我最近看完了 NVIDIA 那份 800 VDC 白皮书。

过去两年，大家聊 AI 基建，最热闹的词基本都是 GPU、HBM、NVLink、液冷、光模块。每一个都很贵，每一个都能牵出一长串产业链。

但这份白皮书把另一个东西推到了台前：供电。

千万不要小看供电中的技术含量。

NVIDIA 在白皮书里讲得很直接，GPU 机柜的功率密度正在接近传统 Web 服务器的 100 倍。过去电力和散热系统更多像是数据中心的配套，现在它们已经可能占到和计算空间相当，甚至更大的位置。

这个变化其实挺吓人的。

因为这说明，AI 工厂继续往前走，问题会从芯片上移到机柜，从机柜扩散到整栋楼，甚至扩散到电网。

这也是我觉得这份 800V 白皮书值得单独聊的原因。

它表面上讲的是供电架构。

但你顺着它看下去，会发现它讲的是 AI 算力继续放大以后，整个基础设施要怎么重写。

功率密度先把问题逼出来

NVIDIA 在白皮书一开始放了一张图。

图1，GPU 机柜功率随代际提升

这张图很直观。

从 Ampere 到 Hopper，再到 Blackwell、Rubin，机柜功率一路往上走。

白皮书说，CPU 或 GPU 每一代通常会带来大约 20% 的 TDP 增加。这个大家还能理解，芯片更强，功耗更高，挺正常。

但到了大规模 GPU 集群，事情开始变得不一样了。

关键在 NVLink。

NVIDIA 的说法是，NVLink 可以把多颗 GPU 联成一个更大的同步 GPU scale up域。

这个scale up域越大，性能越强。

因为功耗和可靠性的原因，这个scale up更适合通过铜缆连接。

铜缆有一个问题：高速信号中铜中传输的距离有限！

于是一个很微妙的结果出现了。

最高性能，开始和最高功率密度绑在一起。

白皮书给了 Hopper 到 GB300 的例子。

图2，Hopper 到 GB300 的 TDP 与性能变化

这组数字很夸张。

TDP 增加 75%，性能增加 50 倍，同时机柜功率密度增加 3.4 倍。白皮书把原因之一归到 NVLink 域扩大，从一个机柜里的 4x8 GPU，也就是 32 颗 GPU，走向 72 颗 GPU 的域。

这已经不是服务器多插几张卡的问题了。

当 GPU 越来越密，网络越想靠近 GPU，供电组件就越不应该占据 GPU 周围最值钱的位置。白皮书里有一句话很关键，NVIDIA 希望尽量把电力组件从 NVLink 域的半径里移出去，因为那里是机柜里最有价值的性能空间。

我看到这里的时候，才反应过来。

800V 不是一个孤零零的电压选择。

它是功率密度把系统逼到这里的结果。

800V 先解决的是线缆和空间

传统数据中心长期用 415V 或 480V 三相交流供电。

这套体系当然成熟，也撑住了很多年的数据中心增长。但白皮书说得很清楚，当计算机柜功率密度接近甚至超过 MW 级，这套架构会碰到实际限制。

限制在哪里？

线缆有热限制，连接器有标准限制，机柜输入连接会变多，多个 AC feed 的保护和协调会更复杂。机柜功率越高，传统 AC 配电就越容易带来更多组件、更大占地和更复杂的运维。

NVIDIA 在白皮书里给了一张对比表。

按照同样 48A 连续电流、同样导体截面积计算，相对 415 VAC，480 VAC 只能多传 16% 的功率，800 V DC 可以多传 157%，1500 V DC 可以多传 382%的功率。

这就是高压直流最直接的吸引力。

电压上去，传同样功率需要的电流就能下来。电流下来，铜、线缆体积、连接器压力、配电复杂度，都有机会往下走。

但这里也有一个细节。

NVIDIA 没有把 800V 写成终点。

白皮书承认，1500V DC 在光伏和轨交里已经很常见，也有更高的功率传输能力。但把 1500V DC 放进数据中心，尤其放进计算机柜，眼下还会碰到 UL、NEC 标准演进、器件认证、爬电距离、电气间隙、器件耐压和电弧安全这些问题。

