Hans Hasselby-Andersen, PDG de Lotus Microsystems – Série d’entretiens

Hans Hasselby-Andersen est PDG de Lotus Microsystems. Il possède plus de 20 ans d’expérience dans l’industrie des semi-conducteurs, où il a exercé comme fondateur, dirigeant, membre de conseil d’administration et investisseur. Il a fondé Merus Audio et dirigé l’entreprise jusqu’à son acquisition par Infineon en 2018. Il a également occupé des postes de direction chez Texas Instruments, Infineon, Toccata Technology et Nokia. Ses travaux ont principalement porté sur la commercialisation de technologies de semi-conducteurs à haut rendement énergétique.

Lotus Microsystems est une entreprise de semi-conducteurs sans usine, basée à Copenhague, qui développe des convertisseurs de puissance intégrés et des solutions d’alimentation pour l’électronique de pointe. Sa technologie Silicon Power Interposer combine la conversion de puissance et la gestion thermique, notamment grâce à sa plateforme vStrata d’alimentation verticale destinée à l’IA et au calcul haute performance. Dans cet entretien, Hasselby-Andersen aborde les pertes énergétiques à l’échelle des serveurs, les limites des architectures d’alimentation classiques et les raisons pour lesquelles l’alimentation, le refroidissement et le conditionnement des semi-conducteurs doivent de plus en plus être conçus ensemble.

Votre carrière vous a conduit des systèmes sans fil chez Nokia au développement de semi-conducteurs chez Texas Instruments, puis à la fondation de Merus Audio et à sa vente à Infineon, et aujourd’hui à la direction de Lotus Microsystems. Comment cette expérience a-t-elle façonné votre réflexion sur les enjeux d’alimentation et de gestion thermique qui se posent dans les infrastructures d’IA actuelles ?

Je suis arrivé dans le secteur des semi-conducteurs presque par hasard. Une jeune entreprise avec laquelle je travaillais a été rachetée par Texas Instruments, ce qui m’a permis de découvrir la conception, la fabrication et la commercialisation des puces. Je n’étais pas moi-même concepteur de puces, mais j’ai énormément appris sur cette industrie.

Plus tard, lorsque j’ai fondé Merus Audio, le déclic a été de repérer une lacune évidente sur le marché : il fallait réduire les pertes de puissance et prolonger l’autonomie des enceintes sans fil. J’ai ensuite concentré mes efforts sur la recherche des personnes et des technologies adéquates pour répondre à ce besoin.

Après le rachat de Merus par Infineon, j’ai passé quelque temps en dehors du secteur des semi-conducteurs, avant de comprendre que c’était finalement là que je voulais être. Ce qui m’a attiré chez Lotus Microsystems, c’est l’importance que l’équipe fondatrice accordait à trois aspects fondamentaux de sa technologie avancée d’alimentation : le rendement énergétique, l’encombrement et les performances thermiques. Ces enjeux ne disparaissent jamais dans le domaine de l’alimentation, quelle que soit l’application, mais l’IA les a rendus particulièrement urgents.

Les processeurs progressent à un rythme extraordinaire, mais toute cette puissance de calcul se heurte à de véritables contraintes physiques. Mon expérience m’a appris que résoudre ces problèmes moins visibles peut être tout aussi précieux que de développer les technologies qui attirent toute l’attention.

Les discussions sur les infrastructures d’IA portent souvent avant tout sur les performances des GPU, les réseaux et le refroidissement. Pourquoi pensez-vous que l’alimentation électrique devient l’un des principaux freins à la poursuite de la montée en puissance des systèmes d’IA ?

Nous parlons beaucoup de la puissance de calcul qu’un GPU peut fournir, mais bien moins de la manière de lui acheminer suffisamment d’électricité avec un bon rendement. Les accélérateurs d’IA modernes nécessitent un courant de plusieurs milliers d’ampères à très basse tension, et leurs besoins en puissance peuvent varier presque instantanément selon la charge de travail. Les systèmes d’alimentation traditionnels n’ont pas été conçus pour une telle intensité. On peut disposer du processeur le plus perfectionné au monde, mais si l’on ne peut pas lui fournir une alimentation stable au moment où il en a besoin, il ne pourra pas exprimer tout son potentiel. C’est pourquoi l’alimentation devient un enjeu majeur de la montée en puissance de l’IA.

