顺络的组装式功率电感WPZ系列和铜磁共烧电感HTF系列等产品，完美契合AI服务器发展趋势要求

1. 背景

随着人工智能时代的到来，AI已经不可避免的成为一个热门话题，大力推动了服务器行业发展，AI服务器也越来越火爆。2023年，AI服务器（包括搭载GPU、FPGA、ASIC等）出货量达到近120万台，较2022年增长38.4%，预估2024年全球服务器整机出货量年增2.05%，AI服务器占比约12.1%，未来占比将继续提升。

AI服务器功率相较于普通服务器提升了6~8倍，英伟达B200功率已达到单颗GPU 1000W。面对如此快速的功率等级提升，行业内出现了如下几大趋势：①12V总线系统面临着高损耗、架构复杂及高成本等瓶颈，因此传统12V总线转变为48V总线系统；②Core供电部分由传统VRM多相供电拓扑转向新型TLVR拓扑供电以提高瞬态响应能力；③分立式供电逐步转变为电源模块供电；④浸没式液冷的兴起。

2. 供电技术及冷却方案分析

1) 电压调节模块VRM

工作原理：VRM由 PWM控制器、DrMOS、电感器、电容器组成；由PWM驱动DrMOS以多相Buck小占空比的形式，将12V电压转换为0.5V~2V 电压，再通过电感器、大容量电容器进行平滑电压和滤波的作用，输出纯净稳定的低电压以供核心类负载应用。

特点：

当有瞬时轻载->重载变动，负载ESR降低，输出电流瞬时增加，每个相位都是单独反应，也即每个相位都需要经历输出电压降低->比较器->PWM 占空比提高->输出电流提高的步骤，瞬态反应时间长。

面对快速瞬态时的纹波电压，VRM供电模式需要相当多的大容量电容来维持电压稳定，这无疑会增加高昂的成本，且会增加占板面积。

若通过提高开关频率、减少电感量等方式提高瞬态响应能力，则又会付出效率低的代价；传统VR电路正在达到性能极限，于是TLVR应运而生。

2）跨电感电压调节器TLVR

工作原理：在TLVR中，与每个相位开关相连的电感器上都增加了额外的绕组，每个电感器中的额外绕组又与补偿电感器串联成回路。通过这种电路配置，在电流需求突然大幅增加的情况下，此时接通的相位的占空比将扩大，从而增加输出电流，并与其他未接通的电感器协同工作，使所有电感器都能在同一时刻提供电流。因此，即使在电流负载发生较大变化时，也能实现较高的负载瞬态响应，而且电源电压几乎不会降低。

优势：

得益于LC补偿电感的功率补偿，输出电容容值有所下降，从而降低成本；

瞬态响应速度更快，降低纹波；

可通过降低开关频率，进而提升电源转换效率，TLVR电路相较于传统VR电路有1%效率提升。

减少占板面积，降低BOM成本。

随着CPU/GPU功率的提升，低压大电流的趋势愈加明显，则要求功率密度更大，TLVR更适用于未来发展的趋势。

3）电源模块 

随着电子行业的发展，对电源的要求体积更小、可靠性更高。加上高频软开关技术、半导体工艺和封装技术的进步，电源模块的功率密度越来越大，转换效率也越来越高，应用更加简单了。

图片来源于MPS

优势：

设计简单：服务器厂家只需要选择一款合适的电源模块，搭配少量分立器件即可使用。

节省成本和时间：电源模块有多种输入输出选择，并且可以重复加或交叉加，构成积木式组合电源，从而实现多路输入输出。相比分立式，调试更加简单安全，使设计应用大大简化，缩短开发时间。

高可靠性：模块一般采用自动化工艺，保证品质和可靠性。电源模块是经过了专业电源研发团队按照严格标准来选择元件，经过设计和开发，进行过完善的可靠性测试和批量生产测试。而分立式方案就较难进行深入系统的测试。

高功率密度、高效率：模块一般采用了多层PCB或铝基板，功率密度较高，体积较小，节省了系统的占用空间。

易于维护，设计灵活：在产品应用中，如果出现故障，只需替换另一个模块即可正常工作。在设计中途如果需要改变方案，也只需变化其中的模块，无需修改整体供电电路。

综上，电源模块相较于分立式方案具有众多优势，且其高功率密度，低损耗完美契合AI服务器领域供电未来发展的趋势，电源模块是AI服务器未来供电的必由之路。

因此越来越多的芯片厂商也参与其中生产电源模块，出现了多种多样的电路设计和封装形式从而有了更多不同电感结构的需求，例如以相数分有：单相电感、多相电感、多相耦合电感；以供电拓扑分有：VR电感、TLVR电感；以电感形态分有：I/O线+电感、嵌入式电感、悬空电感等。为此Sunlord开发了铜磁共烧电感HTF系列，可满足上述各类结构的定制设计，并且其独特的工艺还可具有高性能、高可靠性优势。

4）散热方式：风冷→液冷

冷却方式趋势分析随着AI服务器的功率不断增加，所造成的耗电量也不断提升，国家要求数据中心的PUE<1.5（PUE数据中心总设备能耗/IT设备能耗）；传统风冷的散热性能已经不能满足此要求。

