專訪：戴季全
撰稿：李昀蔚
算力即國力，已經成為 AI 時代最常被討論的一句話。然而，在大型語言模型、AI Agent 與 Physical AI 快速發展背後，真正限制算力擴張的，可能不是晶片，而是電力。當 GPU 功耗持續升高，AI 資料中心的用電、散熱與能源轉換效率，正在成為新一代 AI 基礎設施的核心戰場。
本集《全新一週》特別專訪台達電源及系統事業群副總經理鄭謝雄，從 NVIDIA GTC 大會上備受關注的台達 800 VDC 方案談起，拆解 AI 資料中心為何必須重新設計電力架構，以及台達如何從「Grid-to-Chip」（從電網到晶片）角度，整合電源、液冷與數位孿生，回應 AI 算力爆發帶來的新挑戰。
為什麼 AI 資料中心需要 800 VDC？關鍵在 GPU 功率暴增
所有電源架構的改變，根本原因都來自 GPU 功率不斷提升。從 H100、H200，到 Blackwell，再到 Vera Rubin，GPU 功耗已從過去約 700 至 800 瓦，提升到 1,200 瓦，未來 Vera Rubin 世代甚至可能來到 1,800 至 2,300 瓦。
當 GPU 被整合成運算模組，再進一步放入 AI 伺服器機櫃後，整櫃功率也會快速上升。以 NVIDIA GB300 架構為例，過去一個機櫃功率約 120kW，但到了 Vera Rubin 世代，可能上升到 300 至 400kW。這也代表傳統以 50V 架構設計並透過匯流排（Busbar）供電的電力配送方式，將會遇到嚴重瓶頸。因為若機櫃維持 50V 供電，匯流排電流可能超過 2,000 安培，不僅會讓設備變得龐大笨重，更會因 I²R 效應大幅增加損耗並產生高熱。
「要解決這個問題，從公式跟技術上的角度來看，就是我們把電壓往上提升，那我的電流就會下降，損耗就會相對地往下降，這除了解決匯流排必須做得很龐大的問題、解決熱之外，對於整個資料中心的 PUE（能源效率指標）也有正面的改變，」鄭謝雄表示，800 VDC 並非單純把電壓拉高，而是 AI 機櫃功率進入數百 kW 等級後，電力架構必須面對的系統性升級。
從 AC 到 DC：AI 資料中心為何要減少能源轉換級數？
除了機櫃內部的電力配送，另一個關鍵痛點是資料中心從「電網」到「伺服器」之間的能源轉換耗損。目前全球電網基本上仍以交流電（AC）為主，但伺服器最終使用的是直流電（DC）。因此當電力進入資料中心後，必須經過多層直流電與交流電的轉換，而每一次轉換都在消耗寶貴的能源。
為了將損耗降到最低，台達提出「Grid-to-Chip（從電網到晶片）」的直流資料中心思維。鄭謝雄分析：「我們從整個電網到資料中心裡面的伺服器需求，分析在什麼階段可以做什麼樣的改變去提升效率，可以讓我們的轉換級數降到最低，然後讓效率提升到最高。」
台達的 800 VDC 方案可讓能源效率提升 4%，整體能效達到 92%。為了讓聽眾具體理解這 4% 的驚人價值，鄭謝雄以未來一到兩年將出現的 1GW 級別資料中心為例，說明 1GW 約等於台灣 210 萬戶家庭用電需求，相當於台灣全年電力需求約 3%，或台積電全年用電量約三分之一。如果整體能效可以提升 4%，一年約可節省高達 87 億度電，「如果以台灣的電費來算，一年可以省下 13.5 億元，如果用大安森林公園的吸碳量來算，大概接近 380 座大安森林公園的吸碳量，」鄭謝雄說。
SST 與微電網如何支撐 800 VDC 直流資料中心？
要實現 800VDC 架構，背後仰賴的是新電源拓樸、新一代半導體元件，以及台達長年的電源轉換經驗。其中，鄭謝雄特別點出「固態變壓器（Solid-State Transformer, SST）」扮演了革命性的角色。
相較傳統變壓器，SST 體積約可減少 30% 至 40%，重量明顯下降，更重要的是能避開傳統變壓器長達兩到三年的交期瓶頸。透過 SST，電力有機會從 13.5kV 電網直接轉換成 800 VDC，一路送到伺服器機櫃，大幅減少轉換級數。
