Hans Hasselby-Andersen, Lotus Microsystems के CEO – साक्षात्कार श्रृंखला

Hans Hasselby-Andersen Lotus Microsystems के CEO हैं। अर्धचालक उद्योग में संस्थापक, कार्यकारी अधिकारी, बोर्ड सदस्य और निवेशक के रूप में उन्हें 20 से अधिक वर्षों का अनुभव है। उन्होंने Merus Audio की स्थापना की और 2018 में Infineon द्वारा उसके अधिग्रहण तक उसका नेतृत्व किया। वे Texas Instruments, Infineon, Toccata Technology और Nokia में नेतृत्व के पदों पर भी रहे हैं। उनका काम ऊर्जा-कुशल अर्धचालक तकनीकों को बाज़ार तक पहुँचाने पर केंद्रित रहा है।

Lotus Microsystems कोपेनहेगन में स्थित एक फैबलेस अर्धचालक कंपनी है, जो उन्नत इलेक्ट्रॉनिक्स के लिए एकीकृत बिजली कन्वर्टर और बिजली आपूर्ति समाधान विकसित करती है। इसकी सिलिकॉन Power Interposer Technology, बिजली रूपांतरण को ताप प्रबंधन के साथ जोड़ती है। इसमें AI और उच्च-प्रदर्शन कंप्यूटिंग के लिए इसका vStrata वर्टिकल बिजली आपूर्ति प्लेटफ़ॉर्म भी शामिल है। इस साक्षात्कार में Hasselby-Andersen सर्वर स्तर पर ऊर्जा की हानि, पारंपरिक बिजली संरचनाओं की सीमाओं और बिजली आपूर्ति, शीतलन तथा अर्धचालक पैकेजिंग को एक साथ डिज़ाइन करने की बढ़ती ज़रूरत पर चर्चा करते हैं।

आपका करियर Nokia में वायरलेस प्रणालियों पर काम करने, Texas Instruments में अर्धचालक विकास, Merus Audio की स्थापना और Infineon द्वारा उसके अधिग्रहण तक उसका नेतृत्व करने से लेकर अब Lotus Microsystems का नेतृत्व करने तक फैला है। इस अनुभव ने आज के AI बुनियादी ढाँचे में उभरती बिजली और ताप संबंधी चुनौतियों के बारे में आपकी सोच को किस तरह आकार दिया है?

मैं लगभग संयोग से अर्धचालक क्षेत्र में आया। जिस स्टार्टअप के साथ मैं काम कर रहा था, उसे Texas Instruments ने अधिग्रहित कर लिया। इसी से मुझे पहली बार यह समझने का मौका मिला कि चिपों को कैसे डिज़ाइन और निर्मित किया जाता है और उन्हें बाज़ार तक कैसे पहुँचाया जाता है। मैं स्वयं चिप डिज़ाइनर नहीं था, लेकिन मैंने इस उद्योग के बारे में बहुत कुछ सीखा।

बाद में, जब मैंने Merus Audio की स्थापना की, तो इसकी शुरुआत बाज़ार में एक स्पष्ट कमी पहचानने से हुई—वायरलेस स्पीकरों में बिजली की हानि घटाने और बैटरी की अवधि बढ़ाने की ज़रूरत। इसके बाद मैंने इस समस्या का समाधान करने के लिए सही लोगों और तकनीक को जुटाने पर ध्यान दिया।

Infineon द्वारा Merus का अधिग्रहण किए जाने के बाद मैंने कुछ समय अर्धचालक उद्योग से बाहर बिताया, लेकिन अंततः मुझे एहसास हुआ कि मैं इसी क्षेत्र में काम करना चाहता हूँ। Lotus Microsystems की ओर मेरा ध्यान इसलिए गया क्योंकि इसकी संस्थापक टीम ने अपनी उन्नत बिजली आपूर्ति तकनीक के तीन बुनियादी पहलुओं पर ध्यान केंद्रित किया था: ऊर्जा दक्षता, भौतिक आकार और तापीय प्रदर्शन। बिजली आपूर्ति में ये ऐसी चुनौतियाँ हैं जो अनुप्रयोग चाहे जो भी हो, कभी पूरी तरह खत्म नहीं होतीं; लेकिन AI ने इन्हें विशेष रूप से तात्कालिक बना दिया है।

हम प्रोसेसर तकनीक में असाधारण प्रगति देख रहे हैं, लेकिन इतनी कंप्यूटिंग शक्ति के साथ वास्तविक भौतिक सीमाएँ भी आती हैं। मेरे अनुभव ने मुझे सिखाया है कि इन कम दिखाई देने वाली समस्याओं को हल करना भी उतना ही मूल्यवान हो सकता है जितना उस तकनीक को विकसित करना जिस पर सबका ध्यान है।

AI बुनियादी ढाँचे पर चर्चाओं में आम तौर पर GPU के प्रदर्शन, नेटवर्किंग और शीतलन पर बहुत ज़ोर दिया जाता है। आपके अनुसार, AI प्रणालियों के लगातार विस्तार में बिजली आपूर्ति स्वयं सबसे अहम बाधाओं में से एक क्यों बनती जा रही है?

