随着人工智能事情负载向机架级系统和全数据中心规模扩展，，，供电能力已成为制约数据中心系统性能、密度与总体拥有本钱的焦点瓶颈。。。。在NVIDIA MGX这一开放式？？？榛慰技芄沟纳低持，，，一场以全氮化镓（All-GaN）手艺为支持的效率革命，，，正悄然重塑从高压配电一起延伸至GPU焦点的供电路径。。。。 这一手艺演进的最新动态来自于NVIDIA MGX生态系统成员Innoscience。。。。该公司正在推进涵盖全链条的All-GaN电源转换手艺，，，以支持下一代高密度AI系统。。。。关于投资者与数据中心运营商而言，，，这一底层功率半导体手艺的升级，，，关乎到机架功率密度上限的突破，，，以及高算力设施运营本钱的实质性下降。。。。 古板供电模式在应对一直攀升的机架功率时已显疲态，，，难点不再仅仅是将电能引入机架，，，而是怎样高效、紧凑地将高压电转换为GPU所需的事情电压。。。。GaN手艺依附其低导通电阻、低栅极电荷和零反向恢复等特征，，，正成为解决这一挑战的要害赋能手艺，，，直接带来了更小的磁性元件、更优的热性能以及更低的总体拥有本钱（TCO）。。。。 随着AI系统向着更高密度的供电架构迈进，，，市场正亲近关注这种突破物理空间与热力学限制的供电解决计划。。。。这不但将缩短加速盘算系统的工程研发周期，，，更将极大加速下一代AI工厂的大规模商业化落地。。。。 在NVIDIA的800 VDC电源架构中，，，通过将直流电直接运送至更靠近机架的位置来镌汰转换级数，，，但这要求前端必需同时处置惩罚高输入电压、高转换比以及受限的散热预算与主板空间。。。。 Innoscience的最新数据展示了GaN在此环节的直接效益。。。。在其12 kW的800 V转48 V级设计中，，，初级侧接纳了650 V GaN双面冷却（DSC）器件，，，次级侧接纳100 V GaN器件，，，在1 MHz的运行频率下实现了约99%的峰值效率和98.2%的满载效率。。。。别的，，，新宣布的150 V GaN器件进一步简化了次级侧设计，，，使所需的同步整流器件数目镌汰了50%。。。。这种因高频运行带来的占地面积缩减，，，对追求更高机架密度的AI系统具有直接的商业价值。。。。 在48 V前端转换之外，，，为了知足系统设计在主板空间和热力预算上的差别需求，，，供电架构的选择需要极高的无邪性。。。。Innoscience将其All-GaN解决计划扩展至涵盖800 V至48 V、12 V及6 V的全规模中心母线电压选项。。。。 针对800 V至12 V的转换，，，市场现在可以使用40 V GaN器件实现高效的同步整流，，，并改善热性能；；；；
；；；而针对800 V至6 V的转换，，，15 V GaN器件作为同步整流解决计划，，，能够支持更低的中心母线架构，，，从而简化最终向GPU焦点电压的转换。。。。在要害的48 V至12 V中心母线阶段，，，Innoscience的100 V GaN解决计划优化了多相降压转换。。。。在AI工厂的规模效应下，，，纵然是细小的效率提升，，，也意味着冷却需求和运营本钱的显著降低。。。。 在最贴近盘算焦点的最终转换阶段，，，由于电流需求极高且瞬态响应至关主要，，，古板的横向供电因配电消耗和主板布线重大性而面临严肃挑战。。。。笔直供电（VPD）正成为提供更短电流路径、更低寄生消耗和更高电流密度的可行架构。。。。 为应对GPU快速动态瞬变的要求，，，Innoscience已验证了15 V GaN HEMT在3 MHz至5 MHz频率下运行的可行性，，，这能够大幅缩小所需的磁性元件和电容器尺寸。。。。现在，，，该公司正在开发DrGaN解决计划，，，通过支持高开关频率来显著增添带宽，，，从而镌汰对古板大容量输出电容的依赖。。。。随着未来MGX AI辖档同续提高加速器的电流密度，，，支持VPD的功率级将成为GPU近焦点供电的主要基础？？？椤。。。 为加速客户的接纳周期，，，Innoscience提供了一系列评估板和参考设计，，，以资助系统设计职员验证GaN在整个AI供电树中的性能。。。。这些平台包括12 kW的800 V至48 V演示板、48 V至12 V的4相GaN评估板，，，以及面向未来笔直供电架构的6 V DrGaN评估板。。。。 NVIDIA MGX生态系统正在推动？？？榛肟衫┱笰I基础设施的安排。。。。在AI基础设施日益受到电力限制的配景下，，，功率半导体的演进必需与盘算密度的提升坚持同步。。。。通过从800 VDC一起向下至GPU焦点电压的周全笼罩，，，更高效率、更高密度的AI供电基础设施正从看法加速走向现实。。。。