专访德州仪器：从800V DC供电架构到边缘NPU，打通AI规模化落地全链路

摘要：近日，德州仪器（TI）系统与市场部门总经理曾繁宸接受媒体专访，明确指出AI规模化落地的拐点取决于场景定义、芯片底层指标的平衡及可拉低门槛的工具链。面对"AI的尽头是能源"这一产业趋势，TI作为芯片解决方案供应商，重点展示了“云边协同”的技术布局，涵盖从电网到栅极的800V DC供电架构，30kW AC/DC服务器电源、800V转低压集成GaN直流转换器、高速光模块MagPack封装以及具备微漏检测的液冷传感融合方案，端到端赋能下一代AI数据中心与边缘AI生态链，为并夯实AI基础设施底层支撑。

本文关键词：德州仪器（TI）；AI规模化落地；云边协同；AI基础设施；AI数据中心；边缘AI；800V DC供电架构；从电网到栅极；数据中心液冷；光模块；TinyEngine NPU

AI生态的"五层蛋糕"与芯片底座的硬件考验

“AI的尽头是能源”已成为半导体与算力基础设施领域的核心共识。德州仪器（TI）系统与市场部门总经理曾繁宸引用行业内普及的比喻"五层蛋糕"架构：从最上层的应用出发，向下依次为模型/算力、基础设施、芯片，而支撑整个结构的最底层则是能源。

图 | 德州仪器（TI）系统与市场部门总经理曾繁宸；来源：TI

在这座庞大的架构中，TI的核心战略定位聚焦于第四层（芯片层）。其核心任务是通过广泛且高度集成的模拟与数字芯片组合，向上支撑第三层AI数据中心基础设施的搭建，向下与能源层高效对接，解决大算力芯片（如GPU/ASIC）功耗飙升所带来的硬件重构挑战。

曾繁宸指出，我们正处于AI规模化落地的关键拐点，而半导体厂商必须在芯片层面攻克功耗、延迟与存储器大小等关键参数的物理平衡，同时准备好易用的开发工具链，才能真正拉低开发门槛。

数据中心供电链路：800V拓扑架构与全自研集成GaN的EMI抑制

随着单板功耗迈向千瓦级，传统48V配电母线的线路损耗已达物理极限，数据中心配电正加速向800V高压直达服务器架构演进。然而，超越安全电压临界值后，高压带来的瞬态电压保护与动态隔离难度将呈指数级上升。

针对这一行业痛点，TI在展会现场展示了覆盖从电网到栅极（Grid-to-Gate）的全链路高压配电解决方案。系统前级采用30kW AC/DC服务器电源（PSU），将电网侧高效转换为800V直流母线电压，并结合800V电容备用单元（CBU）与在线热插拔（Hot-Swap）控制器，确保局部异常时能进行硬件级强行关断与双路备份切换。

进入中继降压链路后，系统利用基于GaN的20kW降压转换器，将800V高压母线电压转为6V或12V，完成机房层级到服务器局部配电板的电压适配，最终通过6V/12kA大电流多相Buck（Multiphase Buck）点负载转换器，直接为处理器核心供电，以满足极高的电流瞬态响应速率（di/dt），保障高负载工况下的供电精度与动态性能。

在高功率密度设计中，将开关频率提升至500kHz以上，是压缩磁性元件体积、实现设备小型化的核心手段，但高频工作会产生极高的电压变化率（dV/dt）。该特性会通过电路寄生电容产生传导干扰电流，极易触发控制电路误动作，同时引发电磁干扰（EMI）超标问题，制约系统稳定运行。

为破解高频性能与电磁兼容的矛盾，TI依托“工艺、封装、设计、工厂”全自研GaN技术体系，将门级驱动器、高精度电流/电压采样及保护电路直接封装在芯片内部。曾繁宸透露，这种高集成度的设计可在芯片级将产生高频干扰的物理环路减至最小，同时配合芯片内置的动态压摆率（Slew Rate）调校功能，让工程师能在热耗散性能与EMC电磁兼容余量之间找到最优硬件平衡。

液冷成刚需：从亚健康状态预警到边缘传感融合

随着智算中心单机柜功率密度持续攀升，传统风冷散热已逼近物理极限，散热瓶颈逐步成为制约算力高密度、高性能迭代的核心难题。近年来，液冷与冷配单元（CDU）凭借高效散热优势，迎来规模化落地与爆发式增长。针对液冷系统运维中硬件工程师最棘手的微漏检测与化学腐蚀隐患，TI从信号链与热管理架构出发，筑起了多维度的硬件防线。

在基础漏液防护层面，系统首先通过高精度ADC对漏液绳进行阻值动态扫描，凭借高灵敏度信号采集能力，实现低延时、高精准的基础漏液监测防护；同时，在液冷冷板及输配管路关键节点加装芯片级温湿度传感器，通过实时捕捉微环境突变，与阻值扫描监测形成双层冗余校验。

