สถาปัตยกรรมพลังงาน Grid-to-Core ของศูนย์ข้อมูล AI

เรียนรู้ว่าสถาปัตยกรรม Grid-to-Core แก้ปัญหาความต้องการพลังงานมหาศาลของ AI สมัยใหม่ได้อย่างไร

สถาปัตยกรรมพลังงาน Grid-to-Core ของศูนย์ข้อมูล AI

ปริมาณงานการประมวลผลที่เพิ่มขึ้นอย่างรวดเร็วซึ่งขับเคลื่อนโดย AI กําลังผลักดันความต้องการพลังงานให้เติบโตในอัตราที่ไม่เคยมีมาก่อน โดยเกิน 50% CAGR ตั้งแต่ปี 2024 ถึง 2028 การเพิ่มขึ้นนี้กําลังผลักดันการใช้พลังงานเป็นร้อยกิกะวัตต์ และบังคับให้อุตสาหกรรมเร่งวงจรการพัฒนาแพลตฟอร์ม โดยตอนนี้ปล่อยเซิร์ฟเวอร์ใหม่ทุกๆ 12-15 เดือน แทนที่จะเป็นจังหวะ 30 เดือนแบบเดิม.

ความต้องการพลังงานในระดับ AI SoC (xPU) เพิ่มขึ้นอย่างรวดเร็วเป็นพิเศษ โดยแซงหน้าหลายกิโลวัตต์สําหรับอุปกรณ์ที่เข้าสู่การผลิตในช่วงต้นปี 2026"กฎของมัวร์" ในยุค AI ของการประมวลผลแบบขนานกําลังเพิ่มความต้องการพลังงานเป็นสองเท่าต่อปี ซึ่งแซงหน้าแนวโน้มการเติบโตในอดีต.

ในระดับแร็ค สิ่งนี้ทําให้เกิดความต้องการแนวทางการกระจายพลังงานที่แตกต่างกันโดยพื้นฐานซึ่งสามารถรองรับระดับโหลดที่สูงขึ้นมากตัวอย่างเช่น แร็ค NVL72 ที่ใช้ Nvidia Blackwell ในปัจจุบันใช้พลังงานประมาณ 130 กิโลวัตต์ แต่รุ่นต่อไปคาดว่าจะมีกําลังไฟประมาณ 300 กิโลวัตต์.

ด้วยระบบ NLV144 ที่ใช้ Rubin มีแนวโน้มที่จะเพิ่มความหนาแน่นของ GPU เป็นสองเท่า และการกําหนดค่า NVL576 ในอนาคตเกือบ 1 MW ต่อแร็ค การเพิ่มแรงดันไฟฟ้าในการกระจายจึงกลายเป็นสิ่งสําคัญเพื่อลดการสูญเสียสิ่งนี้ขับเคลื่อนการเปลี่ยนจากบัส OCP 48 V ที่ได้มาตรฐานแบบยาวเป็นบัส 800 V DC ซึ่งกระจายโดยใช้สายไฟสองเส้น หรือในที่สุดก็เป็นระบบ ±400 V บวกสายดิน (รูปที่.1).

เมื่อพลังงานในชั้นวางคอมพิวท์เพิ่มขึ้นและแพร่กระจายไปทั่วดาต้าเซ็นเตอร์ จึงไม่สามารถวางเวที AC/DC ไว้ในชั้นวางเดียวกันได้อีกต่อไปแร็ค "SideCar" เฉพาะใหม่กําลังเกิดขึ้นเพื่อแปลง 415 Vac ขาเข้าเป็น 800 V DC การกระจาย 415 Vac นี้มีต้นกําเนิดมาจาก PDU ของศูนย์ข้อมูล ผ่าน AC UPS และป้อนโดยแหล่งจ่ายไฟ 480 Vac จากแผงสวิตช์หลักที่เชื่อมโยงกับกริดแรงดันปานกลาง (13.8–35 kVac).

รูปที่ 1 สถาปัตยกรรม Grid to Core Datacenter รุ่นต่อไป

อุตสาหกรรมตั้งแต่การออกแบบอ้างอิง OEM ไปจนถึงการออกแบบ ODM ใหม่ที่ขับเคลื่อนด้วยไฮเปอร์สเกลเลอร์และผู้ผลิตพาวเวอร์ซัพพลายกําลังเปลี่ยนไปใช้สถาปัตยกรรมใหม่นี้โดยรวมแนวทางแบบไฮบริดและแบบเดิมจะยังคงอยู่ชั่วคราว รวมถึงชั้นวางที่ยังคงรับอินพุต AC และสร้าง 800 V สําหรับจํานวน GPU ที่เล็กลง แต่ระบบนิเวศกําลังมาบรรจบกันไปสู่โมเดลมาตรฐานที่สอดคล้องกับความคิดริเริ่มของ OCP.

ภายในชั้นวางการประมวลผล โครงสร้างพื้นฐานที่มีอยู่ยังคงอาศัย 48 V ซึ่งจําเป็นต้องใช้ตัวแปลงความหนาแน่นสูงที่มีประสิทธิภาพสูงเพื่อลดระดับจาก 800 V Renesas มีส่วนช่วยในการออกแบบอ้างอิง 6 กิโลวัตต์สําหรับสถาปัตยกรรมเบลด 12 กิโลวัตต์ที่สร้างขึ้นบน 650 V GaN FET ในบรรจุภัณฑ์ TOLT และ 80 V MOSFET ใน QFN 5×6 มม. การใช้โทโพโลยี LLC ที่ไม่มีการควบคุม DTX ที่สลับสูงกว่า 900 kHz การออกแบบให้ประสิทธิภาพสูงสุดมากกว่า 98% และความหนาแน่นของพลังงานมากกว่า 2.5 กิโลวัตต์/นิ้ว³เช่นเดียวกับ Renesas PoC ทั้งหมด ซึ่งรวมถึงแผนผัง เค้าโครง BOM และข้อมูลการทดสอบแบบเต็ม.

