人工智能 (AI) 正以前所未有的速度改变着我们与世界互动的方式，同时也在重塑着支撑其运行的硬件基础。随着 AI 技术广泛渗透到各行各业以及日常生活的各个角落，作为创新的 “硅基大脑”——GPU、TPU 和 ASIC 等，面临着前所未有的压力。然而，很多人往往忽略了一个关键因素：这些 AI 加速卡不仅需要海量的数据和先进的算法，更依赖稳定可靠的高性能电源。
在本系列的三篇文章中，我们将深入剖析 AI 加速器供电网络的全新领域，探讨管理超快速瞬变的巨大挑战，并介绍有助于让当今超高速 AI 可靠运行的革命性解决方案，例如 ADI 公司的多相电源技术。
AI 加速器功率激增：算力越强，功耗越高
如今，AI 面临的挑战已不仅仅是速度。为了训练当今复杂庞大的神经网络或实现闪电般的实时推理，我们在芯片中堆叠了数十亿的晶体管，运行的工作负载对硬件性能的要求远超以往任何一代。整个行业正在经历一场 “实时” 变革。
根据 Gartner 的，2021 年 AI 芯片收入总计超过 340 亿美元，预计到 2026 年将增长至 860 亿美元。加速芯片（统称为 xPU，包括 GPU、TPU、FPGA、ASIC）通过并行执行任务，提供比 CPU 高出数倍的性能。然而，并行计算也消耗着惊人的电能。有时在低于 1V 的电压下，电流需求超过 1000A，且每次 AI 推理或训练任务都会引发电流需求的剧烈波动。对于 AI 加速卡而言，供电网络不再是事后才考虑的事情，而是系统性能所依仗的基石。一旦设计不当，即便是世界上的神经网络也可能陷入停滞，甚至出现更糟的局面 —— 悄无声息地出错。
瞬变 —— 滴答作响的定时炸弹
从供电角度来看，AI 的特殊之处和挑战性在于瞬变。每次加速器启动新的神经网络层，或在训练与推理之间切换时，电流都会在微秒级时间内发生突然、剧烈的波动。如果管理不善，这种电压波动可能带来严重后果。它可能产生非常严重的电压尖峰或骤降，以至于触发安全保护机制、中止处理器运行，甚至对敏感的 xPU 芯片造成物理损坏；还会使传统的去耦电容失效，尤其是当 AI 典型工作负载的持续时间超过电容储备能量所能覆盖的范围时；此外，还会暴露配电网络中的薄弱环节，从稳压器到每一条 PCB 走线都可能被殃及。
工程师们很快发现，传统的配电方式已经无法满足需求。随着负载上升或下降，极端 di/dt 动作可能将电压轨推向极限，有时甚至达到热设计容量的两倍（或更多！）。传统稳压器往往反应不够迅速，容易在关键时刻出现电压骤降或过冲的风险。
为何 AI 电源设计存在根本性差异
如果您曾为 CPU 设计过供电系统，可能以为 AI 电源设计也遵循相同逻辑。但实际上，AI 对电源的需求不仅更大，而且在每个层面都更不可预测、更苛刻。首先，xPU 电压已降至 1V 以下，容错安全裕度大幅压缩；其次，为加速卡提供 1000A 以上电流已是常态，远超典型服务器或数据中心的需求；再者，高频噪声和电压瞬变很容易引起敏感 AI 芯片发生故障，危及正常运行时间、计算精度甚至设备的物理安全；，随着功率密度不断攀升，因 PCB 电阻或调节效率低下而损失的每一瓦功率，都会转化为需要加以管理的热量。所有这一切都要求供电架构既要超级稳定，又要足够敏捷，以避免瞬变尖峰和骤降，同时符合未来数据中心标准的高效率运行。
传统架构的局限性
过去，设计人员通常将稳压器放置在 xPU 的侧面，通过大面积的平面 PCB 走线供电。然而，一旦电流超过 100A，即使是几厘米的铜线也会造成显著损耗，引起效率降低、热量增加，还需要持续应对掉电和噪声问题。再加上 AI 工作负载高度动态的特性和由此产生的多重瞬变，终就形成了一场 “完美风暴”。传统 “单纯增大功率” 的电源设计方法已经过时，现在需要的是更智能、更集成的解决方案。
供电的重要性：对 AI 创新有着深远影响
电源不稳定的后果不仅限于蓝屏或简单重启。在依赖实时 AI 的应用中，瞬变引起的故障可能导致自动驾驶汽车漏检关键目标。不稳定的电压供应可能使实时金融推理模型崩溃。即使是短暂的电压骤降或过冲，也可能引入误差，而误差会在训练过程中不断扩散，终造成昂贵的返工和不必要的能源浪费。归根结底，若没有新一代供电技术，AI 不仅会运行缓慢，更有可能永远无法发挥全部潜力。