हम इस बारे में बहुत बात करते हैं कि GPU कितनी कंप्यूटिंग शक्ति दे सकता है, लेकिन इस पर बहुत कम ध्यान देते हैं कि उसे पर्याप्त बिजली कुशलता से कैसे पहुँचाई जाए। आधुनिक AI एक्सेलरेटरों को बहुत कम वोल्टेज पर हज़ारों एम्पियर करंट की ज़रूरत होती है, और कार्यभार के अनुसार उनकी बिजली की माँग लगभग तुरंत बदल सकती है। पारंपरिक बिजली आपूर्ति प्रणालियाँ इतनी तीव्र माँग के लिए डिज़ाइन नहीं की गई थीं। आपके पास दुनिया का सबसे उन्नत प्रोसेसर हो सकता है, लेकिन अगर ज़रूरत के समय आप उसे स्थिर बिजली नहीं पहुँचा सकते, तो उसकी पूरी क्षमता का उपयोग नहीं कर पाएँगे। यही वजह है कि AI के विस्तार की चुनौती में बिजली आपूर्ति इतनी अहम होती जा रही है।

जब डेटा सेंटर संचालक ऊर्जा दक्षता की बात करते हैं, तो ज़्यादातर ध्यान शीतलन प्रणालियों और पूरी सुविधा के स्तर के मापदंडों पर दिया जाता है। प्रोसेसर तक पहुँचने से पहले सर्वर के भीतर वास्तव में कितनी बिजली बर्बाद होती है, और इस मुद्दे पर तुलनात्मक रूप से इतना कम ध्यान क्यों दिया गया है?

हर सर्वर पर लागू होने वाला कोई एक आँकड़ा नहीं है, लेकिन बिजली की हानि काफ़ी हो सकती है। हमने अनुमान लगाया है कि कुछ उच्च-करंट संरचनाओं में प्रोसेसर तक बिजली पहुँचाने के अंतिम चरणों में लगभग 7–10% बिजली नष्ट हो सकती है। इस ऊर्जा से कोई उपयोगी कंप्यूटिंग नहीं होती; यह ऊष्मा में बदल जाती है, जिसे फिर बाहर निकालना पड़ता है। जब आप चौबीसों घंटे हज़ारों प्रोसेसर चलाते हैं, तो अपेक्षाकृत छोटी अक्षमताएँ भी बहुत महँगी पड़ती हैं।

इस मुद्दे पर पहले ध्यान न दिए जाने की एक वजह यह है कि हम पारंपरिक रूप से डेटा सेंटर की दक्षता को कैसे मापते आए हैं। Power Usage Effectiveness, या PUE, उद्योग का मानक बन चुका है और सुविधा के अतिरिक्त ऊर्जा-खर्च को समझने में उपयोगी है—इसमें शीतलन और बिजली वितरण भी शामिल हैं। लेकिन इससे यह पता नहीं चलता कि सर्वर के भीतर बिजली को कितनी कुशलता से रूपांतरित और पहुँचाया जा रहा है।

मेरा यह कहने का मतलब नहीं है कि शीतलन की दक्षता महत्वपूर्ण नहीं है; यह निश्चित रूप से महत्वपूर्ण है। लेकिन अनावश्यक ऊष्मा के कुछ स्रोतों पर पर्याप्त ध्यान दिए बिना उसे हटाने पर भारी रकम खर्च करना कुछ उलटा-सा लगता है। हमें शुरुआत से ही इन नुकसानों को रोकने की कोशिश करनी चाहिए।

जैसे-जैसे GPU और अन्य AI एक्सेलरेटर अधिक से अधिक बिजली की खपत कर रहे हैं, पारंपरिक बोर्ड-स्तरीय बिजली आपूर्ति संरचनाओं की कौन-सी सीमाएँ सामने आ रही हैं?