ต่ํากว่า 48 V สถาปัตยกรรมส่วนใหญ่ยังคงไม่เปลี่ยนแปลงในตอนนี้อย่างไรก็ตาม กระแสโหลด SoC ที่พุ่งสูงขึ้นซึ่งเข้าใกล้ 4 kA ต้องใช้วิธีการส่งมอบใหม่ (รูปที่ 3 และ 4)การกําหนดเส้นทางพลังงานด้านข้างแบบดั้งเดิมไม่เพียงพออีกต่อไป Vertical Power Delivery (VPD) กําลังเกิดขึ้น ซึ่งสามารถทําได้ผ่านขั้นตอนพลังงานที่มีจํานวนเฟสสูงขนาดกะทัดรัดหรือโดยการรวมตัวเหนี่ยวนําในโครงสร้าง 3 มิติ.

Renesas รองรับสิ่งนี้ด้วยคอนโทรลเลอร์หลายเฟสแบบดิจิทัลเต็มรูปแบบที่นําเสนออินเทอร์เฟซแบบมัลติโปรโตคอล ลูปควบคุมสูงสุดสี่ลูป และประสิทธิภาพชั่วคราวระดับบนสุดด้วย TLVR เสริมสิ่งเหล่านี้คือโมดูล Smart Power Stage ที่ให้ความเร็วสูงสุดถึง 100 A ต่อเฟส ซึ่งมีให้เลือกในแพ็คเกจหลายยูนิตแบบรวมหรือโครงสร้าง 3 มิติแบบบูรณาการ ทําให้โซลูชัน VPD แบบเฟสเดนซ์มีความหนาแน่นของกระแสไฟ 2 A/mm².

สิ่งเหล่านี้ได้รับการสนับสนุนโดยระบบนิเวศแบบ end-to-end รวมถึงการจําลองก่อนเค้าโครง การวิเคราะห์ PDN เครื่องมือฮาร์ดแวร์ ตัวแทรก การปรับแต่ง การวัด และวิธีการตรวจสอบความถูกต้องโซลูชันโมดูลาร์ขั้นสูงกําลังอยู่ในระหว่างการพัฒนา โดยรวมขั้นตอนการแปลงเพิ่มเติมในขณะที่ยังคงเปิดใช้งาน VPD โดยใช้ประโยชน์จากนวัตกรรม เช่น IVR เพื่อการสลับที่เร็วขึ้นและการควบคุมขั้นตอนสุดท้ายที่มีแบนด์วิดท์สูง.

การอภิปรายทางสถาปัตยกรรมที่สําคัญประการหนึ่งเกี่ยวข้องกับอนาคตของราง 12 V ระดับกลางที่ปัจจุบันได้มาจาก 48 V โดยใช้ IBC 4:1 (รูปที่ 2)เพื่อปรับปรุงประสิทธิภาพและความหนาแน่นของกระแสในขั้นตอนหลายเฟสสุดท้าย โดยเฉพาะอย่างยิ่งเมื่อใช้โหนดซิลิกอนแรงดันต่ําขั้นสูง แรงดันไฟฟ้าระดับกลางนี้อาจลดลง.

Renesas นําเสนอตัวแปลง Hybrid Switched-Capacitor (HSC) ประสิทธิภาพสูงที่มีประสิทธิภาพเกิน 98%การใช้การออกแบบสวิตช์ 8 ตัว สิ่งเหล่านี้สามารถสร้าง 6 V ที่ประสิทธิภาพสูงสุดถึง 97% ขึ้นอยู่กับแนวทางการกํากับดูแล Renesas ยังได้เปิดตัวการออกแบบอ้างอิงสําหรับการแปลงนี้.

อีกทางหนึ่ง บั๊กหลายเฟสที่ใช้ GaN 100 V สามารถเพิ่มความถี่การสลับเพื่อลดขนาดตัวแปลงได้อย่างมาก Renesas ได้สาธิตโซลูชัน 48 V ที่ให้กําลังสูงสุด 3 กิโลวัตต์ด้วยความหนาแน่นเกือบ 1 กิโลวัตต์/นิ้ว³ ทํางานในโหมด 8 เฟสลงถึง 6 V หรือโหมด 4 เฟสที่ 12 V พร้อมความยืดหยุ่นในการควบคุมแบบดิจิตอล.

รูปที่ 2 ตัวอย่างวิวัฒนาการสถาปัตยกรรมแร็คประมวลผล AI ใหม่

คาดว่าจะมีการเพิ่มประสิทธิภาพทางสถาปัตยกรรมเพิ่มเติมเมื่อโมเดลการกระจาย 800 V เติบโตเต็มที่บัส 48 V ภายในภายในเบลด xPU สามารถกําจัดออกได้ทั้งหมด แทนที่ด้วยการแปลงอัตราส่วนสูงโดยตรงที่คล้ายกับขั้นตอน 16:1 ที่มีอยู่ Renesas ได้สร้างการออกแบบอ้างอิง 6 กิโลวัตต์ 800 Vto12 V (64:1) โดยใช้โทโพโลยี DTX ซึ่งสามารถปรับขนาดได้ตามระดับพลังงานที่สูงขึ้นมาก ซึ่งอาจอยู่ที่ประมาณ 20 กิโลวัตต์ ซึ่งคาดว่าจะใช้สําหรับใบมีด AI ในอนาคต เนื่องจากการใช้ xPU ยังคงเพิ่มขึ้นอย่างต่อเนื่อง.

