AI数据中心用电量暴增，但48V供电已到物理极限。本文用大白话讲清楚为什么必须升级到800V高压供电，以及机柜内部怎么一步步变压，本文最后对比三种技术路线的输家赢家。
AI机柜耗电越来越大，老式48V供电已经扛不住了。根本原因是电流太大，导致铜排太重、发热太猛、电压掉得太快。解决办法是全程用800V高压供电，直到电送到芯片屁股底下再降压。这就像用光纤传数据，光信号走越远越好，最后再转成电信号。高压供电的道理一模一样。
为什么老办法48V不灵了
咱们先算一笔账。现在一个机柜要带600千瓦的功率，用48V供电的话，电流需要12500安培。
12500安培是什么概念？你家空调大概10安培。一个机柜相当于一千多台空调同时开。这么大的电流流过铜排，会产生三个要命的问题。
第一个问题是电压掉得太快。电线本身有电阻，电流越大，电阻上消耗的电压就越大。工程师规定电压只能掉1%，也就是0.48伏。用欧姆定律一算，整个供电回路的总电阻必须低于38微欧。38微欧有多小？一根粗铜排两头接好，接头那里稍微没拧紧，电阻就超标了。这相当于你兜里只有十块钱买菜，鸡蛋、青菜、肉每样都得买，根本没得挑。
第二个问题是铜排太重。铜排的载流能力大约是每平方英寸1000安培。12500安培需要12平方英寸截面积的铜排。按4英寸乘3英寸算，一根7英尺高的铜排，体积大约1000立方英寸。铜的密度是每立方英寸147克，一根铜排就重147公斤。一个机柜好几根铜排，光铜就半吨多。铜还死贵，成本完全失控。
第三个问题是发热。发热功率等于电流的平方乘以电阻。电流从1000安培涨到12500安培，发热量是原来的156倍。即便把电阻压到38微欧那么低，发热量还有6千瓦。这6千瓦的热量还得额外花钱用空调吹走。
这三个问题叠加在一起，结论只有一个：48V这条路走到头了。只要单机柜功率超过100千瓦，48V就完全不经济。现在AI机柜动辄600千瓦甚至更高，必须换思路。
高压供电能解决哪些麻烦
把电压从48V升到800V，同样600千瓦功率，电流从12500安培骤降到750安培。这是16.7倍的降幅。
再算刚才那三笔账。电压掉1%的预算是8伏，除以750安培，允许的电阻是11毫欧。38微欧和11毫欧差了两个数量级，设计裕量大得多了。这就像兜里从十块钱变成一千块，买菜随便买。
铜排截面积只需要1平方英寸，也就是1乘1英寸的方铜条，就能扛1000安培。750安培绰绰有余。铜排体积降到84立方英寸，重量只有12.3公斤。原来半吨多，现在十几公斤，人力就能搬动，成本也下来了。
发热量按11毫欧算，发热功率是0.56千瓦。哪怕我们把电阻做得比理论值宽松25倍，发热也只有0.56千瓦，是原来6千瓦的十分之一。空调负荷大幅下降。
所以核心结论就一句话：电压能扛多高就扛多高，降压能拖多晚就拖多晚。这个道理跟光纤传数据一模一样。光纤不怕趋肤效应，所以信号在光纤里跑越远越好，到最后几毫米再转成电信号进芯片。供电也一样，800V从变电站一直送到机柜，在机柜里也不急着降压，直到电要进GPU的那一瞬间，才从800V一口气降到0.8伏。
这种架构在业内叫做垂直供电，说白了就是把降压电路直接塞在GPU正下方，供电距离只有几厘米。传统48V机柜里，电从机柜顶部的电源模块出发，经过母线排、中间总线转换器、电压调节模块，最后才到芯片。每一段都有损耗。垂直供电把这些中间环节全砍掉，损耗自然就下来了。
电压每降一次都要付出代价
电从高压变低压，需要转换器。每一个转换器都有效率损耗。就算每个转换器效率高达97%，三个转换器串在一起，总效率就只剩91%。那9%的电全变成热量了。
一万千瓦的机柜，9%就是九百千瓦的热量，得用多大空调吹走？这都是白花花的电费。
那为什么不干脆一步到位，直接从800V降到0.8伏？因为技术上做不到。降压比太大，1000倍的压差，现有电路根本扛不住。这就好比让你从一百楼直接跳到底楼，中间没有缓冲层，肯定摔死。必须分几段往下跳。
分几段、每段降到多少伏，由三个硬约束决定。
第一个约束是安全电压阈值。国际标准规定，直流60伏以下算安全特低电压。人摸上去不会电死。所以48V、54V这些电压很流行，刚好卡在60伏下面。凡是高于60伏的电路，必须做电气隔离。隔离就是用变压器把输入和输出分开，没有导线直连。这样人摸输出端不会触电。
隔离的好处是安全，坏处是变压器又大又重又贵，效率还低一两个百分点。所以工程师的算盘是：能不做隔离就不做隔离。只要电压降到48伏以下，后面的所有转换器都可以用非隔离的便宜方案。
第二个约束是转换效率跟压差有关。压差越大，效率越难做高。从48伏降到0.8伏，压差60倍，效率能做到90%就很厉害了。从12伏降到0.8伏，压差15倍，效率能做到95%以上。所以就算你最终要的是0.8伏，中间也得找个中间电压缓冲一下。
第三个约束是芯片对电压稳定性要求极高。GPU内部几十亿个晶体管同时开关，电流在纳秒级别内从几安培跳到几百安培。供电电路必须瞬间响应，把电压波动压到5%以内。这需要降压电路离芯片非常近，中间不能有任何长导线。这也是垂直供电能赢的根本原因。