此外，這套直流系統也契合美國近期的「自己發電（Bring Your Own Generation）」微電網趨勢。當電網無法滿足資料中心龐大的用電時，太陽能、風能、氫能與儲能電池所產生的綠能「都是直流電」，同時 SST 轉換輸出的也是直流電，這讓台達能透過微電網技術，在資料中心區域內將綠能與電網無縫結合，實現能源的最佳化供給。
AI 資料中心進入液冷時代，台達如何讓散熱匹配 800 VDC？
隨著單一 GPU 功耗狂飆，液冷（Liquid Cooling）逐漸成為必然方向。台達的液冷解決方案涵蓋冷板（Cold Plate）與冷卻分配單元（CDU），並針對不同場域，提供適用於既有空冷機房的 Air-to-Liquid（水在機櫃內循環），以及適用於新建水路資料中心的 Liquid-to-Liquid 架構。
至於液冷設備要如何與 800 VDC 搭配？鄭謝雄給出了一個非常直觀的答案。因為 CDU 本身也是用電設備，當 AI 伺服器採用 50V、400V 或 800 VDC 時，台達的 CDU 就能直接吃相同規格的電力。「對我們來講都是同樣的技術，我只是把這技術放在 AI 伺服器裡面，還是放在我的液冷設備裡面，所以我們可以很容易地搭配不同的電力架構，」鄭謝雄說。
用 Omniverse 先驗證散熱與能效，降低 AI 資料中心建置風險
當資料中心同時面對高功率用電、液冷水路與微電網，系統複雜度呈現指數級上升。為了精準掌握機房狀況，台達與 NVIDIA Omniverse 展開合作，建構數位孿生（Digital Twin）系統。
過去要評估高功率機房的建置風險極高，鄭謝雄直言：「在沒有 Omniverse 之前，我們很難瞭解到第一個熱來自於哪裡、哪邊是最主要的熱區，接下來我需要多少的冷卻能力才能解決熱的問題。」
如今，台達不僅能在 Omniverse 的虛擬環境中先模擬設備解熱能力與 PUE 目標，更因為台達擁有「實體產品」，當虛擬模擬的方案搬進實際場域驗證時，兩者的落差非常小，大幅提升客戶信任度。
AI 算力需求還會再升級，台達從產能到平台解方迎戰下一波競爭
展望未來，鄭謝雄指出，算力需求的暴增可以從「Token」的角度來理解。過去兩三年市場著重於大語言模型的訓練（Training），但從去年開始，推論（Inference）需求快速湧現，加上今年 NVIDIA GTC 大會上黃仁勳談及的 Agentic AI（代理 AI），甚至預期未來 3 到 5 年後將邁向 Physical AI（物理 AI），這些趨勢都代表能源與功率需求將持續往上攀升。
面對這波強勁的成長，台達從兩個層面展開全球佈局。在產能上，因應地緣政治影響，台達持續調整過去以中國為主的比重，除了大幅擴增泰國產能，也開始在美國建立「系統 Level」的生產製造能力。在產品演進上，台達已從提供單一零組件，全面升級為整合內部多項產品、提供終端客戶「Total Solution（全方位解決方案）」的系統級供應商。
鄭謝雄坦言：「這個市場持續的成長，對我們來講是一個機會，那也是一個挑戰。因為這個速度太快了，怎麼確保我們技術、品質、生產、製造，甚至多個據點的生產可以符合市場上需求，也是我們重要的課題。」
為了解決這項挑戰並滿足多樣化的市場需求，台達精準地將自身定位為「平台解決方案（Platform Solution）供應商」。鄭謝雄觀察，隨著 AI 產業的發展，GPU 市場將從過去 NVIDIA 佔據 95% 的絕對優勢，逐漸走向多供應商與雲端服務供應商（CSP）自研 ASIC 百家爭鳴的態勢。
因應這樣的趨勢，在今年 COMPUTEX 展會上，台達不僅將展出搭配 NVIDIA 最新的解決方案，也會推出 OCP（開放運算計畫）平台方案。透過從電力、散熱（Cooling）到板端元件的全面整合，台達的目標是協助終端客戶在設計 AI 產品時找到最佳解方，持續在這場全球算力軍備競賽中，扮演最堅實的基礎設施後盾。
