芝能智芯出品在 APEC 2026 的展廳上，有一個心照不宣的變化：數據中心的供電架構，是圍繞 AI 算力來進行設計。
以前是電源圍著服務器轉，現在是電源圍繞GPU去布置供電路徑，電源系統正在不斷向處理器“貼近”，試圖把高壓直流一路送到芯片附近。
過去幾年，從通用服務器到AI訓練集群，單機功率快速上升。
以 NVIDIA 為代表的AI硬件廠商，把整機功率從幾千瓦推高到接近10kW，并繼續向更高水平邁進，傳統的48V供電體系開始顯得吃力，損耗、布線復雜度以及散熱壓力都在放大。
800V直流架構開始進入數據中心，設計目的是很直接：提高電壓，降低電流，從而減少傳輸損耗。
但問題在于，高壓只是第一步，如何把800V有效轉換為GPU所需的低電壓，同時控制效率和熱量，成為新的競爭焦點。
在 Infineon Technologies 的方案中，可以看到兩種方法。
◎ 一種是800V直接降到12V，再進入VRM供給核心；
◎ 另一種則更復雜，從800V降到50V，再到6V，最后進入核心供電。
前者結構更簡單，但需要把轉換器盡可能貼近處理器，否則低壓大電流帶來的損耗會迅速增加。后者通過多級轉換，在效率和布局之間尋找平衡。
英飛凌展示的一款6kW 800V-12V中間母線變換器，把效率推到了98%以上，同時把高度壓縮到8mm。這種形態已經非常接近服務器內部可接受的空間尺度。
與此同時，他們也在推動中壓IBC模塊的標準化，把48/50V進一步降到6V，為更靠近芯片的供電做準備。
EPC Corporation 核心在于GaN器件的應用，800V-12.5V方案采用了ISOP（輸入串聯輸出并聯）架構，把一個大功率系統拆分為多個小模塊運行。每個模塊大約750W，通過交錯運行來降低紋波。
這種設計看上去復雜，但帶來了幾個現實好處。
◎ 首先是電容需求顯著下降，多相交錯可以把紋波電流壓低，從而減少體積龐大且昂貴的電容器。
◎ 其次是散熱更均勻，功率被分散到多個模塊中，更容易適應服務器內部狹長的散熱結構。
對于機架式系統來說，這種分布式熱管理比集中式方案更容易落地。
如果說800V到12V還是一種過渡方案，那么800V直接到6V，則更激進。
Navitas Semiconductor 在展會上展示的20kW電源分配板，可以輸出6V、3000A的電流，直接服務GPU。這種設計把功率密度推到一個新的水平，也把電源模塊的位置推到了處理器背面。
當電流達到3000A這個級別，任何距離都會帶來巨大的I2R損耗。電源如果稍微遠離GPU，就會產生難以接受的能量浪費和電壓下降。
因此，電源模塊必須嵌入服務器內部，與GPU幾乎“貼身”布局，并且結合液冷系統共同設計。
在新一代機架設計中體現得非常明顯。圍繞 NVIDIA GB200 NVL72 的架構，電源不再集中在機架頂部或后部，而是分布在計算節點附近。
800V總線貫穿整個機架，電源模塊直接插入服務器托架內部，通過液冷系統完成散熱。
這種結構改變了傳統數據中心的供電邏輯。過去是“集中供電+分發”，現在逐漸變成“高壓輸入+本地轉換”。
電源系統不再只是基礎設施的一部分，而是與計算節點深度耦合。如果轉換器不靠近最終的6V到核心級，就會出現明顯的功率損耗。這實際上給整個行業劃定了一條技術邊界——電源必須跟著算力走。
從器件層面看，這種變化還帶來了另一個連鎖反應。
電壓從12V下降到6V之后，可以使用更低耐壓的FET，從而降低導通電阻，提升電流能力。按照TI的說法，在相同芯片面積下，電流能力可以提升約30%，同時效率也會更高。這對于動輒數千安培的供電場景來說，是一個非常關鍵的優化。
這條路徑并不會一夜之間完成。現實中，大量數據中心仍然運行在48V架構之上，尤其是已經建成的設施，很難直接重構。
因此，未來一段時間內，新舊架構會同時存在。一部分新建AI數據中心會直接采用800V體系，而傳統數據中心則通過局部改造逐步過渡。
這種“并行演進”的狀態，也讓行業路徑變得不那么確定。有的廠商選擇從800V降到12V作為中間步驟，有的則嘗試直接跳到6V。不同方案之間，還在不斷試探和調整。
從更宏觀的角度看，這場圍繞800V直流的競賽，并不只是電源技術的升級，而是算力基礎設施的一次系統性重構。
GPU功率持續上升，帶動電源、電網接入、散熱體系同步變化。每一個環節都在向更高密度、更低損耗的方向推進。
可以看到，電源不是一個“配角”，它開始決定系統能否穩定運行，也影響著算力成本的上限。
