AI数据中心，供电与散热决定扩容上限

人工智能正在重塑数据中心的定位，让它从基本隐形的云基础设施，转变为战略资产。在这类资产中，供电、散热、先进封装与半导体的重要性，已经和算力性能持平。

新加坡半导体行业协会（SSIA）执行董事Ang Wee Seng表示，AI已经把行业关注点从处理器性能，转向部署和扩容AI系统所需的物理基础设施。“AI把计算竞争从数字层面的挑战，变成一场物理基础设施竞赛。AI不再只是软件革命，它更是一场基础设施革命。”

Ang Wee Seng

Ang Wee Seng认为，处理器速度、晶体管密度这类传统衡量计算进步的指标依旧重要，但AI落地越来越依赖可用电力、机架密度、散热能力、内存带宽以及部署速度等因素。大型AI数据中心的耗电量已经可以超过100兆瓦，而全球数据中心全年支出预计将超过6500亿美元。

AI基础设施的快速扩张由四大趋势驱动：模型训练转向持续推理、内存与带宽需求持续增长、各国加大自主AI基础设施投入，以及以加速计算为核心的云基础设施持续现代化。

这些变化带来了新的工程约束。Ang Wee Seng说：“下一个瓶颈或许不再是我们能不能设计下一代芯片，而是能不能给芯片供电、能不能完成互联、能不能做好散热、能不能足够快速地完成部署。”

基础设施成为限制因素

Ang Wee Seng指出，超大规模AI设施选址越来越优先考虑电力供给，而非土地资源。电网接入能力、变电站、散热基础设施、可再生能源供给以及光纤连通性，都成为核心考量。“很多情况下，设施跟着电力走，而不是反过来。”

能效也成为核心设计目标。每一份功耗最终都会转化为热量，推高散热需求，进一步增加电力消耗。因此电源转换效率的提升，可以直接转化为更多可用算力。“供电链路不再是配套附属环节。”Ang Wee Seng说，“如今它已经纳入AI扩容的路线图。”

在系统层面，AI也在改变数据中心架构。AI部署不再把服务器当成独立单元，而是围绕高度集成的机架级系统，统一部署加速器、网络、供电与散热模块。“机架正在成为新的设计单元。”Ang Wee Seng说，“系统本身就是产品，机架就是平台，供电架构则是差异化竞争优势。”

半导体生态版图拓展，不再局限于处理器

Ang Wee Seng表示，尽管GPU已经成为AI计算的核心载体，但未来AI平台将采用CPU、GPU、DPU、定制加速器与高速互联相结合的异构计算架构。

因此先进封装、芯粒、高带宽内存（HBM）、硅光子以及光网络，都成为AI系统设计不可或缺的部分。“内存带宽现在是AI扩容的核心。” 他提到，HBM供应紧张与先进封装产能不足，已经成为整个半导体供应链的战略性约束。

他补充，优化AI基础设施，需要平衡芯片、封装、电路板、散热系统、网络和供电设计，而不是单纯追求单个器件的性能最大化。

功率半导体走向舞台中央

Ang Wee Seng提出，功率半导体正在从配套技术，转变为AI基础设施的战略支撑。

电力进入AI机房要经过多级转换：从公用电网、UPS不间断电源，到机架电源柜与电压调节器。在超大规模场景下，哪怕小幅提升转换效率，也能显著减少发热量、降低运营成本。

他介绍了硅、碳化硅（SiC）和氮化镓（GaN）各自的互补作用，强调不同技术适配供电架构里的不同环节。“问题不是哪一种材料会胜出。”Ang Wee Seng说，“更值得探讨的是，每一种技术可以在哪个环节创造最大的系统级价值。”

展望未来，Ang Wee Seng认为评估下一代AI基础设施，不能只看算力性能，还需要采用更全面的系统指标，例如每焦耳可处理token数、每平方米功耗、转换效率以及部署速度。“未来的数据中心，不会只靠最快的芯片取胜。” 他说，“赢家将是拥有最高效率的集成系统。”

他总结称，半导体行业的下一轮机遇覆盖完整AI基础设施栈：从功率器件、封装，到材料、测试与系统集成。“多年来，半导体行业一直在为数字经济提供算力。”Ang Wee Seng说，“现在，行业需要为AI经济提供支撑。”