Lorsque les exploitants de centres de données parlent d’efficacité énergétique, l’attention se porte souvent sur les systèmes de refroidissement et les indicateurs à l’échelle des installations. Quelle quantité d’énergie est réellement perdue à l’intérieur du serveur avant d’atteindre le processeur, et pourquoi cette question a-t-elle reçu relativement peu d’attention ?

Il n’existe pas de chiffre unique valable pour tous les serveurs, mais les pertes peuvent être importantes. Dans certaines architectures à courant élevé, nous estimons qu’environ 7–10 % de l’énergie peut être perdue dans les derniers étages de l’alimentation du processeur. Cette énergie ne contribue à aucun calcul utile : elle est convertie en chaleur, qu’il faut ensuite évacuer. Quand des milliers de processeurs fonctionnent 24 heures sur 24, même des pertes relativement faibles finissent par coûter très cher.

Si cette question a été négligée, c’est notamment en raison de la façon dont nous avons traditionnellement mesuré l’efficacité des centres de données. L’indicateur Power Usage Effectiveness (PUE) est devenu la référence dans le secteur et permet d’évaluer les dépenses énergétiques des installations, notamment celles liées au refroidissement et à la distribution électrique. En revanche, il ne montre pas avec quelle efficacité l’électricité est convertie et acheminée à l’intérieur du serveur lui-même.

Je ne prétends pas que l’efficacité du refroidissement soit sans importance ; elle l’est tout à fait. Mais il y a quelque chose d’un peu paradoxal à dépenser des sommes considérables pour évacuer la chaleur sans se préoccuper suffisamment de l’origine d’une partie de cette chaleur évitable. Nous devrions d’abord chercher à prévenir ces pertes.

À mesure que les GPU et les autres accélérateurs d’IA consomment toujours plus d’énergie, quelles limites apparaissent dans les architectures traditionnelles d’alimentation au niveau des cartes ?

Le problème apparaît plus clairement lorsqu’on examine comment l’électricité parvient réellement à un GPU. Dans une architecture traditionnelle, les convertisseurs de puissance sont placés à côté du processeur, et le courant circule horizontalement sur la carte électronique pour l’atteindre. Cette distance peut sembler insignifiante, mais lorsque des milliers d’ampères circulent, même une faible résistance compte. Les pertes résistives augmentent avec le carré de l’intensité : autrement dit, doubler l’intensité pour une même résistance peut quadrupler ces pertes.

Il faut également relever le défi de répondre aux variations rapides de la demande en puissance tout en maintenant une tension stable. Les ingénieurs peuvent compenser ces variations en ajoutant des condensateurs et d’autres composants, mais ces solutions occupent un espace précieux. À terme, il est plus judicieux de repenser l’architecture que de continuer à ajouter des éléments à la conception existante.

Quels changements doivent être apportés à l’acheminement de l’alimentation entre la baie de serveurs et le processeur si le secteur veut continuer à accroître la densité de calcul sans entraîner de problèmes thermiques ou d’efficacité intenables ?

L’innovation est déjà très importante à l’échelle des baies, notamment avec l’adoption d’une distribution électrique à tension plus élevée. C’est important, car une tension plus élevée permet de transmettre l’électricité avec une intensité moindre, ce qui réduit les pertes sur de plus longues distances. Mais, au bout du compte, cette électricité doit toujours être convertie aux très basses tensions dont les processeurs ont besoin, et c’est là que subsistent certains des défis les plus difficiles à relever.

