乐于分享
好东西不私藏

AI算力时代 DC800V如何重塑AI数据中心供电

AI算力时代 DC800V如何重塑AI数据中心供电

⚡ AI算力时代

DC800V如何重塑AI数据中心供电

阅读时间:10分钟 | 难度:⭐⭐⭐⭐

📖 本文导航

① 算力狂奔,供电告急② 54V的物理极限③ 800V DC核心架构④ AI负载的过山车效应⑤ 储能:缓冲器角色⑥ 演进路径与挑战

💡 概述

  DC800V是NVIDIA为AI超算打造的新一代供电架构,将机架电压从54V一举提升至800V,电流降低15倍以上,铜损骤降,让单机柜轻松支撑1MW级负载,同时借助分层储能驯服AI负载的剧烈波动,是AI工厂从“能用”迈向“好用”的关键基础设施革命。         

🔥 算力狂奔,供电跟不上了

  十年前,一个机架功耗不过5-10kW,风冷足够。如今,NVIDIA GB200 NVL72单机架功耗已突破120kW,而下一代B300单卡功耗将超1400W,规划中的单机架目标直奔1兆瓦(MW)  GPU代际性能提升50倍,功耗仅增75%——看似效率飞跃,但NVLink域从32卡扩至72卡,机架功率密度直接飙升3.4倍。传统供电架构的每一根铜缆、每一个转换级,都在发出刺耳的极限警报。

01  54V的物理极限:铜、空间与损耗

  传统AI机架沿用54V直流母线,这套体系为千瓦级设计,如今却被硬塞进兆瓦级负载——后果不堪设想。         

铜耗黑洞1MW机架需要200kg铜母线 

  1MW功率通过54V传输,电流高达18519A。所需铜母线截面积是800V方案的16倍。一个1GW规模的数据中心,仅机架母线就需消耗50万吨铜——这不仅是成本问题,更是全球铜供应链无法承受之重。             

空间噩梦电源架占据64U,计算设备无处安放 

  GB200 NVL72已需8个电源架,若沿用54V,兆瓦级机架的电源模块将填满整个机柜(64U),留给GPU和交换机的空间几乎为零。而800V架构下,电源转换环节可移出计算区,将宝贵空间还给算力。             

损耗链条五级转换,每一级都在发热

  从电网到GPU,传统路径需经过中压变压器、低压配电、UPS、PDU、机架PSU等5次以上转换,综合效率通常在85%-90%。800V DC架构将AC-DC一步上提到前端,机架内仅需一次DC-DC(800V→12V),总转换环节压缩至2级,效率跃升至98%以上。             

📐 800V对比54V:赤裸裸的数据

传输1MW功率所需电流

54V DC:I = 1,000,000 ÷ 54 = 18519 A380V AC:I = 1,000,000 ÷ 380 ÷1.732 ≈ 1519 A800V DC:I = 1,000,000 ÷ 800 = 1250 A

800V电流仅为54V的6.8%,I²R损耗降低至原来的1/215!

02  800V DC核心架构:把交流电“赶出”数据中心

  NVIDIA的思路简单而颠覆:将AC-DC转换不断上移,直到800V高压直流一路直达机架门口。

🔗 新旧链路对比

传统(54V)

中压AC → 变压器 → 低压配电 → UPS → PDU → 机架PSU(AC-DC) → 54V母线 → 板卡DC-DC → GPU

DC800V(目标)

中压AC → 中压整流器/SST → 800V DC母线 → 机架内DC-DC(800V→12V) → GPU

* 中间环节从5级以上压缩至2级,转换损耗减少超过60%

⚙️ 三大核心技术组件

① 前端整流器:采用SiC/GaN器件,效率>98.5%,支持35kV中压直转800V DC(单机3.5-7.5MVA)。② 800V直流配电:全绝缘母线,配置固态断路器(动作时间微秒级),配合绝缘监测和电弧防护。③ 机架内DC-DC:800V→12V(或6V),采用LLC谐振拓扑,功率密度达5-10kW/单元,紧贴GPU放置,缩短低压走线。             

03  AI负载像“过山车”:同步性是最大变量

⚠️ 同步功率尖峰

  大模型训练时,数千GPU以几乎相同的节奏执行矩阵计算与数据同步,机架功耗可在毫秒级内从30%空闲跃升至100%,又迅速回落。这种波动在整座数据大厅叠加,表现为数百兆瓦功率在数秒内的剧烈起伏。  电网运营商因此要求更苛刻的负载灵活性,并网审批已成为AI工厂部署的最大瓶颈之一。             

📉 后果:按峰值设计,成本失控

  若不加处理,配电系统必须按峰值电流(而非平均值)设计,导致变压器、线缆、断路器全部过配,CAPEX飙升30%-50%。同时,波动带来的RMS电流增加会使线路损耗额外上升25%。因此,在波动源头就近“缓冲”成为必然选择。