समस्या तब और स्पष्ट हो जाती है, जब आप देखते हैं कि बिजली वास्तव में GPU तक कैसे पहुँचती है। पारंपरिक डिज़ाइन में, बिजली के कन्वर्टर प्रोसेसर के बगल में लगे होते हैं और बिजली सर्किट बोर्ड से क्षैतिज रूप से होकर प्रोसेसर तक पहुँचती है। यह दूरी मामूली लग सकती है, लेकिन जब हज़ारों एम्पियर का करंट प्रवाहित हो रहा हो, तो प्रतिरोध की थोड़ी-सी मात्रा भी मायने रखती है। प्रतिरोध के कारण होने वाली हानियाँ करंट के वर्ग के अनुपात में बढ़ती हैं। यानी, समान प्रतिरोध में करंट दोगुना करने पर ये हानियाँ चार गुना हो सकती हैं।

बिजली की माँग में तेज़ी से होने वाले बदलावों के बीच वोल्टेज को स्थिर बनाए रखना भी एक चुनौती है। इंजीनियर कैपेसिटर और दूसरे घटक जोड़कर इसकी भरपाई कर सकते हैं, लेकिन इन तरीकों में मूल्यवान जगह घिरती है। अंततः, मौजूदा डिज़ाइन में लगातार चीज़ें जोड़ते रहने के बजाय उसकी संरचना पर नए सिरे से विचार करना अधिक उचित हो जाता है।

अगर उद्योग असहनीय तापीय या दक्षता संबंधी समस्याएँ पैदा किए बिना कंप्यूट घनत्व बढ़ाना जारी रखना चाहता है, तो सर्वर रैक से प्रोसेसर तक बिजली पहुँचाने के तरीके में क्या बदलाव करने होंगे?

रैक स्तर पर पहले से ही काफी नवाचार हो रहा है, जिसमें उच्च-वोल्टेज बिजली वितरण की ओर बढ़ना भी शामिल है। यह महत्वपूर्ण है, क्योंकि अधिक वोल्टेज से कम करंट में बिजली का संचार किया जा सकता है, जिससे लंबी दूरी पर होने वाली हानियाँ घटती हैं। लेकिन अंततः, उस बिजली को प्रोसेसर की ज़रूरत के मुताबिक बहुत कम वोल्टेज में बदलना ही पड़ता है, और यहीं कुछ सबसे कठिन चुनौतियाँ बनी हुई हैं।

सबसे आशाजनक विकासों में से एक है वर्टिकल पावर डिलीवरी, जिसमें बिजली को प्रोसेसर के बगल में रखने के बजाय सीधे उसके नीचे रूपांतरित किया जाता है। बिजली के इस मार्ग को छोटा करने से हानियाँ घटाने और प्रतिक्रिया समय बेहतर करने में मदद मिलती है। लेकिन इससे एक नई चुनौती भी पैदा होती है: गर्मी पैदा करने वाले घटक एक-दूसरे के बहुत करीब आ जाते हैं। इन संरचनाओं को बड़े पैमाने पर कारगर बनाने के लिए, हमें बिजली वितरण, तापीय प्रबंधन और पैकेजिंग को अलग-अलग इंजीनियरिंग प्रक्रियाओं के रूप में देखना बंद करना होगा। शुरुआत से ही इनका डिज़ाइन एक साथ करना होगा।

Lotus Microsystems ने हाल ही में अपना vStrata वर्टिकल पावर डिलीवरी प्लेटफ़ॉर्म पेश किया। वर्टिकल पावर डिलीवरी किस समस्या को हल करने के लिए बनाई गई है, और यह तरीका आज AI सर्वरों में इस्तेमाल होने वाली पारंपरिक बिजली संरचनाओं से किस तरह अलग है?

वर्टिकल पावर डिलीवरी के पीछे का मूल विचार अपेक्षाकृत सीधा है। सर्किट बोर्ड पर भारी मात्रा में करंट को क्षैतिज रूप से प्रवाहित करने के बजाय, बिजली का स्रोत सीधे प्रोसेसर के नीचे रखा जाता है। इससे बिजली का मार्ग काफी छोटा हो जाता है, हानियाँ घटती हैं और बिजली की ज़रूरत बदलने पर सिस्टम अधिक तेज़ी से प्रतिक्रिया दे पाता है।

लेकिन बिजली को प्रोसेसर के करीब लाने और पूरी समस्या का समाधान करने में एक अहम अंतर है। इससे गर्मी एक छोटी जगह में केंद्रित हो जाती है, ठीक उन घटकों के पास जो पहले से ही काफी तापीय दबाव में काम कर रहे हैं। अगर आप इस समस्या का समाधान नहीं करते, तो मूल अड़चन दूर करते हुए एक नई अड़चन पैदा होने का जोखिम रहता है।

