資料中心電力架構求升級 在地研發製造高效支援

人工智慧(AI)算力持續提高機櫃功率密度,資料中心電力設計也開始由單純追求供電容量,進一步轉向轉換效率、系統可靠度、部署速度與散熱能力的整體協同。伊頓電氣台灣與菲律賓總經理林鈺培表示,AI基礎設施競爭最終仍會回到電力利用效率,企業必須思考如何讓每一瓦電力更有效率地轉化為算力,同時降低配電與轉換過程中的損耗。


這項變化也帶動資料中心電力架構調整。林鈺培指出,傳統資料中心多以交流(Alternating Current,AC)架構為主,產業生態系成熟、維運機制完整,但隨著AI伺服器與GPU叢集功率快速攀升,電力轉換層級、設備數量與佔地空間都開始成為擴建限制。因此,中壓固態變壓器(MV SST)、高密度不斷電系統(UPS)與液冷(Liquid Cooling),逐漸成為新一代AI資料中心的重要技術方向。


林鈺培表示,伊頓於2025年至2026年在台資本投資累計已超過新台幣2億元,未來4年規劃再投入3億元,範圍涵蓋產品、產線與技術能力。台灣據點具備製造與研發資源,除了供應本地市場,也承接海外需求。對半導體與資料中心客戶而言,在地製造還可縮短問題處理與技術溝通時間,設備或整合出現異常時,可由本地工程與研發團隊直接參與處理。
在技術布局方面,林鈺培以近年的三項併購說明AI資料中心能力的補強。Fibrebond提供預整合模組化電力部署能力,Resilient Power Systems強化中壓固態變壓器技術,Boyd Thermal則補足液冷與熱管理能力。與既有UPS、配電及電路保護產品整合後,整體基礎設施能力進一步延伸至機櫃與晶片層級。


800VDC減少電力轉換節點


伊頓電氣資深產品經理許雅妤表示,現行交流UPS架構通常包含中壓配電、變壓、低壓配電、UPS與後段配電等多個層級,每一次轉換都會增加設備、空間與能源損耗。隨著AI資料中心朝高功率密度發展,800V直流(DC)供電開始受到重視,核心概念在於降低中間轉換節點,讓電力以更短的路徑送往高密度運算設備。


伊頓設計的MV SST採10至34.5kV中壓直接輸入並轉換至800VDC,整體電力轉換效率可達98.5%,並已通過IEC 62477-2國際安全標準測試,取得TÜV SÜD Mark認證。相較傳統架構,MV SST將變壓與電力電子轉換整合於單一系統,可減少部分低壓配電與轉換設備,對新建高密度AI資料中心而言,有助於降低設備佔地並簡化配電拓撲。


許雅妤強調,直流架構與既有交流架構仍會依應用條件並存。AC供電具備完整產品生態系與成熟維運經驗,企業仍須依機房既有設計、設備相容性、備援要求與擴建方式評估。800VDC的價值主要在於縮短高功率負載的供電路徑並減少中間轉換損耗,適合功率密度持續攀升的新建AI資料中心。


高功率UPS則負責供電可靠度與容量擴充。林鈺培表示,伊頓最新設計的9395XR系列為1.5MW等級實機,最大功率可達2.5MW,並已在台灣生產、供應全球市場。9395XR採模組化設計,可依負載成長擴充容量。另一款93PR緊湊型UPS採3U功率模組,單機最高可達600kW,功率密度可達每平方公尺1MW;相較4U功率模組,3U設計可節省約25%高度,適合既有機房在有限空間內提高供電密度。


許雅妤表示,配電端也須配合快速擴充。匯流排(Busway)與機架式電源排插(PDU)可支援分階段部署與機櫃端供電。當單櫃功率持續提高,資料中心除了增加總供電容量,也須同步處理支路配置、設備增設與維護需求,配電架構的模組化程度因此更加重要。


供電散熱協同支撐高密度機櫃


當GPU與AI加速器功率持續提高,散熱能力也直接影響機櫃可承載的算力密度。林鈺培指出,供電容量提高後,若熱管理能力無法同步提升,伺服器部署密度仍會受到限制,因此電力與散熱必須一併納入AI資料中心基礎設施設計。


Boyd Thermal液冷方案可對應NVIDIA Vera Rubin NVL72與NVIDIA GB300 NVL72架構,透過高效能液冷板直接處理GPU、CPU及高速交換晶片產生的熱量,再結合內部歧管(Inner Manifold)與機架歧管(Rack Manifold)完成冷卻液分配,支援高密度全液冷AI機櫃,並對應NVIDIA MGX平台需求。


許雅妤指出,液冷技術讓散熱設計進一步深入晶片與機櫃。傳統機房主要處理冷熱通道與空氣流動,高密度AI機櫃則需要冷板、歧管與冷卻液分配系統共同設計,才能支撐更高單櫃功率。當電力與散熱同時成為AI部署限制,UPS、配電、直流供電與液冷也必須在機房規劃初期共同評估,避免單一子系統成為擴充瓶頸。

伊頓電氣台灣與菲律賓總經理林鈺培(右)與伊頓電氣資深產品經理許雅妤(左)表示,AI資料中心功率密度持續攀升,企業須同步強化供電效率、系統韌性與液冷散熱能力。


除了超大規模AI資料中心,許雅妤也提到,中小型資料中心、工廠、商辦、醫療與邊緣運算仍有分散式UPS需求,因此產品組合會同時涵蓋MW級大型UPS與較小容量設備。大型AI訓練叢集更重視功率密度、能源效率與轉換層級,企業與邊緣場域則關注設備尺寸、部署彈性與既有環境相容性。


林鈺培認為,AI資料中心下一階段的關鍵在於提高電力轉化為有效算力的效率。企業除了增加供電容量,也要同步處理轉換效率、配電層級、熱管理、空間利用率與擴充能力。對台灣而言,在地製造與研發若能與800VDC、MV SST、高密度UPS及液冷等新架構同步推進,將有助於縮短交付與技術支援時間,支撐AI與半導體基礎設施持續擴建。