AI加速器推动供电网络垂直化变革,600WGPU电流超1000安培成设计瓶颈

AI加速器与GPU功耗激增,工作电压降至0.7V附近,导致单芯片电流需求突破1000安培,传统平面供电网络面临IR压降与电压跌落难题。行业正转向垂直供电架构,将稳压模块移至PCB下方、封装内部甚至硅中...

半导体/芯片 阅读量: 28.5万

随着AI大模型训练对算力需求的指数级增长,专用AI加速器与高端GPU的功耗持续攀升。当前主流600W级GPU在接近0.7V的工作电压下运行,其瞬时电流已超过1000安培——这一数值较十年前提升了近两个数量级。如此高的电流密度不仅加剧了导体中的焦耳热损耗(I²R损失),更导致供电网络(Power Delivery Network, PDN)中严重的电压跌落(voltage droop)与动态响应延迟,使供电能力成为制约芯片性能释放的关键瓶颈。

传统数据中心芯片采用平面供电架构:电压调节模块(VRM)置于主板边缘,通过多层PCB走线与过孔将电力输送至芯片焊盘。该路径横跨数厘米距离,包含数十层金属互连,电阻与电感累积效应显著。当负载突变(如矩阵乘法单元突发激活)时,IR压降可达数百毫伏,远超现代先进工艺节点允许的±50mV电压容限。尤其在多芯粒(chiplet)集成架构下,多个计算单元密集排布于同一中介层上,电流路径进一步缩短但局部电流密度急剧升高,信号与电源干扰问题叠加,传统PDN已难以为继。

为应对上述挑战,业界正系统性推进供电网络的“垂直化”重构。核心思路是将电压调节功能从主板层级前移,尽可能靠近负载端——即处理器核心。具体路径包括三种层级:

第一层级是PCB背面供电(Under-PCB PDN),将VRM或部分DC-DC转换器置于印刷电路板反面,通过微通孔阵列直接连接至芯片底部焊球;

第二层级是封装内集成供电(Package-Integrated VR),在有机基板或硅中介层中嵌入微型电压调节器(如Intel的Embedded Voltage Regulator, eVR),实现毫米级供电距离;

第三层级则是晶圆背侧供电网络(Backside Power Delivery Network, BPDN),直接在硅晶圆背面构建金属布线与通孔,将电源引至晶体管源极,绕过前侧复杂的互连堆叠。该技术最早由IMEC与台积电在2015年前后验证,近年随3D IC集成度提升而加速落地。

图1展示了典型两阶段垂直供电方案:第一阶段输入48V经PCB侧降压至12V,第二阶段通过封装内集成VR(IVR)进一步降至核心所需0.7V。其中黄色柱状结构为散热通道,红色箭头标示热沉路径,体现供电与热管理的协同设计趋势。

垂直供电架构的实现依赖于多项关键技术突破。首先是高密度片上去耦电容(On-die Decoupling Capacitors, DCaps)的发展。传统MLCC电容受限于封装体积难以满足GHz级瞬态响应需求,而基于深沟槽(Deep Trench)工艺制造的硅基电容可实现每平方毫米数纳法的容量密度,并直接集成于BPDN中,有效抑制高频噪声。其次,小型化高性能无源器件成为关键支撑:新型磁性材料(如纳米晶软磁合金)与铜镀通孔(PTH)工艺结合,使功率电感体积缩小70%以上,同时保持低直流电阻与高饱和电流特性。

供电网络效率对比图

图2直观呈现了不同功率等级下PDN效率差异:1kW GPU系统中,MBVR(多相降压稳压器)输出1089W,实际SoC获得826W,损耗达174W;而5kW系统中,尽管MBVR输出提升至7222W,但因I²R损耗随电流平方增长,总损耗跃升至1528W,有用功率仅3472W,效率从76%降至48%。这凸显了降低供电路径阻抗的紧迫性。

值得注意的是,供电设计已从单一器件级问题演变为系统级协同工程。芯片设计者需在逻辑布局阶段预留电源通孔位置;封装工程师要协调中介层布线与散热结构;PCB厂商则需支持高密度微通孔与嵌入式元件工艺;而OSAT(外包半导体封测)厂商正深度参与定制化供电模块的集成测试。这种跨环节协作大幅增加了仿真复杂度——过去只需建模芯片内部互连,如今必须联合仿真从电网输入到晶体管源极的全链路电磁-热耦合行为。

图3左侧为四颗直径约1mm的环形磁芯电感实物,标注显示其由磁性材料、铜镀通孔(PTH)与封装基材构成;右侧为截面放大图,清晰可见垂直铜柱贯穿多层介质,体现三维集成趋势。

微型磁性元件与封装结构显微图

在制造端,垂直供电架构对先进封装提出新要求。例如,硅中介层需兼容双面布线与深硅刻蚀工艺;有机基板需支持嵌入式电容/电感的埋置技术;而晶圆背侧加工则涉及薄化、临时键合与背面金属化等高难度步骤。目前,台积电CoWoS-R、英特尔Foveros Direct及三星X-Cube等先进封装平台均已支持BPDN集成,但良率与成本仍是规模化应用的障碍。

从产业影响看,供电网络的变革正在重塑芯片价值链分工。传统VRM供应商(如Vicor、Infineon)正向封装级模块延伸;EDA工具厂商(如Cadence、Synopsys)强化多物理场联合仿真能力;而OSAT厂商凭借封装集成经验,逐步介入系统级供电方案定义。对于AI芯片设计公司而言,能否高效整合垂直PDN已成为产品能效比与峰值性能的关键分水岭。

短期来看,混合架构仍为主流:高端AI加速器采用BPDN+封装内VR组合,中端产品则侧重PCB背面供电优化。长期趋势指向“供电即计算”的深度融合——当电源通路本身成为可编程资源时,动态电压频率调整(DVFS)将不再受限于外部VRM响应速度,而是由片上智能控制器实时调控。这一演进虽尚处早期,但已为下一代异构计算架构埋下伏笔。

文章配图

供电网络的垂直化并非单纯技术升级,而是算力密度极限倒逼下的系统重构。当电流突破千安培门槛,物理定律不再允许我们沿用旧有设计范式。未来几年,PDN创新将持续与晶体管微缩、3D集成并列,成为决定AI芯片性能天花板的核心变量之一。