ترويض الوحش: كيف تساهم المنظمات الجهد المتكاملة في حل أزمة الطاقة في مجال الذكاء الاصطناعي

الذكاء الاصطناعي جائع. من تدريب نماذج لغة ضخمة إلى تشغيل الاستدلال في الوقت الفعلي في السحابة، فإن الاحتياجات الحاسوبية للذكاء الاصطناعي في تزايد مستمر. هذا الجوع غير المسبوق خلق أزمة ثانوية تهدد بتعطيل التقدم: جوع غير مستدام للطاقة الكهربائية. مراكز البيانات، وهي الكاتدرائيات الحديثة للحوسبة، تتجه إلى استهلاك جزء كبير من الكهرباء في العالم، مع كون حمولات الذكاء الاصطناعي من العوامل الرئيسية. وفقًا لما ذكرته وكالة الطاقة الدولية (IEA)، استهلكت مراكز البيانات حوالي 2% من الكهرباء العالمية في عام 2022، ومن المتوقع أن ترتفع هذه النسبة بشكل كبير.

ليس هذا المشكلة فقط يتعلق بالفواتير الكهربائية الكبيرة وتأثيرها البيئي، بل هو أيضًا حجر عثرة هندسي أساسي. المعالجات نفسها التي تعمل بالذكاء الاصطناعي – وحدات معالجة الرسومات (GPUs) ووحدات معالجة التنسور (TPUs) والدوائر المتخصصة (ASICs) – تواجه جدارًا حراريًا. لا يمكنك الاستمرار في وضع المزيد من الترانزستورات على الشريحة إذا كنت لا تستطيع توفير الطاقة بشكل نظيف وفعال دون ارتفاع درجة حرارة الشريحة. التحدي لا يكمن فقط في توليد الطاقة، بل في توفيرها بشكل فعال في آخر بضع مليمترات قبل وصولها إلى السيليكون. ولكن الآن، تكنولوجيا صغيرة تعرف باسم المنظم الجهد المتكامل (IVR) تغير بشكل جوهري مستقبل الحوسبة عالية الأداء.

مشكلة “البوصة الأخيرة” في توصيل الطاقة

للفهم جيد لابتكار المنظم الجهد المتكامل، يجب أولاً فهم الطريقة التقليدية لتوصيل الطاقة إلى شريحة عالية الأداء. المعالج الحديث يحتوي على مليارات الترانزستورات التي تتحول على وoff مليارات المرات في الثانية. هذه العمليات تتطلب مصدر طاقة متصل مستقر ومنخفض الجهد. ومع ذلك، الطاقة القادمة من الحائط هي طاقة مترددة عالية الجهد. الرحلة من مقبس الحائط إلى السيليكون تتضمن سلسلة معقدة من التحويل والتنظيم تعرف باسم شبكة توصيل الطاقة (PDN).

عادةً ما تتضمن هذه العملية عدة مراحل. يتم تحويل الطاقة وتخفيضها على لوحة الأم، ويتم التعامل مع التحويل النهائي والحرج بواسطة مكون يسمى منظم الجهد (VR). عادةً ما تكون هذه المنظمات مكونات منفصلة ضخمة – مجموعة من المسيطرات ومراحل الطاقة والمحولات اللاسلكية الكبيرة – التي تقع على اللوحة الأم حول مقبس المعالج.

لهذه النهج التقليدية عيوب حرجة في عصر الذكاء الاصطناعي:

1. الطاقة المهدورة: يجب أن تسافر الطاقة من هذه المنظمات غير المتكاملة عبر اللوحة الأم ومن خلال تغليف الشريحة. كل مليمتر من هذا المسار يُ introducet مقاومة، مما يؤدي إلى خسارة طاقة كبيرة (خسارة I2R). يتم تبديد هذه الطاقة المفقودة كحرارة، والتي يجب إزالتها بعد ذلك بواسطة أنظمة تبريد أكثر استهلاكًا للطاقة.
2. زمن الاستجابة البطيء: عندما ينتقل المعالج فجأة من حالة الخمول إلى حالة الحمل الكامل (سيناريو شائع في حمولات الذكاء الاصطناعي يسمى حمل متغير)، يطلب ذلك تدفقًا كبيرًا وفوريًا من التيار. يمكن أن تكون المنظمات غير المتكاملة أبطأ في الاستجابة، مما يؤدي إلى انخفاض مؤقت في الجهد، أو “انخفاض”. لتعويض ذلك، يجب على المهندسين تصميم النظام بأكمله ليعمل عند جهد أساسي أعلى، مما يؤدي إلى تبديد المزيد من الطاقة.
3. قيود المساحة: هذه المكونات غير المتكاملة الضخمة تستهلك مساحة قيمة على اللوحة الأم، مساحة يمكن استخدامها لمزيد من قنوات الذاكرة أو اتصالات أسرع أو ميزات تحسين الأداء الأخرى. هذه “مساحة الشاطئ” حول المعالج هي من بين الأكثر قيمة في الإلكترونيات.

