功率 GaN 进军 AI 数据中心与电动汽车驱动系统

Google News 显示出功率半导体领域一个值得关注的转变：氮化镓正从充电器走向兆瓦级 AI 机架和电动汽车核心系统。

关键变化并非一款新的消费级适配器。功率 GaN 供应商正瞄准这样的基础设施：微小的效率提升都会影响制冷能力、铜材需求、车辆续航与运营成本。这些应用对可靠性的要求也远高于手机充电器。

NVIDIA 规划中的 800 VDC AI 架构为这一转变设定了明确期限。该公司预计，从 2027 年起，兆瓦级机架将开始采用高压直流配电。这一计划促使功率供应商为同一电力链路的不同环节验证 GaN、碳化硅和传统硅器件。

GaN 不会取代所有既有技术。碳化硅仍适用于许多更高电压、更大功率的环节，而硅依然成本低廉且根基深厚。竞争的焦点在于哪种材料主导每一个转换步骤，而不是哪种材料能在所有场景中胜出。

Google News 标题真正传递的信号

功率 GaN 正离开第一个大众市场利基领域，进入那些电气效率决定固定空间内可容纳多少计算或驱动性能的系统。

氮化镓（GaN）是一种宽禁带半导体，开关速度比传统硅更快，且以热量形式损失的能量更少。它早期的商业知名度来自小型 USB 充电器。更高的开关频率让制造商能够缩小变压器和其他无源元件的尺寸。

这一成功建立了制造基础，但充电器只是一个起步市场。消费级适配器处理的是数十或数百瓦功率；AI 服务器电源可处理数千瓦，而整个机架的需求可达数十万瓦。

这一转变也改变了客户看重的价值。更小的充电器带来便携性；功率密度更高的服务器电源系统，则能在受限机架内为更多加速器、内存、网络或制冷设备腾出空间。

Texas Instruments 表示，GaN 器件可在 500 kHz 以上运行，并能将磁性元件尺寸缩小至同类元件的 60%。其 GaN technology 还集成了过去需要独立元件实现的驱动和保护功能。

集成化很重要，因为更快的开关也会带来新的工程问题。不良的电路板布局可能导致电压过冲、电磁干扰和额外发热。仅有一颗高速晶体管，并不能保证系统高效或可靠。

因此，数据中心供应商必须围绕器件交付完整设计。这些设计涵盖控制器、栅极驱动器、传感、隔离、保护、封装和热管理。客户购买的是经过验证的电源架构，而不仅仅是一只更好的开关器件。

同样的原则也适用于电动汽车。GaN 最初作为车载充电器和 DC-to-DC 转换器的选项出现。如今，供应商希望将其延伸至牵引逆变器——即把电池电力转换为供电动机使用的受控电流的系统。

这种扩展带来的影响更大。充电器只在车辆生命周期中的有限时间运行；牵引逆变器则必须持续应对加速、再生制动、温度变化、振动和故障工况。

这正是 Google News 的表述为何重要。它关联了两个共享基本约束的市场：更多功率必须通过更小空间传输，且不能产生不可接受的热量。不过，两者的认证周期和故障风险仍大不相同。

这一转变也不止关乎 GaN。碳化硅（SiC）已在高压电动汽车逆变器和工业电力系统中取得进展。传统硅在开关速度或体积优势不足以证明采用更昂贵材料合理性的场景中，仍具竞争力。

功率 GaN 必须在这一多材料系统中赢得具体位置。它最有力的论据不是新颖性，而是在空间具有经济价值的场景中，提升开关频率、降低转换损耗并缩小周边元件的能力。

AI 数据中心将效率转化为计算能力

在 AI 数据中心中，更好的电源转换不只是降低电费，还决定了在机架的物理和散热限制内能够运行多少处理器。

传统云计算机架通常围绕数十千瓦级功率设计。当前 AI 系统已突破 100 kW，未来设计正朝着每个机架一兆瓦迈进。

这种增长暴露了低压配电的局限。以较低电压输送固定功率需要更大电流。更高电流需要更粗的导体，也会产生更多电阻损耗。

NVIDIA 表示，采用 54 VDC 配电的一兆瓦机架最多可能需要 200 千克铜母排。该公司还表示，在类似设计中，电源架可能占用大部分可用机架空间。

该公司提出的 800 VDC architecture 提高了配电电压并降低了所需电流。电力将先以高压直流形式传输，再在处理器附近完成转换。

NVIDIA 计划从 2027 年起支持一兆瓦及更高功率的机架。其合作伙伴名单涵盖半导体厂商、电力系统制造商和基础设施供应商，Infineon、Navitas、Texas Instruments、Delta、Eaton、Schneider Electric 和 Vertiv 均位列其中。