รูปที่ 3 ตัวอย่างการจ่ายพลังงานของ AI Compute Trays

เทคโนโลยี GaN ยังคงเป็นตัวขับเคลื่อนที่สําคัญในขั้นตอนพลังงานที่มีความหนาแน่นสูงเหล่านี้ลักษณะ widebandgap กําลังเร่งการเติบโตของเนื้อหาพลังงานในศูนย์ข้อมูลได้เร็วขึ้นและมากกว่า SiC ในหลาย ๆ ส่วน โดยเฉพาะอย่างยิ่งที่ GaN สามารถทดแทนซิลิคอน MOSFET ได้เมื่อ GaN พัฒนาไปสู่การทํางานที่มีแรงดันไฟฟ้าต่ําและมีประสิทธิภาพสูงขึ้น การเจาะเข้าไปในการจ่ายพลังงานแบบ near-core จะขยายตัว ช่วยเพิ่มความหนาแน่นโดยไม่ลดทอนประสิทธิภาพ.

ในชั้นวางไซด์คาร์ AC/DC ซึ่งปัจจุบันถูกครอบงําโดยอุปกรณ์ SiC 1200 V องค์ประกอบที่เกิดขึ้นใหม่คือสวิตช์ GaN แบบสองทิศทาง 650 V สวิตช์สี่ควอแดรนต์ที่เกือบจะเหมาะนี้ช่วยให้โทโพโลยีแบบขั้นตอนเดียวและลดความซับซ้อนของสถาปัตยกรรมส่วนหน้า เช่น วงจรเรียงกระแสแบบ T-type หรือเวียนนาช่วยลดความหนาแน่นและต้นทุนโดยการแทนที่การกําหนดค่าอุปกรณ์แบบ back-to-back แบบเดิม.

รูปที่ 4 ตัวอย่างวิวัฒนาการอุปทาน AI Compute Rack SoC ใหม่

อุปกรณ์ SiC แรงดันสูง (>1.2 kV) จะมีบทบาทสําคัญในระบบหม้อแปลงโซลิดสเตต (SST) โดยที่ไฟฟ้ากระแสสลับแรงดันปานกลางจากกริดจะเข้าสู่ห้องพลังงานของศูนย์ข้อมูลและถูกแปลงเป็น 800 V DC โดยตรงสําหรับการกระจายระดับห้องโถงวิธีการที่ใช้ SST นี้ช่วยขจัดหม้อแปลง สวิตช์เกียร์ และ PDU ขนาดใหญ่ ซึ่งช่วยลดการใช้ทองแดงได้อย่างมาก เนื่องจากสายเคเบิล 800 V DC สามารถรับพลังงานได้ประมาณ 1.5× ของสายเคเบิล 415 Vac.

การพัฒนาที่สําคัญอีกประการหนึ่งคือการเปลี่ยนแปลงในสถาปัตยกรรมการจัดเก็บพลังงานจากการสํารองข้อมูลดีเซลที่ใช้ AC ไปสู่การจัดเก็บข้อมูล 800 V DC แบบกระจายที่รวมอยู่ในสภาพแวดล้อมของศูนย์ข้อมูลตัวเก็บประจุกําลังสูงหรือระบบ supercap ที่อยู่ใกล้กับชั้นวางคอมพิวเตอร์จะรองรับความต้องการพลังงานในระยะสั้น โดยรวมตัวแปลง DC/DC ตัวควบคุม และไดรเวอร์แบบสองทิศทางเพื่อจัดการการไหลของพลังงานในระดับโรงงาน การจัดเก็บแบตเตอรี่ MV และการสร้างการสํารองข้อมูลในสถานที่จะกลายเป็นสิ่งสําคัญในการสร้างความมั่นใจในการทํางานอย่างต่อเนื่องของศูนย์ข้อมูลที่เน้น AI.

บทความที่เกี่ยวข้อง

สถาปัตยกรรมพลังงาน Grid-to-Core ของศูนย์ข้อมูล AI

เรียนรู้ว่าสถาปัตยกรรม Grid-to-Core แก้ปัญหาความต้องการพลังงานมหาศาลของ AI สมัยใหม่ได้อย่างไร

นักเขียนบทความ
by 
นักเขียนบทความ
สถาปัตยกรรมพลังงาน Grid-to-Core ของศูนย์ข้อมูล AI

สถาปัตยกรรมพลังงาน Grid-to-Core ของศูนย์ข้อมูล AI

เรียนรู้ว่าสถาปัตยกรรม Grid-to-Core แก้ปัญหาความต้องการพลังงานมหาศาลของ AI สมัยใหม่ได้อย่างไร

ปริมาณงานการประมวลผลที่เพิ่มขึ้นอย่างรวดเร็วซึ่งขับเคลื่อนโดย AI กําลังผลักดันความต้องการพลังงานให้เติบโตในอัตราที่ไม่เคยมีมาก่อน โดยเกิน 50% CAGR ตั้งแต่ปี 2024 ถึง 2028 การเพิ่มขึ้นนี้กําลังผลักดันการใช้พลังงานเป็นร้อยกิกะวัตต์ และบังคับให้อุตสาหกรรมเร่งวงจรการพัฒนาแพลตฟอร์ม โดยตอนนี้ปล่อยเซิร์ฟเวอร์ใหม่ทุกๆ 12-15 เดือน แทนที่จะเป็นจังหวะ 30 เดือนแบบเดิม.

ความต้องการพลังงานในระดับ AI SoC (xPU) เพิ่มขึ้นอย่างรวดเร็วเป็นพิเศษ โดยแซงหน้าหลายกิโลวัตต์สําหรับอุปกรณ์ที่เข้าสู่การผลิตในช่วงต้นปี 2026"กฎของมัวร์" ในยุค AI ของการประมวลผลแบบขนานกําลังเพิ่มความต้องการพลังงานเป็นสองเท่าต่อปี ซึ่งแซงหน้าแนวโน้มการเติบโตในอดีต.

