根據IDC機構的測算，2025年全球人工智能服務器市場規模將達到1587億美元，2028年更有可能飛躍式增長至2227億美元。AI數據中心發展勢頭迅猛的同時，也帶來了一個極為嚴峻的問題——電力告急!因此GaN技術變得十分重要。

一、AI大模型耗電量驚人，GaN技術成省電關鍵

這可不是在危言聳聽。以著名的OpenAI為例：其GPT-3級別模型單次訓練的耗電量約為128.7萬度，相當于300戶美國家庭一年的用電量;GPT-4級別模型單次訓練耗電量達2.4億度，相當于3000戶美國家庭的年用電量。

GPT-5模型的耗電量，更是堪稱“能耗怪獸”，日耗電量峰值可達4500萬度，基本等同于150萬戶美國家電的日用電量。

未來隨著AI大模型的更新迭代，其耗電量勢必還會呈指數級增長!

正因如此，應用于AI服務器電源的電源模塊和其中的電源管理芯片就顯得尤為重要。電源模塊的性能越高，就能夠更有效地減少電力轉換中的損耗，是一種變相的省電。

但傳統的硅基電源模塊和電源管理芯片面臨著一個迫切的問題：AI的計算任務不像傳統服務器那樣平穩，它更像一場隨時可能爆發的“腦力沖刺”，需要電源能在瞬間提供高達平時兩倍的電力，并且穩定不波動。

經過多年的開發后，硅基芯片的技術已然非常成熟無限接近其物理極限。然而隨著AI服務器電源對于轉換效率的要求越來越高，硅基芯片已經顯得有些“過時”。

在這樣的背景下，業界將目光投向第三代半導體材料，特別是GaN(氮化鎵)。與傳統的硅材料相比，氮化鎵具有更高的電子遷移率(約1500 cm2/V·s，遠超硅的1400 cm2/V·s)、更寬的禁帶寬度(3.4 eV，是硅的3倍以上)和更強的耐高溫性能，理論上能夠實現更高的開關頻率、更低的導通損耗和更小的器件體積。

這意味著采用GaN技術的電源，能在更小的體積里，以更少的自身損耗，更穩定地輸送電力，直接擊中當前AI數據中心“電不夠用、電費太高、空間太緊”的三大痛點。

二、年省近3億度電，九峰山GaN技術電源模塊“顯威”

當然，對于第三代半導體GaN技術在AI服務器電源中的應用來說，“實踐才是檢驗真理的唯一標準”。

12月4日，九峰山實驗室公開了面向超大型AI算力中心的高功率氮化鎵電源模塊方案，完美地詮釋了GaN技術電源模塊在AI服務器電源應用上的優勢。

根據其披露的信息，這個GaN電源模塊只有指甲蓋大小，并且如果將100萬個這樣的GaN電源模塊，集成部署于一座1吉瓦(10億瓦)容量的AI算力中心，每年可節約近3億度電(日均超82萬度)!

并且這個項目已經完成了關鍵的概念驗證，正穩步邁向中試驗證階段，預計在未來3-5年內實現量產，直指AI服務器電源千億級的市場需求。

三、“同志仍需努力”，國產GaN半導體任重道遠

不過凡事都有兩面性。GaN材料這樣的三代半材料應用于AI服務器電源模塊后，帶來的能效提升固然讓人欣喜萬分，但也同樣要對這項技術說一句“革命尚未成功，同志仍需努力”。

在消費電子領域，國產GaN材料技術已取得初步成功，比如手機快充充電器、筆記本電腦適配器等;然而在對可靠性、壽命要求極高的數據中心和工業領域，其大規模應用仍需時間驗證。

未來幾年，GaN材料電源技術在AI算力中心的應用將面臨幾個關鍵考驗：

可靠性與壽命驗證： 數據中心電源需要滿足7×24小時不間斷運行、使用壽命超過10年的嚴苛要求。GaN器件在長期高溫、高功率工況下的可靠性表現，需要通過大量實地運行數據來驗證。

成本與供應鏈問題： 盡管GaN材料有潛在的成本優勢，但當前的制造良率、襯底材料成本以及封裝測試等環節的成本控制，仍是影響其大規模商業化的重要因素。

系統集成挑戰：高效率的GaN材料器件需要與之匹配的驅動電路、拓撲結構和控制策略，才能真正發揮其性能優勢。這需要電源系統設計、熱管理、電磁兼容等多方面的協同創新。

從更宏觀的視角看，AI服務器的能耗問題不可能只靠GaN技術就能解決。芯片級能效提升、液冷等先進冷卻技術、余熱回收利用、智能化能源管理以及清潔能源接入等多個維度的協同創新都十分重要。

這并不意味著以GaN材料為代表的第三代半導體技術不重要。相反，在中國半導體目前仍落后于西方國家的背景下，第三代半導體技術將會是國產替代一個很好的“換道超車”契機。

畢竟，第三代半導體避開了傳統硅基芯片的制程封鎖，憑借中國在新能源等領域的巨大市場和完整產業鏈，以應用需求定義技術路線，完全有望實現從材料到系統的自主突破和產業升維。

目前，中國在第三代半導體領域的研發投入持續增加，多地已布局相關產業鏈。這種分散化的研發格局有利于技術路線的多元探索，但也可能面臨資源分散、重復投入的挑戰。

如何形成GaN材料產學研有效協同、構建健康的產業生態，將是決定中國在該領域能否實現實質性突破的關鍵。

本文為嗶哥嗶特資訊原創文章，未經允許和授權，不得轉載，

審核編輯 黃宇