L’une des avancées les plus prometteuses est l’acheminement vertical de l’alimentation, qui place la conversion de puissance directement sous le processeur plutôt qu’à côté. En raccourcissant le trajet électrique, on réduit les pertes et on améliore les temps de réponse. Cette approche soulève toutefois un défi qui lui est propre : elle rapproche considérablement des composants qui dégagent de la chaleur. Pour déployer ces architectures à grande échelle, nous devons cesser de traiter l’acheminement de l’alimentation, la gestion thermique et le conditionnement comme des domaines d’ingénierie distincts. Il faut les concevoir ensemble dès le départ.

Lotus Microsystems a récemment lancé sa plateforme d’acheminement vertical de l’alimentation vStrata. Quel problème cette approche vise-t-elle à résoudre, et en quoi diffère-t-elle des architectures d’alimentation conventionnelles utilisées aujourd’hui dans les serveurs d’IA ?

Le principe de l’acheminement vertical de l’alimentation est relativement simple. Au lieu de faire circuler d’énormes intensités horizontalement sur une carte électronique, on place la source d’alimentation directement sous le processeur. Le trajet électrique est ainsi considérablement raccourci, ce qui réduit les pertes et aide le système à réagir plus rapidement aux variations de ses besoins en puissance.

Mais rapprocher l’alimentation du processeur ne revient pas à résoudre l’ensemble du problème. La chaleur se concentre aussi dans un espace plus réduit, juste à côté de composants déjà soumis à de fortes contraintes thermiques. Sans mesures pour y remédier, on risque de créer un nouveau goulot d’étranglement tout en résolvant le problème initial.

C’est ce problème que nous avons cherché à résoudre avec vStrata. Notre technologie propriétaire Power Interposer Technology, à base de silicium, permet d’acheminer l’alimentation verticalement tout en intégrant la gestion thermique à la même architecture. Notre premier module, le LSC0580, est conçu pour offrir un rendement au point de charge pouvant atteindre 96 %, avec une réduction de la température pouvant aller jusqu’à 25 °C dans des configurations optimisées. L’objectif n’est pas simplement de faire circuler une plus forte intensité, mais d’aider les centres de données à obtenir davantage de capacité de calcul utile dans une même empreinte physique, tout en réduisant la puissance et les besoins de refroidissement nécessaires à son fonctionnement.

Le secteur de l’IA considère souvent que les gains de performance à venir dépendront de puces améliorées ou de procédés de fabrication des semi-conducteurs plus avancés. Les améliorations de l’architecture d’alimentation pourraient-elles, à terme, être aussi importantes pour les performances de l’IA que les progrès des processeurs eux-mêmes ?

Absolument. Les performances théoriques d’un processeur ne sont utiles que si le système qui l’entoure lui permet de les atteindre. Si l’alimentation ne suit pas la demande ou si une chaleur excessive contraint le système à réduire ses performances, vous ne tirez pas pleinement parti de ce que vous avez payé. Il est intéressant de noter qu’une meilleure architecture d’alimentation peut permettre d’exploiter davantage les performances soutenues du matériel existant, sans nécessairement modifier le processeur lui-même. Je ne présenterais pas la situation comme un choix entre de meilleures puces et une meilleure infrastructure. Nous avons besoin des deux, et je pense que leur complémentarité prendra une importance croissante.

Les centres de données dédiés à l’IA exercent déjà une pression considérable sur les réseaux électriques du monde entier. Dans quelle mesure les améliorations de la conversion et de l’acheminement de l’alimentation au niveau des serveurs pourraient-elles réduire l’empreinte énergétique globale des infrastructures d’IA à grande échelle ?

Le potentiel est considérable, même s’il est difficile de l’évaluer par un chiffre unique, car l’impact dépend de l’architecture et de la taille de l’installation. Un gain d’un point de pourcentage à une étape de conversion ne se traduit pas automatiquement par une réduction équivalente de la consommation électrique totale du centre de données.

Mais voyons ce qui se passe lorsque l’on multiplie même de modestes gains d’efficacité par des milliers de processeurs fonctionnant en continu. Cela peut entraîner une réduction importante du gaspillage d’énergie, des coûts d’exploitation, des dépenses d’investissement et de la quantité de chaleur que les systèmes de refroidissement doivent gérer. C’est particulièrement précieux lorsque la capacité du réseau électrique limite déjà les endroits où de nouveaux centres de données peuvent être construits et la rapidité avec laquelle ils peuvent l’être.

