算力竞速，供电看GaN

人工智能正在重塑计算体系，但每一代全新GPU与加速器的背后，都存在一个不那么显眼的难题：如何在更小空间内输出更大功率，同时实现更高效率、更快动态响应。随着AI处理器功耗从几百瓦迈向数千瓦级别，传统硅基电源架构正在逼近性能极限。这推动AI电源转换领域迎来根本性变革，从传统低频架构转向高频、高密度电源系统。

氮化镓（GaN），尤其是低压GaN，正成为解决这类难题的关键技术。低压GaN功率器件兼具低导通电阻、高速开关特性与高功率密度，非常适配AI系统的末级供电环节。但这场技术迭代，并不仅仅是用GaN替换硅器件，还需要磁元件、电容、封装、传感、热管理以及系统架构同步实现技术突破。

随着AI数据中心转向800伏直流配电，电源转换也日趋分布式，GaN器件和整个电源转换生态之间的配合变得至关重要。电力电子技术的未来，越来越取决于这些技术能否协同工作。

从低压GaN到高密度AI电源

多年以来，GaN功率器件主要用在那些可以依靠高开关频率与高效率，抵消其更高成本、更高设计复杂度的场景。但这套取舍逻辑正在快速改变，低压领域变化尤为明显。

EPC联合创始人兼CEO Alex Lidow表示，这项技术已经走到一个关键节点：在40V及以下电压区间，GaN晶体管多项性能指标已经超越硅MOSFET。与此同时，制造经济性持续改善，让这项技术可以落地到规模大得多的应用市场。“就在过去这一年，低压（40V及以下）GaN晶体管，在全部性能指标上实现了对MOSFET的反超。”

这一点意义重大，因为低压电源转换在整个电力电子市场中占比很高。在功率固定的前提下，电压越低，电流就越大，导通损耗与功率密度也就越关键。对于AI数据中心而言，低压场景尤为重要：电源末级转换电路，需要向工作在极低电压下的GPU和加速器输送超大电流。

AI基础设施，让这一挑战凸显出来

单颗AI处理器的功耗已经急剧攀升。“我们看到的变化是，处理器功耗从几百瓦，涨到2千瓦甚至3千瓦。” Cyntec首席技术官Ian Chan说道。这带来两个并存的设计约束：转换效率与安装空间。

电源转换器需要在越来越小的体积内承载超大电流。更高的开关频率能够缩小电感、变压器、电容等无源器件的体积，缓解压力。但高频化，也会放大电源生态其他环节的短板。“在AI数据中心里，每个计算托盘的空间非常有限。GaN优势突出，它支持更高开关频率，缩小器件体积，实现支撑大电流所需的高功率密度。”

Chan基于GaN电源模块的开发经验，给出了系统设计层面的实例。一款目标功率约1kW、48V转12V的电源模块，采用4颗GaN器件即可，而硅基超结MOSFET方案需要8颗。器件数量减少，让模块体积更小、功率密度更高。他还提到，该GaN方案可以工作在1MHz以上，而硅方案大约只有500–600kHz，进一步压缩磁元件与其他无源器件的尺寸。

这意味着电源转换器的设计逻辑发生本质变化。只靠半导体器件性能已经不够。GaN晶体管支持更高开关频率，为磁元件小型化创造条件，但磁元件本身也必须在相同频率下保持高效率。磁件、电容、电流采样、栅极驱动器、控制器、PCB布局、热管理，都成为设计中不可分割的一部分。

这也是EPC和Cyntec展开合作的意义所在。两家企业处在同一电源转换生态的不同环节：一方提供GaN功率器件，另一方主打高频磁元件与无源器件方案。

因此不能简单把GaN当成硅器件的直接替换品。只有充分发挥GaN高开关速度、低损耗的特性，对整套转换器做全局优化 —— 覆盖半导体、磁元件、封装、PCB布局，它的价值才能体现出来。工程师需要通盘考量整个电源转换回路，包括寄生电感、磁损耗、栅极驱动、散热通路，才能释放GaN的全部潜力。

在AI电源系统中，电流持续走高、空间受限，行业迫切追求更高功率密度，这种系统化协同设计思路就愈发重要。

从800V直流到芯片：集成成为下一个突破口

下一个重大挑战来自架构层面。机架功耗持续提升，AI数据中心开始转向800V直流配电。相比长距离低压大电流输电，高压配电可以大幅降低导通损耗，实现更高效的电力传输。

