VRM

3 秒看懂

VRM（電壓調節模組）是 AI 伺服器中緊貼 GPU/CPU/ASIC 部署的“最後一釐米”電源轉換單元，負責將 12 V 或 48 V 的母線電壓變換為 0.65 V–1.2 V 級別的核心電壓，單軌輸出電流可高達數百至上千安培。它直接決定算力晶片的供電紋波、瞬態響應和系統能效，是 AI 大算力基礎設施中不可缺失的隱性電能品質屏障。

3 分鐘產業解釋

在訓練大語言模型或進行大規模推論時，GPU（如基於 Hopper、Blackwell 架構的產品）單卡功耗已突破 700 W，核心電壓卻低至 0.8 V 左右，這就意味著單顆晶片持續汲取的電流可接近 1 000 A。如此極端的低壓大電流需求，無法由電源背板上的銀盒或傳統電源模組直接滿足——距離稍遠便會因導線阻抗帶來不可接受的壓降和損耗。VRM 正是為解決這一痛點而生：它通常直接佈置在主機板或子卡上，緊靠 GPU 的供電引腳，通過 4–16 相甚至更多相交錯並聯的降壓（Buck）拓撲，把來自電源背板的 12 V 或 48 V 直流電精確地轉變為精準穩定的核心電壓（Vcore）、輔助電壓（Vaux）和記憶體電壓（VDDQ/VPP）。

AI 伺服器的 VRM 正經歷兩大變革：一是功率級從傳統的分立 MOSFET + 驅動器，進化為整合功率級（DrMOS/SPS），再進一步與數字多相控制器配合，實現逐相電流監測、自適應電壓定位（AVP）及故障保護；二是部分電源架構從 12 V 轉向 48 V，以降低母線電流和傳輸損耗，這催生了中間母線轉換器（IBC）與 48 V 直驅 VRM 的新拓撲。更高的開關頻率（數百 kHz 到 MHz 級）、更緊湊的磁整合和更先進的散熱（液冷相容設計）正在成為 AI 伺服器 VRM 的標配能力。

15 分鐘專家深入

在 AI 場景中，VRM 不是普通的 DC-DC 轉換電路，而是錨定於極端負載動態的高效能電源管理子系統。現代 AI 訓練晶片的負載電流可以從 10% 的輕載在微秒級躍升至滿載，電流變化率（di/dt）超過 500 A/µs 並非罕見。VRM 必須在維持輸出電壓在 ±1% 甚至 ±0.5% 精度視窗的同時，快速響應這樣的瞬態，否則 GPU 核心將因欠壓/過壓降頻甚至邏輯錯誤。為此，VRM 設計需從三個維度深度協同：

1. 功率拓撲與相交錯
多相交錯降壓拓撲是最核心的手段。每一相包含一個半橋（高邊/低邊 MOSFET 或整合 DrMOS），通過控制器將開關週期平均錯開（如 8 相即各相差 45°），使輸入電流紋波和輸出電流紋波大幅抵消，從而降低輸入輸出電容的容量需求，並提高等效開關頻率。在 48 V 直驅架構下，高邊 MOSFET 需要承受更高電壓應力，因此越來越多采用氮化鎵（GaN）器件，碳化矽（SiC）則主要適用於 600 V 以上高壓應用，以減少開關損耗並允許更高頻率。分立方案中，一個典型 AI 伺服器 VRM 可能包含 16 相，每相電流能力約 50–70 A，最終提供 800–1 200 A 的總輸出能力。相位數量與單相電流能力並非任意堆疊，受限於均流精度、控制器 PWM 通道數、PCB 銅箔傳熱和版面配置寄生引數。