ในระดับแร็ค สิ่งนี้ทําให้เกิดความต้องการแนวทางการกระจายพลังงานที่แตกต่างกันโดยพื้นฐานซึ่งสามารถรองรับระดับโหลดที่สูงขึ้นมากตัวอย่างเช่น แร็ค NVL72 ที่ใช้ Nvidia Blackwell ในปัจจุบันใช้พลังงานประมาณ 130 กิโลวัตต์ แต่รุ่นต่อไปคาดว่าจะมีกําลังไฟประมาณ 300 กิโลวัตต์.

ด้วยระบบ NLV144 ที่ใช้ Rubin มีแนวโน้มที่จะเพิ่มความหนาแน่นของ GPU เป็นสองเท่า และการกําหนดค่า NVL576 ในอนาคตเกือบ 1 MW ต่อแร็ค การเพิ่มแรงดันไฟฟ้าในการกระจายจึงกลายเป็นสิ่งสําคัญเพื่อลดการสูญเสียสิ่งนี้ขับเคลื่อนการเปลี่ยนจากบัส OCP 48 V ที่ได้มาตรฐานแบบยาวเป็นบัส 800 V DC ซึ่งกระจายโดยใช้สายไฟสองเส้น หรือในที่สุดก็เป็นระบบ ±400 V บวกสายดิน (รูปที่.1).

เมื่อพลังงานในชั้นวางคอมพิวท์เพิ่มขึ้นและแพร่กระจายไปทั่วดาต้าเซ็นเตอร์ จึงไม่สามารถวางเวที AC/DC ไว้ในชั้นวางเดียวกันได้อีกต่อไปแร็ค "SideCar" เฉพาะใหม่กําลังเกิดขึ้นเพื่อแปลง 415 Vac ขาเข้าเป็น 800 V DC การกระจาย 415 Vac นี้มีต้นกําเนิดมาจาก PDU ของศูนย์ข้อมูล ผ่าน AC UPS และป้อนโดยแหล่งจ่ายไฟ 480 Vac จากแผงสวิตช์หลักที่เชื่อมโยงกับกริดแรงดันปานกลาง (13.8–35 kVac).

รูปที่ 1 สถาปัตยกรรม Grid to Core Datacenter รุ่นต่อไป

อุตสาหกรรมตั้งแต่การออกแบบอ้างอิง OEM ไปจนถึงการออกแบบ ODM ใหม่ที่ขับเคลื่อนด้วยไฮเปอร์สเกลเลอร์และผู้ผลิตพาวเวอร์ซัพพลายกําลังเปลี่ยนไปใช้สถาปัตยกรรมใหม่นี้โดยรวมแนวทางแบบไฮบริดและแบบเดิมจะยังคงอยู่ชั่วคราว รวมถึงชั้นวางที่ยังคงรับอินพุต AC และสร้าง 800 V สําหรับจํานวน GPU ที่เล็กลง แต่ระบบนิเวศกําลังมาบรรจบกันไปสู่โมเดลมาตรฐานที่สอดคล้องกับความคิดริเริ่มของ OCP.

ภายในชั้นวางการประมวลผล โครงสร้างพื้นฐานที่มีอยู่ยังคงอาศัย 48 V ซึ่งจําเป็นต้องใช้ตัวแปลงความหนาแน่นสูงที่มีประสิทธิภาพสูงเพื่อลดระดับจาก 800 V Renesas มีส่วนช่วยในการออกแบบอ้างอิง 6 กิโลวัตต์สําหรับสถาปัตยกรรมเบลด 12 กิโลวัตต์ที่สร้างขึ้นบน 650 V GaN FET ในบรรจุภัณฑ์ TOLT และ 80 V MOSFET ใน QFN 5×6 มม. การใช้โทโพโลยี LLC ที่ไม่มีการควบคุม DTX ที่สลับสูงกว่า 900 kHz การออกแบบให้ประสิทธิภาพสูงสุดมากกว่า 98% และความหนาแน่นของพลังงานมากกว่า 2.5 กิโลวัตต์/นิ้ว³เช่นเดียวกับ Renesas PoC ทั้งหมด ซึ่งรวมถึงแผนผัง เค้าโครง BOM และข้อมูลการทดสอบแบบเต็ม.

ต่ํากว่า 48 V สถาปัตยกรรมส่วนใหญ่ยังคงไม่เปลี่ยนแปลงในตอนนี้อย่างไรก็ตาม กระแสโหลด SoC ที่พุ่งสูงขึ้นซึ่งเข้าใกล้ 4 kA ต้องใช้วิธีการส่งมอบใหม่ (รูปที่ 3 และ 4)การกําหนดเส้นทางพลังงานด้านข้างแบบดั้งเดิมไม่เพียงพออีกต่อไป Vertical Power Delivery (VPD) กําลังเกิดขึ้น ซึ่งสามารถทําได้ผ่านขั้นตอนพลังงานที่มีจํานวนเฟสสูงขนาดกะทัดรัดหรือโดยการรวมตัวเหนี่ยวนําในโครงสร้าง 3 มิติ.

Renesas รองรับสิ่งนี้ด้วยคอนโทรลเลอร์หลายเฟสแบบดิจิทัลเต็มรูปแบบที่นําเสนออินเทอร์เฟซแบบมัลติโปรโตคอล ลูปควบคุมสูงสุดสี่ลูป และประสิทธิภาพชั่วคราวระดับบนสุดด้วย TLVR เสริมสิ่งเหล่านี้คือโมดูล Smart Power Stage ที่ให้ความเร็วสูงสุดถึง 100 A ต่อเฟส ซึ่งมีให้เลือกในแพ็คเกจหลายยูนิตแบบรวมหรือโครงสร้าง 3 มิติแบบบูรณาการ ทําให้โซลูชัน VPD แบบเฟสเดนซ์มีความหนาแน่นของกระแสไฟ 2 A/mm².

