将快速电压控制与电源管理分离 #
AI 加速器供电轨可能有三条控制路径，它们的时间尺度差异很大。AVSBus 承载来自负载的快速点对点电压请求。PMBus 由板管理控制器对稳压器进行配置和监测。当任一串行链路或其固件不可用时，硬件比较器、使能引脚和故障线仍必须保护该供电轨。
这种分离是首要的设计决策。不要仅仅因为稳压器提供遥测数据，就把每个事件都经由 BMC 转发，也不要把 AVSBus 响应当作持久服务记录。架构定稿时必须明确：哪条路径下达电压命令、哪条路径收集证据、哪条路径无需软件即可动作。
PMBus 组织目前将 PMBus 修订版 1.5 和 AVSBus 修订版 2.0 列为最新发布的规范。当前可订购的控制器可能只实现更早的修订版：例如 TI 在售的 TPS53676，其文档记录的是 PMBus 1.3.1 以及 PMBus 1.3.1 第 III 部分中定义的 AVSBus。请以确切的控制器数据手册为准，锁定修订版和受支持的命令集；标准修订版再新，也不会升级已安装的芯片。
串行协议同样没有覆盖整个测量链。转换器反馈、分支遥测和累积电能分别对应哪个传感器、属于哪个电气域，可参考数字电源控制、电流检测与计量指南来分配。
官方 PMBus FAQ 对 AVSBus 的定义是：供处理器、ASIC 和 FPGA 控制电源电压的快速接口，工作频率可达 50 MHz，并支持部分转换器监测功能。PMBus 则被描述为完整的电源管理协议，基于 SMBus 传输，配有明确的命令语言。落到生产环节，AVSBus 属于工作负载电压环路，PMBus 负责配置、遥测、状态和服务。两者互补，不能互换。
先定好遥测契约，再动手写仪表板 #
主机不应靠逐条试命令来发现稳压器。符合 PMBus 规范，并不代表所有标准命令都已实现。PMBus FAQ 的要求是：合规设备至少支持一条非厂商专用命令，并按规范处理可接受和不支持的命令。因此，可移植的 BMC 需要为每类设备建立能力表，不能一概而论。
在集成固件之前，先为每条供电轨确定以下内容：
| 遥测字段 | 版本定义 | 验证问题 |
|---|---|---|
| 电压 | PMBus 命令、PAGE、格式、系数和物理检测点 | 在指定负载点，READ_VOUT 是否与经过校准的仪表一致？ |
| 电流 | 总电流或每相命令、增益/偏移、平均方式和符号约定 | 能否识别出某一相过热或偏弱，而不是被总电流掩盖？ |
| 功率 | 测量或计算的来源字段及更新频率 | 在快速电压瞬变期间，功率是否仍有意义？ |
| 温度 | 传感器位置、传递函数、滤波和警告阈值 | 该值是裸片、控制器、功率级还是板级温度？ |
| 状态 | STATUS_WORD 层级、制造商位、掩码和清除行为 | 哪一位是引发故障的位，而不是下游后果？ |
| 时间 | BMC 时间戳来源、轮询周期和事件序列号 | VR、热插拔控制器和电源机框的日志能否关联？ |
TI 的 TPS53676 通过 PMBus 提供电压、电流、输入/输出功率、温度和 故障状态。其数据手册还记录了每相电流、 组合遥测/状态读取以及若干测量量的最小/最大寄存器。这些功能对调试和趋势捕获很有用， 但固件必须记录一次读取代表什么：PAGE 选择、PHASE 选择、平均窗口以及该值的采样时刻。
轮询适合看趋势，不适合做即时保护。仪表盘 100 ms 的刷新间隔解释不了微秒级过流事件，READ_VOUT 成功也不代表高带宽纹波或负载阶跃就达标了。验证阶段要把 PMBus 数据和远端检测点的示波器测量结果对照起来看。专题 GPU 负载阶跃指南 给出了更快的电气证据边界。
把 SMBALERT 和状态读取当作一套恢复协议 #
告警线只有在恢复序列明确的前提下才有用。PMBus FAQ 将 SMBALERT# 列为可选信号，因此原理图、控制器数据手册和 BMC 设计必须就以下几点达成一致：该信号是否存在、如何上拉、哪些器件共用它，以及主机如何识别来源。如果所选器件或工作模式不提供告警，轮询仍然必不可少。
稳健的处理程序按以下顺序逐步收集证据：
- 在清除中断或轮询检测到的状态变化之前，先记录时间戳。
- 在不改变工作状态的前提下，确定响应的地址和 PAGE。
- 读取 STATUS_WORD 以及相关的下级状态寄存器和制造商专用 状态寄存器。
- 趁相关电压、电流、温度、功率和相位数据仍然可用时 将其捕获。