2. 控制架構與瞬態最佳化
AI 負載要求 VRM 控制器具備極快的瞬態響應。現代數字控制器可在數百納秒內啟動非線性的瞬態增強模式，如開啟額外的功率級電流（相位延展）或觸發非線性控制演算法（Voltage Droop Control、Adaptive Voltage Positioning），使輸出電壓在電流階躍瞬間有意降低或升高固定幅度，從而減少過沖/欠衝。遠端取樣（Kelvin Sense）直接獲取晶片引腳電壓，消除 PCB 走線 IR 壓降的誤差。部分高階 VRM 還整合了“高側電流檢測”和“智慧相位切換”（Phase Shedding），在輕載時自動減少工作相數以提升效率。

3. 功率密度、封裝與散熱
AI 伺服器主機板總面積寸土寸金，VRM 必須實現極高的功率密度。整合功率級（如 DrMOS/智慧功率級 SPS）將上下管 MOSFET、驅動器及溫度/電流監測電路封裝在單一 QFN 或 CLIP 封裝內，顯著降低寄生電感，支援更高開關頻率並簡化熱設計。某些方案更進一步採用分立式 GaN 加整合驅動器建置功率級，功率密度已突破 1 000 W/in³ 量級。在 Blackwell 等新平台中，VRM 的散熱已與 GPU 整體散熱方案耦合，部分設計開始將 VRM 區域直接納入液冷板的散熱覆蓋範圍。

技術原理（最深，講機制+關鍵引數）

VRM 的本質是高頻電流的精密“搬運”和“分配”。下面以 12 V 輸入、0.8 V/1 000 A 輸出的 AI GPU VRM 為例，拆解最底層的物理過程與關鍵引數。

              同步 Buck 功率級 (單相)
        ┌──────────────┐
  Vin ──┤  高邊 MOSFET  ├───┬───────┬─── Vout
        └──────┬───────┘   │    L  │
               │           └─┰┰─┰┰─┘
  控制器 PWM ──┤  低邊 MOSFET  ├───┤ 輸出電容
               └──────────────┘   │
               GND                │   遠端取樣
                                  ├───────── ADC/誤差放大器
                                  └─── 負載 (GPU)

工作迴圈與電感電流
PWM 訊號控制高邊管導通時間 D×Tsw（D 為佔空比，等於 Vout/Vin）。高邊導通時，電流經電感流向負載並儲存磁能；高邊關斷時，電感通過低邊管續流，電流方向不變。電感電流紋波 ΔIL = (Vin - Vout)×D×Tsw / L，選擇感值需平衡紋波（通常在負載電流 20%–40%）與瞬態響應速度。

多相交錯與紋波消除
N 相交錯使等效輸出頻率變為 N×fsw，輸出電容上的電流紋波均方根值大幅降低。當佔空比接近 k/N 的整數倍時，紋波相消效果最優。對於 8 相 0.8 V/12 V 系統，D≈0.067 ≈ 1/15，並不接近 k/8，因此該工作點下紋波抵消並非最優，但總體仍可顯著降低輸入電容上的紋波電流有效值，從而減小對輸入電容容量和額定紋波電流的需求（並非簡單地使電容數量減少為 1/√N）。

瞬態響應數學模型
最大輸出電壓跌落 ΔVout 主要由輸出電容、電感和控制環路延遲決定：
ΔVout ≈ ΔI_load × ESR + (L × ΔI_load²) / (2 × C × (Vin - Vout)) + ΔV_loop_delay
其中 ΔI_load 為瞬態電流步進，ESR 為輸出電容等效串聯電阻，第二項反映電感電流無法突變、在環路響應前由電容放電導致的電壓跌落，ΔV_loop_delay 為從檢測到負載變化到 PWM 佔空比調整開始期間的電壓降。AI 晶片滿載-空載跳變 ΔI_load 可能達 500–800 A，這就要求 ESR 極低（採用 MLCC + 聚合物電容混合網路）且環路響應低於 1 µs。為了進一步抑制，常引入跨級電容（如直接貼近 GPU 封裝的埋容基板），這部分已屬於晶片級供電（Chip-level PDN），但 VRM 是這層網路的主電源注入點。

