一、背景說明 

近年來，生成式 AI 技術快速崛起，包括 ChatGPT、AI 繪圖、大型語言模型（LLM）與 AI Agent 等應用，皆高度依賴 GPU 的大規模平行運算能力。隨著模型參數規模持續擴張，AI 訓練與推論所需的運算密度也急遽提高，導致 AI 伺服器功耗快速攀升。

過去傳統資料中心主要採用 48V/54V 電源架構，單一機櫃功耗多落於 10kW～30kW。然而進入 AI 時代後，高密度 GPU 機櫃功率已提升至 120kW、250kW，甚至朝向 1MW 以上邁進，傳統供電與散熱架構正逐漸面臨瓶頸。

為因應超高功率與高密度運算需求，新世代 AI 資料中心正逐步導入以下關鍵技術：

· 高壓直流供電（HVDC）

· 液冷散熱技術

· 集中式 Power Shelf 架構

· SiC/GaN 功率半導體

· 固態變壓器（SST）

· 垂直供電（Vertical Power）

其核心目標在於：

· 提升供電效率

· 降低能量損耗

· 減少熱能產生

· 支援超高密度 AI 運算架構

· 建立新世代 AI 能源基礎設施

二、Power Shelf 的重要性 

在新世代 AI 伺服器架構中，Power Shelf 已成為機櫃級供電系統（Rack-Level Power Architecture）的核心。

Power Shelf 可視為 AI 機櫃的「集中式供電與電力管理平臺」，主要負責：

· 將外部電力轉換為伺服器所需電壓

· 統一分配電力至 GPU、CPU 與網路設備

· 提供高效率電源轉換

· 穩定高密度 GPU 負載

· 降低供電損耗與熱能產生

過去 Power Supply Unit（PSU）多采分散式設計，但 AI GPU 機櫃功耗快速上升後，傳統 PSU 架構開始面臨：

· 空間不足

· 線材過多

· 電流過高

· 散熱困難

· 維護複雜化

因此新一代 AI 機櫃逐漸改採集中式 Power Shelf 架構，將高功率 AC/DC 或 HVDC 轉換集中於機櫃側，再統一配送至 GPU 與 CPU 模組。

