夜雨聆风
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
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。
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。
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。
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。
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
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。
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。
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
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。
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。
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。