它给出的路径很克制。

近期用 1000V 等级的商业器件，把 800 VDC 部署到机柜。更长远再看 1500V DC，前提是保护器件、DC/DC 密度、安全标准和配套设备都成熟。

更麻烦的地方，是 AI 的工作负载会一起起停

如果只是总功率变大，工程上还算有路径。

更难受的是，AI 负载很不稳。

白皮书里专门写了一节 Load Swings and Energy Storage。它说，GPU 同步运行以后，工作负载也会同步，功率曲线也会同步。

典型 LLM workload 里，有密集矩阵计算，也有等待数据传输的间隙。因此，机柜功率可能从大约 30% 的 idle 水平，快速跳到 100%。

图3，用储能削平负载需求

这个波动不小。

机柜自己要承受，数据中心配电系统要承受。集群足够大以后，电网也要承受。

白皮书提出了四种缓解办法。

第一，软件尽量优化 idle period。能少空转当然最好，因为这会直接降低数据中心功率需求。

第二，用储能。低负载时充电，峰值时放电，把机柜电流需求滤平。

第三，NVIDIA GPU 里的 Power Smoothing。它可以在储能达到极限以后，通过延迟烧功率的方式做兜底。白皮书也说了，单独这么做并不理想，更适合和储能一起用。

第四，限制 GPU 峰值性能。这个控制也存在，但代价是有些负载的性能会下降。

这几件事放在一起看，NVIDIA 的态度其实很清楚。

理想状态下，储能覆盖大多数负载波动。烧功率和限性能只处理角落情况。

说到这里，800V 和储能就接上了。

一个是把电更有效地送进机柜，一个是让机柜对外看起来没那么暴躁。

这个说法可能有点不严谨，但很好理解。

AI 机柜里面可以很激烈。

外面最好别跟着一起发疯。

储能会长进 AI 工厂

白皮书里还有两张图很值得看。

图4，LLM 工作负载中的 GPU 负载波动

图5，不同储能技术与时间尺度的体积关系

NVIDIA 的表述很直接。

电网需要稳定、可预测的负载。GPU 需要非常动态的电源。

储能要填的，就是这两个需求之间的缝。

而且这个缝横跨多个时间尺度。

GPU 的 EDPp overshoot、峰值功耗和典型 workload idle period，可能在 100ms 以内。Checkpointing 可能持续 1 到 5 秒。负载 ramp up 和 ramp down 又可能拉到几分钟。遇到主电源丢失、切换到备份电源时，储能还可能要承担过渡供电。

所以白皮书会区分不同储能技术。

100ms 以下，电解电容在体积上比较合适。100ms 到 10 秒之间，需要混合方案。更长时间尺度，电池更有体积优势。

我觉得这部分是整份白皮书最容易被低估的地方。

很多人看到 800V，会先想到连接器、线缆、整流器、DC/DC。

但NVIDIA 这份白皮书讲的，其实是一套带储能的电力系统。

越靠近 GPU 的地方，越要处理很快的动态波动。越靠近园区和电网的地方，越要让外部看到稳定负载。

这也是 AI 工厂和传统数据中心很不一样的地方。

过去很多数据中心当然也有 UPS，也有备用电源，也有复杂配电。但 AI 工厂这里的储能，不只是在断电以后撑住一段时间。它还要参与日常运行和削峰，限制 ramp rate，让 GPU 和电网彼此都能接受对方。

这块我是真的觉得挺关键。

因为它说明，未来 AI 工厂里的储能，可能不是一个灾备设备。

它会变成日常运行的一部分。

从机柜到园区，供电架构要迁移

白皮书后半部分开始讲落地。

NVIDIA 的 800 VDC MGX 架构，是把 800 VDC 直接送进机柜，再把 800 VDC 直接分配到 compute node。

图6，800V MGX 机柜概览

这里有两个细节。

第一个是安全。

白皮书说，800V 系统会在用户可接触位置使用 touch-safe connector，连接器里还会有机械联锁，避免带载断开，降低电弧风险。这些技术借鉴了电动车充电领域，并针对数据中心环境优化。

第二个是转换位置。

NVIDIA 希望把 DC/DC 转换尽量推近 GPU，用 800 VDC 降低系统里的供电开销。具体做法是从 800 VDC 转到 12V，再短距离送到 voltage regulators。

图7，支持 800V 或正负 400V 输入的 DC DC 架构

白皮书写到，800 VDC 可以通过 64 比 1 LLC converter 和 matrix transformer 直接转成 12V，省掉当前标准数据中心 DC/DC 电源树里 400V 到 50V、50V 到 12V 的两级转换。它给出的结果是，相比多级方案，效率额外提升 1%，面积减少 26%。

1% 听起来很小。

但在 MW 级机柜和大规模 AI 工厂里，1% 就不再是小数点后的装饰了。

它会变成热、空间、电费、设备余量和运维压力。

顺着这个思路，白皮书还把数据中心配电架构画成了一条演进路线。

图8，数据中心供电架构的演进路线

第一层是今天常见的 415 VAC 架构。中压降压，低压配电，AC UPS，PDU，RPP 或 busway，然后每个计算机柜里有 PSU，把 415 VAC 转成 54 VDC。