04  储能:给AI负载装上“缓冲器”

  NVIDIA白皮书提出了多时间尺度储能策略,让电网看到的是一头温顺的“大象”,而不是一匹失控的“野马”。         

毫秒级电解电容/超级电容             

  应对GPU负载的瞬态尖峰(<100ms),体积小、响应快,直接部署在机架内或GPU附近。             

秒至分钟级高倍率电池             

  覆盖计算与通信阶段的交替(1-60秒),通常部署在机架行级或列级。             

分钟以上大型BESS(电池储能系统)             

  实现负荷平均、电网支撑(构网型逆变器)、以及市电-发电机切换时的过渡电源,通常部署在数据中心园区级。             

💡 实战案例

  GTC 2025上,NVIDIA展示了基于800V DC的电源机架原型,集成72kW电源单元+锂离子超级电容器,效率达98%,占地面积减少30%。该方案已开始向头部云厂商送样。             

05  演进路线与落地挑战

  NVIDIA白皮书描绘了清晰的代际路径,但每走一步都需攻克现实难题。

🗓️ 四代演进路线

第一代(当前):传统UPS+低压AC,已到极限。第二代(2026,NVL144率先落地):引入HVDC侧边柜(Sidecar),AC-DC移出计算架,800V DC直送机架,过渡期保留UPS。施耐德电气已推出集中式Sidecar方案,预计2027年初量产。第三代(2027,NVL576应用):取消UPS,整合自发电设施(燃气轮机、SOFC)与电化学储能,应对剧烈功率波动。第四代(2028-2030):中压整流器(35kV AC→800V DC,2028商用)或固态变压器SST(2029-2030),实现“硅进铜退”,供电占地面积减半,轻载效率提升5%。             

⚠️ 挑战1:安全与标准滞后

  800V DC电弧风险高于交流,且直流故障无自然过零点,保护更难。目前UL、IEC针对数据中心室内DC配电的标准仍在完善中,ODCC等组织正加速推进。NVIDIA已联合20余家伙伴(英飞凌、台达、施耐德等)共同制定规范。 

⚠️ 挑战2:设备生态尚不成熟

  800V级直流断路器、隔离开关、连接器、DC-DC模块的供应链仍在建设中。好消息是,Foxconn正在台湾建设40MW的800V DC数据中心进行实测,CoreWeave、Lambda、Oracle等也在设计类似方案,将加速生态成熟。

⚠️ 挑战3:直流保护策略

  正泰在ODCC 2026夏季全会上指出,需构建“故障控制”而非单纯“故障切除”的多级协同保护。从直流专用断路器到全固态断路器(动作时间从毫秒级压缩到微秒级),配合快速绝缘监测和弧光检测,是当前技术攻关的核心。

🎯 知识小测试

问题1:DC800V相比54V,传输1MW功率时电流约为后者的多少?

A. 1/4 B. 1/8 C. 约1/15 D. 1/30             

答案:C解析:54V下电流≈18519A,800V下电流=1250A,比值≈6.8%,即约1/15。

问题2:AI负载的同步性会导致什么后果?

A. 电网更稳定B. 功率在毫秒级内剧烈波动,要求按峰值设计C. 降低整体功耗D. 无需储能

答案:B解析:同步GPU工作负载导致功率尖峰,迫使系统按峰值容量设计,成本飙升,并给电网带来冲击,因此需要分层储能缓冲。

📝 本文小结

1. 54V供电已无法支撑单机架100kW+的AI算力需求,铜耗、空间、效率全面告急。2. DC800V将电压一举提升至800V,电流降低至1/15,损耗骤降,铜材节省70%以上。3. 架构核心:AC-DC上移前端,机架内仅剩DC-DC,转换环节从5级压缩至2级。4. AI负载的同步波动是隐藏杀手,需毫秒至分钟级分层储能协同应对。5. 演进路径清晰:侧边柜→整合自发电→中压整流器/SST,但安全标准、设备生态和保护策略仍需攻坚。6. 这项革命已从纸面走向工程,Foxconn、CoreWeave等先行者正在实测,未来两年将是关键落地期。             

📚 延伸阅读

• NVIDIA 800V DC白皮书(2025 OCP)• ODCC 2026夏季全会-直流配电专题• 施耐德电气Sidecar白皮书• 电动汽车800V平台对数据中心的启示         

📖 名词解释

HVDC:高压直流(High Voltage Direct Current)SiC:碳化硅(宽禁带半导体,耐高压)GaN:氮化镓(宽禁带半导体,高频)SST:固态变压器(Solid-State Transformer)BESS:电池储能系统(Battery Energy Storage System)NVLink:NVIDIA GPU高速互联技术         

关注我们 共同成长