VRM

3 秒看懂

VRM（电压调节模块）是 AI 服务器中紧贴 GPU/CPU/ASIC 部署的“最后一厘米”电源转换单元，负责将 12 V 或 48 V 的母线电压变换为 0.65 V–1.2 V 级别的核心电压，单轨输出电流可高达数百至上千安培。它直接决定算力芯片的供电纹波、瞬态响应和系统能效，是 AI 大算力基础设施中不可缺失的隐性电能品质屏障。

3 分钟产业解释

在训练大语言模型或进行大规模推理时，GPU（如基于 Hopper、Blackwell 架构的产品）单卡功耗已突破 700 W，核心电压却低至 0.8 V 左右，这就意味着单颗芯片持续汲取的电流可接近 1 000 A。如此极端的低压大电流需求，无法由电源背板上的银盒或传统电源模块直接满足——距离稍远便会因导线阻抗带来不可接受的压降和损耗。VRM 正是为解决这一痛点而生：它通常直接布置在主板或子卡上，紧靠 GPU 的供电引脚，通过 4–16 相甚至更多相交错并联的降压（Buck）拓扑，把来自电源背板的 12 V 或 48 V 直流电精确地转变为精准稳定的核心电压（Vcore）、辅助电压（Vaux）和内存电压（VDDQ/VPP）。

AI 服务器的 VRM 正经历两大变革：一是功率级从传统的分立 MOSFET + 驱动器，进化为集成功率级（DrMOS/SPS），再进一步与数字多相控制器配合，实现逐相电流监测、自适应电压定位（AVP）及故障保护；二是部分电源架构从 12 V 转向 48 V，以降低母线电流和传输损耗，这催生了中间母线转换器（IBC）与 48 V 直驱 VRM 的新拓扑。更高的开关频率（数百 kHz 到 MHz 级）、更紧凑的磁集成和更先进的散热（液冷兼容设计）正在成为 AI 服务器 VRM 的标配能力。

15 分钟专家深入

在 AI 场景中，VRM 不是普通的 DC-DC 转换电路，而是锚定于极端负载动态的高性能电源管理子系统。现代 AI 训练芯片的负载电流可以从 10% 的轻载在微秒级跃升至满载，电流变化率（di/dt）超过 500 A/µs 并非罕见。VRM 必须在维持输出电压在 ±1% 甚至 ±0.5% 精度窗口的同时，快速响应这样的瞬态，否则 GPU 内核将因欠压/过压降频甚至逻辑错误。为此，VRM 设计需从三个维度深度协同：

1. 功率拓扑与相交错
多相交错降压拓扑是最核心的手段。每一相包含一个半桥（高边/低边 MOSFET 或集成 DrMOS），通过控制器将开关周期平均错开（如 8 相即各相差 45°），使输入电流纹波和输出电流纹波大幅抵消，从而降低输入输出电容的容量需求，并提高等效开关频率。在 48 V 直驱架构下，高边 MOSFET 需要承受更高电压应力，因此越来越多采用氮化镓（GaN）器件，碳化硅（SiC）则主要适用于 600 V 以上高压应用，以减少开关损耗并允许更高频率。分立方案中，一个典型 AI 服务器 VRM 可能包含 16 相，每相电流能力约 50–70 A，最终提供 800–1 200 A 的总输出能力。相位数量与单相电流能力并非任意堆叠，受限于均流精度、控制器 PWM 通道数、PCB 铜箔传热和布局寄生参数。

2. 控制架构与瞬态优化
AI 负载要求 VRM 控制器具备极快的瞬态响应。现代数字控制器可在数百纳秒内启动非线性的瞬态增强模式，如开启额外的功率级电流（相位延展）或触发非线性控制算法（Voltage Droop Control、Adaptive Voltage Positioning），使输出电压在电流阶跃瞬间有意降低或升高固定幅度，从而减少过冲/欠冲。远端采样（Kelvin Sense）直接获取芯片引脚电压，消除 PCB 走线 IR 压降的误差。部分高端 VRM 还整合了“高侧电流检测”和“智能相位切换”（Phase Shedding），在轻载时自动减少工作相数以提升效率。

