GenAI如何节能？分比式电源架构助力高密度计算能效提升

AI开发者和数据中心运维工程师们，你们是否正在为不断飙升的电费账单而头疼？训练生成式人工智能模型确实是个"电老虎"，据预测到2027年，AI服务器年用电量将高达85-134太瓦时，相当于阿根廷全国一年的用电量。面对如此巨大的能耗挑战，传统的供电方案已经力不从心。但好消息是，分比式电源架构（FPA）等创新技术正在为解决这一难题带来曙光，通过全新的供电思路显著提升能效，让高性能计算与可持续发展不再矛盾。

为什么GenAI如此耗电？

要理解分比式电源架构的价值，我们首先需要认识GenAI耗电的根源。现代生成式AI模型训练通常需要连续数月动用数千个GPU处理器，这些处理器包含数十亿晶体管，配合高带宽SDRAM和每秒数太比特的光网络交换机协同工作。

热设计功率（TDP）的飙升令人咋舌。从2020年到2022年，GPU的TDP从400W几乎翻倍至700W，而到了2024年3月，市场上甚至出现了TDP高达1000W的GPU。这种功率增长趋势远远超出了传统供电系统的设计容量。

动态负载特性更是雪上加霜。AI工作负载的瞬态电流消耗差异极大——从空闲状态到满载状态，电流变化可达每微秒2000安培以上。这种极端的动态变化对供电系统的响应速度和平稳性提出了前所未有的要求。

供电网络损耗常被忽视。在传统架构中，由于电源模块距离处理器较远，供电网络（PDN）本身就会消耗15%-20%的能量。这意味着每消耗100度电为AI芯片供电，就有15-20度电白白浪费在供电线路上。

分比式电源架构的核心创新

分比式电源架构（FPA）通过分解稳压和变压功能，从根本上重新思考了供电系统的设计理念。

功能分解是FPA的精髓。传统电源将稳压和变压功能集成在同一模块中，而FPA将这两个功能分离：PRM模块负责稳压，VTM模块负责变压/电流倍增。这种分离允许将每个模块放置在**位置，从而实现*高的效率和功率密度。

48V母线革命是关键一步。FPA采用48V输出母线而不是传统的12V母线。由于功率P=VI，而PDN损耗与电流平方成正比（P=I^2R），48V母线所需的电流仅为12V母线的四分之一，因此PDN损耗降低至原来的1/16。这种电压提升虽然看似简单，却能带来巨大的能效改善。

电流倍增技术巧妙无比。VTM电流倍增器通过理想的"匝数比"概念，将电压从48V降至1V的同时，将电流按相同比例倍增。例如，1安培的输入电流可以倍增至48安培的输出电流。这种设计使得大电流输出部分的线路尽可能短，极大降低了传输损耗。

智能布局优化也不容忽视。FPA允许将电流倍增器尽可能靠近负载放置，进一步减少大电流路径的长度和阻抗。这种近距离供电是传统架构难以实现的。

为了更清楚地了解FPA的优势，我整理了以下与传统架构的对比表格：

特性指标	传统电源架构	分比式电源架构（FPA）
功能集成度	稳压和变压功能集成	稳压和变压功能分离
**母线电压	12V	48V
PDN损耗	较高（电流大，损耗与I^2成正比）	显著降低（损耗降至1/16）
布局灵活性	受限	高（模块可分别优化放置）
电流处理	大电流传输距离长	大电流仅传输很短距离
系统效率	相对较低	显著提升

垂直供电：从平面到立体的能效飞跃

分比式电源架构与垂直供电（VPD）技术的结合，正在创造能效提升的新纪录。

横向到纵向的转变意义重大。传统供电将PoL转换器放在处理器旁边（横向），而VPD将转换器直接放置在处理器下方（纵向）。这种位置变化虽然看似简单，却带来了阻抗的大幅降低。

阻抗降低效果令人印象深刻。横向供电的集总阻抗可能达到200μΩ或更高，而垂直供电可将其降至10μΩ以下。对于需要1000安培连续电流的AI处理器，这意味着PCB功耗从200瓦降至10瓦，单个加速器模块就能节省190瓦。

电压梯度优化是额外收获。横向供电时，为确保芯片中心达到0.65V标称电压，边缘可能需要提供0.70V电压。而垂直供电能确保整个芯片表面电压均匀保持在0.65V。这50mV的差值乘以1000安培电流，又额外节省了50瓦功率。

总节能效果相当可观。每个加速器模块通过改用垂直供电，总共可节省240瓦功率（190W来自PDN损耗降低，50W来自电压梯度优化）。考虑到大型AI超级计算机可能使用数千个加速器模块，且这些设备通常持续运行10年以上，这种节能的累积效应非常惊人。

实际应用与效益分析

分比式电源架构和垂直供电技术不仅理论上行得通，在实际应用中也展示了显著效益。

规模化节能潜力巨大。预计2024年AI加速器模块需求超过250万件，假设每个模块节省240W电力，按每兆瓦时75美元的电价计算，到2026年将在全球实现太瓦时级的电力节省。这相当于每年节约数十亿美元运营成本，并减少数百万吨二氧化碳排放。

