Tillverkning av kretskort för OAM-switchmoduler för AI- och HPC-system

Tillverkning av kretskort för OAM-switchmoduler är en kärnteknik inom HPC (High Performance Computing) och AI-servrar (artificiell intelligens). OAM är ett AI-acceleratorkortpaket med öppen standard som främjas av Open Compute Project (OCP) och används ofta i storskaliga datacenter för AI-utbildning, inferens och andra scenarier.

Beskrivning

Tillverkning av kretskort för OAM-switchmoduler

Tillverkning av kretskort för OAM-switchmoduler ger dessa system en grund för dataförbindelse med hög bandbredd och låg latens, vilket gör det till en viktig komponent för att implementera modern AI-infrastruktur.

Viktiga funktioner i PCB-tillverkning av OAM-switchmodulkort

  • Höghastighetssammankoppling och datautbyte:Integrerar höghastighetsswitchchip som PCIe Switch och NVSwitch, vilket möjliggör höghastighetssammankoppling mellan flera OAM-acceleratorkort och mellan korten och värdprocessorn.
  • Modularitet och skalbarhet:Stödjer parallell driftsättning av olika OAM-acceleratorkort, vilket gör det enklare att skala systemets datorkraft efter behov.
  • Kompatibilitet med flera protokoll:Kompatibel med flera höghastighetsinterconnect-protokoll som PCIe, NVLink och CXL, vilket uppfyller kraven i olika AI-accelerationsscenarier.
  • Enhetlig hantering och strömförsörjning:Enhetlig strömfördelning, övervakning och hanteringsgränssnitt för OAM-acceleratorkort, vilket säkerställer en långsiktigt stabil drift av systemet.
  • Tillverkningsprocess med hög precision:Kretskortsdesignen har vanligtvis cirka 18 lager, med en borrdiameter på 0,2 mm, med hjälp av avancerade tekniker som bakborrning, resinpluggning och POFV. Det finns strikta krav på koplanaritet vid BGA-positioner för att säkerställa kvaliteten på lödningen av chipförpackningen.
  • Användning av högpresterande material:Använder höghastighetsmaterial med mycket låg förlust och högre, höghastighetsbläck och brunoxidprocesser med låg profil. Vissa produkter använder inre kopparfolietjocklek på 3OZ eller mer för att säkerställa signalintegritet och hög strömförande kapacitet.

Huvudsakliga tillämpningar

  • Stora AI-servrar (t.ex. NVIDIA HGX-plattformar), AI-acceleratorchassin, superdatorcentra och andra AI-klustersystem med hög densitet.
  • Plattformar för träning av stora AI-modeller, inferens, vetenskaplig databehandling och molnbaserad databehandling.
  • Olika högpresterande AI-applikationsscenarier, t.ex. bildigenkänning, bearbetning av naturligt språk och maskininlärning.