数据流架构和 RISC-V 相结合：一种 AI 和高性能计算芯片的技术解决方案 - 梅潮 (兆松科技（武汉）有限公司，软件工程师)
2026年8月18日凌晨3点，北京中关村某数据中心测试间内，李哲盯着示波器上平稳的电压曲线，长舒一口气。他和团队连续72小时验证的新一代液冷供电架构终于通过满载压力测试——这标志着国产AI算力基础设施在“芯-电-热”协同设计上迈出关键一步。
作为某头部AI芯片企业的系统架构师，李哲过去三年深度参与了多代大模型训练集群的部署。他坦言：“以前我们只管芯片算力，电源和散热是‘黑盒’。现在不行了，每瓦特都要精打细算。”这一转变背后，是全球AI算力功耗逼近物理极限的现实压力。据国际能源署（IEA）《2026年数据中心能效展望》报告，训练千亿参数模型单次能耗已超60兆瓦时，相当于2万户家庭日用电量。
[IMG:1]中信证券在2026年8月15日发布的《科技产业周度策略》中指出，“供电新架构”与“算力新技术”正成为市场关注焦点。该机构认为，传统12V集中式供电在AI服务器高密度部署下效率骤降，而48V分布式架构配合氮化镓（GaN）功率器件，可将电源转换损耗降低40%以上。李哲团队采用的正是此类方案，其核心在于将电压调节模块（VRM）从主板移至芯片封装内部，缩短电流路径，减少焦耳热。
技术突破并非坦途。李哲回忆，初期因高频噪声干扰导致GPU偶发宕机，团队不得不联合电源厂商重做电磁兼容仿真。“这不再是单一器件竞赛，而是全链路系统工程。”横向对比，英伟达Grace Hopper超算平台已集成类似供电优化，但依赖台积电CoWoS先进封装；而国产方案选择Chiplet异构集成，在成本与供应链安全间寻求平衡。
[IMG:2]行业挑战依然严峻。中国信通院《2026上半年AI基础设施白皮书》显示，国内新建智算中心平均PUE（电能使用效率）为1.28，虽优于全球均值1.56，但距理论极限1.07仍有差距。更关键的是，锂电储能配套不足制约绿电消纳——当前仅12%的智算中心部署分钟级响应储能系统，难以应对风电光伏波动。
不过，市场热情正在升温。中信证券数据显示，8月以来“供电新架构”主题指数上涨9.3%，跑赢沪深300指数11.2个百分点。李哲所在的公司已获三家云服务商订单，其新一代供电模组将于Q4量产。但他保持谨慎：“技术验证只是起点，大规模商用还要过可靠性、成本、生态三道关。”凌晨四点，他关闭示波器，窗外天色微明——新一轮能效优化迭代已在路上。
本文由AI辅助生成