關鍵引數

• 輸入電壓：AI 伺服器典型為 12 V（傳統背板）或 48 V（新架構）。
• 輸出電壓：Vcore 通常 0.65–0.9 V，邏輯輔助電壓 1.8 V/3.3 V。
• 輸出電流：單晶片 VRM 全負載電流可達 1 000 A+，多模組並聯電流更高。
• 開關頻率：每相通常在 300 kHz–1.2 MHz。頻率越高，電感可越小，瞬態越快，但開關損耗增加。
• 電壓精度：穩態 < ±1%，瞬態最大偏離 < ±3%–5%（通過 AVP 可補償）。
• 功率密度：目標 > 1 000 W/in³（含電感電容），部分整合模組已超 1 500 W/in³ [定性估值，非具體標定]。

技術演進史

1. 分立線性/基帶時代（2000 年代前）：CPU/GPU 功耗低，多采用主機板線性穩壓或簡單單相 Buck，電流僅幾十安。
2. 多相分立 MOSFET 時代（2010 年前後）：隨著 GPU 功耗突破 200 W，3–6 相 Buck 成為主流，分離的驅動器+MOSFET，頻率 200–300 kHz，採用前饋或模擬控制。
3. DrMOS 整合化（2014–2018）：Vcore 電流要求持續上升，分立方案佔用面積大、寄生高。DrMOS 問世，將高/低邊 MOSFET 與驅動器封裝一體，實現更高效率和小型化。AI 訓練尚未大規模爆發，但高階伺服器 GPU 已開始採用 8–12 相 DrMOS VRM。
4. 數字控制與智慧功率級（2018–2022）：數字多相控制器出現，支援精確的均流、遙測和故障管理。智慧功率級（SPS）在 DrMOS 基礎上整合電流監測和溫度保護。此階段 AI 伺服器的 VRM 開始注重負載線和瞬態最佳化演算法。
5. 48V 架構與 GaN/SiC 滲透（2022 至今）：GPU 功耗躍升至 700 W+，12 V 母線電流過大，驅動轉向 48 V。兩級轉換（48 V→12 V IBC→VRM）或 48 V 直驅 VRM 成為熱點。GaN FET 用於高邊以提高開關頻率並縮小磁件體積，SiC 用於極高功率。液冷散熱與 VRM 整合設計興起。電源模組（Power Module）形式日益增多，將電感、電容、功率級封裝為系統級封裝（SiP）模組。

技術路線對比（量化表）

下表基於 AI 伺服器供電主流架構進行定性對比，具體數字因未檢索到廠商精確規格，以範圍或定性標籤呈現。

對比維度	12 V 分立 DrMOS VRM	12 V 整合功率級模組	48 V 直驅 VRM (GaN)	48 V IBC + 12 V 兩級 VRM
輸入電壓	12 V	12 V	48 V	48 V→12 V→Vcore
典型輸出電流	每相 50–70 A	單模組可 200–400 A	每相 30–50 A（高壓側限制）	同12 V方案
開關頻率	400–800 kHz	500 kHz–1 MHz	500 kHz–1.2 MHz	300–600 kHz
功率密度	中等 (800–1 200 W/in³)	高 (1 200–1 800 W/in³)	高 (1 000–1 500 W/in³)	較低 (兩級損耗+空間)
瞬態響應	優 (依賴電容量)	優 (模組化電感和電容)	中 (降壓比大，佔空比極窄)	優 (同12V級)
主要器件	DrMOS (Si)	智慧功率級 (Si)	GaN FET + Si低邊管	IBC 模組 + DrMOS/SPS
散熱挑戰	高 (板級散熱)	集中 (模組散熱)	高 (GaN 散熱需基板)	兩級均需散熱
系統複雜度	中	低 (即插即用)	高 (控制、版面配置)	高 (兩級協調)
AI 適用性	目前主流 (H100 等)	下一代高密板卡	B200/GB200 等新架構	過渡方案