สิ่งเหล่านี้ได้รับการสนับสนุนโดยระบบนิเวศแบบ end-to-end รวมถึงการจําลองก่อนเค้าโครง การวิเคราะห์ PDN เครื่องมือฮาร์ดแวร์ ตัวแทรก การปรับแต่ง การวัด และวิธีการตรวจสอบความถูกต้องโซลูชันโมดูลาร์ขั้นสูงกําลังอยู่ในระหว่างการพัฒนา โดยรวมขั้นตอนการแปลงเพิ่มเติมในขณะที่ยังคงเปิดใช้งาน VPD โดยใช้ประโยชน์จากนวัตกรรม เช่น IVR เพื่อการสลับที่เร็วขึ้นและการควบคุมขั้นตอนสุดท้ายที่มีแบนด์วิดท์สูง.

การอภิปรายทางสถาปัตยกรรมที่สําคัญประการหนึ่งเกี่ยวข้องกับอนาคตของราง 12 V ระดับกลางที่ปัจจุบันได้มาจาก 48 V โดยใช้ IBC 4:1 (รูปที่ 2)เพื่อปรับปรุงประสิทธิภาพและความหนาแน่นของกระแสในขั้นตอนหลายเฟสสุดท้าย โดยเฉพาะอย่างยิ่งเมื่อใช้โหนดซิลิกอนแรงดันต่ําขั้นสูง แรงดันไฟฟ้าระดับกลางนี้อาจลดลง.

Renesas นําเสนอตัวแปลง Hybrid Switched-Capacitor (HSC) ประสิทธิภาพสูงที่มีประสิทธิภาพเกิน 98%การใช้การออกแบบสวิตช์ 8 ตัว สิ่งเหล่านี้สามารถสร้าง 6 V ที่ประสิทธิภาพสูงสุดถึง 97% ขึ้นอยู่กับแนวทางการกํากับดูแล Renesas ยังได้เปิดตัวการออกแบบอ้างอิงสําหรับการแปลงนี้.

อีกทางหนึ่ง บั๊กหลายเฟสที่ใช้ GaN 100 V สามารถเพิ่มความถี่การสลับเพื่อลดขนาดตัวแปลงได้อย่างมาก Renesas ได้สาธิตโซลูชัน 48 V ที่ให้กําลังสูงสุด 3 กิโลวัตต์ด้วยความหนาแน่นเกือบ 1 กิโลวัตต์/นิ้ว³ ทํางานในโหมด 8 เฟสลงถึง 6 V หรือโหมด 4 เฟสที่ 12 V พร้อมความยืดหยุ่นในการควบคุมแบบดิจิตอล.

รูปที่ 2 ตัวอย่างวิวัฒนาการสถาปัตยกรรมแร็คประมวลผล AI ใหม่

คาดว่าจะมีการเพิ่มประสิทธิภาพทางสถาปัตยกรรมเพิ่มเติมเมื่อโมเดลการกระจาย 800 V เติบโตเต็มที่บัส 48 V ภายในภายในเบลด xPU สามารถกําจัดออกได้ทั้งหมด แทนที่ด้วยการแปลงอัตราส่วนสูงโดยตรงที่คล้ายกับขั้นตอน 16:1 ที่มีอยู่ Renesas ได้สร้างการออกแบบอ้างอิง 6 กิโลวัตต์ 800 Vto12 V (64:1) โดยใช้โทโพโลยี DTX ซึ่งสามารถปรับขนาดได้ตามระดับพลังงานที่สูงขึ้นมาก ซึ่งอาจอยู่ที่ประมาณ 20 กิโลวัตต์ ซึ่งคาดว่าจะใช้สําหรับใบมีด AI ในอนาคต เนื่องจากการใช้ xPU ยังคงเพิ่มขึ้นอย่างต่อเนื่อง.

รูปที่ 3 ตัวอย่างการจ่ายพลังงานของ AI Compute Trays

เทคโนโลยี GaN ยังคงเป็นตัวขับเคลื่อนที่สําคัญในขั้นตอนพลังงานที่มีความหนาแน่นสูงเหล่านี้ลักษณะ widebandgap กําลังเร่งการเติบโตของเนื้อหาพลังงานในศูนย์ข้อมูลได้เร็วขึ้นและมากกว่า SiC ในหลาย ๆ ส่วน โดยเฉพาะอย่างยิ่งที่ GaN สามารถทดแทนซิลิคอน MOSFET ได้เมื่อ GaN พัฒนาไปสู่การทํางานที่มีแรงดันไฟฟ้าต่ําและมีประสิทธิภาพสูงขึ้น การเจาะเข้าไปในการจ่ายพลังงานแบบ near-core จะขยายตัว ช่วยเพิ่มความหนาแน่นโดยไม่ลดทอนประสิทธิภาพ.

ในชั้นวางไซด์คาร์ AC/DC ซึ่งปัจจุบันถูกครอบงําโดยอุปกรณ์ SiC 1200 V องค์ประกอบที่เกิดขึ้นใหม่คือสวิตช์ GaN แบบสองทิศทาง 650 V สวิตช์สี่ควอแดรนต์ที่เกือบจะเหมาะนี้ช่วยให้โทโพโลยีแบบขั้นตอนเดียวและลดความซับซ้อนของสถาปัตยกรรมส่วนหน้า เช่น วงจรเรียงกระแสแบบ T-type หรือเวียนนาช่วยลดความหนาแน่นและต้นทุนโดยการแทนที่การกําหนดค่าอุปกรณ์แบบ back-to-back แบบเดิม.

