Innoscience impulsa la tecnología completa de conversión de energía basada en todo GaN dentro del ecosistema NVIDIA MGX, respaldando los sistemas de IA de alta densidad de próxima generación. Su diseño de 12 kW de conversión de 800 V a 48 V logra una eficiencia pico de aproximadamente 99 % y una eficiencia a carga completa del 98,2 %, mientras que los dispositivos GaN de 150 V reducen en un 50 % los dispositivos de rectificación sincronizada. La solución cubre todo el rango de voltajes de bus intermedio, desde 800 V hasta 48 V, 12 V y 6 V, y los HEMT GaN de 15 V permiten operaciones de alta frecuencia de 3 a 5 MHz, reduciendo el tamaño de los componentes magnéticos y los capacitores. En el contexto en que las cargas de trabajo de IA se expanden hacia el nivel de rack y toda la infraestructura del centro de datos, la mejora en la eficiencia de la tecnología de semiconductores de potencia está superando los límites de densidad de potencia por rack, impulsando una reducción sustancial en los costos operativos de las instalaciones de alto rendimiento.

Author of the article、Source: Wall Street Journal

A medida que las cargas de trabajo de inteligencia artificial se escalan hacia sistemas de rack y escala de centro de datos completo, la capacidad de suministro eléctrico se ha convertido en el cuello de botella central que limita el rendimiento, la densidad y el costo total de propiedad de los sistemas de centro de datos. Dentro del ecosistema de la arquitectura de referencia modular abierta NVIDIA MGX, una revolución de eficiencia respaldada por la tecnología de nitruro de galio integral (All-GaN) está redefiniendo silenciosamente la ruta de suministro eléctrico, desde la distribución de alta tensión hasta el núcleo de la GPU.

La última novedad en esta evolución tecnológica proviene de Innoscience, miembro del ecosistema NVIDIA MGX. La empresa está impulsando una tecnología de conversión de potencia totalmente basada en GaN que abarca toda la cadena, para respaldar los sistemas de IA de alta densidad de próxima generación. Para los inversores y operadores de centros de datos, esta actualización de la tecnología subyacente de semiconductores de potencia es clave para superar el límite de densidad de potencia por rack y lograr una reducción sustancial en los costos operativos de instalaciones de alto rendimiento.

Los modelos tradicionales de suministro eléctrico ya no son suficientes para hacer frente al aumento constante de la potencia por rack; el desafío ya no es simplemente llevar energía al rack, sino cómo convertir eficientemente y de forma compacta la alta tensión en el voltaje de operación requerido por las GPU. La tecnología GaN, con sus características de baja resistencia de conducción, baja carga de puerta y sin recuperación inversa, se está convirtiendo en una tecnología habilitadora clave para resolver este desafío, generando directamente componentes magnéticos más pequeños, mejor rendimiento térmico y un menor costo total de propiedad (TCO).

A medida que los sistemas de IA avanzan hacia arquitecturas de suministro de energía de mayor densidad, el mercado está prestando mucha atención a esta solución de suministro de energía que supera las limitaciones físicas y termodinámicas. Esto no solo acortará el ciclo de desarrollo de ingeniería de los sistemas de cálculo acelerado, sino que también acelerará enormemente la implementación comercial a gran escala de las fábricas de IA de próxima generación.

Con el aumento continuo de la potencia de los racks de IA, la etapa de conversión frontal se convierte en uno de los componentes más exigentes de la arquitectura de alimentación.

En la arquitectura de alimentación de 800 VDC de NVIDIA, al transportar directamente la corriente continua más cerca del rack se reducen los niveles de conversión, pero esto exige que la etapa frontal maneje simultáneamente altos voltajes de entrada, altas relaciones de conversión y presupuestos limitados de disipación térmica y espacio en la placa base.