注：具體資料基於公開技術報道和架構白皮書定性歸納，未引用單家廠商精確型號。

上下游

上游 — 材料與器件

• 功率半導體：Si MOSFET（低壓溝槽工藝）、GaN HEMT（用於 48V 高邊）、SiC MOSFET（邊緣）。控制器晶片多采用 BCD 或高壓 CMOS 工藝。
• 磁材料：鐵氧體、金屬磁粉芯電感器，部分高頻方案採用薄膜電感；磁性材料廠商定製高飽和、低損耗磁芯。
• 被動元件：陶瓷電容（MLCC）、聚合物鉭/鋁電容、高頻電容。
• 封裝基板與載板：VRM 模組多采用高導熱 DBC/IMS 基板或有機封裝。
• 設計與模擬工具：電源完整性模擬、PDN 阻抗最佳化工具。

下游 — 系統與應用

• AI 伺服器 OEM/ODM：如 NVIDIA 參考板、各品牌訓練/推論伺服器。
• 晶片廠商：直接嵌入參考板的 VRM 方案，與 GPU/ASIC 強繫結。
• 資料中心運營商：CSP 定製伺服器對 VRM 效率、可靠性提出自定義要求。
• 測試與驗證：ATE 機臺和系統級電源驗證。

關鍵指標

• 滿載效率：AI 要求 VRM 在滿載 30%–100% 區間效率超過 90%–92%，48 V 直驅方案效率接近 90%[定性]。
• 瞬態恢復時間：從電流階躍發生到電壓回到穩態誤差帶內，應小於 2–5 µs。
• 輸出電壓紋波：峰-峰值 < 15–20 mV（對 0.8 V 輸出，即 < 2.5%）。
• MTBF 與可靠性：VRM 在 60°C 環境下的 MTBF 需達到數百萬小時級。
• 動態均流精度：多相間均流誤差 < 5%–10%，防止單相過熱。
• 保護功能完整性：過流、過溫、過壓/欠壓、短路保護以及 PMBus/AVSBus 遙測。

供需與市場資料

由於聯網檢索未返回具體報告，無法提供精確市場規模與份額數字。基於公開報道和產業鏈動態，定性研判如下：

• AI 訓練和推論伺服器出貨量在 2023–2024 年激增，帶動 GPU 板級電源方案需求井噴。有供應鏈訊息指出，AI 伺服器電源方案（含 VRM、IBC 等）的價值量較傳統伺服器提升數倍至十數倍。
• 從設計趨勢看，12V VRM 方案大量採用 DrMOS/SPS，主要供應商為 Infineon、Onsemi、MPS、TI、Vishay 及國內原廠（如南芯、傑華特、晶豐明源等），競爭趨於激烈。
• 48 V 直驅 VRM 及 GaN 方案仍處於快速匯入期，技術壁壘較高，目前主要由少數國際模擬大廠掌握，並因與最新 GPU 平台繫結而呈現高度定製化。
• 市場總量缺乏公開權威統計，但根據 AI GPU 出貨量（公開報道 2024 年 Hopper 產能超百萬顆級）可定性推斷，高階 AI 用 VRM 單顆 GPU 配套電源方案成本價值在數十至上百美元區間，整體市場規模可達十億美元級別 [基於定性推論，非精確資料]。

代表公司與資本對映

此部分僅基於公開資訊列舉與 AI VRM 強關聯的典型公司及技術方向，不構成任何投資建議。

• MPS (Monolithic Power Systems)：智慧功率級和數字控制器在 GPU 參考平台上佔據顯著份額，48 V 直驅方案有較早版面配置。
• Infineon Technologies：完整的多相控制器、DrMOS、GaN 器件產品線，針對 AI 伺服器的數字電源方案被廣泛採用。
• Texas Instruments：提供分立 MOSFET、整合電源模組和適配的模擬/數字控制器。
• Onsemi：中高壓 MOSFET、智慧功率級，在 12V 和 48 V 體系均有方案。
• 納芯微/傑華特/晶豐明源/南芯科技：國內模擬晶片廠商，在 DrMOS、多相控制器、48V 降壓晶片等領域積極匯入，部分產品已進入伺服器板卡物料清單[公開資訊]。
• 垂直整合IP/封裝：部分公司在 VRM 的磁性元件整合、基板封裝上提供定製化方案，如乾坤、風華高科等被動元件廠商。

