Укрощение зверя: как интегрированные регуляторы напряжения решают проблему энергопотребления ИИ

Искусственный интеллект очень прожорлив. От обучения огромных языковых моделей до обеспечения реального времени вывода в облаке, вычислительные требования ИИ растут экспоненциально. Этот неутолимый аппетит создал вторичный кризис, который угрожает остановить прогресс: неустойчивый голод за электрической энергией. Данные центры, современные соборы вычислений, находятся на пути к потреблению значительной доли электричества мира, а задачи ИИ являются основным драйвером. Согласно Международному энергетическому агентству (МЭА), данные центры потребили примерно 2% глобального электричества в 2022 году, и этот показатель, как ожидается, будет расти значительно.

Эта проблема с энергией не только в том, что это огромные счета за электричество и воздействие на окружающую среду; это фундаментальный инженерный тупик. Самые процессоры, которые обеспечивают работу ИИ – ГПУ, ТПУ и специализированные АСИК – сталкиваются с термическим барьером. Вы не можете просто продолжать добавлять все больше транзисторов на кристалл, если не можете доставить энергию к ним чисто и эффективно, не перегревая кристалл. Вызов заключается не только в генерации энергии, но и в ее эффективной доставке в последние несколько миллиметров перед тем, как она достигнет кремния. Но теперь крошечный кусочек технологии, называемый Интегрированным Регулятором Напряжения (ИРН), фундаментально меняет будущее высокопроизводительных вычислений.

Проблема “последнего дюйма” в доставке энергии

Чтобы понять инновации ИРН, необходимо сначала понять традиционный метод питания высокопроизводительного чипа. Современный процессор имеет миллиарды транзисторов, которые включаются и выключаются миллиарды раз в секунду. Эти операции требуют точного, стабильного и низковольтного источника постоянного тока. Однако энергия, поступающая из сети, является высоковольтным переменным током. Путь от розетки до кремния включает в себя сложную цепочку преобразования и регулирования, известную как Сеть Доставки Энергии (СДЭ).

Обычно этот процесс включает в себя несколько этапов. Энергия преобразуется и понижается на материнской плате сервера, а окончательное, критическое преобразование осуществляется компонентом, называемым Регулятором Напряжения (РН). Эти РН обычно являются громоздкими дискретными компонентами – коллекцией контроллеров, ступеней питания и больших, намотанных на проволоку индукторов – которые расположены на материнской плате вокруг гнезда процессора.

Этот традиционный подход имеет несколько критических недостатков в эпоху ИИ:

1. Потеря энергии: Энергия должна проходить от этих внешних РН через материнскую плату и упаковку чипа. Каждый миллиметр этого пути вводит сопротивление, что приводит к значительной потере энергии (потеря I2R). Эта потерянная энергия рассеивается в виде тепла, которое затем должно быть удалено еще более энергозатратными системами охлаждения.
2. Медленное время отклика: Когда процессор внезапно переключается из простоя в состояние полной нагрузки (обычный сценарий в задачах ИИ, называемый транзитной нагрузкой), он требует огромного, мгновенного притока тока. Внешние РН могут быть слишком медленными, чтобы отреагировать, что приводит к временной просадки напряжения, или “просадки”. Чтобы компенсировать это, инженеры должны проектировать всю систему так, чтобы она работала на более высоком базовом напряжении, что приводит к еще большей потере энергии.
3. Ограничения по пространству: Эти громоздкие, внешние компоненты потребляют ценное место на материнской плате, место, которое можно было бы использовать для дополнительных каналов памяти, более быстрых интерфейсов или других функций, повышающих производительность. Это “пляжная собственность” вокруг процессора является одной из самых ценных в электронике.

Внутреннее питание и тонкопленочные магнетики

Недавние достижения в технологии тонкопленочных магнетиков теперь позволяют производить высокопроизводительные индукторы непосредственно на кристалле или его упаковке с помощью методов полупроводниковой фабрикации. Эти микроскопические, высокоэффективные индукторы позволяют整个 регулятору напряжения располагаться всего в нескольких микронах от цепей, которые он питает.

Этот сдвиг местоположения обеспечивает несколько преимуществ:

• Снижение потери энергии: Сокращение пути доставки энергии с дюймов до микрон значительно снижает энергию, потерянную во время передачи, что улучшает общую эффективность системы.
• Гранулярное управление питанием: Несколько независимых, сверхнизковольтных доменов питания могут обеспечить точно то, что нужно каждому ядру или функциональному блоку, когда это необходимо, и выключаться мгновенно, когда это не нужно.
• Почти мгновенный отклик: Внутрипакетные ИРН реагируют на транзитные нагрузки за наносекунды, практически исключая просадку напряжения и позволяя использовать более низкие, эффективные рабочие напряжения без ущерба для производительности.
• Упрощенный дизайн и меньший размер: Удаление регуляторов напряжения с материнской платы освобождает место на плате, упрощает дизайн и поддерживает более плотные, высокопроизводительные архитектуры.

Перепроектирование будущего аппаратного обеспечения ИИ

Преимущества ИРН напрямую решают самые большие проблемы, с которыми сталкиваются разработчики аппаратного обеспечения ИИ. Для компаний, разрабатывающих следующее поколение ГПУ и ускорителей ИИ, интегрированное управление питанием не является просто “хорошим”; это технология, обеспечивающая возможность.

Передовые методы упаковки полупроводников, такие как чиплеты и 3D-упаковка, считаются путем вперед теперь, когда традиционное масштабирование по закону Мура замедляется. Эти методы включают сборку нескольких меньших, специализированных кристаллов в один мощный пакет. Как объясняют лидеры отрасли, такие как TSMC с его технологией CoWoS, этот подход требует сложной стратегии доставки энергии. ИРН, включая те, которые производятся компанией Ferric, идеально подходят для этого парадигмы, обеспечивая гранулярное, эффективное питание, необходимое для управления этими сложными, гетерогенными системами.

Проблемы и вывод

Путь к широкому внедрению не обходится без препятствий. Интеграция новых материалов и процессов в высококонсервативную и сложную экосистему производства полупроводников является монументальной задачей.

Однако необходимость решения неоспорима. Текущая траектория потребления энергии в ИИ неустойчива. Просто уменьшение размера транзисторов больше не достаточно; требуется целостная перепланировка всей системы, от программного обеспечения до доставки энергии. Работа компаний, таких как Ferric, представляет собой важную часть этой головоломки. Укрощая зверя энергопотребления у его источника, они не только создают более эффективный компонент, но и прокладывают путь для следующего поколения ИИ и высокопроизводительных вычислений.

Путь инноваций в аппаратном обеспечении – это путь преодоления тупиков. На протяжении десятилетий основное внимание уделялось скорости вычислений и плотности транзисторов. Сегодня наиболее насущной проблемой является энергия. Компании, которые решат эту задачу, определят ландшафт вычислений на годы вперед.

Что, по вашему мнению, будет следующим крупным тупиком в проектировании аппаратного обеспечения ИИ после оптимизации доставки энергии? Как достижения в области энергетической эффективности изменят экономику крупномасштабного развертывания ИИ?