกระแสสูง

5. ขับเคลื่อนเจนเนอเรชันใหม่ของเซิร์ฟเวอร์ AI ด้วยแมกเนติกส์ขั้นสูง

ตัวเหนี่ยวนำมีบทบาทพื้นฐานต่อความสมบูรณ์ของพลังงานและคุณภาพของสัญญาณในเซิร์ฟเวอร์ AI เมื่อความต้องการด้านความหนาแน่นพลังงานและประสิทธิภาพเพิ่มมากขึ้น แมกเนติกส์ประสิทธิภาพสูงจึงมีความสำคัญอย่างมาก

ในฐานะผู้ให้บริการโซลูชันแม่เหล็กชั้นนำ Codaca นำเสนอชุดตัวเหนี่ยวนำหลากหลายรุ่นที่ออกแบบมาเฉพาะสำหรับเซิร์ฟเวอร์ AI รวมถึง
◾ ซีรีส์ TCAB : ตัวเหนี่ยวนำแบบโหมดร่วม (common-mode chokes) สำหรับแหล่งจ่ายไฟ AC-DC;
◾ ซีเอสบีเอ /ซีรีส์ CSBX : ตัวเก็บประจุแบบอินดักเตอร์ขนาดเล็ก มีความอิ่มตัวสูง และทนกระแสสูง;
◾ CSAB /CSEB /CSEC /CSHB /CSHN ซีรีส์: ตัวเก็บประจุแบบอินดักเตอร์ขึ้นรูปที่มีการสูญเสียต่ำ;
◾ CSFED ซีรีส์: ตัวเก็บประจุแบบ TLVR สำหรับควบคุมแรงดันไฟฟ้าแบบตอบสนองรวดเร็ว

ด้วยการเข้าใจพารามิเตอร์หลักของตัวเก็บประจุแบบอินดักเตอร์และกลยุทธ์การประยุกต์ใช้อย่างเหมาะสม วิศวกรสามารถเพิ่มประสิทธิภาพและความมีประสิทธิผลในการใช้พลังงานของระบบขับเคลื่อนด้วยปัญญาประดิษฐ์ได้อย่างมาก