3. 功率密度、封装与散热
AI 服务器主板总面积寸土寸金，VRM 必须实现极高的功率密度。集成功率级（如 DrMOS/智能功率级 SPS）将上下管 MOSFET、驱动器及温度/电流监测电路封装在单一 QFN 或 CLIP 封装内，显著降低寄生电感，支持更高开关频率并简化热设计。某些方案更进一步采用分立式 GaN 加集成驱动器构建功率级，功率密度已突破 1 000 W/in³ 量级。在 Blackwell 等新平台中，VRM 的散热已与 GPU 整体散热方案耦合，部分设计开始将 VRM 区域直接纳入液冷板的散热覆盖范围。

技术原理（最深，讲机制+关键参数）

VRM 的本质是高频电流的精密“搬运”和“分配”。下面以 12 V 输入、0.8 V/1 000 A 输出的 AI GPU VRM 为例，拆解最底层的物理过程与关键参数。

              同步 Buck 功率级 (单相)
        ┌──────────────┐
  Vin ──┤  高边 MOSFET  ├───┬───────┬─── Vout
        └──────┬───────┘   │    L  │
               │           └─┰┰─┰┰─┘
  控制器 PWM ──┤  低边 MOSFET  ├───┤ 输出电容
               └──────────────┘   │
               GND                │   远端采样
                                  ├───────── ADC/误差放大器
                                  └─── 负载 (GPU)

工作循环与电感电流
PWM 信号控制高边管导通时间 D×Tsw（D 为占空比，等于 Vout/Vin）。高边导通时，电流经电感流向负载并储存磁能；高边关断时，电感通过低边管续流，电流方向不变。电感电流纹波 ΔIL = (Vin - Vout)×D×Tsw / L，选择感值需平衡纹波（通常在负载电流 20%–40%）与瞬态响应速度。

多相交错与纹波消除
N 相交错使等效输出频率变为 N×fsw，输出电容上的电流纹波均方根值大幅降低。当占空比接近 k/N 的整数倍时，纹波相消效果最优。对于 8 相 0.8 V/12 V 系统，D≈0.067 ≈ 1/15，并不接近 k/8，因此该工作点下纹波抵消并非最优，但总体仍可显著降低输入电容上的纹波电流有效值，从而减小对输入电容容量和额定纹波电流的需求（并非简单地使电容数量减少为 1/√N）。

瞬态响应数学模型
最大输出电压跌落 ΔVout 主要由输出电容、电感和控制环路延迟决定：
ΔVout ≈ ΔI_load × ESR + (L × ΔI_load²) / (2 × C × (Vin - Vout)) + ΔV_loop_delay
其中 ΔI_load 为瞬态电流步进，ESR 为输出电容等效串联电阻，第二项反映电感电流无法突变、在环路响应前由电容放电导致的电压跌落，ΔV_loop_delay 为从检测到负载变化到 PWM 占空比调整开始期间的电压降。AI 芯片满载-空载跳变 ΔI_load 可能达 500–800 A，这就要求 ESR 极低（采用 MLCC + 聚合物电容混合网络）且环路响应低于 1 µs。为了进一步抑制，常引入跨级电容（如直接贴近 GPU 封装的埋容基板），这部分已属于芯片级供电（Chip-level PDN），但 VRM 是这层网络的主电源注入点。

关键参数

• 输入电压：AI 服务器典型为 12 V（传统背板）或 48 V（新架构）。
• 输出电压：Vcore 通常 0.65–0.9 V，逻辑辅助电压 1.8 V/3.3 V。
• 输出电流：单芯片 VRM 全负载电流可达 1 000 A+，多模块并联电流更高。
• 开关频率：每相通常在 300 kHz–1.2 MHz。频率越高，电感可越小，瞬态越快，但开关损耗增加。
• 电压精度：稳态 < ±1%，瞬态最大偏离 < ±3%–5%（通过 AVP 可补偿）。
• 功率密度：目标 > 1 000 W/in³（含电感电容），部分集成模组已超 1 500 W/in³ [定性估值，非具体标定]。