第二层是过渡方案。用 800 VDC side power rack，把 AC/DC 转换放到计算机柜外面。NVIDIA 也承认这条路径在端到端效率上还不够理想，因为中间还有额外转换阶段。但它能在近期把功率转换组件从计算机柜里挪出去，让计算机柜承载更高密度。

第三层是 facility-level AC/DC rectifier。从低压 AC 转成 800 VDC，多个整流串可以挂到共同 DC bus 上。白皮书说，这类整流器在 BESS 和可再生能源场景里已经成熟，效率可以到大约 99%。

再往后，是中压整流器和固态变压器 SST。目标是从 35kV AC 这类中压输入直接转成 800 VDC，减少传统 480 VAC 层级。白皮书提到，MV Rectifier 和 SST 单元可以做到 7.5 MVA，效率 98.5% 或更高。

这块需要注意一下。

中压整流器更接近近期可用路径，因为它在矿业、电解、铁路、储能这些行业已经有成熟应用。SST 更有想象力，也更紧凑，但白皮书也写了，多 MW 级 SST 还会碰到高功率整流模块开发、可靠性、热和电应力管理这些挑战。

所以这不是一条一步到位的路。

更像是从今天的数据中心，慢慢迁移到下一代 AI 工厂。

17.5MW 只是一个参照

NVIDIA 还给了一个 facility-level reference design。

图9，800 VDC 17.5MW power block 参考设计

这个参考设计是一个 17.5MW power block，用五台 3.5MW 中压整流器，组成 5-to-make-4 冗余配置。每台整流器把 35kVAC 转成 800VDC，然后送到一个 5000A 的集中 DC distribution board。

电再通过 1500A busduct 或液冷线缆送出去，配 load-break contactor、solid-state circuit breaker 和 blocking diode，处理安全隔离、故障保护和故障电流限制。系统给四个 1.1MW 计算机柜，以及相关 CDU 和 IT 支持设备供电。

每个计算机柜还有本地或聚合储能，用来做 slew-rate control、power smoothing、voltage regulation，也可以提供可选备份能力。机柜用 1+1 冗余 feed，来自独立整流器。

这张图很工程。

但它告诉我们一件事。

NVIDIA 现在讨论的 AI 机柜，已经进入 MW 级尺度。白皮书里的参考机柜是 1.1MW。一个 power block 是 17.5MW。

这就是为什么它要从中压、整流器、DC bus、固态断路器、液冷线缆和储能一起讲。

算力密度上去了，供电系统就不能只在机柜后面加几根粗线。

这件事还要靠行业一起补课

白皮书收尾讲的是行业协作。

它列了三件事。

统一电压范围、连接器和电流水平。开发和认证 DC-native equipment，包括整流器、配电系统、保护器件、线缆、连接器、transfer trip schemes 和计量。再就是对 800 VDC 以及更高电压建立适合数据中心的安全标准和操作实践，包括维护、电弧风险、接地策略和人员培训。

这部分很容易被读者跳过去，但它很现实。

任何一个新供电架构，落地时都不能只靠 NVIDIA 自己完成。它需要电力设备厂商、连接器厂商、保护器件厂商、数据中心运营商、测试认证机构和标准组织一起往前走。

也要注意，白皮书自己说得很谨慎。

它给出的 reference design 并不等同于 rigid specifications，只是 illustrative examples，用来帮助生态伙伴形成可扩展、可互操作的 AI Factory 方案。

所以这篇文章不能把它写成 NVIDIA 已经替全行业拍板。

更准确的说法是，NVIDIA 正在把下一代 AI 工厂的供电方向讲清楚，并希望产业链围绕这个方向做准备。

Call Back

我看完这份白皮书以后，脑子里一直有一个画面。

过去大家看 AI 基建，眼睛盯着芯片。

后来发现芯片之间要互联，网络成了大问题。

再后来机柜热密度上来，散热成了大问题。

现在，电也被推到了前台。

这件事一点都不性感。

它不像模型参数，也不像 GPU 型号，没那么适合出现在发布会的高潮页。

但工程世界经常就是这样。

决定一个系统能不能继续放大的，往往是那些听起来很朴素的问题。

电从哪里来。

经过哪些转换。

怎样送到机柜。

故障时怎样稳住系统。

NVIDIA 这份 800V 白皮书把这些问题摊开了。

它没有给出一个已经结束的答案，更像是在给 AI 工厂的下一阶段画边界。

GPU 还会继续往前跑。

但从现在开始，AI 基建的故事不能只写在芯片上了。

它也会写在从电网到机柜、从机柜到 GPU 的那条供电路径上。