हमने इसी समस्या का समाधान करने के लिए vStrata विकसित किया। हमारी स्वामित्वाधीन सिलिकॉन Power Interposer Technology हमें इसी संरचना में तापीय प्रबंधन को शामिल करते हुए वर्टिकल तरीके से बिजली पहुँचाने की सुविधा देती है। हमारा पहला मॉड्यूल, LSC0580, अधिकतम 96% लोड-पॉइंट दक्षता के लिए तैयार किया गया है; अनुकूलित विन्यासों में तापमान 25°C तक घट सकता है। लक्ष्य केवल अधिक करंट पहुँचाना नहीं है, बल्कि डेटा केंद्रों को उसी भौतिक जगह में अधिक उपयोगी कंप्यूट क्षमता हासिल करने में मदद करना भी है—और साथ ही, इसके लिए आवश्यक बिजली और शीतलन का अतिरिक्त भार घटाना है।

AI उद्योग में अक्सर यह माना जाता है कि भविष्य में प्रदर्शन में सुधार बेहतर चिपों या अधिक उन्नत सेमीकंडक्टर प्रक्रियाओं से आएगा। क्या बिजली संरचना में सुधार अंततः AI के प्रदर्शन के लिए उतने ही महत्वपूर्ण हो सकते हैं, जितनी प्रोसेसर में होने वाली प्रगति?

बिल्कुल। प्रोसेसर का सैद्धांतिक प्रदर्शन तभी उपयोगी है, जब आसपास का सिस्टम उसे उस स्तर पर काम करने दे। अगर बिजली की आपूर्ति माँग के अनुरूप नहीं हो पाती, या अत्यधिक गर्मी के कारण सिस्टम को प्रदर्शन घटाना पड़ता है, तो आपको अपने निवेश का पूरा लाभ नहीं मिलता। दिलचस्प बात यह है कि बेहतर बिजली संरचना, प्रोसेसर में बदलाव किए बिना भी, मौजूदा हार्डवेयर से लंबे समय तक बेहतर प्रदर्शन हासिल करने में मदद कर सकती है। मैं इसे बेहतर चिपों और बेहतर बुनियादी ढाँचे के बीच किसी एक को चुनने के रूप में नहीं देखूँगा। हमें दोनों की ज़रूरत है, और मुझे लगता है कि इनके बीच का संबंध लगातार अधिक महत्वपूर्ण होता जाएगा।

दुनिया भर में AI डेटा केंद्र पहले से ही बिजली ग्रिडों पर काफी दबाव डाल रहे हैं। सर्वर स्तर पर बिजली रूपांतरण और वितरण में सुधार से बड़े पैमाने के AI बुनियादी ढाँचे का कुल ऊर्जा पदचिह्न कितना घट सकता है?

इसकी संभावना काफी बड़ी है, हालाँकि इसका एक निश्चित आँकड़ा देना कठिन है, क्योंकि प्रभाव सुविधा की संरचना और उसके पैमाने पर निर्भर करता है। किसी एक रूपांतरण चरण में दक्षता का एक प्रतिशत अंक सुधार होने से डेटा केंद्र की कुल बिजली खपत में अपने-आप उतनी ही कमी नहीं आती।

लेकिन सोचिए, लगातार चल रहे हज़ारों प्रोसेसरों में दक्षता के मामूली सुधारों का भी कुल असर कितना बड़ा हो सकता है। इससे व्यर्थ होने वाली ऊर्जा, परिचालन लागत, पूंजीगत व्यय और शीतलन प्रणालियों को संभालनी पड़ने वाली गर्मी में उल्लेखनीय कमी आ सकती है। यह खास तौर पर तब बहुत महत्वपूर्ण है, जब ग्रिड की क्षमता पहले से ही यह सीमित कर रही हो कि नए डेटा केंद्र कहाँ और कितनी तेज़ी से बनाए जा सकते हैं।

इसे दूसरे ढंग से कहें तो सबसे हरित ऊर्जा वह है जिसका इस्तेमाल ही न करना पड़े। AI के विस्तार को सहारा देने के लिए अधिक बिजली जुटाने पर बहुत ज़ोर दिया गया है, और यह समझ में आता है। लेकिन हमें पहले से उपलब्ध बिजली का बेहतर इस्तेमाल करने में भी उतनी ही दिलचस्पी लेनी चाहिए।

जैसे-जैसे AI हार्डवेयर अधिक बिजली खपत करने वाले GPU, विशेष रूप से तैयार किए गए त्वरकों और अधिकाधिक सघन कंप्यूटिंग प्रणालियों की ओर बढ़ रहा है, अगले कई वर्षों में बिजली इंजीनियरों को किन तकनीकी अड़चनों का सामना करना पड़ सकता है?