- 如果实现了持久化器件日志，将其复制到 BMC 管理的记录中。
- 执行平台的锁存、重试或关断策略。
- 只清除已复制并已归属的状态。
不要一上来就执行 CLEAR_FAULTS。先清除可能抹掉唯一的线索，即过温警告 先于过流关断发生。同样，共享的 SMBALERT# 如果没有地址映射和仲裁方案，可能会让固件 在输入电源崩溃时仍在搜索总线。PMBus 组织 指出，没有中央机构分配器件地址；板卡所有者必须 防止冲突。
在欠压期间保留首个故障 #
状态位、峰值寄存器和黑盒日志属于不同的证据类别。 状态寄存器报告当前状态或锁存状态。峰值寄存器可以 保留极值，但不包含其完整序列。黑盒记录器将事件前后的测量值 存储在非易失性存储器中。BOM 和固件 要求必须使用正确的术语。
ADI 的 LTM2987 是一款 16 通道 PMBus 电源系统管理器，可监测、排序并监控各路电源轨，并自动将故障日志写入内部 EEPROM。ADI 的 AN-155 介绍了其 PSM 系列的基本工作流程：发生故障后，循环 RAM 遥测缓冲区被冻结，复制到 EEPROM，再由 BMC 或工具读取并解码。记录内容包括故障原因、时间状态、峰值电压/电流/温度值以及多个遥测循环。主机必须读取并重新启用日志记录，否则一条旧记录可能会阻塞下一次捕获。
保持时间的设计要服务于证据留存，而不仅仅是为了负载穿越。监控器、稳压器辅助电源、EEPROM 写入路径和 BMC 接口需要足够的能量或独立备用电源来完成所需的记录。如果转换器在非易失性存储完成之前失去偏置，系统至少应保留一个硬件锁存器或上游事件代码，以标识首次跳闸。
生产日志的字段应包括板序列号和版本、控制器 OPN、配置校验和、固件版本、PMBus 地址/PAGE、故障源、原始状态字节、解码值、BMC 时间、启动次数以及所采取的操作。原始数据要与解码后的消息一并保留，这样后续解码器纠正解释错误时，原始证据不会丢失。
选器件看证据深度，不看接口标签 #
下面这些器件分别对应三种不同角色，彼此不能直接替换，也不代表能兼容某一款加速器。
| 当前可订购示例 | 文档化角色和接口 | 故障证据边界 | RFQ 边界 |
|---|---|---|---|
| TPS53676RSLR / TPS53676RSLT | TI 在产的双输出、最多七相控制器；PMBus 1.3.1 加 AVSBus；48 引脚 6 mm × 6 mm VQFN，−40°C 至 125°C | 遥测信息丰富，可记录每相状态及最小/最大值；除非已发布的配置和数据手册能证明其行为，否则不要将其描述为 EEPROM 黑盒 | RSLR 为 3,000 片大卷盘；RSLT 为 250 片小卷盘。保留 NVM 映像、工具版本、地址和功率级配对 |
| ISL68137IRAZ-T | Renesas 在产的双输出七相 AVSBus 控制器；PMBus 管理和 PowerNavigator 配置；48 引脚 6 mm × 6 mm QFN | 官方页面列出 VIN、VOUT、IOUT、输入/输出功率、温度和故障状态遥测；主机侧保留策略需单独定义 | 保留完整的 IRAZ-T 代码、已编程配置、AVSBus 契约和经批准的 ISL68/69xxx 功率级生态系统 |
| LTM2987IY#PBF | ADI 量产且推荐用于新设计的 16 通道 PMBus 电源系统管理器；144 引脚 15 mm × 15 mm BGA | 自动将故障记录到内部 EEPROM，并具备自主排序和监控功能 | 工业级为 −40°C 至 105°C；将其与 LTM2987CY#PBF 区分开，归档 LTpowerPlay 项目/校验和及 EEPROM 策略 |
这些例子也说明，“PMBus 相同”并不能成为替换的理由。不同器件支持的标准命令和厂商自定义命令、数据格式、PAGE/PHASE 行为、NVM 模型、配套工具以及故障记录的保留深度各不相同。即使总线接线完全一样，更换控制器也可能要同步更新 BMC 固件、产线烧录、遥测校准和服务工具。
生产写入与现场诊断分开 #
服务接口应当可读，但不必让每个电源轨的设置都可写。要明确哪些引导程序、夹具或签名维护镜像可以修改限值和 NVM，正常运行的 BMC 则保持以读为主的策略。PMBus FAQ 将 WP 列为可选的硬件写保护输入，但是否具备该功能、能保护哪些命令，都取决于具体器件。不要因为 WP 引脚已焊接就认定它能锁住所有厂商命令，应确认实际实现。
