至顶网CIO与应用频道 11月15日 北京消息:从“砖头”手机到笨重的电视机,电源模块曾经在电子电器产品中占据相当大的空间,而且市场对更高功率密度的需求仍是有增无减。
硅电源技术领域的创新曾一度大幅缩减这些应用的尺寸,但却很难更进一步。在现有尺寸规格下,硅材料无法在所需的频率下输出更高的功率。而对于即将推出的5G无线网络,以及未来的机器人、可再生能源直至数据中心技术,功率都是一个至关重要的因素。
“工程师现在处于一个非常尴尬的境地,一方面他们无法在现有空间内继续提高功率,但同时又不希望增大设备所需的空间,”德州仪器产品经理Masoud Beheshti说,“如果不能增大尺寸,那么只能提升功率密度。”
GaN的时代
60多年以来,硅一直都是电气组件中的基础材料,广泛用于交流电与直流电转换,并调整直流电压以满足从手机到工业机器人等众多应用的需求。虽然必要的组件一直在持续改进和优化,但物理学意义上的极限却是横亘在硅材料面前的一条无法逾越的鸿沟。
与此同时,一种基于GaN的全新电源和转化系统正应运而生,它们的功率损耗更低,产生的热量也更少。由于高温会提高运行成本、干扰网络信号并诱发设备故障,这些特性便显得尤为重要。
GaN可处理更高频率和更高能效的电源,与硅组件相比,它可以在尺寸和能耗减半的条件下输送同等的功率。由此便可以提高功率密度,帮助客户在不增大设计空间的同时满足更高的功率要求。
更高的频率交换意味着GaN可以一次转换更大范围的功率,减少复杂装置中的功率变换。由于每次功率变换都会产生新的能耗,这对于很多高压应用都是一项显著的优势。
当然,一项已经持续发展60年的技术不会一夜之间被取代,但经过多年的研究、实际验证和 可靠性测试,GaN定会成为解决功率密度问题的最佳技术。德州仪器已经在高于硅材料的工作温度和电压下,对GaN装置进行了2000万小时的加速可靠性测试。在此测试时间内,远程飞行世界纪录保持者GlobalFlyer可绕地球飞行259,740次。
“我们确信GaN工艺、技术和装置完全合格,而且已经具备批量化生产的条件,”Masoud说。
德州仪器与工程设计发展联合协会标准机构分享了这些GaN资格协议,并将负责其GaN资格认证委员会。
GaN的未来发展
在一些功率密度为优先特性的关键行业,GaN已经开始替代硅材料。“目前德州仪器已经完成了GaN的封装和测试,对于功率密度为优先考虑要素的客户而言,他们又多了一种新的选择,”德州仪器产品营销工程师Arianna Rajabi说。
批量化生产GaN功率模块的最佳适用行业包括:
制造:现在一般的机器人手臂实际上并未集成手臂工作所需的所有电子组件。由于功率变换和电机驱动组件的尺寸过大,而且能效不高,它们通常安装在单独的机柜中,并通过长距离的布线连接到机器人手臂。这便降低了工业机器人单位立方米的生产效率。利用GaN技术,可以更简单地将驱动和功率变换组件集成至机器人中。这样便可以简化设计、减少繁冗的布线并降低运行成本。
数据中心:随着市场对数字化服务需求的提高,数据中心正在经历一场变革,转而采用48V直流电源直接供电。传统的硅功率变换模块无法有效地将48V电压一次转化为大多数计算机硬件所要求的低电压。而中间步骤则会降低数据中心的功率效率。GaN可以在输送至服务器和芯片之前将电压从48V降低至负载点电压。这样可以大幅降低电源配送损耗并将变换损耗减少30%。
无线服务:大范围的5G网络覆盖要求运营商部署更高功率和运行频率的设备。鉴于网络运营商不希望提高信号塔设备的尺寸,GaN的功率密度优势可以满足他们的需求。
可再生能源:可再生能源的产生和存储也需要功率变换,因此GaN的效率优势可发挥关键性作用。在可再生能源规划中,通常是采用智能电网的方式存储能源。如果可以在风力涡轮机静止时或太阳能帆板不再吸收阳光时,更高效地将电能转入和转出大储量电池,这将成为一项非常显著的优势。德州仪器与合作伙伴已经证实,GaN能够以90%的效率转化10千瓦的可再生能源,这对于电力企业来说是一个非常出色的性能基准。
未来,GaN将继续扩展至消费者电子产品等应用,打造更薄的平板显示器,并减少可充电设备的能源浪费。
“如果您只是需要3%或4%的能效提升,您可以利用其它很多方法实现,”Masoud说,“但是,如果您希望功率密度翻番,那么GaN则是您的优先选择。”
好文章,需要你的鼓励
英国国家医疗服务(NHS)正将无人机纳入常规医疗物流体系。自今年2月起,无人机每天在雷恩斯公园和圣乔治医院之间运送血液等诊断样本,飞行仅需3分钟,比公路运输快约85%,且碳排放减少高达98%。目前已有逾2000名患者受益。NHS计划将该服务扩展至圣赫利尔、克罗伊登等多家医院,最终惠及约180万名患者。该网络由英国医疗初创公司Apian与谷歌旗下Wing合作运营。
AgentLens是Explyt公司联合俄罗斯学术机构开发的AI编程助手评测基准,通过分析完整人机交互轨迹而非仅看最终结果,从五个维度评估代码智能体的真实表现。
边缘AI计算厂商Aetina宣布,将在其DeviceEdge AIE-KT风冷系列和新款AIE-PT无风扇平台上支持英伟达全新Jetson T3000和T2000模块。T3000基于Blackwell GPU,最高提供865 FP4 TFLOPS算力,功耗70W;T2000则提供400 FP4 TFLOPS,面向视觉AI代理和自主移动机器人等场景。两款模块预计2027年第一季度上市,支持Nemotron、Cosmos 3等英伟达AI软件生态。
韩国梨花女子大学提出Splash框架,通过识别AI模型中的"休眠参数"并只在其中训练触觉能力,让小型多模态AI在学会感知材质触感的同时,完整保留原有视觉语言推理能力。