这种生态系统方式至关重要。800 VDC 系统需要的不只是高效转换，还需要安全连接器、电路保护、隔离、电池系统、监控、兼容机架和维护流程。

GaN 尤其适合靠近计算负载的高频转换环节。更快的开关可缩小变压器、电感器和电容器；更低的损耗也能减轻液冷系统的负担。

Infineon 于 2026 年 3 月推出两款 CoolGaN 参考设计，用于在 AI 基础设施内部转换高压直流。其中一款将 800 VDC 转换为 50 V，另一款则将 800 VDC 直接转换为 12 V。

该公司称，其 800 VDC design 在满载时效率超过 98%。这一数据来自供应商，仍需在不同运行条件下的客户部署中加以验证。

尽管如此，这一架构揭示了 GaN 供应商所看到的机会。GaN 可负责高频中间转换环节，而 SiC 可能服务于面向电网或更高电压的转换。硅在处理器附近以及对成本敏感的辅助电路中仍然有用。

Navitas 展示了另一条路径。其 12 kW 参考电源在输入级采用 SiC 器件，在隔离转换级采用 GaN 元件。该公司称峰值效率达到 97.8%。

这一 12 kW platform 面向 120 kW 服务器机架，并符合 Open Rack v3 要求。它说明供应商正根据材料特性分配任务，而非押注于一种通用开关器件。

在设施规模上，其经济意义开始显现。单个转换环节节省不到一个百分点的效率看似有限，但当它乘以数千台持续运行的电源时，便可减少能源浪费及相关制冷需求。

Texas Instruments 估计，100 MW 数据中心的效率若提升 0.8 个百分点，十年内可节省可观的能源成本。具体结果取决于利用率、当地电价、制冷设计和系统寿命。

效率还会影响部署速度。电网接入已成为新建 AI 基础设施的限制因素。更有效地利用可用电力，可让运营商在达到合同约定的用电上限前，安装更多计算能力。

国际能源署报告称，数据中心用电需求在 2025 年增长了 17%。其 energy outlook 预计，到 2030 年总用电量将翻倍，而以 AI 为重点的设施用电量可能增至三倍。

这些预测强化了改进转换效率的理由，但不意味着 GaN 能解决更广泛的能源问题。高效电子设备无法创造发电能力、缩短所有电网排队时间，或消除额外需求带来的环境影响。

GaN 的作用范围更窄，但具有重要商业价值。它能够减少设施接入点与处理器之间的损耗和设备体积。在受限的 AI 园区中，这种改进可直接转化为可用计算能力。

将 GaN 与碳化硅对立起来是错误的竞争框架

核心竞争并不是 GaN 与 SiC 在整个系统中的全面较量，而是争夺各自最能创造价值的转换环节。

GaN 和 SiC 都是宽禁带半导体，但它们的特性不同。GaN 在高开关频率以及中高电压下具有吸引力；SiC 则在更高电压、高温和大功率负载下表现良好。

AI 电源架构包含多个转换阶段。电力可能来自中压电网，经过设施级整流，进入 800 VDC 母线，再在计算设备附近降压。

没有任何一种器件能优化所有阶段。面向电网的转换器优先考虑耐压能力和故障容限；位于 GPU 旁的转换器则优先考虑功率密度、开关速度和尽可能低的发热。

新兴的分工是：SiC 靠近大功率输入级，GaN 更接近高频中间转换环节。传统硅可继续用于较低电压场景，或用于成本和成熟度占主导地位的控制功能。

这种分工已体现在商业参考设计中。Navitas 在其 12 kW 平台中结合使用 SiC 和 GaN。Infineon 同时销售这三种材料，并将它们定位为从电网到芯片产品组合中的互补部分。

这种混合方式给纯技术路线供应商带来压力。构建完整电源架的客户可能更青睐能为多个环节推荐器件的供应商。专业厂商则必须证明，其技术优势足以抵消产品组合较广带来的便利性。

这也使市场预测更加复杂。一条关于功率 GaN 增长的新闻标题，并不能说明每辆车或每台服务器中 GaN 将获得多少半导体价值量。收入取决于器件数量、电压等级、封装、集成度和客户定价。

设计中标比宽泛的市场估计提供了更有力的证据。参考板展示的是技术意图，而获得认证的量产合同则表明运营商接受了其成本、可靠性和供应链条件。

效率声明同样需要作出这种区分。峰值效率通常在特定实验室条件下测得。实际系统会在不断变化的负载、温度、输入电压、制冷状态和瞬态事件下运行。

AI 工作负载可能导致功率需求突然变化。加速器会在空闲、通信和计算阶段之间切换。电源设备必须在这些转换期间保持稳定输出，同时避免在部分负载下浪费过多能源。

GaN 的开关速度能够提升响应能力和功率密度，但也会提高设计敏感性。封装或电路走线带来的寄生电感可能产生过冲。工程师必须控制开关行为，同时不能牺牲预期的效率收益。

