AI 处理器，例如 Graphcore 和 NVIDIA 的 AI Super Chip GH200 等著名型号，展示了强大的计算能力。这些芯片包含数千个处理器，功耗水平在 150W 至 1000W 之间。虽然这种密集集成提高了性能，但也使高效供电的挑战变得更加复杂。
关键测试考虑因素
- 确保充足的电力输送而不浪费
- 测试仪和 DUT 的高效热管理
测试过程中的功率限制
当前的测试方法通常无法提供同时测试整个人工智能处理器所需的能力。制造商经常采取顺序测试各个部分的方法。更全面的测试方法可以节省时间和成本。
虽然目前的高需求和定价抵消了人工智能处理器的测试费用，但这种平衡可能会发生变化。随着人工智能技术变得越来越普遍，这些芯片的成本预计会下降，从而需要按比例降低测试成本（COT）。
通过 Elevate 提高电源效率
Elevate 专注于设备电源 (DPS) 半导体，旨在满足人工智能处理器的特定电源要求。我们的设计旨在改善向被测设备 (DUT) 的供电，同时减少测试阶段的功耗。这种效率的提高使得同时测试人工智能处理器的更大部分成为可能。
大多数 AI 处理器的工作电压为 1V 或更低。传统的 DPS 解决方案通常需要大量开销，从而导致能源浪费。 Elevate 的设计集成了线性级的开关功能，以最大限度地提高每通道的效率。通过将低开销线性级与开关相配对，我们实现了优化的功率效率并显着降低了开关噪声。
联系提升
如需进一步讨论您的 DPS 需求，请随时联系我们。在 Elevate，我们坚信创新因协作而蓬勃发展。无论您正在寻求定制、半定制还是标准解决方案，我们都渴望为您提供帮助。联系我们： sales@elevatesemi.com，我们可以共同塑造您项目的未来轨迹。