รูปที่ 4 ตัวอย่างวิวัฒนาการอุปทาน AI Compute Rack SoC ใหม่

อุปกรณ์ SiC แรงดันสูง (>1.2 kV) จะมีบทบาทสําคัญในระบบหม้อแปลงโซลิดสเตต (SST) โดยที่ไฟฟ้ากระแสสลับแรงดันปานกลางจากกริดจะเข้าสู่ห้องพลังงานของศูนย์ข้อมูลและถูกแปลงเป็น 800 V DC โดยตรงสําหรับการกระจายระดับห้องโถงวิธีการที่ใช้ SST นี้ช่วยขจัดหม้อแปลง สวิตช์เกียร์ และ PDU ขนาดใหญ่ ซึ่งช่วยลดการใช้ทองแดงได้อย่างมาก เนื่องจากสายเคเบิล 800 V DC สามารถรับพลังงานได้ประมาณ 1.5× ของสายเคเบิล 415 Vac.

การพัฒนาที่สําคัญอีกประการหนึ่งคือการเปลี่ยนแปลงในสถาปัตยกรรมการจัดเก็บพลังงานจากการสํารองข้อมูลดีเซลที่ใช้ AC ไปสู่การจัดเก็บข้อมูล 800 V DC แบบกระจายที่รวมอยู่ในสภาพแวดล้อมของศูนย์ข้อมูลตัวเก็บประจุกําลังสูงหรือระบบ supercap ที่อยู่ใกล้กับชั้นวางคอมพิวเตอร์จะรองรับความต้องการพลังงานในระยะสั้น โดยรวมตัวแปลง DC/DC ตัวควบคุม และไดรเวอร์แบบสองทิศทางเพื่อจัดการการไหลของพลังงานในระดับโรงงาน การจัดเก็บแบตเตอรี่ MV และการสร้างการสํารองข้อมูลในสถานที่จะกลายเป็นสิ่งสําคัญในการสร้างความมั่นใจในการทํางานอย่างต่อเนื่องของศูนย์ข้อมูลที่เน้น AI.

Lorem ipsum dolor sit amet, consectetur adipiscing elit. Suspendisse varius enim in eros elementum tristique. Duis cursus, mi quis viverra ornare, eros dolor interdum nulla, ut commodo diam libero vitae erat. Aenean faucibus nibh et justo cursus id rutrum lorem imperdiet. Nunc ut sem vitae risus tristique posuere.

สถาปัตยกรรมพลังงาน Grid-to-Core ของศูนย์ข้อมูล AI

สถาปัตยกรรมพลังงาน Grid-to-Core ของศูนย์ข้อมูล AI

เรียนรู้ว่าสถาปัตยกรรม Grid-to-Core แก้ปัญหาความต้องการพลังงานมหาศาลของ AI สมัยใหม่ได้อย่างไร

Lorem ipsum dolor amet consectetur adipiscing elit tortor massa arcu non.

ปริมาณงานการประมวลผลที่เพิ่มขึ้นอย่างรวดเร็วซึ่งขับเคลื่อนโดย AI กําลังผลักดันความต้องการพลังงานให้เติบโตในอัตราที่ไม่เคยมีมาก่อน โดยเกิน 50% CAGR ตั้งแต่ปี 2024 ถึง 2028 การเพิ่มขึ้นนี้กําลังผลักดันการใช้พลังงานเป็นร้อยกิกะวัตต์ และบังคับให้อุตสาหกรรมเร่งวงจรการพัฒนาแพลตฟอร์ม โดยตอนนี้ปล่อยเซิร์ฟเวอร์ใหม่ทุกๆ 12-15 เดือน แทนที่จะเป็นจังหวะ 30 เดือนแบบเดิม.

ความต้องการพลังงานในระดับ AI SoC (xPU) เพิ่มขึ้นอย่างรวดเร็วเป็นพิเศษ โดยแซงหน้าหลายกิโลวัตต์สําหรับอุปกรณ์ที่เข้าสู่การผลิตในช่วงต้นปี 2026"กฎของมัวร์" ในยุค AI ของการประมวลผลแบบขนานกําลังเพิ่มความต้องการพลังงานเป็นสองเท่าต่อปี ซึ่งแซงหน้าแนวโน้มการเติบโตในอดีต.

ในระดับแร็ค สิ่งนี้ทําให้เกิดความต้องการแนวทางการกระจายพลังงานที่แตกต่างกันโดยพื้นฐานซึ่งสามารถรองรับระดับโหลดที่สูงขึ้นมากตัวอย่างเช่น แร็ค NVL72 ที่ใช้ Nvidia Blackwell ในปัจจุบันใช้พลังงานประมาณ 130 กิโลวัตต์ แต่รุ่นต่อไปคาดว่าจะมีกําลังไฟประมาณ 300 กิโลวัตต์.

ด้วยระบบ NLV144 ที่ใช้ Rubin มีแนวโน้มที่จะเพิ่มความหนาแน่นของ GPU เป็นสองเท่า และการกําหนดค่า NVL576 ในอนาคตเกือบ 1 MW ต่อแร็ค การเพิ่มแรงดันไฟฟ้าในการกระจายจึงกลายเป็นสิ่งสําคัญเพื่อลดการสูญเสียสิ่งนี้ขับเคลื่อนการเปลี่ยนจากบัส OCP 48 V ที่ได้มาตรฐานแบบยาวเป็นบัส 800 V DC ซึ่งกระจายโดยใช้สายไฟสองเส้น หรือในที่สุดก็เป็นระบบ ±400 V บวกสายดิน (รูปที่.1).

เมื่อพลังงานในชั้นวางคอมพิวท์เพิ่มขึ้นและแพร่กระจายไปทั่วดาต้าเซ็นเตอร์ จึงไม่สามารถวางเวที AC/DC ไว้ในชั้นวางเดียวกันได้อีกต่อไปแร็ค "SideCar" เฉพาะใหม่กําลังเกิดขึ้นเพื่อแปลง 415 Vac ขาเข้าเป็น 800 V DC การกระจาย 415 Vac นี้มีต้นกําเนิดมาจาก PDU ของศูนย์ข้อมูล ผ่าน AC UPS และป้อนโดยแหล่งจ่ายไฟ 480 Vac จากแผงสวิตช์หลักที่เชื่อมโยงกับกริดแรงดันปานกลาง (13.8–35 kVac).