启用写入之前，先核对板卡标识、控制器 OPN、当前配置校验和，以及预期的工具/固件版本。记录新旧镜像、修改原因、操作员或自动化身份，以及断电重启后的结果。现场更新还必须考虑 NVM 写入中断后如何恢复。如果器件无法保证原子更新，就让板卡在负载禁用状态下完成更新，直到校验和与限值都验证通过。这样才能避免一个本来用于遥测的端口，变成可以随意更改启动电压、电流限值或故障响应的隐蔽通道。
把故障当作端到端测试用例来验证 #
在板级认证之前先建立故障矩阵。以受控能量水平注入每种故障条件，并同步验证电气响应、器件寄存器、持久记录和服务消息。
| 注入事件 | 电气证据 | 数字证据 | 所需恢复检查 |
|---|---|---|---|
| 输出欠压 | 在负载检测点和稳压器输出处用示波器测量 | STATUS_VOUT 层级、原始电压和首次故障归因 | 重试/锁存次数、时序依赖关系和日志保留 |
| 过流或相位不平衡 | 总电流和每相电流、开关节点活动 | STATUS_IOUT、相位状态和峰值电流（如支持） | 功率级温度、电流限值模式和安全重启 |
| 过温 | 独立热电偶或校准传感器 | 温度读数、警告/故障位和阈值配置 | 迟滞、风扇/降频动作和锁存策略 |
| 通信丢失 | 总线线路、上拉电阻、时钟拉伸和超时 | 主机超时加上最后一次成功事务 | 自主保护保持激活；无不受控电压命令 |
| 输入掉电 | 输入、辅助偏置和电源轨放电 | 最后状态、EEPROM 完成或上游硬件锁存 | 首次故障记录在事件后保留，并在清除前被读取 |
| 配置损坏 | 启动电压、限值和时序波形 | NVM 校验和/版本不匹配 | 板被隔离，而不是以未知限值启动 |
测试告警风暴和同时发生的故障。一次 UV 事件可能在多条电源轨上同时引发 UV、电源正常、通信和温度问题。日志应保留初始事件及其因果顺序，而不是把后续的每一位都当作独立的根本原因。还要测试告警线持续低电平、地址重复、总线锁死，以及电源管理器仍在运行时 BMC 复位的情况。
将数字电源配置纳入 BOM 发布 #
RFQ 和 AVL 资料中要求提供的信息应不止控制器丝印：
- 完整的控制器或管理器 OPN、封装、等级和载带后缀；
- 已编程还是空白状态，以及已批准的功率级配对；
- PMBus 和 AVSBus 版本、已实现的命令/能力表和数据格式；
- 每个地址配置引脚、PAGE/PHASE 映射、上拉电压和告警连接；
- 配置来源、工具及版本、二进制镜像、校验和、写保护策略，以及生产编程由谁负责；
- 遥测增益、偏移、传感器位置、滤波器、轮询节奏和校准报告；
- 故障屏蔽、阈值、重试/锁存行为、持久日志容量、写入完成要求，以及读取/清除/重新使能序列；
- BMC 解码器/版本、事件模式和设计验证阶段的故障注入报告。
将这些产物与控制器、功率级、传感器和辅助电源归为一组。若替代品引脚兼容，但改变了数据格式或厂商特定的状态映射，那就需要改动固件和服务工具。多相控制器和智能功率级指南定义了电气配对；本文定义的是必须随其一同传递的管理与证据契约。
结论 #
PMBus 和 AVSBus 解决的是不同问题。负载的快速、有文档记录的电压控制路径用 AVSBus；配置、校准遥测、状态和服务访问用 PMBus；即时保护则交由硬件自主完成。然后设计一条首故障链：为事件打时间戳，在清除前捕获相关状态，在欠压期间存活，并将原始、带版本的记录交给 BMC。
选器件要看确切的命令集、遥测语义和持久化模型，而不是看接口标志。将这些细节连同控制器 OPN、已编程镜像和故障注入证据一起发布，工程团队就能得到一条可调试的电源轨，采购也能得到一条 RFQ 边界，使表面兼容的替代品无法悄然削弱。
官方参考 #
- PMBus 现行规范：PMBus 1.5 版和 AVSBus 2.0 版
- PMBus 官方 FAQ：协议范围、AVSBus 速率、寻址以及可选的 SMBALERT#
- TI TPS53676 在售产品页面、数据手册和订购信息
- Renesas ISL68137 在售 AVSBus 控制器及 ISL68137IRAZ-T 订购详情
- ADI LTM2987 在售产品页面、Rev. C 数据手册和生产订购代码
- ADI AN-155：使用 Linduino PSM 解码故障日志