保护是另一项挑战。高压直流不像交流电那样会自然过零。因此，中断故障需要合适的断路器、固态保护、传感机制以及经过精心协调的控制系统。

这些配套系统可能决定 800 VDC 设计能否实现量产。如果运营商无法安全隔离故障，或无法在不造成长时间停机的情况下维护设备，那么即使转换器在实验室中展现出惊人的效率也没有意义。

这正是未来两年为何至关重要。NVIDIA 已给出目标架构和 2027 年的采用窗口。电源供应商现在需要将演示成果转化为可互操作、可维护的设备。

Google News 可能会将这一故事聚焦于 GaN 的崛起，但客户将评估完整的电气路径。某一环节的获胜材料，可能取决于其周边的封装、控制器和保护方案。

EV 的采用必须超越车载充电器

只有当 GaN 从充电硬件进一步进入动力系统，其汽车市场机会才会显著扩大，但这一步也会大幅提高可靠性门槛。

车载充电器将电网电力转换为适用于车辆电池的稳压直流电。DC-to-DC 转换器则利用高压电池为低压系统供电。这两类应用都受益于更小的组件和高效开关。

GaN 可以减轻这些系统的重量并缩小体积。更小的磁性元件和更高的效率可释放封装空间、降低冷却需求，或支持更快的充电设计。

牵引逆变器则代表着要求更高的机会。它们控制电池和电机之间流动的电能。更高的逆变器效率能够在行驶中保留更多能量，并降低车内发热。

然而，牵引硬件需要应对频繁的负载变化。它必须承受高温、振动、潮湿暴露、快速加速、再生制动以及异常电气状况。

汽车制造商还要求较长的使用寿命和极低的故障率。认证不止于原型机成功。供应商需要具备一致的制造能力、可追溯性、车规级封装，以及数百万颗组件之间稳定一致的输出。

SiC 已在高压 EV 牵引系统中占据强势地位。其耐压能力和热性能适合 800 V 车辆平台。因此，GaN 必须证明其系统优势，而不仅仅是提供可比的晶体管规格。

可能的路径将是渐进式的。GaN 可先通过车载充电器和辅助转换系统扩展应用，供应商已较为了解其在这些场景中的表现。随着封装和高压器件成熟，它随后可进入部分逆变器设计。

车辆架构将影响这一进程。低功率车辆可能更看重 GaN 的紧凑性和开关频率。更大型车辆则可能因更高的电流、电压和热裕量而偏向 SiC。

成本仍是核心因素。GaN 可能缩小无源元件和冷却硬件，从而有望降低整个系统的物料成本。然而，该半导体本身必须能够以可预测的良率实现车规级规模供应。

制造项目正朝这一方向推进。Imec 与 GlobalFoundries、KLA、Synopsys、AIXTRON 和 Veeco 等合作伙伴启动了 300 mm GaN 项目。

更大的晶圆可在每个制造周期生产更多器件，并使用成熟的半导体设备。Imec 表示，该项目目标是降低制造成本，并开发更先进的低压和高压器件。

更大的晶圆并不会自动让 GaN 变得便宜。良率、晶圆翘曲、外延质量、缺陷控制、封装和测试仍决定量产经济性。汽车认证还会增加时间和成本。

供应集中度同样重要。汽车制造商不愿在关键动力组件上依赖单一来源。即便一家供应商性能更佳，器件兼容性和第二供应源选项也会影响采用。

因此，超越充电器的扩张将通过明确的车型平台和产量来衡量。技术演示表明方向，而持续出货才能揭示 GaN 是否跨越了汽车行业门槛。

AI 市场可提供间接助力。数据中心需求支持对晶圆制造、封装、控制器和高压器件开发的投资。这些能力可增强更广泛的 GaN 供应链。

汽车需求则可通过创造更大、更稳定的产量回馈这一生态。两个市场的认证要求不同，但都重视在有限空间内实现高效功率转换。

这种共享的制造基础解释了为何供应商会将 AI 数据中心和 EV 放在一起讨论。应用并不相同，但晶圆规模、封装、可靠性和集成方面的进展都可使两者受益。

功率 GaN 的主张仍需证明什么

GaN 的技术论证具有可信度，但参考设计和供应商效率数据尚不足以证明其已实现广泛量产采用。

第一个不确定性是规模化可靠性。消费级充电器帮助供应商积累了运行经验，但 AI 机架和牵引逆变器面临不同的电气和热应力。

数据中心设备持续运行，并且必须满足严格的服务目标。较低的故障率一旦乘以数千个电源模块，便可能造成超过效率收益的维护成本。

汽车系统面临更严苛的物理条件。供应商必须证明其在温度循环、振动、电涌、湿度以及多年真实驾驶环境下都能保持稳定性能。

第二个不确定性是经济性。GaN 能够减少损耗并缩小周边组件，但买家会评估完整的系统成本，其中包括器件、控制器、冷却、保护、制造和现场支持。

一种设计可能带来更高的功率密度，却未必能降低总成本。在某些部署中，成熟的硅器件仍已足够；在另一些场景中，SiC 能在耐压能力和认证历史之间提供更好的平衡。

第三个不确定性是标准化。NVIDIA 的 800 VDC 计划为行业提供了共同方向，但不同供应商的设备必须能够协同工作。保护方法、连接器、控制系统和维护流程都需要协调。