الطاقة على الشريحة والмагناطيسية الرقيقة

التقدمات الحديثة في تكنولوجيا المغناطيسية الرقيقة تسمح الآن بتصنيع محولات عالية الأداء مباشرة على الشريحة أو على قاعدة الحزمة باستخدام تقنيات تصنيع أشباه الموصلات. هذه المحولات الدقيقة ذات الكفاءة العالية تمكن من وضع المنظم الجهد كله على بعد ميكرونات فقط من الدوائر التي يقوم بتوفير الطاقة لها.

هذا التحول في الموقع يوفر عدة مزايا:

• تقليل خسارة الطاقة: تقصير مسار توصيل الطاقة من البوصات إلى الميكرونات يقلل بشكل كبير من الطاقة المفقودة أثناء النقل، مما يحسن كفاءة النظام بشكل عام.
• إدارة الطاقة بال细ية: يمكن توفير مجالات طاقة مستقلة متعددة وذات جهد منخفض للغاية لتزويد كل نواة أو كتلة وظيفية بالprecisely ما تحتاجه، عندما تحتاجه، وتنخفض على الفور عندما لا تحتاجها.
• استجابة فورية تقريبًا: المنظمات الجهد المتكامل على الحزمة تستجيب للتحميل المتغير في النانوثانية، مما يؤدي تقريبًا إلى القضاء على انخفاض الجهد، وتمكين جهد تشغيل أقل وأكثر كفاءة دون المساس بالأداء.
• تصميم مبسط وfootprint أصغر: إزالة منظمات الجهد من اللوحة الأم تحرر مساحة على اللوحة، وتبسط التصميم، وتدعم هندسات أكثر كثافة وأداء.

إعادة هندسة مستقبل أجهزة الذكاء الاصطناعي

المنافع التي توفرها المنظمات الجهد المتكامل تتماشى مباشرة مع أكبر التحديات التي تواجه مصممي أجهزة الذكاء الاصطناعي. بالنسبة للشركات التي تطور الجيل التالي من وحدات معالجة الرسومات ومسرع الذكاء الاصطناعي، فإن إدارة الطاقة المتكاملة ليست مجرد “مرغوبة”، بل هي تكنولوجيا تمكينية.

تقنيات التعبئة المتقدمة مثل الشريحة الصغيرة و التركيب ثلاثي الأبعاد تعتبر الطريق الأمام الآن بعدما تباطأ قانون مور. هذه التقنيات تتضمن تجميع شريحة متعددة متخصصة في حزمة واحدة قوية. كما شرح قادة الصناعة مثل TSMC مع تكنولوجيا CoWoS، يتطلب هذا النهج استراتيجية توصيل طاقة متقدمة. المنظمات الجهد المتكامل، بما في ذلك تلك التي تصنعها Ferric، مناسبة تمامًا لهذا النمط، حيث توفر الطاقة المتفرقة والفعالة اللازمة لإدارة هذه الأنظمة المعقدة والمتعددة.

التحديات والاستنتاج

مسار التحول الشامل ليس خاليًا من العوائق. دمج مواد وعمليات جديدة في نظام تصنيع أشباه الموصلات المحافظ وال复잡 هو مهمة هائلة.

然而، الحاجة إلى حل لا يمكن إنكاره. المسار الحالي لاستهلاك الطاقة في الذكاء الاصطناعي غير مستدام. مجرد جعل الترانزستورات أصغر لا يكفي؛ يتطلب الأمر إعادة هندسة شاملة للنظام بأكمله، من البرمجيات إلى توصيل الطاقة. عمل شركات مثل Ferric يمثل جزءًا حاسمًا من هذا اللغز. من خلال ترويض الوحش في مصدره، لا يخلقون فقط مكونًا أكثر كفاءة، بل يفتحون الطريق للجيل التالي من الذكاء الاصطناعي والحوسبة عالية الأداء.

الرحلة الابتكارية للحوسبة هي رحلة التغلب على العوائق. لعدة عقود، كان التركيز على سرعة الحوسبة و密度 الترانزستورات. اليوم، العائق الأكثر إلحاحًا هو الطاقة. الشركات التي تحل هذا التحدي ستحدد مشهد الحوسبة في السنوات القادمة.

ما هو رأيك حول ما سيكون العائق الرئيسي التالي في تصميم أجهزة الذكاء الاصطناعي بعد تحسين توصيل الطاقة؟ كيف ستغير التطورات في الكفاءة الطاقة اقتصاديات النشر الكبير للذكاء الاصطناعي؟