この記事で分かること

AIサーバー向けコンデンサーの基板への埋め込み

AIサーバー向けに積層セラミックコンデンサー（MLCC）などの電子部品をパッケージ基板内部に埋め込む（内蔵する）技術は、超高速・大電流化が進むAIプロセッサの電力ロス（配線抵抗・熱損失）および電圧降下を極限まで削減するための重要技術です。

　京セラは薄層化・高精度積層技術を駆使し、超小型・高容量のMLCC（1005サイズで静電容量47μFなど）や薄型（KGTシリーズ）を展開しています。また、太陽誘電は薄層化・高精度積層技術を駆使し、超小型・高容量のMLCC（1005サイズで静電容量47μFなど）や薄型（KGTシリーズ）を展開。

AIサーバー向けコンデンサーの役割は何か

　AIサーバー向けコンデンサーの主たる役割は、超高速・大電流で駆動するプロセッサ（GPUやNPUなど）の電源電圧を瞬時に安定化させること（デカップリング）です。

AIサーバー向けコンデンサーの主な役割

• 電圧降下（IRドロップ）の防止: AIの学習・推論処理では、ミリ秒・マイクロ秒単位で消費電流が数十アンペアから数百〜千アンペアへと劇的に変化します。コンデンサーがICの目と鼻の先で瞬時に電荷を供給することで、電圧の落ち込みによるシステムフリーズを防ぎます。
• 高周波ノイズの除去: 電源ラインに載る高周波ノイズ（リップル）を吸収・カットし、精度の高い安定した信号伝送を支えます。

通常のサーバー用コンデンサーとの違い

　通常の汎用サーバー（主にCPU動作）に比べ、AIサーバー（大規模GPU/TPU構成）は消費電力が桁違いに大きく、かつ動作電圧が低いため、コンデンサーに対して物理・電気的特性の極限化が求められます。

比較項目	通常のサーバー向けコンデンサー	AIサーバー向けコンデンサー
負荷電流・消費電力	数百W程度（電流変化は比較的緩やか）	1kW超・1000Aクラス（急激な大電流変動）
応答速度・ESL	一般的な低ESL（寄生インダクタンス）	極限の超低ESL（高周波での高速レスポンス）
形状・厚み	標準的な表面実装（高さ0.5mm〜1mm超）	超薄型（100µm〜200µm級、基板内蔵・裏面直下用）
静電容量密度	標準的	超高密度化（小型でありながら大容量）
動作環境（耐熱性）	85℃〜105℃対応	125℃以上の高耐熱・高信頼性（発熱密度が過酷）

　一般的なサーバーでは基板表面の配線スペースに余裕を持った実装が可能ですが、AIサーバー用では「コンデンサー自体をプロセッサの直下（裏面）や基板内部に埋め込む」ほどの超薄型化と極小ESL設計が不可欠となる点が最大の違いです。

なぜ基板に埋め込む必要があるのか

　AIプロセッサの誤作動を引き起こす「急激な電圧降下」を防止し、限界に達している基板上の実装スペースを確保するためです。

1. 寄生インダクタンス（ESL）の物理的限界を打破するため

　AIプロセッサは1000A規模の大電流をミリ秒・マイクロ秒単位で変動させます。コンデンサーが基板の表面や裏面にあると、配線距離（数ミリ〜数センチ）に起因する寄生インダクタンス（ESL）が障害となり、電流供給の遅れや大きな電圧降下（IRドロップ）が発生します。

　基板内部への埋め込みでIC直下（サブミリ単位）に配置することで、配線長を最短化し、レスポンス性能を劇的に向上させます。

2. 高密度パッケージの実装スペースを確保するため

　先端AIプロセッサ（GPUなど）の周りには、2.5D/3Dパッケージ技術によって高帯域幅メモリ（HBM）や多数のチップレットが高密度に敷き詰められており、表面の実装空間が限界を迎えています。コンデンサーを基板の内部に退避させることで、表面の貴重な面積をロジックICや高密度配線ピンに解放できます。

3. 配線抵抗による電力ロス（発熱）を抑えるため

　大電流が長い配線を流れると、配線抵抗（R）によって無駄な電力損失（I²Rによるジュール熱）が発生します。チップとの距離を極限まで縮めて配線抵抗を減らすことで、熱の発生自体を抑制し、データセンター全体の電力効率向上に直結させます。

どのように基板に埋め込むのか

　基板にコンデンサーを埋め込む技術は「部品内蔵基板（Embedded Component Substrate）」と呼ばれます。主に多層基板の製造工程を利用して、部品を基板の絶縁層の中に閉じ込める方法が取られます。

一般的なプロセスは以下の通りです。

埋め込みの基本的な工程

1. コア基板への空洞加工（または配置）:
   • あらかじめ作成されたコア基板や絶縁シートに、コンデンサーを収めるためのポケット（空洞）をレーザー加工等で形成します。または、絶縁シート上に部品を接着固定します。
2. 部品の配置:
   • 精密なマウンターを使用して、空洞内や指定された位置に超薄型コンデンサー（ベアチップ状態の部品など）を配置します。
3. 絶縁層によるラミネート（封止）:
   • 部品を配置した上から、絶縁樹脂材料（プリプレグ）を重ねて熱プレスし、基板と一体化させます。これにより、コンデンサーが絶縁層の中に完全に閉じ込められます。
4. ビア（接続孔）形成と配線:
   • レーザーを使ってコンデンサーの電極部分まで微細な穴（ビア）を開け、そこに銅メッキを施して電気的に接続します。その後、基板表面に銅配線パターンを形成し、回路を完成させます。

AIサーバー向けで重要となるポイント

　AIサーバーのような先端用途では、さらに高度な工夫が求められます。

• インターポーザーの活用: GPUやAIチップの下に「インターポーザー」という中継基板を挟む構成が一般的です。このインターポーザーの内部やチップの真下にコンデンサーを埋め込むことで、チップとコンデンサー間の距離を最短化（物理的に数ミクロン〜数十ミクロン単位）し、インダクタンスを極限まで減らします。
• 薄型化技術: 埋め込む部品自体の厚みが数10μm〜200μm程度と非常に薄くなければなりません。京セラなどが得意とする高精度積層技術は、この「薄くても高い容量を維持する」ために不可欠です。

　このように、単に「埋める」だけでなく、「チップ直下での最短接続」と「多層基板の製造プロセス内での高精度位置合わせ」という2つの高度な技術が組み合わさることで、AIサーバーの性能を引き出す電源供給が可能になります。