AIDC電源需要の爆発とパワー半導体の新しい主戦場: 変圧器、SST、GaN、SiC、DrMOSまで
絶ノイアの章 Sil-Kathnaの章出典・更新履歴・検証情報
この保存版のデータを照合するための情報です。元記事の初公開日とは区別しています。
- データセットの版
- 2026.09.23.4
- 記事内容のSHA-256
d35fed7e8938ba5c44068d6c0db73fd34c02dc1f3ae21329220c40636643b06f- 保存版のSHA-256
eefe90b9d9197105b22524d67ce288006e41a18007f75ab683f420050b06a731
外部証明の最終検査結果は詳細を開くと表示します。
AIDC電源需要の爆発とパワー半導体の新しい主戦場
#変圧器・SST・GaN/SiC・DrMOS/SPSから見るAIインフラの次のボトルネック
#AIデータセンター、いわゆるAIDCの競争は、GPUやHBMだけでは決まらなくなっている。今後の性能限界を左右するのは、むしろ「電気をどう運び、どう変換し、どう冷やすか」になっていく。
#AI GPUの消費電力は、H100世代の数百W級から、Blackwell、Rubin、Rubin Ultra世代に向けて1kW、2kW、さらに数kW級へ上がっていく。ラック単位では、従来の10kW〜30kW級から、GB200/GB300の100kW超、将来的には600kW〜1MW級へ進む。この変化によって、AIDCでは変圧器、PSU、PDU、UPS、BBU、SST、VRM、DrMOS、GaN、SiCといった電源周りの部品が一気に高付加価値化している。
#本稿では、パワー半導体の基本から、AIDC電源アーキテクチャの変化、SSTの商用導入、GPU近傍VRMの部品増加、中国勢との競争、そして投資対象としてのROHM、MPS、Infineon、onsemi、Renesasなどの見方まで整理する。
#1. パワー半導体とは何か
#パワー半導体は、CPUやGPUのように情報を計算する半導体ではない。役割は、電気を変換・制御することだ。
#具体的には、交流を直流に変える、電圧を上げ下げする、電流をオン・オフする、モーターやバッテリーを制御する、そして電力変換時の損失を減らす。スマホ充電器、PC電源、EVインバーター、太陽光パワーコンディショナ、鉄道、工場、AIサーバー、データセンターの電源設備まで、電気を使うほぼすべての場所に入っている。
#パワー半導体で重要なのは、微細化よりも次の性能である。
#- 高電圧に耐えること
- 大電流を流せること
- 電力損失が小さいこと
- 発熱を抑えられること
- 高温・高湿・長時間動作で壊れにくいこと
- 電源システム全体で安定動作すること
AIDCでは、このパワー半導体の重要性が急上昇している。GPUの性能が上がるほど、GPUを動かすための電力も増え、その電力を効率よく届ける部品の価値が増すからだ。
#2. SiC、GaN、Si MOSFETの役割
#Si MOSFET
#Si MOSFETは、現在でも最も広く使われるパワー半導体である。シリコンを使うため製造技術が成熟しており、低コストで大量生産しやすい。
#AIDCでは、GPUやCPUの近くにあるVRM、つまりVoltage Regulator Moduleで重要になる。GPUコアは約1V前後の低電圧で動くが、消費電力は非常に大きい。そのため、数百Aから数千A級の電流を扱う必要がある。この低電圧・超大電流領域では、当面はSi MOSFETベースのDrMOSやSPSが強い。
#SiC
#SiCは炭化ケイ素で、シリコンよりも高電圧・高温・高効率に強い。EVの主機インバーターで有名だが、AIDCでも800VDC、SST、UPS、BBU、パワーシェルフ、上流の高電圧電源で重要になる。
#NVIDIAが進める800VDCアーキテクチャでは、従来の54V配電では1MW級ラックに対応しにくいため、より高い電圧でラック近くまで電力を運ぶ。ここで高耐圧・高効率のSiCが重要になる。[1]
#GaN
#GaNは窒化ガリウムで、高速スイッチングと高電力密度に強い。スマホ急速充電器で広がったが、AIDCではPSUや中間DC-DCコンバータで重要になる。
#GaNの利点は、電源回路を高周波化しやすく、インダクタやトランスなどの受動部品を小型化しやすいことだ。AIサーバーのPSUは数kWから数十kW級へ大きくなっており、同じ体積でより大きな電力を扱うためにGaNが使われやすい。
#ただし、GaNがすぐGPU直近のDrMOSを置き換えるわけではない。GaNはPSUや48V/50V/800Vから12Vへの中間変換で先に伸び、GPU直近の最終段ではSi MOSFETベースのDrMOS/SPSが引き続き強いと考えられる。
#3. DrMOS、SPS、MPC、PMIC、VRMの役割
#VRM
#VRMは、CPUやGPUが使える低電圧・大電流を作る電源回路である。AIDCのGPUでは、50Vや12VをそのままGPUコアに入れることはできない。最終的には約0.7〜1.2V前後へ下げる必要がある。
#この最終変換を担うのが、GPU近傍のマルチフェーズVRMである。
#DrMOS