Open Compute Project 规范可帮助供应商实现一致性。即便如此，运营商仍会在将关键设施投入新型配电架构之前，测试互操作性、故障行为和可维护性。

第四个不确定性是时间。NVIDIA 指向 2027 年推出其下一代架构。设施开发、采购周期和组件认证的推进速度可能慢于处理器路线图。

早期系统可能采用侧挂式模块、集中式电源设备或混合方案。这些过渡性设计可能支持 GaN，但其半导体含量的分布方式或许会不同于最终架构。

第五个不确定性涉及工作负载行为。AI 加速器会产生快速的功率波动，机架级储能可能成为解决方案的一部分。GaN 转换器必须在这些变化的负载下高效运行。

仅有峰值效率并不足够。运营商需要在真实条件下的效率曲线、热数据、故障响应结果、电磁兼容性和寿命预估。

供应商集中度带来另一项风险。行业既有大型多元化企业，也有规模较小的专业厂商。客户需要相信，所选组件在漫长的设施和车辆项目期间将持续可供。

因此，制造规模应被视为证据，而非脚注。新的 300 mm 项目前景可期，但良率和已认证产能比晶圆直径本身更重要。

环境主张同样需要保持审慎。更高效的转换能够减少运行期间的浪费，但并不能消除扩建 AI 基础设施相关的电力需求、建设影响、用水或材料需求。

IEA 预计，即使硬件效率提高，数据中心的电力消耗仍将大幅上升。不断增长的计算需求可能超过更优转换器带来的节能。

评判 GaN 应遵循一项务实标准：它是否减少了交付每单位计算能力或移动能力所需的能源、空间、冷却和材料。

这是一项有意义的贡献，但并非解决两个行业能源约束的完整答案。

三个信号将显示这场转变是否真实发生

下一阶段将由量产部署、可测量的运行数据和制造深度决定，而不是更多实验室纪录。

第一个信号是客户采用 800 VDC 设备。关注是否有明确的超大规模云服务商、服务器制造商和电源供应商为 2027 年部署认证可互操作系统。

量产公告应说明 GaN 出现在电源链的哪个位置，还应明确机架功率、转换级、效率范围、保护方法和适用标准。

广泛的合作伙伴名单表明各方方向一致，但采购承诺才能揭示商业信心。重复订单将强化以下判断：GaN 已成为高密度 AI 计算的必要基础设施。

第二个信号是量产 EV 牵引平台。GaN 已可通过车载充电器和 DC-to-DC 转换器获得合理的应用路径。高产量牵引逆变器将代表更具实质意义的一步。

最有力的证据应包括明确的车型、认证状态、预计量产时间和系统收益。关于体积或效率的主张，应覆盖正常驾驶条件，而非单一的最佳工作点。

一项牵引设计并不意味着 GaN 已取代 SiC。它表明汽车制造商认为，两种材料可在不同车辆级别和电压范围内并存。

第三个信号是已认证的制造产能。关注 200 mm 和 300 mm GaN 项目是否能以稳定良率生产面向汽车和基础设施的器件。

产能公告应配套客户送样、可靠性数据和量产计划。多个已认证来源将降低车辆和数据中心买家的采购风险。

这些信号也为未来的 Google News 报道提供了更好的筛选标准。新的晶体管或参考设计是开发里程碑；已部署的机架、正在出货的车辆或已认证的晶圆生产线，才标志着采用。

关注这一市场的读者应追踪 AI 芯片周围的电气架构，而不只是处理器本身。计算性能日益依赖于供电、冷却、存储、网络和电网接入。

同样的系统视角也适用于 EV。电池化学成分备受关注，但转换效率会影响充电硬件、辅助系统、动力系统、热管理和车辆封装。

评估这些进展的团队可将来源材料、架构说明和供应商主张保存在可搜索的 AI 知识库中。这将更便于将公告与后续的量产证据进行比较。

核心问题如今已十分明确：GaN 会继续作为特定变换器中的高效组件，还是会成为 AI 和汽车电力系统中的标准层？

关注首批出货的 800 VDC 机架、首批规模化 GaN 牵引项目，以及首批通过认证的大尺寸晶圆供应协议。这些事件将表明，这则 Google News 标题所描述的是否是一场持久的市场转型。