Autrement dit, l’énergie la plus verte est celle que l’on ne consomme pas. On s’est beaucoup attaché à garantir un approvisionnement électrique accru pour soutenir le développement de l’IA, ce qui est compréhensible, mais nous devrions tout autant chercher à mieux utiliser l’électricité déjà disponible.

À mesure que les composants matériels dédiés à l’IA évoluent vers des GPU plus puissants, des accélérateurs spécialisés et des systèmes informatiques toujours plus denses, quels goulots d’étranglement techniques les ingénieurs en alimentation électrique devront-ils, selon vous, affronter au cours des prochaines années ?

Les besoins en courant vont continuer d’augmenter, et nous constatons déjà les difficultés que cela entraîne. Certains processeurs d’IA nécessitent plusieurs milliers d’ampères, et les conceptions futures pourraient atteindre 6 000, voire 8 000 ampères. Fournir ce courant efficacement est déjà assez difficile, mais maintenir une tension stable alors que les charges de travail évoluent rapidement ajoute une difficulté supplémentaire.

L’industrie tend aussi à considérer la densité de courant comme le principal indicateur de progrès. Fournir davantage de courant à partir d’un convertisseur de puissance plus petit est impressionnant, mais si l’on produit la même quantité de chaleur dans un espace plus restreint, cela ne signifie pas nécessairement que le système dans son ensemble s’est amélioré. En fait, on a peut-être aggravé le problème thermique. Je pense que les ingénieurs capables de concilier efficacité, performances thermiques, réponse dynamique et fiabilité seront ceux qui réaliseront les avancées les plus importantes.

À l’approche de la prochaine génération d’infrastructures d’IA, quels changements dans la distribution de l’énergie, le refroidissement, le conditionnement des semi-conducteurs et l’architecture des systèmes seront nécessaires pour soutenir une nouvelle hausse majeure de la capacité de calcul de l’IA ?

Je m’attends à une intégration beaucoup plus étroite entre la distribution de l’énergie et le processeur lui-même. La distribution verticale de l’énergie constitue une étape importante, mais je ne pense pas que l’évolution s’arrêtera là. Nous envisageons déjà des modules d’alimentation plus minces, intégrables aux cartes de circuit imprimé, puis, à terme, des architectures dans lesquelles une plus grande partie des fonctions de distribution de l’énergie sera intégrée directement aux boîtiers xPU. À chaque étape, l’alimentation se rapproche de l’endroit où l’énergie est réellement consommée.

Le refroidissement devra évoluer parallèlement à ces changements. Le refroidissement liquide prend une importance croissante pour les systèmes informatiques à haute densité, mais améliorer l’évacuation de la chaleur ne représente qu’une partie de la solution. Nous devons aussi réduire la quantité de chaleur inutile que nous produisons et trouver de meilleures façons de la gérer à proximité de sa source.

Le changement le plus important concernera peut-être la façon dont ces systèmes sont développés. Traditionnellement, les différentes composantes de la chaîne matérielle ont souvent été optimisées de manière plus ou moins indépendante. Aux niveaux de puissance que nous nous apprêtons à atteindre, cela devient de plus en plus difficile. Les fabricants de puces, les spécialistes de l’électronique de puissance, les ingénieurs en conditionnement et les concepteurs de systèmes devront travailler beaucoup plus étroitement ensemble. Nous avons consacré des années à repousser les limites des processeurs individuels, mais la prochaine étape des infrastructures d’IA consistera à veiller à ce que l’ensemble du système puisse prendre en charge les capacités de ces processeurs.

Merci pour cet excellent entretien. Les lecteurs qui souhaitent en savoir plus sur la distribution verticale de l’énergie et la gestion thermique des infrastructures d’IA peuvent consulter Lotus Microsystems.