技术演进史

1. 分立线性/基带时代（2000 年代前）：CPU/GPU 功耗低，多采用主板线性稳压或简单单相 Buck，电流仅几十安。
2. 多相分立 MOSFET 时代（2010 年前后）：随着 GPU 功耗突破 200 W，3–6 相 Buck 成为主流，分离的驱动器+MOSFET，频率 200–300 kHz，采用前馈或模拟控制。
3. DrMOS 集成化（2014–2018）：Vcore 电流要求持续上升，分立方案占用面积大、寄生高。DrMOS 问世，将高/低边 MOSFET 与驱动器封装一体，实现更高效率和小型化。AI 训练尚未大规模爆发，但高端服务器 GPU 已开始采用 8–12 相 DrMOS VRM。
4. 数字控制与智能功率级（2018–2022）：数字多相控制器出现，支持精确的均流、遥测和故障管理。智能功率级（SPS）在 DrMOS 基础上集成电流监测和温度保护。此阶段 AI 服务器的 VRM 开始注重负载线和瞬态优化算法。
5. 48V 架构与 GaN/SiC 渗透（2022 至今）：GPU 功耗跃升至 700 W+，12 V 母线电流过大，驱动转向 48 V。两级转换（48 V→12 V IBC→VRM）或 48 V 直驱 VRM 成为热点。GaN FET 用于高边以提高开关频率并缩小磁件体积，SiC 用于极高功率。液冷散热与 VRM 集成设计兴起。电源模块（Power Module）形式日益增多，将电感、电容、功率级封装为系统级封装（SiP）模组。

技术路线对比（量化表）

下表基于 AI 服务器供电主流架构进行定性对比，具体数字因未检索到厂商精确规格，以范围或定性标签呈现。

注：具体数据基于公开技术报道和架构白皮书定性归纳，未引用单家厂商精确型号。

上下游

上游 — 材料与器件

• 功率半导体：Si MOSFET（低压沟槽工艺）、GaN HEMT（用于 48V 高边）、SiC MOSFET（边缘）。控制器芯片多采用 BCD 或高压 CMOS 工艺。
• 磁材料：铁氧体、金属磁粉芯电感器，部分高频方案采用薄膜电感；磁性材料厂商定制高饱和、低损耗磁芯。
• 被动元件：陶瓷电容（MLCC）、聚合物钽/铝电容、高频电容。
• 封装基板与载板：VRM 模块多采用高导热 DBC/IMS 基板或有机封装。
• 设计与仿真工具：电源完整性仿真、PDN 阻抗优化工具。

下游 — 系统与应用

• AI 服务器 OEM/ODM：如 NVIDIA 参考板、各品牌训练/推理服务器。
• 芯片厂商：直接嵌入参考板的 VRM 方案，与 GPU/ASIC 强绑定。
• 数据中心运营商：CSP 定制服务器对 VRM 效率、可靠性提出自定义要求。
• 测试与验证：ATE 机台和系统级电源验证。

关键指标

• 满载效率：AI 要求 VRM 在满载 30%–100% 区间效率超过 90%–92%，48 V 直驱方案效率接近 90%[定性]。
• 瞬态恢复时间：从电流阶跃发生到电压回到稳态误差带内，应小于 2–5 µs。
• 输出电压纹波：峰-峰值 < 15–20 mV（对 0.8 V 输出，即 < 2.5%）。
• MTBF 与可靠性：VRM 在 60°C 环境下的 MTBF 需达到数百万小时级。
• 动态均流精度：多相间均流误差 < 5%–10%，防止单相过热。
• 保护功能完整性：过流、过温、过压/欠压、短路保护以及 PMBus/AVSBus 遥测。

供需与市场数据

由于联网检索未返回具体报告，无法提供精确市场规模与份额数字。基于公开报道和产业链动态，定性研判如下：

• AI 训练和推理服务器出货量在 2023–2024 年激增，带动 GPU 板级电源方案需求井喷。有供应链消息指出，AI 服务器电源方案（含 VRM、IBC 等）的价值量较传统服务器提升数倍至十数倍。
• 从设计趋势看，12V VRM 方案大量采用 DrMOS/SPS，主要供应商为 Infineon、Onsemi、MPS、TI、Vishay 及国内原厂（如南芯、杰华特、晶丰明源等），竞争趋于激烈。
• 48 V 直驱 VRM 及 GaN 方案仍处于快速导入期，技术壁垒较高，目前主要由少数国际模拟大厂掌握，并因与最新 GPU 平台绑定而呈现高度定制化。
• 市场总量缺乏公开权威统计，但根据 AI GPU 出货量（公开报道 2024 年 Hopper 产能超百万颗级）可定性推断，高端 AI 用 VRM 单颗 GPU 配套电源方案成本价值在数十至上百美元区间，整体市场规模可达十亿美元级别 [基于定性推理，非精确数据]。