投資邏輯

1. 繫結核心 AI 平台：VRM 方案需與 GPU/ASIC 參考設計深度適配，能夠跟隨新一代平台量產出貨的廠商將獲得確定性增長。NVIDIA 每一代新架構（Hopper → Blackwell）都會伴隨 VRM 方案的重新設計與認證。
2. 工藝與拓撲升級：從 12 V 向 48 V 演進帶來的 GaN 和 SiC 器件滲透，以及從分立向模組化、3D 封裝的升級，會重塑供應鏈價值分配。掌握高效 48 V 直驅方案能力的公司有望獲得更高附加值。
3. 國產替代空間：國產 DrMOS、數字控制器已在部分伺服器實現匯入，但高階 48 V GaN 驅動、智慧功率級仍存在技術差距。在地緣政治背景下，自主可控需求提供了長期替代視窗。
4. 關注散熱與系統整合：VRM 不再是孤立部件，其與液冷系統、PCB 厚銅版面配置、晶片底部供電（Backside Power Delivery）等技術方向交織，能提供完整系統級方案的供應商更具優勢。

常見誤讀糾偏

1. “VRM 就是一排電感電容，多相就是堆料”
   事實上，多相 VRM 是精密控制、器件匹配和熱管理的綜合體。單純增加相數若均流不佳、版面配置寄生大，反而會惡化紋波並帶來區域性熱點。智慧控制律和自適應相位管理遠比數量重要。

2. “48 V 直驅一定比 12 V 效率高”
   48 V 降壓到 0.8 V 的轉換比極大（60:1），導致高邊器件導通時間極短，開關損耗和電磁設計難度陡增。48 V 直驅的優勢主要在於降低母線損耗，而非 VRM 本身的效率。在一些設計中，兩級轉換（48 V→12 V→Vcore）的總轉換效率可能更高，只是犧牲了體積和成本。

學習路徑

1. 基礎理論：理解 Buck 變換器工作原理、電感伏秒平衡、電容充放電。
2. 多相技術與控制：研究交錯並聯的紋波消除機理、平均電流模式控制、數字電源 PID 調節。
3. AI 晶片電源需求：閱讀 GPU 廠商的供流設計指南（如 NVIDIA Open Power Design Guide），理解 PDN 阻抗、負載階躍模型。
4. 器件物理：學習溝槽 MOSFET、GaN HEMT 的驅動特性和損耗機制。
5. 模擬與實踐：使用 SIMPLIS/PSIM 搭建多相 VRM 模型，模擬瞬態響應；分析實際主機板 VRM 版面配置。
6. 前沿探索：48 V 架構、整合磁耦、背面供電（Backside Power）等新興方向論文與行業會議。

一句話總結

VRM 是 AI 算力晶片的“供血心臟”，其低壓大電流、超快動態響應的技術實力，直接劃定了人工智慧硬體在上限功率和下限電壓精度間的可行域，成為算力基礎設施演進中繞不開的核心基石器件。

延伸閱讀與來源

• 各大模擬半導體廠商（如 MPS、Infineon、TI）公開的 AI 伺服器供電解決方案白皮書和應用筆記。
• NVIDIA 開放式 GPU 電源設計指南及相關技術峰會演講。
• IEEE APEC、ISPSD 等學術會議中關於高密度 VRM、48 V 直驅電源的最新論文。
• 研究機構（如 Yole、TrendForce）釋出的關於 AI 伺服器電源趨勢的報告摘要（具體資料和報告因聯網檢索未成功，建議直接向原機構索取）。
  [注] 本文所有精確規格因未檢索到具體公開資料，均採用定性表述或標記為定性估值，實際設計與引數請以原廠器件手冊與系統設計文件為準。