从电网到芯片栅极：800VDC推动AI电源设计

AI数据中心面临的供电问题已经传导至芯片裸片层面。工程师正努力降低以热量形式产生的损耗，尽可能把更多电力输送到晶体管栅极。

服务器机架功耗从数百千瓦向兆瓦级攀升，每一级电能转换 —— 从中压交流电转为800伏直流，再进一步降到1伏以内供电轨，都会影响性能、可靠性以及散热余量。“如今服务器机架功耗大约125千瓦，” 英飞凌科技工业绿色电源部门总裁Peter Wawer表示，“下一阶段将达到500千瓦。后续我们会迈向1兆瓦、800伏高压直流‑直流架构。”

当前的挑战在于提升从交流电网到芯片栅极、从高压到GPU及其他AI加速器所需极低电压的能量转换效率。“像AI数据中心这类高能耗设施，通常需要接入中压电网，”Wawer说道，“输电线路对应的电压为35千伏。现阶段需要变压器把高压交流电转换成低压交流电，之后再完成交直流转换。”

在AI爆发之前，数据中心的电源转换环节更多。“AI兴起之前的传统多级架构下，所有传统数据中心普遍采用48伏或者12伏供电体系，” 是德科技电力电子设计软件产品经理Steven Lee介绍，“过去数据中心功耗远没有AI拉动的这么高。从电网到芯片的整套链路，交流电转为直流电，再降压到GPU所需的1.2伏或者0.7伏，这套方案在AI时代到来之前完全够用。”

全新架构正在减少转换层级。“超大规模云服务商即将从传统415伏交流供电架构切换至800伏直流架构，数据中心的元器件供应商需要重新思考器件设计，” 新思科技应用工程总监Pavani Gottipati表示，“这其中就包括采用固态变压器。固态变压器可以减少电源转换级数，降低每一级转换带来的损耗，打造高能效的数据中心。”

800伏直流意味着供电链路不必经过A→B、B→C、C→D的多段转换。“可以直接实现A到D的转换，”Lee说，“电源转换器的级数越少，整体效率越高。损耗主要来自发热、器件开关损耗等因素。”

旧有48伏体系的交流部分转换步骤繁多，直流‑直流环节并非问题根源。“老式数据中心架构配有UPS不间断电源，再接PDU电源分配单元，之后输出48伏，”Lee解释道，“但全新800伏架构下，依托碳化硅器件，上述部件整合为单一交直流前端，两级转换合并为一级。”

图1：供电技术发展趋势。

每一次电能转换，都需要配套供电架构做出改变。“如果继续维持50伏左右电压，物理层面已经无法向IT机架输送如此大的功率，” 德州仪器计算电源技术专家Pradeep Shenoy表示，“800伏是必然选择：功率不变时，提升电压就可以降低电流，二者呈反比。即便现在给IT机架内部母排做液冷，50伏电压依旧扛不住大电流。800伏直流已是大势所趋，现在的问题是如何做好准备。”

对比400伏与800伏，中途停留在中间档位意义有限。“行业的推进速度可能会比我们预想的更快，”Shenoy称，“如果先采用多个中间电压档位，过一两年就会发现：电压还得继续往上提，不如直接一步到位上800伏。毕竟功耗上涨速度太快。我已经在参与一些前瞻性讨论，研究800伏之后下一代供电方案。”

切换到800伏直流，全部供电元器件都需要升级，防范打火与起火风险。

“为承载AI业务，从48伏升级至800伏直流，安全是首要挑战，尤其存量数据中心改造，要改成混合供电或者全800伏直流模式难度很大，” 楷登电子高级首席产品工程师Hoa Tram表示，“数据中心改造800伏直流几乎会触及供电栈的每一层。现有保护装置、开关柜都是针对交流故障分断设计。所以800伏直流配电链路内的开关柜、断路器、保险丝、隔离开关，全部要替换为直流规格设备。还要把800伏直流架构的遥测系统接入原有监控告警平台。运维人员也需要接受专项培训，掌握新设备的操作维护能力。”

多种架构并存也增加了复杂度。“一部分方案采用单极800伏直流母线，另一部分倾向于双极 ±400伏直流设计，”Tram指出，“标准分化给设备互通、保护方案、人员培训认证都带来麻烦。”

除此之外，部分数据中心会继续沿用48伏架构，但搭配新型电源转换方案。例如宾汉姆顿大学研发面向AI数据中心的单级负载点转换器，在GPU附近直接把48伏降压。实验室原型实现效率提升10%‑12%，压摆率翻倍，供电响应速度更快。