करंट की ज़रूरतें लगातार बढ़ती रहेंगी, और इससे पैदा होने वाली चुनौतियाँ हमें पहले से दिखने लगी हैं। कुछ AI प्रोसेसरों को कई हज़ार एम्पियर की ज़रूरत होती है, जबकि भविष्य के डिज़ाइनों में यह संख्या 6,000 या यहाँ तक कि 8,000 एम्पियर तक पहुँच सकती है। इतनी विद्युत धारा को कुशलता से पहुँचाना अपने आप में मुश्किल है, लेकिन कार्यभार में तेज़ी से बदलाव के दौरान वोल्टेज को स्थिर रखना जटिलता की एक और परत जोड़ देता है।

उद्योग में प्रगति का मुख्य पैमाना अक्सर करंट घनत्व को माना जाता है। छोटे पावर कन्वर्टर से अधिक करंट पहुँचाना प्रभावशाली है, लेकिन अगर कम जगह में उतनी ही गर्मी पैदा हो रही है, तो इसका यह मतलब नहीं कि पूरी प्रणाली बेहतर हो गई है। दरअसल, इससे तापीय समस्या और भी गंभीर हो सकती है। मेरा मानना है कि दक्षता, तापीय प्रदर्शन, गतिशील प्रतिक्रिया और विश्वसनीयता के बीच संतुलन साधने वाले इंजीनियर ही सबसे बड़ी प्रगति करेंगे।

AI अवसंरचना की अगली पीढ़ी को देखते हुए, AI की कंप्यूट क्षमता में एक और बड़ी वृद्धि को सहारा देने के लिए बिजली आपूर्ति, शीतलन, सेमीकंडक्टर पैकेजिंग और सिस्टम आर्किटेक्चर में किन बदलावों की ज़रूरत होगी?

मुझे उम्मीद है कि बिजली आपूर्ति और प्रोसेसर के बीच कहीं अधिक घनिष्ठ एकीकरण देखने को मिलेगा। ऊर्ध्वाधर बिजली आपूर्ति एक अहम कदम है, लेकिन मुझे नहीं लगता कि विकास यहीं रुक जाएगा। हम पहले से ही ऐसे पतले पावर मॉड्यूल पर काम कर रहे हैं जिन्हें सर्किट बोर्ड में समाहित किया जा सकता है। आगे चलकर ऐसे आर्किटेक्चर भी बन सकते हैं जिनमें बिजली आपूर्ति के अधिक कार्य सीधे xPU पैकेज में एकीकृत हों। हर कदम बिजली को उसके वास्तविक उपयोग-बिंदु के और करीब ले जाता है।

इन बदलावों के साथ शीतलन तकनीक को भी विकसित होना होगा। उच्च घनत्व वाली कंप्यूटिंग के लिए तरल शीतलन का महत्व लगातार बढ़ रहा है, लेकिन गर्मी हटाने के तरीकों में सुधार करना इस समीकरण का सिर्फ़ एक हिस्सा है। हमें पैदा होने वाली अनावश्यक गर्मी की मात्रा भी घटानी होगी और उसे स्रोत के पास ही बेहतर ढंग से संभालने के तरीके खोजने होंगे।

शायद सबसे बड़ा बदलाव इन प्रणालियों के विकास के तरीके में आएगा। परंपरागत रूप से, हार्डवेयर स्टैक के अलग-अलग हिस्सों को अक्सर कुछ हद तक स्वतंत्र रूप से बेहतर बनाया जाता रहा है। जिन बिजली स्तरों की ओर हम बढ़ रहे हैं, वहाँ ऐसा करना लगातार मुश्किल होता जाएगा। चिप निर्माता, पावर इलेक्ट्रॉनिक्स विशेषज्ञ, पैकेजिंग इंजीनियर और सिस्टम डिज़ाइनर को कहीं अधिक निकटता से मिलकर काम करना होगा। हमने अलग-अलग प्रोसेसरों की सीमाओं को आगे बढ़ाने में कई साल बिताए हैं, लेकिन AI अवसंरचना के अगले चरण में यह सुनिश्चित करना अहम होगा कि पूरी प्रणाली उन प्रोसेसरों की क्षमताओं का पूरा साथ दे सके।

इस शानदार साक्षात्कार के लिए धन्यवाद। जो पाठक AI अवसंरचना के लिए ऊर्ध्वाधर बिजली आपूर्ति और तापीय प्रबंधन के बारे में जानना चाहते हैं, वे Lotus Microsystems पर जाएँ।