低电压测试，AI技术热潮背后算力核心的重要支撑

　　2023什么最火?无疑是以ChatGPT为代表的AGI (通用人工智能)了，甚至被称之为第四次工业革命的推动者。比尔·盖茨说，“ChatGPT像互联网发明一样重要，将会改变世界。”

　　AI芯片和AI服务器–掀起大规模建设热潮

　　ChatGPT的强大让很多人看到了AI所带来的无限可能，国内外互联网公司纷纷入场，掀起了建设大模型建设的热潮，一座座数据中心拔地而起，高算力显卡被炒到了天价，仍然一卡难求。相关媒体数据显示，2023年全球最大的社交网络公司购买了多达15万块NVIDIA GPU，而其它IT知名巨头可能只拿到了5万块左右。新年之初扎克伯格发文称，计划年底前向英伟达再购买35万个H100 GPU芯片，从而使该公司的GPU总量达到约60万个。

　　AI PC –未来每个人拥有一个专属自己的AIPC

　　IDC预测， AI PC在中国PC市场中新机的装配比例将在未来几年中快速攀升，将在2024年暴增到55%，在2027年达到85%。2024年将成为AI PC元年。

　　2023年底，联想集团与IDC联合发布了首份《AI PC产业(中国)白皮书》。出于数据安全和隐私保护的考虑，以及更高效率、更低成本响应用户需求的考虑，人们既希望获得公共大模型强大的通用服务，又希望AI能够真正理解自己、提供专属个人的服务，并且能够充分保障个人数据和隐私安全。未来，每个个体都可以拥有一个专属于自己的AI PC，运行属于自己的“个人大模型”。

　　AI手机– AI+手机成为行业共识，未来有望将手机行业带入第三阶段

　　AI大模型的火热，也让手机厂商看到了在软件体验上实现革新的可能。一方面，AI的进化有望提升智能手机的使用体验，另一方面跳出硬件互“卷”的怪圈，寻求新的竞争点，现在“AI+手机”这一概念已经成为了行业共识。随着三星新一代旗舰S24系列的正式发布，喊出“开启移动AI新时代”的口号，在新机中引入视频AI处理、AI聊天机器人、影像画面处理、通话实时翻译等多项AI功能，AI手机正式成为国内外手机厂商共同的“进化趋势”。此前，国内手机的两场发布会以及几家公司的自演模型，都非常默契地锁定了AI能力在新手机和新系统上的落地。业界大佬称，2024 年是 AI 手机元年，未来五年AI 对手机行业的影响，完全可以比肩当年智能手机替代功能机。AI 手机也将成为继功能机、智能手机之后，手机行业的第三阶段。

　　AI赋能汽车–继家庭和办公场所外的第三空间

　　作为继家庭和办公场所之外的“第三空间”，汽车正在变成一个新型智能终端。ChatGPT到来了之后，车机关系也受到了更多的影响。从整个参与的车企来看，其发展大模型的方向和侧重点并不相同。从功能上来看其主要可以分为以下两类：

　　一类是用于人工智能交流对话领域，多数应用在智能座舱上。车载大模型语音助手，可以处理完整的对话，如追问，并能保持对前后文的理解，形成较为良好的语音交互体验。驾驶员未来有望通过车载系统完成预订餐厅、预订电影票等任务，极大地丰富智能汽车与人之间的交互体验。

　　另一类是聚焦智能驾驶的大模型应用。帮助解决认知决策问题，最终实现端到端的自动驾驶;或者摆脱对高清地图的依赖，让汽车做到更接近人类司机的驾驶表现。

　　事实上，AI 已经无处不在。在CES 2024上，我们看到了眼花缭乱的AI产品。AI步行鞋帮助人们实现2.5倍步行速度，AI地毯实时收集宠物健康和环境数据，AI智能腰带帮助盲人进行环境监测和路线导航，AI 枕头帮助用户解决打鼾问题，AI牙刷检测刷牙习惯和牙齿健康并实时给出语音建议，AI镜子会告诉你当前的精神状态并提供个性化建议。2月中，Open AI在文本模型ChatGPT、图像模型Dall-E大杀四方后，又祭出爆炸性的大杀器 - 视频模型Sora。Sora可以根据一段描述性文字生成长达一分钟的视频。无论多天马行空的想法，AI 都可以给你表达出来，长达60秒。业内分析指出，这将对于广告业、电影预告片、短视频行业带来巨大的颠覆。

　　Sora也好，ChatGPT也好，大模型训练的背后是由高算力芯片所组成的大规模运算网络。Meta等巨头一出手就是几十万个高算力芯片，近千亿的投资来建设数据中心。而作为终端的AI产品，比如AI PC、AI 手机、AI汽车、AI智能家居，依赖的就是终端产品内的算力芯片。

　　晶体管是芯片的基础组成单元，晶体管的数量越多，芯片的性能越强。各大芯片设计厂家和晶圆厂，就是想方设法在有限的空间里，通过更小的工艺尺寸(如3nm)，来堆积更多的晶体管。

　　晶体管工作的时候需要变化的电压，代表逻辑1和逻辑0，进而实现计算或控制。由于开关损耗、短路功耗和漏电功耗的存在，晶体管在工作的时候会消耗掉电源功率，产生热量。晶体管数量越来越庞大之后，散热这个很现实的问题就摆在芯片和系统设计师的面前。处理器芯片每平方厘米的面积上，就能产生300瓦的峰值功率，算下是150瓦/平方厘米，已经超过了典型的核反应堆的功率密度了。现在的数据中心很多都已经使用浸没式液冷来进行散热，把服务器和算力芯片浸没在绝缘的、导热性良好的液体里面，通过液体的流动快速带走热量，比传统的风扇散热效率更高，但这还远远不够。

　　图1:  典型的8 x GPU算力系统(图片来源NVIDIA)

　　图2: Chiplet封装示意图，存储单元可以多层堆叠而算力单元只能平铺

　　散热和工艺尺寸一样，是制约晶体管的密度和规模增加的难题之一。解决散热的其中一个方案，就是从源头想办法，降低电压。使用更低的工作电压，将每一颗晶体管的功耗降下来，就可以堆叠更多的晶体管。早期算力芯片工作电压是5V，慢慢演化到3.3V，1.8V，1.5V，如今，算力芯片和高速接口芯片的工作电压基本都在1V左右，甚至更低。这就对电源设计和测量提出了更高的要求。

　　电源是算力芯片的能量来源，是逻辑状态的参考基准。如果电源的纹波和噪声过大，会给高速变化的逻辑信号上产生大量抖动，进而产生误码(注: 误码即错误的码元, 将逻辑1当成逻辑0, 或者将0当成1)，影响芯片的性能，甚至导致芯片无法正常工作。高速信号验证中非常重要的随机抖动和低频的周期性抖动，就是由于电源的噪声和纹波所引入的。

　　图3: 电源纹波和噪声

　　电源的纹波和噪声测量，一直都是电源工程师们最关注的问题之一。算力芯片更低的工作电压，导致电源留给纹波和噪声的裕度变得更小了，给设计和测试都带来了难题。设计上，算力芯片普遍采用POL的降压方式，将DC-DC变压器尽可能靠近负载端，可以有效避免传输链路上引入的外部干扰。测试上，使用更高精度、更低底噪的示波器，和专用的电源纹波探头，降低测量系统引入的噪声，才能更准确地测量电源纹波和噪声。