自从ChatGPT横空出世，人类社会发生了十分显著的变化，现在Deepseek、豆包、ChatGPT、Gemini等国内外人工智能大模型已经或多或少成为生活的一部分，很多人开始用Vibe Coding进行编程工作，OpenClaw掀起全民“养虾”热潮，AI人工智能大模型已经切实的改变了我们的生活。

你在用哪种AI工具？

但是很少人知道，人工智能大模型在过去几年的飞速进步不仅来自于GPU、算法的不断进步与迭代，更离不开背后电力的海量支撑。

AI数据中心消耗巨大的电力

英伟达GPU单机柜功率随GPU能力增长节节攀升（来源：英伟达）

据统计AI数据中心用电惊人

有人估算，2019年人工智能大模型的标志性模型——GPT-2的估算训练成本约4.3万美元，耗电需约5万度。可是在2026年，OpenAI公司目前最强大的GPT-5.5模型，整体训练成本约在数亿至十几亿美金之间，电力消耗达到惊人的数千万至数亿度的量级，未来数据中心电力消耗将成为影响AI发展的关键问题。

据统计，2025年，全球AI总耗电已经达到约600TWh，这与加拿大和韩国的全年用电量基本持平，预计到2030年，全球AI总耗电将达到约1000TWh，与日本全年用电量持平（即1万亿度电）。

传统数据中心架构损耗弊端凸显

面对AI用电这种“指数级”增长的胃口，传统数据中心的供电架构正站在崩溃的边缘。传统数据中心采用的是基于12V或48V母线、以UPS（不间断电源）为核心的多级变换架构。该路径从市电网到高压配电，UPS，PDU，PSU，VRM等多级电力传输，将10-35kV的市电网逐步降压到1V左右供芯片使用。

美国AI数据中心电力传输损耗或可相当于大兴区全年用电量的3倍。在传统架构下，电能从电网到芯片，经历了4-5次交直流转换。每一次转换都伴随着一定的效率损失。有人计算，光是每段传输转换的效率叠加在一起，传统架构的传输效率就已经低至91%，如果依据这个计算，假如美国AI数据中心全部沿用传统供电架构的话，2025年美国AI数据中心光是在电力传输转换环节所损耗的电力，就已经是北京市大兴区全年用电量的3倍。

高压直流母线与固态变压器成为破局关键

为了突破能源困局，解决当前问题，必须对供电架构进行彻底的革新，而其中最具代表性的两大利器，便是800V高压直流（800V DC）架构与固态变压器（SST）。

数据中心当前供电架构与未来SST架构对比（来源：英伟达）

800V高压直流（800V DC）

首先看800V DC。提升电压是降低传输损耗最直接的手段（P=I2R，电压越高电流越小）。采用800V直流母线，数据中心可以省去多级AC-DC变换，直接从电网整流成800V DC，一路输送到服务器内部再进行最后一级降压。这直接砍掉了传统架构中至少2级变换环节，系统效率可以大幅提升。

固态变压器（SST）

再看SST。不同于传统笨重的工频变压器，SST利用碳化硅功率器件，以极高频率进行磁耦合，实现了体积缩小80%、功率密度提升5倍的突破。更重要的是，SST能够主动进行电能质量治理、故障隔离和双向能量流动。当AI集群发生剧烈负载波动时，SST可以在微秒级时间内响应，这使得供电系统的动态响应速度大幅提升，完美匹配GPU毫秒级的电流跳变。

SST的性能革命离不开碳化硅功率器件的底层支撑。想更深入了解SiC如何重塑SST的物理基因？高频化带来的可靠性瓶颈如何跨越？从芯片到系统又如何实现一体化集成？

本期“宽禁带半导体大讲堂”第七期将于6月11日开讲。我们特别邀请到四位来自顶尖学术机构与头部金融机构的权威专家，从“原理—挑战—实现—蓝图”四个维度，为您系统解读 “SiC如何定义下一代固态变压器（SST）”。

• 《固态变压器（SST）技术现状与应用场景全景图》 —— 成乔升（中金公司研究部副总经理）
• 《SiC重塑SST：原理、关键技术与需求展望》 —— 李驰（清华大学新型电力系统运行与控制全国重点实验室、能源互联网研究院副研究员）
• 《高频固态变压器中的绝缘与可靠性分析》 —— 王威望（西安交通大学副教授、博士生导师）
• 《高频、高效数据中心SST的电磁暂态建模仿真》 —— 许建中（华北电力大学教授、博士生导师）

扫码报名，与技术大咖共话能源与算力基础设施的芯未来！

800V DC与SST的碳化硅方案正走向实用

碳化硅衬底

SiC方案完美匹配800V DC和SST

是什么让800V DC和SST从“理论可行”走向“工程落地”？答案就是碳化硅。碳化硅（SiC）作为第三代半导体材料，其性能是传统硅（Si）的“降维打击”。

在电压等级上，SiC器件轻松耐压1200V-1700V，完美覆盖800V母线需求，而硅MOSFET在高压环境中工作效率大减；

在开关频率上，SiC可以工作在100kHz以上，而硅IGBT通常仅20kHz。高频意味着变压器和滤波器可以做得极小，这正是SST小型化的物理基础。

更关键的是，SiC器件在高温、高频下的导通电阻和开关损耗极低，使得PFC（功率因数校正）和DC-DC变换环节的效率从硅基的98%提升到99.5%以上。

AI时代迫切需要基于SiC的供电技术革命

为光能源SST已出货至西北地区（来源：世纪新能源网）

SiC技术推动电源架构向更高效率进化

未来的算力，不仅要跑得更快，更要跑得更“省”。 这既是商业成本的逼迫，也是地球生态的呼唤。唯有让每一度电都精准燃烧出最大的智能火花，人工智能奔向通用人工智能（AGI）的征途，才不至于在半路因“饥渴”而搁浅。

AI数据中心电源架构的进化，将成为AI产业可持续发展的底层命脉，是衡量“绿色算力”的核心标尺。从传统的硅基、12V、多级变换，走向碳化硅技术、800V、SST、融合架构，工程师们通过供电架构革新去挖掘效率红利。

信息来源：天科合达

注：本文综合自网络公开信息，仅供行业交流与科普参考。如因信息更新或理解偏差存在不准确之处，欢迎联系我们指正。本文不对内容完整性或时效性作任何保证，也不构成任何投资或商业决策建议，不对任何后果承担责任。感谢您的理解与支持。