Tech & Gear

NVIDIA 2028 Feynman AI Racks 可能讓資料中心電力成本 gila 起飛

作者 Aimirul|
分享

NVIDIA 接下來幾代 AI GPU 不只是晶片更快而已。真正的戰場可能會是供電系統 — 而且數字已經開始變到真的很狂。

根據 Morgan Stanley Research 被重點提到的數據,NVIDIA 未來 Feynman AI rack 世代,每個 rack 的電源半導體內容可能超過 US$191,000。對馬來西亞讀者來說,這大概接近 RM900,000,還沒算稅、運費、整合成本和匯率波動 — 而且這只是電源相關半導體的部分,不是整個 rack 的完整成本。

這才是會讓資料中心營運商坐直的部分。相比 Blackwell,Feynman 的數字估計大約高出 17 倍。

從 Blackwell 到 Feynman:供電變成最貴的部分

目前 Blackwell B200 基準估計大約有 US$11,234 的電源半導體內容。GB200 再增加大約 US$4,000,而 GB300 又再推高大約 US$3,500。整個 Blackwell 世代的估算上升到 US$17,761。

然後事情就開始更誇張地 scale 起來。

Blackwell 之後預計登場的 Rubin,電源半導體成本估計會超過 US$33,000。Rubin Ultra 更高,據報估算大約 US$95,000。計劃在 2028 年、Rubin 之後推出的 Feynman,則會把 Rubin Ultra 的數字再翻倍,超過 US$191,000。

簡單來說:NVIDIA 的 AI racks 正在變得越來越不像「GPU boxes」,反而更像完整的供電工程項目。晶片當然還是主角,但要安全又高效率地餵它們吃電,已經變成一個超大的成本中心。

成本是哪些零件推高的?

據報最大的成本區塊來自 power conversion system 和 second-stage voltage regulation modules。PCS 佔大約 27%,而 VRM 相關組件佔大約 26%。

Power supply units 另外佔 19%。Lateral VRMs 大約佔 15%,而 intermediate bus converters、battery backup、UPS 零件和其他支援組件則佔比較小的比例。Switches、NICs 和 eFuses 也都在這個組合裡。

基本上,把電力從設施端送進幾百顆飢餓 GPU 的每一步,都變得越來越複雜。

為什麼 NVIDIA 要轉向 800V DC

NVIDIA 已經概述未來 AI 資料中心會轉向 800V DC 架構。這會超越較舊的 48V 或 54V 系統,因為那些系統面對 megawatt 級 AI racks 時,已經越來越難搞。

原因就是物理。相同功率下,電壓越高,電流越低,這可以減少電纜厚度、銅材需求和能源損耗。Wccftech 的來源材料提到,一個使用 54V DC 的 1MW rack,可能需要高達 200kg 的 copper busbar。把這個規模放大到 1GW 資料中心,銅材需求就會變得很離譜。

800V DC 也有助於減少重複的電力轉換,因為這些轉換會浪費能源,也會增加更多故障點。這個架構會依賴先進 power electronics,例如 gallium nitride 和 silicon carbide 組件,兩者對高效率高電壓 switching 都很重要。

NVIDIA 預計在 2027 年推出的 Kyber racks,計劃會透過 Rubin Ultra GPUs 導入 800V DC。這套配置被描述為一個高密度、液冷的 600kW rack 設計,內含 576 顆 Rubin Ultra 晶片。

為什麼 Malaysia 和 SEA 應該關心

這聽起來像是 hyperscaler 的東西,但本地其實也有關係。Malaysia 已經在吸引大量資料中心投資,尤其是 Johor 和區域內其他戰略位置。如果 AI 基礎設施繼續往 megawatt 級 racks 前進,電力供應、冷卻、電網規劃和組件供應都會變得更加重要。

對 gamers 和 PC builders 來說,這不代表你的下一張 GeForce card 會突然變成 RM900k,放輕鬆 bro。但這確實顯示 NVIDIA 最高端工程重心正在往哪裡走:AI factories,而不只是 gaming GPUs。

對 SEA 來說,更大的問題是區域資料中心能不能支撐這種 power density,而不讓能源成本和基礎設施限制變成真正的瓶頸。更快的 AI 需要更強的供電系統 — 而這一塊正在快速變貴。

Source: Wccftech Gaming

标签

NVIDIAAI DatacentresGPUsSemiconductors