รูปที่ 1 สถาปัตยกรรม Grid to Core Datacenter รุ่นต่อไป

อุตสาหกรรมตั้งแต่การออกแบบอ้างอิง OEM ไปจนถึงการออกแบบ ODM ใหม่ที่ขับเคลื่อนด้วยไฮเปอร์สเกลเลอร์และผู้ผลิตพาวเวอร์ซัพพลายกําลังเปลี่ยนไปใช้สถาปัตยกรรมใหม่นี้โดยรวมแนวทางแบบไฮบริดและแบบเดิมจะยังคงอยู่ชั่วคราว รวมถึงชั้นวางที่ยังคงรับอินพุต AC และสร้าง 800 V สําหรับจํานวน GPU ที่เล็กลง แต่ระบบนิเวศกําลังมาบรรจบกันไปสู่โมเดลมาตรฐานที่สอดคล้องกับความคิดริเริ่มของ OCP.

ภายในชั้นวางการประมวลผล โครงสร้างพื้นฐานที่มีอยู่ยังคงอาศัย 48 V ซึ่งจําเป็นต้องใช้ตัวแปลงความหนาแน่นสูงที่มีประสิทธิภาพสูงเพื่อลดระดับจาก 800 V Renesas มีส่วนช่วยในการออกแบบอ้างอิง 6 กิโลวัตต์สําหรับสถาปัตยกรรมเบลด 12 กิโลวัตต์ที่สร้างขึ้นบน 650 V GaN FET ในบรรจุภัณฑ์ TOLT และ 80 V MOSFET ใน QFN 5×6 มม. การใช้โทโพโลยี LLC ที่ไม่มีการควบคุม DTX ที่สลับสูงกว่า 900 kHz การออกแบบให้ประสิทธิภาพสูงสุดมากกว่า 98% และความหนาแน่นของพลังงานมากกว่า 2.5 กิโลวัตต์/นิ้ว³เช่นเดียวกับ Renesas PoC ทั้งหมด ซึ่งรวมถึงแผนผัง เค้าโครง BOM และข้อมูลการทดสอบแบบเต็ม.

ต่ํากว่า 48 V สถาปัตยกรรมส่วนใหญ่ยังคงไม่เปลี่ยนแปลงในตอนนี้อย่างไรก็ตาม กระแสโหลด SoC ที่พุ่งสูงขึ้นซึ่งเข้าใกล้ 4 kA ต้องใช้วิธีการส่งมอบใหม่ (รูปที่ 3 และ 4)การกําหนดเส้นทางพลังงานด้านข้างแบบดั้งเดิมไม่เพียงพออีกต่อไป Vertical Power Delivery (VPD) กําลังเกิดขึ้น ซึ่งสามารถทําได้ผ่านขั้นตอนพลังงานที่มีจํานวนเฟสสูงขนาดกะทัดรัดหรือโดยการรวมตัวเหนี่ยวนําในโครงสร้าง 3 มิติ.

Renesas รองรับสิ่งนี้ด้วยคอนโทรลเลอร์หลายเฟสแบบดิจิทัลเต็มรูปแบบที่นําเสนออินเทอร์เฟซแบบมัลติโปรโตคอล ลูปควบคุมสูงสุดสี่ลูป และประสิทธิภาพชั่วคราวระดับบนสุดด้วย TLVR เสริมสิ่งเหล่านี้คือโมดูล Smart Power Stage ที่ให้ความเร็วสูงสุดถึง 100 A ต่อเฟส ซึ่งมีให้เลือกในแพ็คเกจหลายยูนิตแบบรวมหรือโครงสร้าง 3 มิติแบบบูรณาการ ทําให้โซลูชัน VPD แบบเฟสเดนซ์มีความหนาแน่นของกระแสไฟ 2 A/mm².

สิ่งเหล่านี้ได้รับการสนับสนุนโดยระบบนิเวศแบบ end-to-end รวมถึงการจําลองก่อนเค้าโครง การวิเคราะห์ PDN เครื่องมือฮาร์ดแวร์ ตัวแทรก การปรับแต่ง การวัด และวิธีการตรวจสอบความถูกต้องโซลูชันโมดูลาร์ขั้นสูงกําลังอยู่ในระหว่างการพัฒนา โดยรวมขั้นตอนการแปลงเพิ่มเติมในขณะที่ยังคงเปิดใช้งาน VPD โดยใช้ประโยชน์จากนวัตกรรม เช่น IVR เพื่อการสลับที่เร็วขึ้นและการควบคุมขั้นตอนสุดท้ายที่มีแบนด์วิดท์สูง.

การอภิปรายทางสถาปัตยกรรมที่สําคัญประการหนึ่งเกี่ยวข้องกับอนาคตของราง 12 V ระดับกลางที่ปัจจุบันได้มาจาก 48 V โดยใช้ IBC 4:1 (รูปที่ 2)เพื่อปรับปรุงประสิทธิภาพและความหนาแน่นของกระแสในขั้นตอนหลายเฟสสุดท้าย โดยเฉพาะอย่างยิ่งเมื่อใช้โหนดซิลิกอนแรงดันต่ําขั้นสูง แรงดันไฟฟ้าระดับกลางนี้อาจลดลง.

Renesas นําเสนอตัวแปลง Hybrid Switched-Capacitor (HSC) ประสิทธิภาพสูงที่มีประสิทธิภาพเกิน 98%การใช้การออกแบบสวิตช์ 8 ตัว สิ่งเหล่านี้สามารถสร้าง 6 V ที่ประสิทธิภาพสูงสุดถึง 97% ขึ้นอยู่กับแนวทางการกํากับดูแล Renesas ยังได้เปิดตัวการออกแบบอ้างอิงสําหรับการแปลงนี้.