优势：效率、功率密度提升，铜材用量下降

对比传统48伏架构，800伏直流架构拥有多项优势。

“改用直流供电之后，可以实现更高功率密度，在更小空间承载更大功率，” 是德科技Lee说道，“采用800伏直流的核心好处就是效率更高、电源转换器体积更小、功率密度更高。”

德州仪器Shenoy同样认为效率是核心吸引力。“举个例子，很多处理器供电转换器输入为12伏，输出降到1伏甚至更低，” 他说，“仅仅把输入提升到6伏，效率大约就能提升2%，同等面积下输出功率提升约30%。电路板空间十分紧张，这点提升非常关键。效率、功率密度都很重要，器件整体稳定性与可靠性同样不能忽视。上百颗电源芯片为AI处理器供电，任何一颗失效都可能导致处理器宕机。”

转换环节效率提升，就会减少电力损耗。“整条供电链路每提升一个百分点的效率，价值都十分可观，”Shenoy表示，“会直接降低云服务商、超大规模厂商的运营成本。”

800伏直流还可以减少铜材消耗。“电压更高，电流更小，线缆就可以做得更细，”Lee解释，“AI数据中心如果沿用旧的转换方案，铜材消耗量会非常巨大。功率等于电压乘以电流，总功率不变，48伏对应的电流会非常大，线缆必须做得很粗，否则会烧毁。AI功耗暴涨，粗铜线的用料成本和体积都会难以承受。”

无论是数据中心还是汽车领域，提升系统电压，同样利好备份与主供电电池。“目前绝大多数电池系统为400伏架构，” 西门子EDA电池技术全球高级总监Puneet Sinha称，“大量企业投入研发，向800伏架构演进。电压提升能够改善充电性能，但也会对系统电子器件带来影响，既包括电池本身，也包括车载、数据中心内的逆变器等部件。”

碳化硅、氮化镓固态器件

800伏直流架构中，固态变压器正在替代传统铁芯变压器。

“AI芯片集成多颗GPU、CPU，功耗需求激增，” 新思科技Gottipati表示，“高功耗芯片负载波动剧烈。芯片设计层面采用碳化硅、氮化镓这类宽禁带材料，可以提升功率密度，释放算力。但这类器件开关速度更快，热管理与散热系统设计也变得更加关键。”

固态变压器可以直接接入高压交流电网。“根据架构不同，输出可以降压为低压交流，也可以直接输出直流，例如800伏直流，” 英飞凌Wawer说道。

图2：800伏架构实现方案。

从48伏转向800伏架构，一大设计难点在于用好碳化硅、氮化镓这类宽禁带半导体新技术。

“它们正在逐步取代传统硅基器件。合理使用碳化硅、氮化镓，开关速度更快，发热损耗更低，转换器整体效率更高，” 是德科技Lee说，“多级转换叠加，哪怕只有1% 的效率提升，累积收益也相当可观，这正是设计师追求的目标，即便是个位数的效率提升。”

不过用碳化硅、氮化镓替换硅器件，并不像看上去那么简单。“传统硅器件工作在千赫兹级别，开关速度慢，电磁干扰、噪声问题相对可控，”Lee表示，“高速开关会带来高频噪声，向外辐射，也会影响芯片栅极。驱动栅极需要全新信号方案，闭环控制也必须做好，否则电路会不稳定，高频工况下该问题会更加突出。同时碳化硅、氮化镓也会改变磁性元器件设计，可以采用体积更小、重量更轻的磁件。”

宽禁带材料还能节省板卡空间。“传统变压器占用大量板上面积，”Lee解释，“数据中心追求服务器高密度堆叠，元器件需要轻薄小巧。氮化镓，尤其是碳化硅普及之后，可以用扁平器件替代传统变压器，机架内可以部署更多设备。原先一台机架放12台设备，占用面积缩小之后，可以做到20台，同时采用性能更优的新型变压器。”

图3：平面变压器对比传统绕线式变压器，效率更高，更便于堆叠。

硅、碳化硅、氮化镓，不同电压等级下存在应用重叠。“并非非此即彼，选型取决于实际需求，”Wawer表示，“高压大功率场景，可选硅与碳化硅。部分应用不需要高开关速度，例如50‑60赫兹的高压直流输电转换器，依旧选用IGBT绝缘栅双极型晶体管。该技术成熟、成本优势明显，未来十到二十年不会发生大变化。固态变压器需要高压、高速开关、低开关损耗，碳化硅是最优解，没有其他器件可以替代。”

