
自從ChatGPT橫空出世,人類社會發生了十分顯著的變化,現在Deepseek、豆包、ChatGPT、Gemini等國內外人工智能大模型已經或多或少成為生活的一部分,很多人開始用Vibe Coding進行編程工作,OpenClaw掀起全民“養蝦”熱潮,AI人工智能大模型已經切實的改變了我們的生活。

你在用哪種AI工具?
但是很少人知道,人工智能大模型在過去幾年的飛速進步不僅來自于GPU、算法的不斷進步與迭代,更離不開背后電力的海量支撐。

英偉達GPU單機柜功率隨GPU能力增長節節攀升(來源:英偉達)
有人估算,2019年人工智能大模型的標志性模型——GPT-2的估算訓練成本約4.3萬美元,耗電需約5萬度。可是在2026年,OpenAI公司目前最強大的GPT-5.5模型,整體訓練成本約在數億至十幾億美金之間,電力消耗達到驚人的數千萬至數億度的量級,未來數據中心電力消耗將成為影響AI發展的關鍵問題。
據統計,2025年,全球AI總耗電已經達到約600TWh,這與加拿大和韓國的全年用電量基本持平,預計到2030年,全球AI總耗電將達到約1000TWh,與日本全年用電量持平(即1萬億度電)。
面對AI用電這種“指數級”增長的胃口,傳統數據中心的供電架構正站在崩潰的邊緣。傳統數據中心采用的是基于12V或48V母線、以UPS(不間斷電源)為核心的多級變換架構。該路徑從市電網到高壓配電,UPS,PDU,PSU,VRM等多級電力傳輸,將10-35kV的市電網逐步降壓到1V左右供芯片使用。
美國AI數據中心電力傳輸損耗或可相當于大興區全年用電量的3倍。在傳統架構下,電能從電網到芯片,經歷了4-5次交直流轉換。每一次轉換都伴隨著一定的效率損失。有人計算,光是每段傳輸轉換的效率疊加在一起,傳統架構的傳輸效率就已經低至91%,如果依據這個計算,假如美國AI數據中心全部沿用傳統供電架構的話,2025年美國AI數據中心光是在電力傳輸轉換環節所損耗的電力,就已經是北京市大興區全年用電量的3倍。
為了突破能源困局,解決當前問題,必須對供電架構進行徹底的革新,而其中最具代表性的兩大利器,便是800V高壓直流(800V DC)架構與固態變壓器(SST)。

數據中心當前供電架構與未來SST架構對比(來源:英偉達)
800V高壓直流(800V DC)
首先看800V DC。提升電壓是降低傳輸損耗最直接的手段(P=I2R,電壓越高電流越小)。采用800V直流母線,數據中心可以省去多級AC-DC變換,直接從電網整流成800V DC,一路輸送到服務器內部再進行最后一級降壓。這直接砍掉了傳統架構中至少2級變換環節,系統效率可以大幅提升。
再看SST。不同于傳統笨重的工頻變壓器,SST利用碳化硅功率器件,以極高頻率進行磁耦合,實現了體積縮小80%、功率密度提升5倍的突破。更重要的是,SST能夠主動進行電能質量治理、故障隔離和雙向能量流動。當AI集群發生劇烈負載波動時,SST可以在微秒級時間內響應,這使得供電系統的動態響應速度大幅提升,完美匹配GPU毫秒級的電流跳變。
SST的性能革命離不開碳化硅功率器件的底層支撐。想更深入了解SiC如何重塑SST的物理基因?高頻化帶來的可靠性瓶頸如何跨越?從芯片到系統又如何實現一體化集成?
本期“寬禁帶半導體大講堂”第七期將于6月11日開講。我們特別邀請到四位來自頂尖學術機構與頭部金融機構的權威專家,從“原理—挑戰—實現—藍圖”四個維度,為您系統解讀 “SiC如何定義下一代固態變壓器(SST)”。
《固態變壓器(SST)技術現狀與應用場景全景圖》 —— 成喬升(中金公司研究部副總經理)
《SiC重塑SST:原理、關鍵技術與需求展望》 —— 李馳(清華大學新型電力系統運行與控制全國重點實驗室、能源互聯網研究院副研究員)
《高頻固態變壓器中的絕緣與可靠性分析》 —— 王威望(西安交通大學副教授、博士生導師)
《高頻、高效數據中心SST的電磁暫態建模仿真》 —— 許建中(華北電力大學教授、博士生導師)
掃碼報名,與技術大咖共話能源與算力基礎設施的芯未來!


碳化硅襯底
SiC方案完美匹配800V DC和SST
是什么讓800V DC和SST從“理論可行”走向“工程落地”?答案就是碳化硅。碳化硅(SiC)作為第三代半導體材料,其性能是傳統硅(Si)的“降維打擊”。
在電壓等級上,SiC器件輕松耐壓1200V-1700V,完美覆蓋800V母線需求,而硅MOSFET在高壓環境中工作效率大減;
在開關頻率上,SiC可以工作在100kHz以上,而硅IGBT通常僅20kHz。高頻意味著變壓器和濾波器可以做得極小,這正是SST小型化的物理基礎。
更關鍵的是,SiC器件在高溫、高頻下的導通電阻和開關損耗極低,使得PFC(功率因數校正)和DC-DC變換環節的效率從硅基的98%提升到99.5%以上。

為光能源SST已出貨至西北地區(來源:世紀新能源網)
未來的算力,不僅要跑得更快,更要跑得更“省”。 這既是商業成本的逼迫,也是地球生態的呼喚。唯有讓每一度電都精準燃燒出最大的智能火花,人工智能奔向通用人工智能(AGI)的征途,才不至于在半路因“饑渴”而擱淺。
AI數據中心電源架構的進化,將成為AI產業可持續發展的底層命脈,是衡量“綠色算力”的核心標尺。從傳統的硅基、12V、多級變換,走向碳化硅技術、800V、SST、融合架構,工程師們通過供電架構革新去挖掘效率紅利。

信息來源:天科合達
注:本文綜合自網絡公開信息,僅供行業交流與科普參考。如因信息更新或理解偏差存在不準確之處,歡迎聯系我們指正。本文不對內容完整性或時效性作任何保證,也不構成任何投資或商業決策建議,不對任何后果承擔責任。感謝您的理解與支持。
