当前工程领域最热门的议题非人工智能莫属。不到十年前，AI还是一个近乎科幻的小众行业，而如今它已成为最大的市场驱动力之一，推动着巨大的增长和投资。但伴随着这种快速扩张，一个实际问题也随之而来：支撑AI硬件的电源系统正被推向极限，在许多情况下甚至已超出其能力范围。

现代的AI加速器，如GPU、FPGA和专用集成电路(ASIC)，需要在极其狭小的空间内高效、可靠地传输巨大功率。正因如此，仅仅采用更高效的电源单元(PSU)或增加现有电源的容量并不能解决问题(图1)。

图1

工程师们正转向采用氮化镓(GaN)等技术，相比于传统硅器件，这些技术提供更高的开关频率、更好的热性能和更小的外形尺寸，以应对这些极端的工作负载。但单靠GaN无法解决问题。

随着开关频率攀升和功率密度增加，传统电感器成为了限制因素。传统的圆线电感器遇到了无法忽视的物理和电气瓶颈。

在本文中，我们将探讨AI规模级配电的挑战，解释传统电感器为何在这些条件下失效，并展示扁平线电感器如何提供解决方案，使工程师能够毫无妥协地满足下一代AI的功率需求。

AI领域日益增长的功率需求

数据中心长期以来一直是云计算的基础，能够跨所有应用实现快速、可扩展且可靠的处理。在互联网发展初期，服务器机架的功耗并不算高(通常每个机架几千瓦)，远超典型的桌面系统，这带来了虽具挑战性但仍可管理的散热问题。

快进到2026年，AI的崛起彻底改变了这一功率模式。由于现代AI工作负载主要由GPU而非CPU驱动，每台服务器的功耗要大得多。模型训练和推理等任务计算密集、持续不断，并在数千台机器上大规模并行，从而产生了前所未有的规模化功率传输需求。

如今，过去耗电五到十千瓦的服务器机架现在轻松需要几十千瓦，而实验性和尖端的AI系统每个机架的功耗正接近250千瓦。

对工程师而言不幸的是，这种功率需求的指数级增长带来的严重后果远不止于供电本身。每瓦能量都会产生热量，每安培电流都会导致电缆和元件中的损耗，而这些低效问题会在成百上千台服务器的规模上迅速放大(图2)。

图2

这意味着工程师们现在发现，热管理与CPU总线、PCIe通道、RAM模块甚至互连布线的布局同等重要，因为过热的机架无法发挥其额定性能。雪上加霜的是，这些系统还需要有效的扩展能力。

这些功率和散热挑战不再局限于单个机架，而是会级联影响到整个数据中心，波及从地板规划、冷却架构到甚至设施级配电的方方面面。因此，今天的工程师不仅必须考虑AI硬件的瞬时功率需求，还必须考虑这些需求如何与热量排出、元件可靠性和长期系统可用性相互作用(图3)。

图3

电感器的功率难题

AI服务器机架功率需求的快速增长带来了许多工程挑战，远不止于选择基本的电源。

首先，电源本身必须提供远高于传统设计的功率输出，往往超出商用现成解决方案的规格。为了减少与更高功率等级相关的损耗，现代系统采用更高的直流电压(从而最小化电流损耗)。

然而，在更高电压下运行要求工程师转向更快的开关技术，如GaN。由于GaN晶体管的开关速度明显快于传统硅mosfet，物理尺寸更小，并具有更好的电学和热学性能，它可以说是高密度、高效率功率转换的最佳选择之一。但更高的开关频率和更大的电流给任何电源系统中最基础的元件之一——电感器——带来了新的挑战。

传统电感器通常由缠绕在磁芯(空心或某种磁性材料)上的圆形铜线制成。在低频、中等电流应用中，这完全足够，但在高频、大电流的AI应用中，电感器的物理原理很快成为限制因素，主要有两种现象阻碍电感器性能：趋肤效应和邻近效应。

"趋肤效应"的产生是因为在较高交流频率下，电流倾向于沿着导体的表面(或"趋肤")流动，而不是均匀地分布于整个横截面。频率越高，这一导电层的深度越浅，这实际上减少了导线的有效横截面积。其后果是电阻增大，I²R损耗增加，效率降低。

"邻近效应"在高频下进一步加剧了电感器的性能问题。在多匝电感器中，相邻导线的磁场相互作用，扭曲了电流路径，并在相邻环路中感应出涡流。这些相互作用进一步将电流集中到每根导线的更小区域，增加了电阻和损耗。

这两种现象带来了一个严重的限制：圆线电感器无法在GaN电源所需的高开关频率下高效承载所需电流。这导致了更高的损耗、更多的热量和降低的可靠性——这是一道无法通过简单提高电压或频率来绕过的" brick wall"(难以逾越的障碍)。

扁平线电感器

扁平线电感器的几何结构从根本上改变了电流在电感器中的流动方式。它不是使用圆线，而是采用薄而宽的导体，这意味着导线的整个横截面都能有效地参与导电(图4)。由于不存在电流无法流过的大块实心中心区域，这极大地减少了趋肤效应。

邻近效应也得到了缓解，因为薄而平的导体阻止了垂直于外部磁场的显著涡流的形成，从而使电感器在高频下具有更低的等效电阻和更高的效率。

扁平线电感器的设计在热管理方面也带来了重大好处。扁平线电感器可以紧密堆叠和压缩，在层与层之间形成近乎完美的热接触，几乎没有任何气隙。

图4

在大电流回路中产生的热量可以有效地传导出去，要么通过电感器本体，要么通过在需要分隔时置于层间的填充材料传导出去。这种紧凑的堆叠还允许在单位面积内实现更多匝数，同时减小电感器的占板面积，并且仍能(甚至更好地)满足相同的电感要求。借助这种改进的电感器，工程师可以设计出更高效、更小、更轻且热可控的大电流、高频率电源。

这类电感器并非新事物;它们已在射频系统和高频开关应用中使用了几十年。它们的可靠性、效率和热性能都有详实的记录，使其成为下一代AI电源系统的自然选择。

但是，当这些电感器与GaN晶体管搭配使用时，工程师能够构建紧凑、高效、大功率的解决方案，这些方案可以轻松扩展以满足现代AI工作负载的需求。没有这些扁平线电感器，GaN和其他先进开关技术的全部潜力就无法被推到极限，这反过来又限制了AI基础设施的能力。

改善电流分布

AI工作负载正推动着更高的直流电压、更高的开关频率和更高的电流密度。由于需要基于GaN和其他高速半导体的更快开关系统，传统的圆线电感器已达到其物理极限，不再适用。扁平线电感器通过改善电流分布、减少损耗并实现更有效的热管理来解决这些问题。堆叠、压缩的扁平线圈结构实现了紧凑、大功率的设计，这对AI电源系统至关重要。