转向800V直流，不只是母线电压的改动，更是AI数据中心电源架构的大范围重构：电源转换环节分散在机房、机架、处理器等不同层级。

在这套架构里，交流电在靠近机架的位置转换成800V直流母线；后续多级转换，再逐步降压，供给GPU以及其他加速器。

Lidow将其描述为供电功能在物理空间上的拆分：侧挂电源单元完成初次转换，搭建800V直流母线；而更靠近负载的分布式转换模块，负责最后的电压变换。

输入串联、输出并联（ISOP）拓扑是受到广泛关注的方案。低压DC-DC模块输入串联、输出并联，既可以承受高压输入，又保留低压功率级的优势。

EPC99040 800V转6V

“800V原边侧会采用多级ISOP拓扑。我们可以把低压DC-DC转换器输入串联、输出并联堆叠起来，实现很高的转换效率。”Lidow说。

这套架构也解释了，为什么行业走向800V直流母线之后，低压GaN依旧具备价值。高压配电层和负载端低压转换环节解决不同问题，可以适配不同半导体技术。

EPC91123 800V转12.5V

难题从机架，下沉到处理器端

现代GPU与AI加速器，需要在极低工作电压下获取超大电流。如果直接依靠常规PCB走线传输大电流，会产生巨大的导通损耗和分配损耗。因此，电源末级转换电路正在不断向处理器封装靠近。

Chan表示，这一趋势倒逼电源模块外形尺寸迎来颠覆性变化。Cyntec的客户要求转换器高度仅几毫米，而前代产品高度约9毫米。

在这样的尺寸限制下，电源转换器需要在极其紧凑的垂直空间内集成电感、电容、半导体芯片、采样元件等多种器件。“过去Z向高度做到9毫米，现在客户要求降到3毫米以内。3毫米以内，我们必须把电容、电感、芯片全部埋入集成。”

这不只是封装难题，而是系统性优化问题。无源器件必须在持续提升的频率下维持可接受的损耗；半导体器件需要同时做到极低导通电阻与高速开关；封装要抑制寄生电感、规划散热通路；转换器还要快速响应AI处理器产生的剧烈瞬态电流。

负载点的设计要求集中在一起：高频开关、低导通损耗、低寄生参数、大电流能力、散热性能、极快瞬态响应，全部要在同一个结构内实现。

低压GaN在此场景下吸引力十足。18V左右规格的器件能够做到极低导通电阻，性能有望优于同场景硅MOSFET。搭配高开关频率、优秀的耐压能力，既能降低导通损耗和开关损耗，还能缩小无源器件体积。

但真正的机会，不在于单一参数的提升，而在于半导体、磁元件、电容、封装、传感、控制、热设计之间的协同配合。

对电源工程师而言，下一代AI电源转换，越来越需要协同设计思路，而不是单独优化元器件。这也是新一代AI电源系统，会朝着集成平台方向发展，而不是零散分立器件堆砌的原因。这套逻辑不止适用于数据中心。搭载AI的机器人、人形机器人、自动驾驶车辆、无人机等设备，既要强大算力，又要严格控制重量、体积、效率与散热。

Lidow认为，AI是当下最直接的驱动力，紧随其后的是他所说的 “AI动力学（AI kinetics）”—— 依靠AI实现移动、交互、自主运行的实体机器。GaN兼具高频、低损耗、易小型化的特点，有机会在这些新兴平台广泛落地。

这些应用的共同点，就是功率密度。不管是AI加速器、人形机器人、无人机还是自动驾驶车，设计师都希望用更小、更轻的电源转换系统，输出更大功率。

给电力电子工程师的启示是：半导体设计、磁元件、封装、系统架构之间传统的边界正在模糊。

未来电源工程师，需要吃透全链条技术

正如Lidow所说，先进磁元件领域，或许是未来提升系统效率最大的增量空间之一。Chan从另一个角度得出相近结论：工程师需要跨领域知识，覆盖功率器件、无源器件、封装、系统需求。

AI供电基础设施的演进，不只是电压升级或者功率提升，而是走向高度集成的电源系统，每一个元器件都要作为整体的一部分来优化。GaN是这场变革的重要支撑，尤其适合低压高频电源转换场景。但只有把半导体器件和磁元件、电容、封装、控制架构协同设计，它的全部价值才能释放。

AI算力需求持续抬升，电力电子领域下一个竞争优势，或许不是来自某一款突破性元器件，而是有能力把多项技术融合成一套更简洁、高效、高密度的电源架构。GaN是这场转型的关键赋能者，但它真正的影响力，取决于工程师围绕它打造出怎样的整套方案。