搜尋

會員登入

搜尋

導覽

會員
廣告
廣告

NVIDIA:擴展AI運算效能需要全新電力架構

瀏覽次數:1095

每一代全新的加速運算技術,都對底層基礎設施提出更高要求,包括更強大的運算效能、更高的機架密度,以及更高效且可擴展的配電能力。真正的瓶頸不只在於供電瓦數,更在於電力從電網被輸送至 GPU的方式。

擴展AI運算效能需要全新電力架構
擴展AI運算效能需要全新電力架構

在傳統供電架構中,電力透過交流電(AC)從電網輸送,途中須經過多次轉換。隨著機架密度提高,每次轉換都會增加能量損耗與複雜度。面對新一代人工智慧(AI)運算所需的功率規模,即使再微小的效率損失,也會迅速累積。

800 VDC 能有效簡化供電路徑。透過較高電壓的直流電(DC)進行配電,可減少電網與加速器之間的轉換階段,讓更多可用電力投入運算。NVIDIA DSX 參考設計則引導 AI 工廠從現今的交流電基礎架構,逐步轉換至混合式架構,最終轉型為全面採用 800 VDC的設施。

NVIDIA、Google 與微軟持續透過開放運算計畫(Open Compute Project,OCP)共同開發 800 VDC 架構,並於 2026 年 3 月發布聯合白皮書,隨後於 2026 年 7 月發布《LVDC 固態變壓器規範 0.3 版(LVDC Solid-State Transformer Specification v0.3)》。目前已有超過 80 家設備製造商與基礎設施公司依循此規範開發產品。

現今多數 AI 工廠的設計皆以交流電配電為基礎。相容於 NVIDIA MGX 的 800 VDC 電源機架,預計於 2026 年下半年推出,將透過混合式架構,把新一代機架級運算效能導入已建置並投入營運的設施。此款電源機架可直接整合至現有的交流電基礎架構,並在同一機架列內將 800 VDC 電力輸送至運算機架,無須改造建築物既有電力系統。

超大規模資料中心重塑AI基礎設施
特別企劃半導體AI

超大規模資料中心重塑AI基礎設施

為了增加資料傳輸的速度、距離和效率,AI生態系統正在探索射頻(RF)矽中介層技術,以實現互補式金氧半導體(CMOS)、雙極互補式金氧半導體(BiCMOS)與三五族材料的異質整合。

為了增加資料傳輸的速度、距離和效率,AI生態系統正在探索射頻(RF)矽中介層技術,以實現互補式金氧半導體(CMOS)、雙極互補式金氧半導體(BiCMOS)與三五族材料的異質整合。