意法半导体的数据中心电源架构战略和产品给我留下了深刻的印象。首先,他们是Power Stamp Alliance的一员。我喜欢这样一个事实,即在开发云数据中心电源的公司中,设计人员和采购人员都可以选择拥有来自多个电源供应商的外形和功能的多源电源解决方案。数据中心人员也对此感到满意。
我与 Vicor 的产品营销和技术资源公司副总裁 Robert Gendron 就他们的数据中心战略进行了交谈。我首先询问了在他们的架构中使用 GaN 的情况;Vicor 已与其他 FET 一起评估了该技术。
加利福尼亚州圣何塞——在人工智能中,硬件是尾巴,软件是狗——这是一只非常活跃的狗。只需浏览流行的arXiv.org网站,即可找到每天发布的一到两篇新研究论文。
本文从多个角度深入探讨了在嵌入式系统中注入本地化 AI 的业务和技术。 圣何塞——列出从事某种形式人工智能的半导体公司很容易——几乎所有这些公司都是如此。机器学习的广泛潜力正在吸引几乎所有芯片供应商探索这一新兴技术,尤其是在网络边缘的推理处理方面。
许多公司一直在提供在现有 CPU、GPU 和 DSP 内核上运行深度学习作业的软件。Arm 甚至举办了关于在其低端 Cortex-M 内核上运行计算机视觉任务的网络研讨会,尽管它还推出了专门用于深度学习的加速器内核。
迄今为止,我们已经追踪了 20 多家致力于客户端 AI 加速器的公司——其中有几家在中国。还有很多。 在2017 年 7 月中国人工智能初创公司盛行的报告中,连续创业者 Chris Rowen报道了我们尚未听说过的几个,包括 DeepGlint、Emotibot、旷视、Intellifusion、Minieye、Momenta、MorphX、Rokid、SenseTime 和 Zero视觉中的零机器人和音频中的 AISpeech、Mobvoi 和 Unisound。
英伟达在这里是一匹黑马。它凭借2017 年 5 月宣布的大型 Volta V100 GPU 主导了基于云的培训市场。但它也希望通过今年晚些时候推出的 Xavier 芯片进入自动驾驶汽车领域。
我如何为数据中心供电? 克劳德·香农 (Claude Shannon ) 于 1948 年撰写“通信的数学理论”时开始了这一切,他将信息的通信简化为 1 和 0,本质上是二进制数字。该理论导致了在现实世界充满噪音的环境中无错误地传输数据的能力。香农在 2016 年 4 月 30 日将满 100 岁。
既然我们已经了解了数据中心是什么,以及一个不完美的半导体集成电路中相对较小的低效率所产生的令人难以置信的热量浪费乘以令人难以置信的数百万倍,那么让我们来看看一些电源管理解决方案,这些解决方案将达到谷歌声称将减少 30% 的电转换损耗。
让我们来看看顶级电源供应商的一些真正创新的解决方案,这些解决方案可以解决这些问题并回答这些问题。
IPG 工业和电源转换市场总监 Paolo Sandri 在 2016 年 APEC 上透露,ST 拥有独特的完全隔离、谐振、单级直接转换,从 48V 直接到 CPU/DD/ASIC/POL,完全符合英特尔 VR13 和 VR12.5 规范(英特尔无需豁免),以及一个完全可扩展的解决方案,能够管理多达 6 个具有动态单元脱落和脉冲跳跃的交错单元。他们的设计团队声称实现了最低的噪声谐波含量和最佳的信号完整性(由于在初级和次级侧使用零电流和零电压开关 (ZCS/ZVS) 的谐振操作),他们声称这是行业领先的。
今天的数据中心使用的能源约占全球总能源使用量的 2%,到 2020 年,预计仅美国数据中心将消耗高达 1400 亿千瓦时的电量。在这些功率中,估计 CPU 和 DRAM 内存在峰值负载时消耗了大约 80% 的服务器总功率,并且在未来的设计中这种功率需求正在增加。
数字电源架构对数据中心至关重要。借助数字化、可配置和完全可编程的电源控制器,数据中心电源解决方案具有灵活性、效率和集成性,可满足动态系统需求。对不断变化的负载条件的快速适应性反应将大大提高数据中心的效率。由于功能强大的高速处理器需要以不同的时间间隔提供峰值功率,因此只有数字电源能够快速响应动态的高电流需求。
为三相无刷直流 (BLDC) 电机创建驱动系统一直是平衡少数系统要求的任务。效率、可靠性、开发时间、保护、噪音和成本等关注一直是决定零件选择的关键驱动因素。无传感器 BLDC 电机控制器可以帮助我们消除后顾之忧。
在电机领域,由于过电压导致驱动级损坏是非常常见的事件。虽然不是过压故障的唯一原因,但电源泵送是迄今为止最普遍的。当来自电机的能量返回到电源时,会发生电源泵送,导致电源电压暂时升高。如果电压升高显着,则驱动级会出现过压应力,从而破坏或缩短驱动级的使用寿命。