因此各个服务器厂商想方设法提升服务器的散热性能，经过业内不断地尝试，终于在传统风冷的基础上衍生出更高效的散热方式：液冷。目前液冷主要分为三种。

冷板式液冷：可以理解为冷却液与器件隔着板子进行循环带走热量，此种方式目前应用最多，但是其散热效率无法满足越来越高的功率提升，未来会向着更高效的直接接触液冷散热方向发展。

浸没式液冷：浸没式液冷是典型的直接接触式液冷，电子设备被浸入冷却液中，产生的热量直接转移到冷却液，并依靠液体的循环进行热传导。目前，我国浸没式液冷已进入商用部署阶段，阿里巴巴在其电力容量2MW、可容纳数千台服务器的冬奥云数据中心，规模化部署了单相浸没液冷服务器集群，开启了液冷的正式商用。

喷淋式液冷：喷淋式直接液冷是一种面向电子设备器件精准喷淋、直接接触式的液冷技术，但由于精度难以控制目前应用较少。

对电子元器件的可靠性要求

冷板式液冷和风冷没有与元器件直接接触,无特殊要求;喷淋式和浸没式液冷的冷却液（一般是氟化液）直接与器件接触，则需要元器件具有更高可靠性要求：

材料级别：元器件主要材料需与冷却液材料兼容；

器件级别：单体元器件需满足在室温和高温下与冷却液长时间（2000h）接触，电性变化不超规格；

整机（电源）级别：要求元器件焊板后置于冷却液环境中进行负载实验，电性变化不超规格。

3. Sunlord整体解决方案

如下图所示为Sunlord在AI服务器领域的配套解决方案，AI服务器与传统服务器的主要区别在于其需要配套多个xPU来提高算力，因此对Core供电的Buck电路元器件要求更高。

48V→12V供电部分：主流是硬全桥LLC拓扑（Sunlord可提供磁芯/设计完整变压器）、ZSC谐振电路拓扑（Sunlord可提供谐振电感）、多相耦合电感方案（Sunlord可提供多相耦合电感）。

Core供电部分：Buck电路功率电感部分，Sunlord可提供组装类功率电感WPZ系列和铜磁共烧电感HTF系列产品，这两个系列都具有大电流、低损耗的特性，从而可以实现大功率、高效率的供电需求。输入/输出的滤波大电容部分，Sunlord可提供新型无引线框聚合物钽电容，相较于传统引线框结构钽电容，新型结构可实现相同体积下高压大容量，或相同电压容量下体积更小，高度更薄。

其他部分：主板上其他产品需求，比如硬盘、内存、网卡等，这部分Sunlord也可以提供配套的产品：一体成型电感、钽电容、网络变压器及一些EMC通用品和浪涌防护器件。

4. Core（xPU）供电解决方案

1) 组装式功率电感WPZ系列

CPU功率较低时VRM供电模式采用6相，以卧式结构（水平气隙）为主；

随着CPU功率增加，对电感的散热能力和效率提出了更高的要求，因此立式结构（垂直气隙）被开发出来并得到广泛应用，但仍以VRM模式进行；

基于服务器厂家对提高效率、降低成本的要求，TLVR概念应运而生，其瞬态快速响应，能显著减少后端电容数量以降低成本。其中组装式TLVR电感通过增加高度减少了水平占板面积小，并满足单相大电流需求；而多相模压TLVR电感可以实现多相磁芯共用，进一步减少占板面积，提升功率密度；还具有低厚度的优势，不会阻挡风道，从而更有利于散热。

TLVR电感类型

组装类尺寸：9.6*6.4mm/10*5.6mm/12*5mm/12*6mm

模压类尺寸：单相、2相、3相、4相、5相

下述为Sunlord组装式功率电感WPZ对应不同代CPU平台推荐的型号：

Whitely平台（VRM）

Eagle Stream平台（VRM）

Birch Stream平台（TLVR）

2）铜磁共烧电感HTF系列

GPU板卡往往空间非常有限，随着AI功能的强大，其功率逐渐增大，因此需要电感元件具有小的占板面积、高的转换效率、好的散热性能；鉴于此，Sunlord针对开发出铜磁共烧电感HTF 系列：

HTF系列电感采用Sunlord独有的铜磁共烧技术，具有高性能表现。

HTF电感可实现单相、多相、耦合等多种不同的结构。

HTF产品可定制化程度高，支持灵活多样的布板形式，可支持10线集成在电感上、垂直供电、嵌入式和埋感式、背面贴装、架空电感等多种结构，非常适用于电源模块等高功率密度的应用环境。

Sunlord可提供单颗电感：

Sunlord可提供电源模块中不同形态的电感L：

5. 存储（SSD/DDR5）及其他解决方案

Sunlord一体成型功率电感

随着对材料的不断升级、设计的不断创新、模压平台的持续优化，Sunlord一体成型功率电感的性能不断提升，一直朝着高功率密度、低损耗、高可靠性的方向发展，完美契合AI服务器发展的趋势需求。

6. 未来与展望

AI的未来展望充满了无限的可能性与挑战。通过不断的技术创新和应用拓展，AI将继续为人类带来更多的惊喜和价值。Sunlord作为电子元器件厂商，将与整条AI生态供应链携手共进，共同面对AI发展过程中遇到的挑战，确保AI技术的健康、可持续发展。