在流量监测方面，TI引入了非接触、非侵入式（Non-invasive）超声波传感器方案。该方案无需破坏原有管道结构，且传感器不与冷却液直接接触，，从根源上杜绝了传感器结构磨损、介质腐蚀失效等问题，大幅提升液冷管路流量监测的稳定性与设备整体使用寿命，适配智算中心长期、高强度的运行需求。

此外，相较于传统液冷监测方案将数据上传至中央主机所产生的百毫秒级延迟，TI突破性地将AI能力下沉至设备底层嵌入式芯片中，实现了微秒级的边端传感融合。终端处理器可实时融合流速、压差、电流等多维模拟信号，自主完成数据分析与故障判定，即刻触发保护响应，大幅提升系统应急处置效率。

在此架构支撑下，系统不仅具备实时故障防护能力，更可实现设备亚健康状态的精细化监测与预判。例如工程师可以依据水泵马达的电流噪声与振动频谱，预判润滑油变质或机械磨损，在硬件发生实质性损坏前实施主动预警和维护。

高速信号完整性方案：MagPack封装与BAW时钟技术

在AI数据中心的Scale-out高速网络与光模块（Networking/LPO）设计中，硬件工程师必须在极度受限的空间内，应对严苛的信号抖动与热管理挑战。

为了在维持高频开关的同时优化散热，TI推出了MagPack立体封装技术。

“与传统将电感与控制器并列布局的平面架构不同，MagPack技术将电感、功率器件与控制器改为上下垂直堆叠封装。这项工艺不仅大幅缩减了单板占用面积（Footprint），更将PCB走线的寄生电感与电容降至极致，从底层优化了系统的EMI表现。” 曾繁宸解释道。

与此同时，高速数据传输对时钟基准的相位噪声提出了极高要求。TI利用MEMS（微机电系统）工艺，研发出了专利BAW（体声波）时钟技术。该技术将高Q值的体声波谐振器直接集成到时钟芯片内部，全面替代了传统易受机械振动和温漂干扰的外部石英晶振（Crystal）。这为800G/1.6T高速光模块提供了强固的信号完整性（Signal Integrity）保障，大幅提升了数据传输的可靠性。

云边协同大趋势：嵌入式NPU集成与多元化工具链支持

曾繁宸在专访中强调，未来AI的核心发展在于云边结合、协同共存。大模型在云端负责大规模训练与复杂推理，而具备极致实时性、高隐私与硬件局限性的物理世界，则必须由边缘端本地完成感知与即时决策。

面对边缘端对功耗、Flash/RAM大小和BOM成本的极致苛求，TI践行了务实的芯片设计第一性原理。对于决策逻辑呈线性关系、可由常规公式确定的控制场景，系统将继续沿用普通MPU/MCU做非AI处理，不会为了AI而AI。而针对复杂的非线性控制，TI则在新一代MCU规划中全面加装了自研的微型NPU硬件加速器（如TinyEngine™ NPU）。

在谈到增加NPU是否会对芯片价格产生较大影响时，曾繁宸表示：“依托TI自有的数字与模拟核集成能力，配合强大的模型量化产品和全球生产规模，AI硬件内核的引入并不会导致芯片售价大幅攀升，反而实现了极致的性能与成本平衡。”

同时，曾繁宸提到，为了彻底打破"边缘AI开发门槛高"的僵局，TI针对不同算法背景的企业提供了三种层次的工具链支持。对于缺乏AI经验的硬件团队，TI提供端到端基于人机交互界面（GUI）的开发工具Edge AI Studio，配合Code Composer Studio™（CCStudio™）一体化工具实现即插即用；对于具备部分算法能力的客户，底层工具链全面兼容开源工具与命令行（Command Line）接口，保留灵活的调校空间；而针对顶级硬核团队，则直接开放NPU的底层寄存器与MAC（乘加运算）单元，将芯片的能效比与算力性能释放到极致。

四十载深耕，构建可持续的智能世界

从PC时代、互联网时代、新能源汽车，一路演进到如今的AI数据中心与边缘智能，技术浪潮不断更迭。然而，回归物理世界的底层技术本质，永远离不开高精度采样、高效的电源管理、可靠的接口隔离、低延迟信号链以及嵌入式处理，这恰恰是TI 支撑技术创新的坚实底座。

在华40周年之际，TI已在中国建立了涵盖制造、研发、销售、技术支持及产品分拨中心的完整本土布局。其系统与市场部门团队至今已为客户累积完成上千个定制化电源与信号链硬件设计。面对下一个十年大规模爆发的云边协同大潮，TI凭借持续的自建工厂产能投入、高集成度的芯片创新，正成为全球与中国硬件工程师将AI从蓝图转化为量产落地的重要技术支撑。