一、背景说明 

近年来，生成式 AI 技术快速崛起，包括 ChatGPT、AI 绘图、大型语言模型（LLM）与 AI Agent 等应用，皆高度依赖 GPU 的大规模平行运算能力。随着模型参数规模持续扩张，AI 训练与推论所需的运算密度也急遽提高，导致 AI 服务器功耗快速攀升。

过去传统资料中心主要采用 48V/54V 电源架构，单一机柜功耗多落于 10kW～30kW。然而进入 AI 时代后，高密度 GPU 机柜功率已提升至 120kW、250kW，甚至朝向 1MW 以上迈进，传统供电与散热架构正逐渐面临瓶颈。

为因应超高功率与高密度运算需求，新世代 AI 资料中心正逐步导入以下关键技术：

· 高压直流供电（HVDC）

· 液冷散热技术

· 集中式 Power Shelf 架构

· SiC/GaN 功率半导体

· 固态变压器（SST）

· 垂直供电（Vertical Power）

其核心目标在于：

· 提升供电效率

· 降低能量损耗

· 减少热能产生

· 支援超高密度 AI 运算架构

· 建立新世代 AI 能源基础设施

二、Power Shelf 的重要性 

在新世代 AI 服务器架构中，Power Shelf 已成为机柜级供电系统（Rack-Level Power Architecture）的核心。

Power Shelf 可视为 AI 机柜的「集中式供电与电力管理平台」，主要负责：

· 将外部电力转换为服务器所需电压

· 统一分配电力至 GPU、CPU 与网络设备

· 提供高效率电源转换

· 稳定高密度 GPU 负载

· 降低供电损耗与热能产生

过去 Power Supply Unit（PSU）多采分散式设计，但 AI GPU 机柜功耗快速上升后，传统 PSU 架构开始面临：

· 空间不足

· 线材过多

· 电流过高

· 散热困难

· 维护复杂化

因此新一代 AI 机柜逐渐改采集中式 Power Shelf 架构，将高功率 AC/DC 或 HVDC 转换集中于机柜侧，再统一配送至 GPU 与 CPU 模块。