代表公司与资本映射

此部分仅基于公开信息列举与 AI VRM 强关联的典型公司及技术方向，不构成任何投资建议。

• MPS (Monolithic Power Systems)：智能功率级和数字控制器在 GPU 参考平台上占据显著份额，48 V 直驱方案有较早布局。
• Infineon Technologies：完整的多相控制器、DrMOS、GaN 器件产品线，针对 AI 服务器的数字电源方案被广泛采用。
• Texas Instruments：提供分立 MOSFET、集成电源模块和适配的模拟/数字控制器。
• Onsemi：中高压 MOSFET、智能功率级，在 12V 和 48 V 体系均有方案。
• 纳芯微/杰华特/晶丰明源/南芯科技：国内模拟芯片厂商，在 DrMOS、多相控制器、48V 降压芯片等领域积极导入，部分产品已进入服务器板卡物料清单[公开信息]。
• 垂直整合IP/封装：部分公司在 VRM 的磁性元件集成、基板封装上提供定制化方案，如乾坤、风华高科等被动元件厂商。

投资逻辑

1. 绑定核心 AI 平台：VRM 方案需与 GPU/ASIC 参考设计深度适配，能够跟随新一代平台量产出货的厂商将获得确定性增长。NVIDIA 每一代新架构（Hopper → Blackwell）都会伴随 VRM 方案的重新设计与认证。
2. 工艺与拓扑升级：从 12 V 向 48 V 演进带来的 GaN 和 SiC 器件渗透，以及从分立向模块化、3D 封装的升级，会重塑供应链价值分配。掌握高效 48 V 直驱方案能力的公司有望获得更高附加值。
3. 国产替代空间：国产 DrMOS、数字控制器已在部分服务器实现导入，但高端 48 V GaN 驱动、智能功率级仍存在技术差距。在地缘政治背景下，自主可控需求提供了长期替代窗口。
4. 关注散热与系统整合：VRM 不再是孤立部件，其与液冷系统、PCB 厚铜布局、芯片底部供电（Backside Power Delivery）等技术方向交织，能提供完整系统级方案的供应商更具优势。

常见误读纠偏

1. “VRM 就是一排电感电容，多相就是堆料”
   事实上，多相 VRM 是精密控制、器件匹配和热管理的综合体。单纯增加相数若均流不佳、布局寄生大，反而会恶化纹波并带来局部热点。智能控制律和自适应相位管理远比数量重要。

2. “48 V 直驱一定比 12 V 效率高”
   48 V 降压到 0.8 V 的转换比极大（60:1），导致高边器件导通时间极短，开关损耗和电磁设计难度陡增。48 V 直驱的优势主要在于降低母线损耗，而非 VRM 本身的效率。在一些设计中，两级转换（48 V→12 V→Vcore）的总转换效率可能更高，只是牺牲了体积和成本。

学习路径

1. 基础理论：理解 Buck 变换器工作原理、电感伏秒平衡、电容充放电。
2. 多相技术与控制：研究交错并联的纹波消除机理、平均电流模式控制、数字电源 PID 调节。
3. AI 芯片电源需求：阅读 GPU 厂商的供流设计指南（如 NVIDIA Open Power Design Guide），理解 PDN 阻抗、负载阶跃模型。
4. 器件物理：学习沟槽 MOSFET、GaN HEMT 的驱动特性和损耗机制。
5. 仿真与实践：使用 SIMPLIS/PSIM 搭建多相 VRM 模型，仿真瞬态响应；分析实际主板 VRM 布局。
6. 前沿探索：48 V 架构、集成磁耦、背面供电（Backside Power）等新兴方向论文与行业会议。

一句话总结

VRM 是 AI 算力芯片的“供血心脏”，其低压大电流、超快动态响应的技术实力，直接划定了人工智能硬件在上限功率和下限电压精度间的可行域，成为算力基础设施演进中绕不开的核心基石器件。

延伸阅读与来源

• 各大模拟半导体厂商（如 MPS、Infineon、TI）公开的 AI 服务器供电解决方案白皮书和应用笔记。
• NVIDIA 开放式 GPU 电源设计指南及相关技术峰会演讲。
• IEEE APEC、ISPSD 等学术会议中关于高密度 VRM、48 V 直驱电源的最新论文。
• 研究机构（如 Yole、TrendForce）发布的关于 AI 服务器电源趋势的报告摘要（具体数据和报告因联网检索未成功，建议直接向原机构索取）。
  [注] 本文所有精确规格因未检索到具体公开数据，均采用定性表述或标记为定性估值，实际设计与参数请以原厂器件手册与系统设计文档为准。