PCB 博客 | 如何使用人工智能优化你的供电网络
现代供电网络(PDN)设计面临诸多挑战。传统上,设计人员依赖目标阻抗分析——这是确保电源完整性(PI)的一种广泛使用且有效的起点。尽管其简洁性和历史上的成功使其颇具吸引力,但在当今的高速、高密度系统中,随着晶体管开关速度加快和电流需求增加,其局限性正变得愈发明显。 Cadence 产品工程师架构师 Jared James 在 EDI CON Online 2025 上展示了一种新方法,该方法采用同
关于「人工智能」的技术文章、设计资料与工程师讨论,持续更新。
现代供电网络(PDN)设计面临诸多挑战。传统上,设计人员依赖目标阻抗分析——这是确保电源完整性(PI)的一种广泛使用且有效的起点。尽管其简洁性和历史上的成功使其颇具吸引力,但在当今的高速、高密度系统中,随着晶体管开关速度加快和电流需求增加,其局限性正变得愈发明显。 Cadence 产品工程师架构师 Jared James 在 EDI CON Online 2025 上展示了一种新方法,该方法采用同
在数据中心设计的新纪元,人工智能(AI)正深刻重塑电力的生成、分配和应用方式,以驱动实时、数据导向的成果。传统的云数据中心围绕相对可预测的CPU工作负载进行优化,而现代AI数据中心则以加速器密集型系统为核心,其运行特性截然不同。这些需求正促使业界对数据中心电源架构进行根本性重构,进而加速氮化镓(GaN)半导体的普及应用。 剖析AI数据中心的电力挑战 相较于早期的云基础设施,AI数据中心呈现出两大显