Power Shelf 已不再只是传统 PSU 的延伸，而是影响 AI 系统效能、供电稳定性、能源效率与散热设计的关键基础设施。

三、传统 48V 架构的限制 

 传统 48V/54V 电源架构原本适用于一般云端服务器，但在高密度 AI 运算环境中，其限制逐渐浮现。

根据功率公式：P=V⋅I

在功率固定的情况下，若电压较低，系统便需要更高电流才能输送相同功率。

这将导致：

· 线材发热增加

· 铜损（Copper Loss）提升

· 电源效率下降

· 散热压力大幅增加

· 配线体积与重量增加

当单一 AI 机柜功耗提升至数百 kW 时，传统 48V 架构已难以有效支撑高密度 GPU 运算需求。

目前传统供电架构整体效率多落于约 85%～89%，能量损耗与散热成本已成为 AI 资料中心的重要瓶颈。

四、800V HVDC 的崛起 

为解决高功率 AI 运算所带来的供电问题，资料中心正逐步导入 400V～800V 的 HVDC（High Voltage Direct Current）架构。

其核心理念为：

「提高电压、降低电流」

透过提升供电电压，可有效降低电流与传输损耗，进而改善整体供电效率。

HVDC 架构具备以下优势：

· 降低电力传输损耗

· 减少热能产生

· 提升供电效率

· 降低线材使用量

· 提升空间利用率

· 更适合高密度 AI 机柜

相较传统供电架构，HVDC 系统效率可提升至约 92%～95%，在大型 AI 资料中心中具备明显优势。

五、AI 机柜功耗快速成长 

AI GPU 平台功耗正以惊人速度攀升。

以 NVIDIA 新世代 AI 平台为例，单一 AI 机柜功率已从过去的数十 kW，大幅提升至数百 kW。

部分下一代设计甚至已朝向 1MW～2MW 等级迈进，代表 AI 资料中心正式进入「超高功率时代」。

这意味着：

未来单一 AI 机柜的耗电量，可能相当于一整层办公室甚至小型工厂。

供电、散热与能源管理的重要性，也因此大幅提升。

六、高密度 AI 机柜功耗与散热趋势比较表 

从上述趋势可明显看出：

· AI 机柜功率正快速突破传统资料中心设计极限

· 液冷技术将逐步取代风冷

· 高压 HVDC 与集中式 Power Shelf 将成为主流

· 未来可能全面迈向机柜级能源平台设计

七、HVDC 的两种架构模式 

1. 过渡型 HVDC 架构

目前多数 AI 资料中心采用「过渡型 HVDC」方案，其供电流程如下：

 市电（AC）

→ UPS

→ 800V DC 母线

→ Power Shelf

→ 48V/54V DC

→ DC-DC 模块

→ GPU/CPU

架构特点

市电输入

 电网提供 10kV～33kV 高压交流电。

 UPS 系统

 将 AC 转换为 DC，并提供备援电池功能。

 HVDC Bus

 形成 400V～800V 的高压直流主干供电系统。

 Power Shelf

 将 800V DC 转换为 48V/54V DC，并统一供应整个 AI 机柜。

 服务器端 DC-DC 模块

 再进一步转换为 GPU/CPU 所需低电压。

优点

· 可沿用既有机房设备

· 导入速度快

· 改建成本较低

缺点

· 电力转换层级较多

· 能量损耗仍高

· 系统效率约 89%

2. 固态变压器（SST）架构

固态变压器（SST, Solid State Transformer）被视为下一世代 AI 资料中心的重要供电技术。

SST 最大特点在于：

可直接将 10kV～33kV 高压交流电转换为 800V DC

相较传统架构，SST 可大幅减少电力转换层级，因此具备：

· 更高供电效率

· 更低能量损耗

· 更小设备体积

· 更佳电力质量

· 更高整合度

目前 SST 仍处于验证与试点阶段，但包括：

· Hitachi

· ABB

· Schneider Electric

· Ampersand

· DG Matrix

等企业皆已开始布局 AI 资料中心 SST 技术。

未来大型 AI 资料中心有望逐步导入 SST 作为核心供电架构。

八、什么是固态变压器（SST）？

固态变压器（SST）是一种利用功率半导体与高频电力电子技术，取代传统铁芯变压器的新型供电系统。

其核心技术主要来自：

· SiC（碳化硅）

· GaN（氮化镓）

等高效率功率元件。

SST 可在高频状态下进行 AC/DC 高效率转换。

SST 核心特点

高效率转换

效率可达 92%～95%，部分设计甚至接近 98%。

小型化

高频变压器可大幅缩小体积。

双向 AC/DC 转换

可支援未来直流资料中心架构。

智慧控制

具备数位控制、远端监控与谐波抑制能力。

模块化设计

可依负载需求弹性扩充与维护。

九、SST 与 HVDC 比较 

HVDC 优势

· 架构成熟

· 成本效益高

· 可逐步升级既有机房

SST 优势

· 效率更高

· 系统更小型化

· 更适合未来超高密度 AI 机柜

十、未来发展方向 

未来 AI 资料中心将朝向以下方向发展：

1MW 机柜时代

高压 HVDC、高密度供电与三相电源将成为标准。

SiC/GaN 普及

具备高耐压、高效率、低损耗与小型化优势。

液冷全面普及

液冷与两相浸没式散热将逐步取代传统风冷。

垂直供电（Vertical Power）

DC-DC 模块直接靠近 GPU 芯片，以缩短供电路径并降低损耗。

机柜级能源平台

Power Shelf 将逐步演变为整合：

· 电力转换

· 能源管理

· 热管理

· 实时监控

的核心能源平台。

十一、AI 资料中心面临的挑战 

电网压力增加

AI 负载变动剧烈，未来资料中心将需要：

· 大型储能系统

· 智慧电网

· 动态能源管理

以维持电力稳定。

机柜空间不足

GPU、交换器与液冷设备大量占用空间，Power Shelf 的整合难度也持续提高。

能源消耗快速攀升

预估至 2030 年，全球资料中心耗电量可能达：700TWh～1,000TWh

因此再生能源、节能技术与高效率供电架构将成为必要配套。

十二、结论 

AI 服务器与资料中心的发展方向已十分明确：

更高电压、更大功率、更高效率，以及更强散热能力。

未来关键技术将包括：

· 800V HVDC

· 1MW 高密度机柜

· SiC/GaN 功率元件

· 液冷散热技术

· 固态变压器（SST）

· 集中式 Power Shelf 架构

其中，Power Shelf 也将从传统电源模块，逐步演变为 AI 基础建设中的核心能源平台，成为影响 AI 运算效能、供电稳定性与能源效率的关键技术之一。