Понимание большого цикла AI-центров данных и следующей гонки вооружений в полупроводниках мощности — это не только GPU, а Power

Центры данных AI становятся все больше, один центр потребляет энергию, сравнимую с средним городом.
Ранее центры данных имели мощность 10-20 кВт/стойку, сейчас уже 80 кВт, 120 кВт и даже 600 кВт/стойку.
Потребление электроэнергии крупного AI-кластера достигло уровня ГВт.
Помехи, помимо GPU, CPU и хранения, начинают смещаться к току, теплу, распределению, медным потерям, эффективности преобразования электроэнергии, подключению к электросетям и HVDC.
Цепочка индустрии AI-центров данных:
Электросеть → Трансформатор → ИБП → HVDC → PSU → VRM → GPU.
Традиционные серверы массово используют 48V, потому что в эпоху интернета мощность шкафов была невысокой. Но в эпоху AI проблемы низковольтных систем начинают полностью проявляться. Потому что:
P = VI
При одинаковой мощности 1 МВт, 48V требуют более 20 000A тока, 400V — около 2 500A, 800V — примерно 1 250A.
Снижение тока означает уменьшение толщины медных кабелей, снижение медных потерь, уменьшение нагрева, уменьшение шины, снижение нагрузки на PSU, снижение нагрузки на жидкостное охлаждение, упрощение строительства и снижение стоимости.
800V — платформа высокого напряжения, проверенная в электромобилях. Почему EV перешли на 800V? Потому что быстрая зарядка, высокая мощность, снижение линийных потерь и тепловых потерь.
Сегодня AI-центры данных сталкиваются с той же проблемой. Поэтому SiC, высоковольтные MOSFET, высоковольтные DC/DC, высоковольтные PSU, HVDC, Busbar, твердотельные трансформаторы — эти отрасли, изначально связанные с электромобилями, начинают расширяться в AIDC.
Но 800V — это только начало, истинное направление — HVDC (высоковольтный постоянный ток).
Вот почему традиционные промышленные электросетевые компании внезапно получают переоценку рынка. Такие как Vertiv, Eaton, Schneider Electric, ABB, Siemens — они начинают становиться важными участниками цепочки AI-индустрии.
Это также причина, почему рынок переоценил мощные полупроводники.
Infineon — типичный пример компании, которая бесшовно перешла от обслуживания автомобильных полупроводников к инфраструктурным силовым полупроводникам.
Infineon, возможно, один из немногих в мире, кто полностью реализует платформу «Grid-to-Core». От высоковольтных линий электропередач, HVDC, PSU, питания GPU, высокочастотных GaN, драйверов, контроллеров, MCU — почти все покрыто.
Это и есть их крупнейшая конкурентная преимущество.
Более того, Infineon — это не Fabless, а IDM. Сам проектирует, производит, упаковывает и тестирует. Это крайне важно в индустрии силовых полупроводников, потому что они отличаются от CPU/GPU.
Логические чипы конкурируют по EUV, FinFET, GAA, плотности транзисторов. А силовые полупроводники — по тепловому управлению, высокой стабильности при высоком напряжении, долговечности, материалам, упаковке, эпитаксии и выходу годных изделий. Особенно учитывая, что будущее AI-центров данных — это длительные нагрузки, высокий ток, высокая тепловая плотность и высокое напряжение. Производство — это сама технология.
Сейчас важнейшие активы Infineon — Villach, Dresden, Kulim. Среди них особенно важны 300-мм фабрика по производству силовых устройств и 200-мм SiC.
Рынок недооценил один момент: производство силовых полупроводников на 300 мм — очень сложное. Из-за тепловых напряжений, выхода годных, высоковольтных устройств, контроля дефектов — это гораздо сложнее, чем обычные зрелые процессы.
В эпоху AI спрос на силовые компоненты начинает масштабно расти. Передовые возможности производства силовых полупроводников начинают снова становиться конкурентным преимуществом.
Если рассматривать только «чистых» игроков в области высоковольтных AI Power, то это Navitas Semiconductor и Wolfspeed. Особенно Navitas — по сути, GaN + AI-эффективность силовых устройств — чистый бета.
Wolfspeed — это другой подход. Если AI-центры данных полностью перейдут на SiC PSU, HVDC и высоковольтные электросхемы, то это может привести к второй волне роста.
Также есть крупные промышленные электросетевые платформы. Например, Eaton, Schneider Electric, ABB. Потому что они контролируют распределение, среднее и низкое напряжение, автоматические выключатели, управление электроснабжением и топологию питания центров данных.
Эти компоненты требуют очень высоких затрат на переключение. В конечном итоге AI обнаружит, что GPU можно заменить, а электросхемы — нет, потому что их жизненный цикл очень длинный.
В целом, тот, кто сможет постоянно решать задачи по управлению током, теплом, эффективностью, распределением и подключением к электросетям в эпоху сверхвысокой плотности мощности AI, тот и останется лидером.
Потому что следующая точка перегиба AI — это переход от GPU к Power. А эта цепочка индустрии еще полностью не учтена рынком.
Дисклеймер: я владею активами, упомянутыми в статье, мои взгляды предвзяты, это не инвестиционный совет, DYOR