1. 课程导入
在服务器主板、显卡、AI 加速卡以及各类高性能 ASIC 的供电区域，最显眼的往往不是 CPU 或 GPU 本体，而是一排排整齐排列的电感、电容和 MOSFET。这些器件共同构成了多相电压调节模块（Multiphase VRM，Voltage Regulator Module）。它的任务非常明确：把 12V 或 48V 的输入电压，稳定、高效、快速地转换成 CPU/GPU 核心所需的 0.6V～1.8V 低压大电流电源。当核心电流从几十安培飙升到上千安培时，单相 Buck 电路早已无法承受，多相 VRM 因此成为现代计算平台的“电力心脏”。
一、什么是多相 VRM
多相 VRM 的本质，是把多个 Buck 降压电路并联起来，让它们以相同的开关频率、但彼此错开固定相位的方式工作。常见的相位数为 4、6、8、12、16 甚至 20 相以上。每一相包含自己的驱动器和功率级（上管、下管、电感），但共享同一个 PWM 控制器和输出电容网络。
这种结构带来三个直接收益：
- 电流分摊：总负载电流被均分到各相，单相电流降低，导通损耗和热应力显著下降。
- 纹波抵消：各相电流纹波在输出端错相叠加，总输出纹波频率提高、幅值降低，允许减少输出电容。
- 动态响应提升：多相并联等效电感减小，负载突变时电流爬升更快，电压跌落更小。
二、发展背景：为什么单相不够用
回顾 CPU 供电历史，早期 5V/12V 单相 Buck 就能满足几十瓦的处理器。但随着制程进步和核心数量增加，CPU 电流从 20A 增长到 100A、300A，GPU 甚至超过 1000A。与此同时，核心电压却从 1.5V 降到 1.0V 以下。低压大电流意味着：
- 单相 MOSFET 的导通损耗 I²R 急剧上升，发热无法接受；
- 单相电感体积和饱和电流要求过高，难以布置在有限板面；
- 负载瞬态 di/dt 可达数百 A/μs，单相响应速度不足，电压跌落会触发欠压保护。
因此，多相交错并联成为必然选择。近年来，48V 直降架构、垂直供电（Vertical Power Delivery）、集成电感（TLVR）等新技术进一步推动了多相 VRM 的演进，但“均流”和“负载瞬态”始终是贯穿所有设计的两个核心命题。
三、多相 VRM 在 CPU/GPU/ASIC 供电中的核心地位
在数据中心和 AI 计算场景中，供电质量直接决定芯片能否跑满频率、能否稳定训练。多相 VRM 的核心地位体现在三个层面：
| 层面 | 关键要求 | 多相 VRM 的作用 |
|---|---|---|
| 效率 | 满载效率 > 90%，轻载不崩 | 相数动态增减（Phase Shedding），优化全负载效率 |
| 瞬态 | 电压偏差 < ±3%，恢复时间 < 10μs | 多相交错降低等效电感，快速注入/吸收电流 |
| 可靠性 | 单相不过热、不饱和、不失控 | 均流控制防止某相过载，延长寿命 |
可以说，没有稳定的多相 VRM，再强的芯片也无法发挥全部性能。这也是本课程把“均流”和“负载瞬态”作为两大主题的原因。
四、学习路线图：从均流到瞬态
本课程共 30 章，围绕两条主线展开。第一条主线是均流：从均流的基本原理、电流采样方式、均流误差来源，到均流环路设计、相数管理、故障排查。第二条主线是负载瞬态：从负载阶跃的物理过程、输出阻抗与环路带宽的关系，到瞬态增强技术、电容配置、测试与优化。
两条主线并非孤立。均流做不好，瞬态时某些相会先饱和，导致整体响应变差；瞬态设计不合理，也会反过来暴露均流环路的带宽不足。因此，课程会不断交叉引用，帮助建立系统视角。
五、一个典型场景：GPU 训练负载的挑战
以 AI 训练卡为例，GPU 核心在训练迭代中会经历从空闲到满载的反复切换。负载电流可能在几微秒内从 100A 跳到 800A，di/dt 超过 200A/μs。此时多相 VRM 必须：
- 所有相同时响应，快速提升占空比；
- 各相电流保持均衡，避免某一相先触发过流；
- 输出电容提供瞬时电荷，抑制电压跌落；
- 控制器在恢复过程中不振荡、不反复过冲。
如果均流环路较慢，瞬态期间各相电流差异可能超过 50%，导致个别相过热甚至损坏。如果瞬态环路较慢，电压跌落可能触发 GPU 降频，训练效率下降。这两个问题正是本课程要解决的核心。
六、常见误区与复盘
误区二：均流只看静态。静态均流好不代表瞬态均流好，瞬态期间各相寄生参数差异会被放大。
误区三：输出电容越大越好。电容过大可能影响环路稳定性，且陶瓷电容的直流偏压效应会显著降低有效容值。
复盘这些误区可以发现，多相 VRM 的设计本质是权衡：效率与瞬态、相数与成本、电容与稳定性、均流精度与环路带宽。本课程将逐一拆解这些权衡，并给出可落地的参数选择方法。
七、本节知识结构图
下图概括了多相 VRM 的定义、发展动力、核心地位以及本课程的两大主题路线，帮助建立整体框架。
从这张图可以看到，多相 VRM 的学习不是孤立的公式记忆，而是围绕“结构—问题—目标”展开的系统工程。接下来的章节将沿着均流和瞬态两条主线，逐步深入每一个关键环节。