这三个约束叠加在一起，就框死了所有供电架构的基本骨架：高压段做隔离、中压段做缓冲、低压段做紧密耦合。
800V机柜内部的三种降压路线
目前业内主要有三条技术路线在打架。我们一条一条拆开看。
第一条路线叫两步走。800V先降到48伏，48伏再降到0.8伏。第一步用隔离式转换器，因为800伏远高于60伏安全阈值。第二步用非隔离式转换器，因为48伏在安全区以内。
这条路线的好处是48伏是成熟生态，市面上有大量现成方案，成本低、供应链稳。坏处是多了中间一整段48伏母线排和对应的转换器，占空间、增重量、降效率。两步转换的总效率大概93%左右，7%的电变成热量。
第二条路线叫一步半。800V直接降到48伏以下的某个电压，比如24伏或12伏，然后再降到0.8伏。第一步仍然是隔离式，但输出电压选在48伏以下。第二步是非隔离式，压差比48伏方案更小，效率更高。
这条路线的好处是省掉了48伏母线排这一段，体积和重量都降了。总效率可以做到95%左右。坏处是12伏或24伏不是数据中心的标准电压，电源模块、连接器、保护电路都得重新设计，供应链不成熟，初期成本高。
第三条路线叫真一步。800V直接降到0.8伏，中间不经过任何中间电压。这需要一种叫矩阵变压器的黑科技。说白了就是把很多个小变压器拼在一起，每个处理一小部分功率，合起来就能扛住800伏到0.8伏的超大压差。
这条路线的好处是转换级数最少，理论效率上限最高，可以做到97%以上。坏处是技术太难了。矩阵变压器需要极高的制造精度，散热也难做，动态响应速度也堪忧。目前只有两三家公司在实验室里做出来了，离量产还有距离。
这三条路线目前在市场上都在跑。两步走最成熟，英伟达当前的Kyber机柜用的就是这种方案，800V转48V的电源模块放在机柜旁边的侧车里面，不占主柜空间。一步半正在起来，特斯拉的Dojo超级计算机用的就是这种思路。真一步还在实验室，三到五年内可能进入量产。
垂直供电是终点但路要分步走
把思路再往前推一步。不管你用两步走还是一步半，最终都要解决一个问题：电从母线排送到芯片的那最后几厘米怎么走。
传统做法是把电压调节模块放在芯片旁边，中间通过PCB板上的铜箔走线连接。铜箔很薄，电阻不小，大电流下压降明显。而且PCB板上的走线会产生寄生电感和寄生电容，干扰芯片的动态响应。
垂直供电的做法是完全颠覆性的。把电压调节模块拆成两部分，一部分是电感器和电容器，直接埋进芯片封装基板里面，或者干脆做到芯片的硅衬底上。另一部分是控制器和驱动器，放在芯片正下方的母板上。这样电从母板垂直往上走几毫米就进了芯片，不走任何水平方向的PCB走线。
这样做的好处有三个。第一是供电距离极短，压降几乎可以忽略。第二是寄生参数极小，动态响应极快，芯片电流跳变的时候电压不会掉。第三是散热路径短，热量直接通过芯片封装散出去，不需要额外风扇。
垂直供电的代价是制造工艺极其复杂。把电感器和电容器塞进封装基板，需要多层陶瓷工艺和磁芯材料集成，良率低、成本高。目前只有英特尔在PC处理器上量产过类似技术，数据中心级别的超大功率垂直供电还没人真正做出来。
但方向是明确的。只要电压转换级数继续减少、供电距离继续缩短，最后必然走到垂直供电这条路上。这就像光模块最终必然走向共封装光学一样，物理规律逼着你这么做。
谁输谁赢已经能看到轮廓
把上面的技术路线图映射到产业链上，输家和赢家就很清楚了。
输家是那些做中间级转换器的公司。不管是48伏转12伏的中间总线转换器，还是12伏转0.8伏的传统电压调节模块，只要两步走变成一步半或者真一步，这些中间环节就消失了。这些公司要么转型做更高电压的产品，要么市场份额被挤压。
赢家有两类。
第一类是高压隔离转换器厂商。不管两步走还是一步半，第一步800伏转中间电压都是隔离式，都需要高压变压器、高压功率MOSFET、高压栅极驱动器。这些器件的技术门槛高、毛利高，而且随着机柜功率从600千瓦往1.2兆瓦甚至2.4兆瓦走，需求只会越来越大。安森美、英飞凌、德州仪器这些老牌功率半导体厂会吃下这块增量。
第二类是垂直供电方案商。一旦垂直供电从实验室走向量产，整个电压调节模块的市场格局会重洗。传统的外挂式VRM模块会被集成式垂直供电方案取代。谁先做出低成本、高可靠、可量产的垂直供电方案，谁就能吃掉GPU供电这块最肥的肉。目前看，台积电的集成无源器件平台、英特尔的封装嵌入式电感技术、以及几家初创公司的磁芯集成方案，都在这个方向上狂奔。
还有一个隐性赢家是铜供应商。别看高压供电把铜用量降下来了，那是指机柜内部的铜排。整个数据中心层面，高压直流配电需要大量粗电缆从变电站拉到机柜，这部分铜用量反而会涨。而且全球电网升级、电动车充电桩建设都在抢铜，铜价中长期看涨。手里有铜矿的公司躺着赚钱。
最后说一句人话。AI算力的瓶颈正在从芯片制造往供电和散热转移。这是物理规律决定的，谁也没法绕过。看懂供电架构的演变路线，就能提前看到哪些公司会死、哪些公司会活、哪些公司会暴富。