在三相供电25kW系统中使用更精简且更优化的碳化硅散热器

为了确保系统可行、正常运行和优化，我们使用不同的散热器，将IGBT散热器尺寸从 0.8L增大到1.37L，并将碳化硅散热器尺寸减小61%，确保提高其结温以减少裕量。

与 IGBT相比，碳化硅解决方案的散热器尺寸减小了77%，尽管进行了这些修改，50A IGBT仍然明显高于150℃的温度限制，但我们的32A部件和100A IGBT最终处于129℃左右的相同结温。另外值得注意的是，碳化硅逆变器的效率提高了1.1%。

在机器学习（ML）加速领域中，已有FPGA架构宣称其推理速度可高达150 TOPS。

总之，在三相供电的25kW系统中使用更精简且更优化的碳化硅散热器，整体效率提高了2.4%，损耗减少了600W，同时最初是IE3标准的集成电机仍然可达到IE4效率标准。

FPGA设计旨在存储和计算之间提供最佳的数据路由通道，从而为这些工作负载提供一个出色的加速平台。

然而在实际应用中，尤其是在那些对延迟敏感的应用（如ASR）中,由于无法在计算平台和外部存储器之间高效地传输数据，所以这些FPGA远不能达到其声称的最高推理速度。

由于数据从外部存储器传输到FPGA器件中的计算引擎时出现了瓶颈，从而造成了这种性能上的损失。

显示了系统的任意分解，突出显示了计算或类似服务器的架构，以显示系统中典型源和典型负载之间的差异。

15432208