6.2 高密度供电架构

6.2 高密度供电架构

一个 AI 机柜要消耗上百千瓦的电——这不是把家用插座放大一万倍就行的。从机房配电到芯片供电，中间是一套精密的多级供电架构。

6.2.1 供电的"三级跳"

AI 集群的供电从机房到芯片，通常经历三级变换：

第一级是机房到机柜。机房的总配电（通常来自市电 + 不间断电源 UPS）通过专用配电柜，把高压电送到每个机柜。这一级关注的是大电流传输和总配电容量。

第二级是机柜到节点。机柜内的电源分配单元（PDU）或母线，把电分配到各个计算节点。这一级关注的是均衡分配和过流保护。

第三级是节点到芯片。节点主板上的电压调节模块（VRM），把较高电压精确变换成 GPU/NPU 所需的低电压（通常 1 伏上下）、大电流。这一级关注的是电压精度、瞬态响应和纹波控制。

供电三级跳：

机房总配电（市电 + UPS）
   │  高压、大容量
   ▼
机柜 PDU / 母线
   │  分配到各节点、过流保护
   ▼
节点 VRM（电压调节模块）
   │  精确降压、稳压
   ▼
GPU/NPU 芯片（1V 上下、数百安培）
​

每一级都有不同的工程挑战。机房级关注的是总容量和可靠性，机柜级关注的是均衡和保护，芯片级关注的是精度和动态响应。AI 集群因为功耗极高，这三级的每一级都比普通服务器严苛得多。

💡 为什么供电是三级而不是一级：直接把市电变成芯片用的 1V 是不现实的——电压变换比太大、电流太高，单级做不到。分级变换让每一级的变换比可控，且每一级可以独立优化（机房级重容量，芯片级重精度）。

6.2.2 柜顶母线：高密度配电的骨架

在百千瓦级的 AI 机柜里，传统的"每节点一根电源线"做法根本行不通——电流太大，线缆又粗又重，且走线混乱。取而代之的是**柜顶母线（Busbar）**方案。

母线是一根粗大的铜或铝排，固定在机柜顶部或侧边，承担"主干配电"的角色。机房来的大电流先进入母线，再由母线通过短而粗的分支接到每个节点。母线的好处是载流量大、阻抗低、走线整洁，适合高密度配电。

柜顶母线配电（示意）：

      机房配电
         │
    ┌────┴─────┐
    │ 柜顶母线 │  ←─ 粗大铜排，载流量大
    └─┬──┬──┬──┘
      │  │  │     短分支到各节点
      │  │  │
    节点1节点2节点3 ...
​

⚠️ 母线的物理挑战：百千瓦级电流通过母线，会产生显著的热量和电磁力。母线必须足够粗（否则过热）、支撑足够牢（否则电磁力导致变形震动）、绝缘足够好（否则短路）。这些都是 AI 机柜供电设计的硬骨头。

6.2.3 多相供电与纹波控制

到了芯片级，挑战变成"如何在 1V 电压下提供数百安培的电流，且电压纹波极小"。GPU/NPU 满载时电流变化剧烈（瞬态），电压调节模块必须能在毫秒级时间内响应，把电压稳定在很窄的容差内——否则芯片会死机或性能下降。

为了应对这个挑战，芯片级供电普遍采用多相供电（Multiphase VRM）。它把多个并联的"相"（每相是一个小的降压变换器）协同工作，各相错开工作时序，使输出电流叠加后纹波大幅相互抵消。相数越多，能提供的电流越大、纹波越小、瞬态响应越好。

多相供电原理（简化）：

单相：电流波动大、纹波高
  ╱╲╱╲╱╲╱╲╱╲   ← 高纹波

多相错开叠加：
  相1: ╱╲╱╲╱╲╱╲
  相2:  ╱╲╱╲╱╲╱╲  ← 错开时序
  相3:   ╱╲╱╲╱╲╱╲
  叠加: ═════════   ← 纹波相互抵消，输出平滑
​

AI 芯片因为功耗极高，单颗芯片往往需要十几相甚至几十相供电。这对主板设计、元件布局、散热都提出了极高要求——这也是为什么 AI 服务器主板比普通服务器主板复杂得多。

💡 纹波为什么重要：GPU 在执行高精度计算时对电压极其敏感。电压纹波过大会导致计算错误（比特翻转），在大规模训练里这种错误会累积成模型发散。所以供电"干净"不只是稳定，更是正确性的保证。

6.2.4 BBU 与后备电源

机房级的不间断电源（UPS）能在市电中断时短暂供电，但对 AI 集群这种瞬时功耗巨大的负载，传统 UPS 响应速度和容量都不够。于是出现了 BBU（Battery Backup Unit，电池后备单元）——一种部署在机柜级或节点级的电池后备。

BBU 的作用是在电力异常（瞬断、跌落）的瞬间，立即顶上供电，保证芯片不掉电。它和机房级 UPS 形成两级后备——UPS 保证整体供电，BBU 保证关键瞬间不丢数据、不中断训练。

两级后备：

市电 ──► 机房 UPS（整体不间断）
            │
            ▼
        机柜 BBU（瞬间顶上）
            │
            ▼
        GPU/NPU（不掉电）

任一级异常，另一级补上。
​

⚠️ AI 训练对供电稳定性的苛刻：一次持续几毫秒的电压跌落，可能让一轮训练迭代失败甚至崩溃，而大模型一次训练成本以百万美元计。所以 AI 集群对供电可靠性的要求远高于普通服务器——这不是"锦上添花"，而是"成本必需"。

6.2.5 两类平台的供电差异

NVL72 和昇腾机柜在供电架构的基本原理上是一致的（都要三级供电、母线、多相、后备），但在具体实现和供应链上有差异：

• NVL72 作为整机柜级产品，其供电是整机柜统一设计、由厂商整体交付，集成度极高。
• 昇腾机柜的供电方案更多元，既有华为自家的整机柜方案，也有与国内供配电厂商合作的方案，强调供应链自主。

这些差异不改变供电架构的基本原理，但影响了成本结构和供应链风险（详见第 9 章）。

思考与延伸

1. 多相供电的相数越多越好吗？相数过多会带来什么负面影响（成本、占板面积、可靠性）？
2. BBU 用锂电池，但锂电池有热失控风险。在高密度机柜里，如何平衡 BBU 的容量需求和热安全？
3. 假设市电发生 10 秒的中断，UPS 和 BBU 如何协同保证训练不中断？如果中断持续 1 分钟呢？

本节关键词：高密度供电、柜顶母线、多相供电、VRM、BBU、纹波控制　返回：第 6 章支柱页　下一节：6.3 功率密度与机房配电约束