在加密货币和人工智能/机器学习（AI/ML）等新兴应用的驱动下，数据中心的能耗巨大，并将快速增长以满足用户需求。根据国际能源署（IEA）的最近的一项研究清楚地展示了由于该技术迅速普及所带来的巨大变化。例如，ChatGPT在2022年11月推出后仅五天内就达到了100万用户。他们在两个月内就拥有了 1 亿用户，而TikTok达到同一用户量级用了9个月，Instagram则用了两年半的时间。

作为参考，在谷歌上进行一次搜索仅需 0.28 Wh，相当于让一个60W的灯泡亮17秒。

相比之下，训练 GPT-4 需要 1.7 万亿个参数和 13 万亿个tokens（单词片段），这是一个完全不同的命题。要做到这一点，需要包含 25,000 个英伟达 A100 GPU的多台服务器，每台服务器的功耗约为 6.5 kW。OpenAI 表示，训练耗时 100 天，耗能约 50 GWh，耗资 1 亿美元。

显然，人工智能将极大地改变数据中心的游戏规则，其所需的计算能力和能耗水平将远远超过我们迄今为止所看到的任何水平。

数据中心 48V 架构

早期的数据中心采用集中式电源架构 (CPA)，将主电源（电网）电压集中转换为 12V（母线电压），然后将其分配给各服务器，并使用相对简单的转换器在本地将其转换为5V 或 3.3V逻辑电平。

然而，随着功率需求的增长，12V 母线上的电流（以及相关损耗）变得高得令人无法接受，迫使系统工程师改用48V 母线布置。根据欧姆定律，电流减少了 4 倍，损耗则降低了 4 倍的平方。这种配置被称为分布式电源架构 (DPA)。

与此同时，处理器和其他一些元器件的电压也在不断降低，最终降至亚伏特级别，导致需要多个次级电压轨。为解决这一问题，采用了二阶转换技术，通过DC-DC转换器（称为中间母线转换器 - IBC）将 48V 电压转换为 12V 母线，再根据需要从 12V 母线输出其他电压。

图 2 PowerTrench T10 MOSFET 的优势

结语

人工智能革命已经到来，没有人能够完全确定它对数据中心未来的电力输送需求究竟意味着什么。不过，可以肯定的是，一系列新的挑战已经出现。房地产资源稀缺和电网的限制使得很难找到容量充足的新地点。关键 IT 方面的总体电力需求激增，给电力成本带来沉重负担。为了满足这些需求，数据中心业主不仅要建设新设施，还要将现有设施推向极限，力求实现每平方英尺兆瓦级的高密度配置。

随着功率水平肯定会超过 100 kW，功率转换将成为关键重点，以实现高效运行，确保散热，可靠地提高功率密度，并在狭窄的现代数据中心中节省空间。

安森美的 PowerTrench T10 技术提供了业界先进的 RDS(ON)、更高的功率密度、降低开关损耗，以及更好的热性能，从而降低总系统成本。PowerTrench T10 等创新功率半导体技术将成为未来的关键组成部分。