Los datos más recientes de Innoscience muestran los beneficios directos del GaN en esta etapa. En su diseño de etapa de 800 V a 48 V de 12 kW, se utilizan dispositivos GaN de 650 V con refrigeración por ambos lados (DSC) en el lado primario y dispositivos GaN de 100 V en el lado secundario, logrando una eficiencia pico de aproximadamente 99% y una eficiencia a carga completa de 98.2% a una frecuencia de operación de 1 MHz. Además, los nuevos dispositivos GaN de 150 V simplifican aún más el diseño del lado secundario, reduciendo en un 50% la cantidad de dispositivos de rectificación sincronizada necesarios. Esta reducción en el espacio requerido gracias al funcionamiento a alta frecuencia tiene un valor comercial directo para los sistemas de IA que buscan mayor densidad de rack.

Además de la conversión frontal de 48 V, la elección de la arquitectura de alimentación requiere una flexibilidad extrema para satisfacer las distintas necesidades de espacio en la placa principal y del presupuesto térmico. Innoscience ha ampliado su solución All-GaN para cubrir toda la gama de voltajes de bus intermedio, desde 800 V hasta 48 V, 12 V y 6 V.

Para la conversión de 800 V a 12 V, el mercado ahora puede aprovechar dispositivos GaN de 40 V para una rectificación sincronizada eficiente y una mejor performance térmica; mientras que para la conversión de 800 V a 6 V, los dispositivos GaN de 15 V como solución de rectificación sincronizada permiten arquitecturas de bus intermedio más bajas, simplificando así la conversión final hacia el voltaje del núcleo de la GPU. En la etapa crítica de bus intermedio de 48 V a 12 V, la solución GaN de 100 V de Innoscience optimiza la conversión buck multiphase. Bajo los efectos de escala de las fábricas de IA, incluso pequeños aumentos en la eficiencia significan una reducción notable en los requisitos de enfriamiento y los costos operativos.

Suministro vertical de energía reconfigura la respuesta principal

En la etapa final de conversión, más cercana al núcleo de cálculo, la alimentación lateral tradicional enfrenta desafíos significativos debido a las pérdidas de distribución de corriente y la complejidad del diseño de la placa base, dado que la demanda de corriente es extremadamente alta y la respuesta transitoria es crítica. La alimentación vertical (VPD) está emergiendo como una arquitectura viable que ofrece rutas de corriente más cortas, pérdidas parasitarias más bajas y mayor densidad de corriente.

Para satisfacer los requisitos de transitorios dinámicos rápidos de GPU, Innoscience ha validado la viabilidad de operar HEMT de GaN de 15 V en frecuencias de 3 MHz a 5 MHz, lo que permite reducir significativamente el tamaño de los componentes magnéticos y capacitores necesarios. Actualmente, la empresa está desarrollando soluciones DrGaN que aumentan significativamente el ancho de banda al admitir frecuencias de conmutación altas, reduciendo así la dependencia de capacitores de salida tradicionales de gran capacidad. A medida que los futuros sistemas MGX AI continúen aumentando la densidad de corriente de los aceleradores, los niveles de potencia con soporte VPD se convertirán en módulos fundamentales para la alimentación cercana al núcleo de GPU.

Para acelerar el ciclo de adopción de los clientes, Innoscience ofrece una gama de placas de evaluación y diseños de referencia que ayudan a los diseñadores de sistemas a validar el rendimiento del GaN en toda la cadena de alimentación de IA. Estas plataformas incluyen una placa de demostración de 12 kW de 800 V a 48 V, una placa de evaluación GaN de 4 fases de 48 V a 12 V y una placa de evaluación DrGaN de 6 V orientada a arquitecturas de alimentación vertical futuras.

El ecosistema NVIDIA MGX está impulsando la implementación de infraestructuras de IA modular y escalable. En un contexto en el que la infraestructura de IA enfrenta cada vez más limitaciones de energía, la evolución de los semiconductores de potencia debe ir al ritmo del aumento de la densidad de cálculo. Mediante una cobertura integral, desde 800 VDC hasta el voltaje del núcleo de la GPU, la infraestructura de alimentación de IA más eficiente y de mayor densidad está acelerando su transición desde el concepto hacia la realidad.