Power Shelf 已不再只是傳統 PSU 的延伸，而是影響 AI 系統效能、供電穩定性、能源效率與散熱設計的關鍵基礎設施。

三、傳統 48V 架構的限制 

 傳統 48V/54V 電源架構原本適用於一般雲端伺服器，但在高密度 AI 運算環境中，其限制逐漸浮現。

根據功率公式：P=V⋅I

在功率固定的情況下，若電壓較低，系統便需要更高電流才能輸送相同功率。

這將導致：

· 線材發熱增加

· 銅損（Copper Loss）提升

· 電源效率下降

· 散熱壓力大幅增加

· 配線體積與重量增加

當單一 AI 機櫃功耗提升至數百 kW 時，傳統 48V 架構已難以有效支撐高密度 GPU 運算需求。

目前傳統供電架構整體效率多落於約 85%～89%，能量損耗與散熱成本已成為 AI 資料中心的重要瓶頸。

四、800V HVDC 的崛起 

為解決高功率 AI 運算所帶來的供電問題，資料中心正逐步導入 400V～800V 的 HVDC（High Voltage Direct Current）架構。

其核心理念為：

「提高電壓、降低電流」

透過提升供電電壓，可有效降低電流與傳輸損耗，進而改善整體供電效率。

HVDC 架構具備以下優勢：

· 降低電力傳輸損耗

· 減少熱能產生

· 提升供電效率

· 降低線材使用量

· 提升空間利用率

· 更適合高密度 AI 機櫃

相較傳統供電架構，HVDC 系統效率可提升至約 92%～95%，在大型 AI 資料中心中具備明顯優勢。

五、AI 機櫃功耗快速成長 

AI GPU 平臺功耗正以驚人速度攀升。

以 NVIDIA 新世代 AI 平臺為例，單一 AI 機櫃功率已從過去的數十 kW，大幅提升至數百 kW。

部分下一代設計甚至已朝向 1MW～2MW 等級邁進，代表 AI 資料中心正式進入「超高功率時代」。

這意味著：

未來單一 AI 機櫃的耗電量，可能相當於一整層辦公室甚至小型工廠。

供電、散熱與能源管理的重要性，也因此大幅提升。

六、高密度 AI 機櫃功耗與散熱趨勢比較表 

從上述趨勢可明顯看出：

· AI 機櫃功率正快速突破傳統資料中心設計極限

· 液冷技術將逐步取代風冷

· 高壓 HVDC 與集中式 Power Shelf 將成為主流

· 未來可能全面邁向機櫃級能源平臺設計

七、HVDC 的兩種架構模式 

1. 過渡型 HVDC 架構

目前多數 AI 資料中心採用「過渡型 HVDC」方案，其供電流程如下：

 市電（AC）

→ UPS

→ 800V DC 母線

→ Power Shelf

→ 48V/54V DC

→ DC-DC 模組

→ GPU/CPU

架構特點

市電輸入

 電網提供 10kV～33kV 高壓交流電。

 UPS 系統

 將 AC 轉換為 DC，並提供備援電池功能。

 HVDC Bus

 形成 400V～800V 的高壓直流主幹供電系統。

 Power Shelf

 將 800V DC 轉換為 48V/54V DC，並統一供應整個 AI 機櫃。

 伺服器端 DC-DC 模組

 再進一步轉換為 GPU/CPU 所需低電壓。

優點

· 可沿用既有機房設備

· 導入速度快

· 改建成本較低

缺點

· 電力轉換層級較多

· 能量損耗仍高

· 系統效率約 89%

2. 固態變壓器（SST）架構

固態變壓器（SST, Solid State Transformer）被視為下一世代 AI 資料中心的重要供電技術。

SST 最大特點在於：

可直接將 10kV～33kV 高壓交流電轉換為 800V DC

相較傳統架構，SST 可大幅減少電力轉換層級，因此具備：

· 更高供電效率

· 更低能量損耗

· 更小設備體積

· 更佳電力品質

· 更高整合度

目前 SST 仍處於驗證與試點階段，但包括：

· Hitachi

· ABB

· Schneider Electric

· Ampersand

· DG Matrix

等企業皆已開始佈局 AI 資料中心 SST 技術。

未來大型 AI 資料中心有望逐步導入 SST 作為核心供電架構。

八、什麼是固態變壓器（SST）？

固態變壓器（SST）是一種利用功率半導體與高頻電力電子技術，取代傳統鐵芯變壓器的新型供電系統。

其核心技術主要來自：

· SiC（碳化矽）

· GaN（氮化鎵）

等高效率功率元件。

SST 可在高頻狀態下進行 AC/DC 高效率轉換。

SST 核心特點

高效率轉換

效率可達 92%～95%，部分設計甚至接近 98%。

小型化

高頻變壓器可大幅縮小體積。

雙向 AC/DC 轉換

可支援未來直流資料中心架構。

智慧控制

具備數位控制、遠端監控與諧波抑制能力。

模組化設計

可依負載需求彈性擴充與維護。

九、SST 與 HVDC 比較 

HVDC 優勢

· 架構成熟

· 成本效益高

· 可逐步升級既有機房

SST 優勢

· 效率更高

· 系統更小型化

· 更適合未來超高密度 AI 機櫃

十、未來發展方向 

未來 AI 資料中心將朝向以下方向發展：

1MW 機櫃時代

高壓 HVDC、高密度供電與三相電源將成為標準。

SiC/GaN 普及

具備高耐壓、高效率、低損耗與小型化優勢。

液冷全面普及

液冷與兩相浸沒式散熱將逐步取代傳統風冷。

垂直供電（Vertical Power）

DC-DC 模組直接靠近 GPU 晶片，以縮短供電路徑並降低損耗。

機櫃級能源平臺

Power Shelf 將逐步演變為整合：

· 電力轉換

· 能源管理

· 熱管理

· 即時監控

的核心能源平臺。

十一、AI 資料中心面臨的挑戰 

電網壓力增加

AI 負載變動劇烈，未來資料中心將需要：

· 大型儲能系統

· 智慧電網

· 動態能源管理

以維持電力穩定。

機櫃空間不足

GPU、交換器與液冷設備大量佔用空間，Power Shelf 的整合難度也持續提高。

能源消耗快速攀升

預估至 2030 年，全球資料中心耗電量可能達：700TWh～1,000TWh

因此再生能源、節能技術與高效率供電架構將成為必要配套。

十二、結論 

AI 伺服器與資料中心的發展方向已十分明確：

更高電壓、更大功率、更高效率，以及更強散熱能力。

未來關鍵技術將包括：

· 800V HVDC

· 1MW 高密度機櫃

· SiC/GaN 功率元件

· 液冷散熱技術

· 固態變壓器（SST）

· 集中式 Power Shelf 架構

其中，Power Shelf 也將從傳統電源模組，逐步演變為 AI 基礎建設中的核心能源平臺，成為影響 AI 運算效能、供電穩定性與能源效率的關鍵技術之一。