热管理优化是额外优势。降低功耗意味着减少发热，进而降低冷却需求。MPS的Z轴供电架构集成了DrMOS顶置设计和微通道液冷板，热阻低至0.5K/W，比传统方案降低70%。这种热效率提升对于TDP超过1000W的AI芯片尤为重要。

电源密度提升支持更高性能。MPS的MPC24380电源模块实现了2A/mm^2的功率密度，支持高达260A的输出电流（每相65A）。这种高密度供电是支持未来更强大AI处理器的关键基础。

系统稳定性增强不容忽视。垂直供电结构通过缩短供电路径和降低阻抗，提高了供电稳定性，这对于对电压波动极其敏感的先进制程芯片（如4纳米CMOS GPU）尤为重要。

实施指南与技术考量

虽然分比式电源架构优势明显，但成功实施需要考虑几个关键因素。

系统架构重新设计是前提。从传统架构转向FPA和VPD需要对整个供电系统进行重新设计，包括主板布局、散热方案和结构支持。这要求硬件工程师具备新的设计思维和技能。

热管理协同优化至关重要。垂直供电意味着电源模块与处理器更紧密地集成，需要综合考虑两者的热管理需求。先进的冷却技术如液冷成为必需品而非可选方案。

成本效益分析需要全面。虽然FPA和VPD能显著降低运营成本，但前期投入可能较高。需要综合计算总体拥有成本（TCO），而不仅仅是比较初始硬件成本。

供应链适配也不容忽视。采用新型供电架构可能需要与新的供应商合作，确保关键组件如高密度电源模块的可靠供应。

标准化与兼容性需要考虑。行业需要建立新的标准和规范，确保不同厂商的组件能够互操作，避免被单一供应商锁定。

行业趋势与未来展望

分比式电源架构代表了供电技术发展的重要方向，但并非终点。未来几年，我们可以期待更多创新。

光子计算可能带来根本变革。光子神经网络利用光进行处理，天然具有高带宽、超强并行性和极低热耗散优势。光子处理器利用波分复用（WDM）实现了**的并行性与吞吐能力，在吞吐量和能效方面有可能超越电子处理器几个数量级。

终端GenAI转移是另一趋势。为减轻数据中心压力，更多GenAI处理正向终端设备转移。Gartner预测，到2026年终端GenAI查询量将超过云端。这需要终端设备搭载**节能的芯片和更高能量密度的电池。

新型半导体材料应用值得关注。氮化镓等宽禁带半导体在快充电源转换中起着重要作用，而二维材料（如石墨烯、过渡金属二硫族化合物）与硅基光子平台的集成，为超高速调制器和片上突触元件开辟了新途径。

软硬件协同优化将成为常态。未来的能效提升不再仅仅依赖硬件创新，还需要软件算法的协同优化。轻量化大语言模型、模型量化和剪枝等技术，使GenAI模型能在资源有限的设备上**运行。

个人观点：挑战与机遇并存

从我个人的角度来看，分比式电源架构和垂直供电技术虽然前景广阔，但也面临一些挑战和机遇。

技术成熟度需要时间。任何新技术从出现到成熟都需要经历一个过程，FPA和VPD虽然理论上优势明显，但在大规模部署中可能会遇到意想不到的问题。企业需要平衡创新与风险，逐步推进这些技术的应用。

人才短缺是现实挑战。掌握这些新技术的工程师目前还比较稀缺，培养和吸引相关人才将成为企业竞争力的关键因素。教育和培训体系需要及时调整，以适应技术发展的需求。

投资决策需要勇气。采用新技术往往需要较大的前期投入，企业决策者需要有长远眼光和勇气，不被短期成本所限制，而是关注长期收益和技术**性带来的竞争优势。

可持续发展责任重大。作为耗能大户，AI行业有责任通过技术创新降低能耗，减少环境影响。分比式电源架构等能效提升技术不仅是商业选择，也是企业社会责任的重要体现。

我认为，未来的AI计算能效提升需要系统级思维，而不是局部优化。从芯片设计、供电架构、散热系统到软件算法，各个环节需要协同创新，才能实现真正的能效突破。分比式电源架构是这个系统解决方案中的重要一环，但并非**答案。

根据行业数据，通过采用分比式电源架构和垂直供电技术，AI计算中心的电源效率可以提升20%以上，部分先进系统甚至能达到30%的提升幅度。这种效率提升直接转化为运营成本降低和环境影响减少。

对于正在规划或升级AI计算设施的企业，我的建议是：尽早评估和试点这些新技术，即使初期投入较高，长期回报往往非常可观。同时，培养内部技术能力，确保团队能够理解和有效应用这些新技术。

总而言之，分比式电源架构通过功能分解、电压提升和布局优化，为GenAI的高能耗挑战提供了有效解决方案。与垂直供电技术结合，能进一步降低PDN损耗和优化电压分布。虽然实施这些技术需要系统级重新设计和前期投入，但带来的能效提升和运营成本降低效果显著，是AI计算向更可持续发展的重要一步。