อีกทางหนึ่ง บั๊กหลายเฟสที่ใช้ GaN 100 V สามารถเพิ่มความถี่การสลับเพื่อลดขนาดตัวแปลงได้อย่างมาก Renesas ได้สาธิตโซลูชัน 48 V ที่ให้กําลังสูงสุด 3 กิโลวัตต์ด้วยความหนาแน่นเกือบ 1 กิโลวัตต์/นิ้ว³ ทํางานในโหมด 8 เฟสลงถึง 6 V หรือโหมด 4 เฟสที่ 12 V พร้อมความยืดหยุ่นในการควบคุมแบบดิจิตอล.

รูปที่ 2 ตัวอย่างวิวัฒนาการสถาปัตยกรรมแร็คประมวลผล AI ใหม่

คาดว่าจะมีการเพิ่มประสิทธิภาพทางสถาปัตยกรรมเพิ่มเติมเมื่อโมเดลการกระจาย 800 V เติบโตเต็มที่บัส 48 V ภายในภายในเบลด xPU สามารถกําจัดออกได้ทั้งหมด แทนที่ด้วยการแปลงอัตราส่วนสูงโดยตรงที่คล้ายกับขั้นตอน 16:1 ที่มีอยู่ Renesas ได้สร้างการออกแบบอ้างอิง 6 กิโลวัตต์ 800 Vto12 V (64:1) โดยใช้โทโพโลยี DTX ซึ่งสามารถปรับขนาดได้ตามระดับพลังงานที่สูงขึ้นมาก ซึ่งอาจอยู่ที่ประมาณ 20 กิโลวัตต์ ซึ่งคาดว่าจะใช้สําหรับใบมีด AI ในอนาคต เนื่องจากการใช้ xPU ยังคงเพิ่มขึ้นอย่างต่อเนื่อง.

รูปที่ 3 ตัวอย่างการจ่ายพลังงานของ AI Compute Trays

เทคโนโลยี GaN ยังคงเป็นตัวขับเคลื่อนที่สําคัญในขั้นตอนพลังงานที่มีความหนาแน่นสูงเหล่านี้ลักษณะ widebandgap กําลังเร่งการเติบโตของเนื้อหาพลังงานในศูนย์ข้อมูลได้เร็วขึ้นและมากกว่า SiC ในหลาย ๆ ส่วน โดยเฉพาะอย่างยิ่งที่ GaN สามารถทดแทนซิลิคอน MOSFET ได้เมื่อ GaN พัฒนาไปสู่การทํางานที่มีแรงดันไฟฟ้าต่ําและมีประสิทธิภาพสูงขึ้น การเจาะเข้าไปในการจ่ายพลังงานแบบ near-core จะขยายตัว ช่วยเพิ่มความหนาแน่นโดยไม่ลดทอนประสิทธิภาพ.

ในชั้นวางไซด์คาร์ AC/DC ซึ่งปัจจุบันถูกครอบงําโดยอุปกรณ์ SiC 1200 V องค์ประกอบที่เกิดขึ้นใหม่คือสวิตช์ GaN แบบสองทิศทาง 650 V สวิตช์สี่ควอแดรนต์ที่เกือบจะเหมาะนี้ช่วยให้โทโพโลยีแบบขั้นตอนเดียวและลดความซับซ้อนของสถาปัตยกรรมส่วนหน้า เช่น วงจรเรียงกระแสแบบ T-type หรือเวียนนาช่วยลดความหนาแน่นและต้นทุนโดยการแทนที่การกําหนดค่าอุปกรณ์แบบ back-to-back แบบเดิม.

รูปที่ 4 ตัวอย่างวิวัฒนาการอุปทาน AI Compute Rack SoC ใหม่

อุปกรณ์ SiC แรงดันสูง (>1.2 kV) จะมีบทบาทสําคัญในระบบหม้อแปลงโซลิดสเตต (SST) โดยที่ไฟฟ้ากระแสสลับแรงดันปานกลางจากกริดจะเข้าสู่ห้องพลังงานของศูนย์ข้อมูลและถูกแปลงเป็น 800 V DC โดยตรงสําหรับการกระจายระดับห้องโถงวิธีการที่ใช้ SST นี้ช่วยขจัดหม้อแปลง สวิตช์เกียร์ และ PDU ขนาดใหญ่ ซึ่งช่วยลดการใช้ทองแดงได้อย่างมาก เนื่องจากสายเคเบิล 800 V DC สามารถรับพลังงานได้ประมาณ 1.5× ของสายเคเบิล 415 Vac.

การพัฒนาที่สําคัญอีกประการหนึ่งคือการเปลี่ยนแปลงในสถาปัตยกรรมการจัดเก็บพลังงานจากการสํารองข้อมูลดีเซลที่ใช้ AC ไปสู่การจัดเก็บข้อมูล 800 V DC แบบกระจายที่รวมอยู่ในสภาพแวดล้อมของศูนย์ข้อมูลตัวเก็บประจุกําลังสูงหรือระบบ supercap ที่อยู่ใกล้กับชั้นวางคอมพิวเตอร์จะรองรับความต้องการพลังงานในระยะสั้น โดยรวมตัวแปลง DC/DC ตัวควบคุม และไดรเวอร์แบบสองทิศทางเพื่อจัดการการไหลของพลังงานในระดับโรงงาน การจัดเก็บแบตเตอรี่ MV และการสร้างการสํารองข้อมูลในสถานที่จะกลายเป็นสิ่งสําคัญในการสร้างความมั่นใจในการทํางานอย่างต่อเนื่องของศูนย์ข้อมูลที่เน้น AI.