其他宽禁带器件还包括数字热插拔控制器，例如750伏、1200伏碳化硅结型场效应管。Wawer提到，氮化镓凭借效率、功率密度，兼顾高低压场景，同样是关键材料。

PMIC电源管理芯片的角色

先进数据中心中，电源管理芯片（PMIC）的定位也在发生变化。

“PMIC已经从后台辅助器件，变成决定系统性能的核心部件，”Rambus芯片产品营销高级总监Piero Bianco表示，“AI场景要求更高功率密度、电压调节精度，负载瞬态波动也更加剧烈。与此同时AI服务器集成更多算力、网络、存储，散热装置体积变大，留给元器件的空间进一步压缩。行业越来越多地采用PMIC，在靠近负载的位置生成供电轨，实现分布式供电。基于PMIC的分布式供电，降低转换损耗，电压调节更精准，更好应对剧烈的负载瞬态变化。同时具备高精度遥测能力，实时管控系统功耗；集成时序控制，省去外部时序器件，电路板空间利用率更高。”

AI数据中心承载大量训练、推理业务，PMIC、内存等全部器件承受更大压力。

“内存子系统是PMIC压力最大的地方，”Bianco称，“PMIC是集成控制器、MOS管驱动、功率MOS管的多输出电源芯片。DRAM速率持续提升，对PMIC的负载电流、调压精度、瞬态响应的要求越来越严苛。电压跌落会造成内存时序异常，引发数据损坏、服务器故障，调压与瞬态指标至关重要。DDR5时代，内存供电方案从主板转移到内存模组PMIC，正是源于这类需求，这也持续给芯片与应用层面的PMIC设计带来挑战。”

Lee提到，PMIC面临和其他器件一致的约束条件：在极小空间内输出尽可能大的功率。“PMIC会在AI数据中心演进过程中扮演非常重要的角色。”

GPU与加速器本身同样需要提升能效

打造高能效数据中心，需要多维度共同进步。“处理器本身的计算效率提升也是一大挑战，”Shenoy说道，“GPU会在有限芯片面积内塞进更多算力，这是产品核心价值。新一代芯片可以把Token处理能力提升十倍，这类方向会持续演进，意义重大。”

节能需求高涨，原本面向边缘、车载市场的GPU IP厂商，也看到客户尝试把芯片扩展到数据中心场景。

“我们的高能效IP方案已经可以扩展做大尺寸GPU，”Imagination Technologies产品管理总监Matthew Bubis表示，“另外大量客户希望自研芯片，对标AMD、英特尔、英伟达，需要更强性能的GPU。客户看中我们IP的能效、性能与可扩展性，推动需求增长。过去AI集中在大型数据中心板卡；现在从最小IP核到大尺寸芯片，都希望内置AI能力，也就是在GPU内部集成大量矩阵运算单元。”

AI需求还在持续增长，各类电能转换优化与芯片创新都至关重要。“对比两年前，客户对智能化的要求更高，” 新思科技物联网与边缘AI处理器业务副总裁兼总经理John Weil说，“以视觉语言模型VLM为例。两年前主流是各类视觉模型，大语言模型几乎无足轻重。现在系统不仅可以识别画面中的人物，还能完成高层意图判断。不到两年时间，AI已经从提升系统服务质量，转向基于数据与部署模型做确定性决策。”

结语

行业投入大量资金与研发力量，推进800伏直流架构、固态变压器、固态断路器方案，以此降低AI数据中心功耗。但基础设施与电网属于迭代节奏非常缓慢的产业。

“中国推进交直流基础设施建设速度很快，属于自上而下推动，” 英飞凌Wawer表示，“但我所在的德国推进就很慢。基础设施建设落地周期不能低估，会拖累整体进度。再好的创新，最终也要落地部署。”

数据中心功耗相比过去提升一个数量级，各类创新技术都亟待落地。“从几百瓦走到千瓦级别，” 德州仪器Shenoy说道，“机架层面，从现在几十、几百千瓦，不久后迈向兆瓦。整个数据中心，从如今几十、上百兆瓦，走向吉瓦级别。”

数据中心运营商必须解决供电难题。“能源从哪里获取？整套供电链路如何设计？”Shenoy提出，“发电端输出特定电压，和GPU实际需要的电压规格并不匹配。”