Navitas兆瓦级AI数据中心供电架构的门槛：不是功率继续堆高，而是800V进tray后

SysPro


电力电子


技术-技术前瞻

Navitas兆瓦级


AI


数据


中心


供电架构的门槛：不是功率继续堆高，而是800V进tray后GaN和SiC的分工？

SysPro电力电子技术 | 参考来源：Navitas Semiconductor

---

▲AI模型正在把数据中心功耗从服务器问题推成电网级问题，机柜功率从120kW走向600kW、1MW后，传统48V配电路径会越来越吃力。●Navitas这份内容真正有价值的地方，是把800V HV


DC


、SST、10kW/20kW in-tray DC-DC和GaN/SiC器件分工放在同一条AI供电演进路径里。

这篇我们聚焦于：AI数据中心供电，旨在把AI算力电力架构的变化来源、出路讲清楚。

前半段，我们先前用医疗、材料和交通说明AI价值，但工程上更值得关注的是后半段：

AI不是抽象算力故事，而是非常具体的电力基础设施问题。

我更愿意把它理解成


“AI机柜供电电压上移”的路线说明


。



GPU


功率从1.4kW走向3.6kW、6kW，机柜功率从120kW走向600kW和1MW时，供电链路必须重新设计，



800V进入tray就不再只是可选方案



。

SysPro备注：AI数据中心供电的关键转折，是从低压大


电流


横向分配转向更高电压、更靠近负载的分级转换；GaN适合高频低中压级，SiC适合


高压


高功率级，两者共同支撑800V机柜和tray级供电。

|SysPro备注：简述下in-tray的意思：以前可能在机柜


电源


shelf 里先把高压降到 48/50V，再送到 GPU tray，现在趋势是把 800V HVDC直接送到 GPU/compu


te


tray 内部，然后在 tray 内用高密度 DC-DC 降压。这样做的好处是电流小、铜排和


连接器


压力小、机柜功率密度更高，但难的是tray内部空间很薄，散热很难，还要做到高效率和高功率密度。

---

一、为什么AI会把供电问题推到电力基础设施层？

开始讲800V供电前，需要先看清楚AI负载为什么会变成电源架构问题

。

下面两张图是关于材料科学和药物发现这类应用场景，以揭示：

AI计算需求并不是短期热点，而是会持续扩展到科研、工业和设计流程中

。

对数据中心供电来说，这意味着用电负载不是偶发峰值，而是长期上行曲线，这背后是




计算需求、机柜功率、冷却和配电基础设施一起推高




。

图片来源：Navitas Semiconductor | AI在医疗场景中的价值说明：算力需求背后对应的是更高密度、更连续的数据中心负载

图片来源：Navitas Semiconductor | AI材料发现把搜索空间从数万扩展到数百万级，解释了算力和电力需求为什么会持续扩大

此外，交通场景则说明AI也会进入城市级优化系统。

可见：

AI应用越多，算力基础设施越需要规模化部署，



数据中心


电力系统


就越接近公共基础设施问题


。

---

二、AI任务功耗差异巨大，数据中心电力需求不是线性增长

进入功耗本身，最关键的变化不是服务器数量增加，而是单个AI任务的相对能耗显著高于传统互联网服务。


当任务从搜索走向语言、图像和视频生成，电力需求会以非线性方式上升。

图片来源：Navitas Semiconductor | 不同AI任务相对功耗差异巨大，视频AI相对传统搜索可达到万倍级别

这类增长一旦进入大规模商用，就会反映到整个数据中心电力版图。

AI数据中心不再只是IT机房内部优化，而会



影响区域电网、变电、备用电源和冷却基础设施规划



。

图片来源：Nature | AI需求对能源的冲击已经进入全球电力讨论，数据中心不再是局部IT负载

从区域预测看，数据中心电力需求



未来十年可能出现数倍增长


。

这个趋势说明，供电架构不能只靠提升单台PSU效率来解决，必须



重新设计机柜和rack级配电



。

图片来源：Navitas Semiconductor | 数据中心电力需求未来十年可能数倍增长，不同区域都会承受新增电力压力

服务器侧仍是主要电力消耗来源，而GPU/TPU正在把服务器功耗推向更高水平。


冷却和存储也会跟随增加，所以，电源架构要同时服务计算功率和散热基础设施。

图片来源：IEA | 服务器、冷却和存储共同构成数据中心能耗，GPU/TPU正在推高服务器侧占比

---

三、GPU功率爆炸后，rack供电必须从120kW走向600kW和1MW

下面我们回归到AI服务器供电架构，说说这背后的逻辑。

这里最关键的不是某一代GPU功耗数字，而是rack power的量级变化。当单GPU走向1.4kW、3.6kW、6kW，



机柜内电流、母排、连接器、冷却



和



保护



都会同步升级。

此外，NVIDIA服务器供电趋势图页反映出一个现实：


AI服务器内部已经不只是增加PSU数量，而是在改变供电层级、母线电压、负载点距离和机柜电力组织方式。

当rack功率走到数百kW甚至MW级，低压大电流配电会变得非常不经济，继续在48V侧长距离传输，会把铜损、连接器体积、热管理和保护器件都推到不合理边界。




为解决这个问题，这就引出了下面我们聊的800V进tray的概念。

图片来源：NVIDIA | GPU功率从1.4kW到6kW，机柜功率从120kW、600kW走向1MW

---

四、800V架构的核心逻辑：先把大电流问题推迟到更靠近负载的位置

800V HVDC的本质不是简单升压，而是把长距离配电从低压大电流变成高压小电流，再在tray或板级附近降压。



这将降低母线电流、线缆损耗和机柜配电压力，但会把隔离、保护和DC-DC密度推到前台。

同时，这一需求的出现也解释了为什么固态变压器SST会出现在这条主线...

...

[知识星球发布]

图片来源：Navitas Semiconductor | AI数据中心架构从48V/12V向800V HVDC、多MW机柜和in-tray DC-DC演进

---

五、in-tray DC-DC才是真正的密度战场

当800V进入tray以后，真正难题转向



高压到低压的高密度DC-DC



。

我们从Navitas给出的10kW和20kW指标，可以看出：



目标已经不只是效率，而是效率、厚度、功率密度和散热同时成立



...

......

[知识星球发布]

六、GaN和SiC的分工：不是谁替代谁，而是谁站在哪一级

有人可能会问：800V数据中心到底是GaN主导还是SiC主导？

答案是：分工。高压、高功率、隔离和前端级更需要SiC；高频、高密度、中低压DC-DC和局部转换更适合GaN。这给了我们三个层面的判断和启示：...

...

[知识星球发布]

SysPro总结

AI机柜供电的下一步不是简单把电源做大，而是把配电电压抬高到800V，并把高密度DC-DC转换推进tray内。GaN和SiC不是替代关系，而是在800V HVDC、SST、10kW/20kW DC-DC和rack供电演进中各自承担不同层级。

感谢你的阅读，希望有所帮助！

延伸阅读与参考说明

本篇为主题



AI数据中心供电_Navitas 800V in-tray供电与GaN/SiC功率架构



学习总结，完整参考资料与扩展阅读已整理在



「SysPro电力电子技术」



知识星球中。本文聚焦：



AI数据中心供电、800V HVDC、in-tray DC-DC、GaN、SiC、SST、1MW机柜、tray级电源转换

更多关于




800V数据中心供电、AI机柜电源、GaNFast、GeneSiC、固态变压器、tray级DC-DC和高密度电源架构




的技术资料和前瞻洞察，请在知识星球中查阅。