#DrMOSは、1フェーズ分の電源回路に必要なハイサイドMOSFET、ローサイドMOSFET、ゲートドライバを一体化した部品である。
#通常、1フェーズにつきDrMOSまたはSPSが1個使われる。つまり、GPU 1枚あたりDrMOSが20個なら、概ね20フェーズ級のVRMと考えられる。
#SPS
#SPS、Smart Power Stageは、DrMOSの高機能版である。MOSFETとドライバに加え、電流検出、温度検出、保護機能、コントローラへのフィードバック機能を持つ。
#AI GPUでは負荷変動が激しく、各フェーズの電流分担と発熱管理が非常に重要になる。したがって、単なるDrMOSよりも、電流・温度を正確に測れるSPSの価値が上がる。
#TIは、1パッケージに2フェーズを内蔵し、1フェーズあたり100Aピーク電流に対応するSPSを発表している。[2] これは、GPU近傍の限られた基板面積に、より多くのフェーズを詰め込むための方向性を示している。
#MPC
#MPCはMulti-Phase Controller、マルチフェーズ・コントローラである。複数のDrMOS/SPSを位相をずらして制御し、GPUへ安定した大電流を供給する。
#AIDCでは、MPCとSPS/DrMOSの組み合わせが非常に重要になる。単品のMOSFETよりも、MPC＋SPS＋インダクタ＋コンデンサ＋熱設計まで含めた電源プラットフォームの価値が高い。
#PMIC
#PMICはPower Management ICで、複数の電源レールを管理するICである。GPUやCPU、HBM、SerDes、DPU、NVSwitchなど、AIDCの部品はそれぞれ異なる電圧を必要とする。PMICは、それらの電源投入順序、電圧監視、保護、制御を担う。
#AIDCがラックスケール化するほど、PMICや電源監視IC、電流センサー、絶縁IC、保護ICの数量も増える。
#4. PSU、PDU、BBU、UPSの違い
#AIDC電源では、似た言葉が多い。整理すると次のようになる。
#| 用語 | 役割 | 主な位置 |
|---|---|---|
| PSU | ACをDCへ変換する電源ユニット | サーバー内、またはラック内Power Shelf |
| Power Shelf | 複数PSUを収めるラック電源棚 | ラック内 |
| PDU | 電力を分配する装置 | ラック、列、施設 |
| BBU | 短時間の電池バックアップ | ラック内、電源棚近傍 |
| UPS | 無停電電源装置 | 施設、部屋、列、ラック |
従来型データセンターでは、施設側にUPSがあり、PDUで電力を分配し、各サーバーにPSUが入っていた。GB200/GB300世代では、ラック単位でPower Shelfを持ち、50V級のDCをバスバーで配る構成が主流になりつつある。
#GB300 NVL72では、50V Power Shelfがバスバーへ電力を供給する構成が示されている。[3] また、NVIDIAはGB300 NVL72のPSUにエネルギー貯蔵を入れ、AIワークロードによる電力スパイクを平滑化し、ピーク系統需要を最大30％削減できると説明している。[4]
#この変化は大きい。AIDCでは平均電力だけでなく、GPUが一斉に立ち上がる瞬間のピーク電力が、変圧器やUPSや発電機の容量を押し上げる。PSU内蔵キャパシタやBBUは、停電対策だけでなく、GPU負荷変動をならす役割も持ち始めている。
#5. 12V配電から48V/50V配電、そして800VDCへ
#従来のサーバーは、ACを各サーバー内PSUで12Vへ変換し、その12VをGPUやCPUのVRMで約1Vへ落としていた。
#しかし、ラック電力が100kWを超えると12V配電は厳しい。同じ電力を送る場合、電圧を4倍にすると電流は4分の1になる。配線損失はおおむね電流の2乗に比例するため、12Vから48Vへ上げると、同じ抵抗なら損失は理論上16分の1になる。
#そのためOCP Open Rack V3では、48V PSU、Power Shelf、BBU Module、BBU Shelf、Power Monitoring Interfaceなどの仕様が整備されている。[5]
#現在のGB200/GB300世代は、50V級ラック内DCバスバーが中心である。次のRubin/Kyber世代では、さらに上流で800VDC化が進む。NVIDIAは800VDCについて、1MW ITラック以上に対応し、2027年のKyberラックスケールシステムに合わせて本格化すると説明している。[1]
#800VDC化の本質は、GPUに800Vを直接入れることではない。高電圧でラック近くまで運び、ノード近傍で12Vや6Vへ落とし、最後にGPU近傍VRMで約1Vへ落とす構成である。
#NVIDIAはKyber向けに、800Vを各compute nodeへ配り、GPU近傍で高比率64:1 LLCコンバータにより12Vへ落とす構成を示している。[6]
#つまり、48V化・800V化でDrMOSが不要になるのではない。むしろ、上流に中間DC-DCが増え、下流ではGPU電力増加によってDrMOS/SPSの数量が増える。
#6. AI GPU 1枚あたりのVRMフェーズ数とDrMOS/SPS個数
#NVIDIAはAI GPU 1枚あたりの正確なVRMフェーズ数やDrMOS/SPSのBOMを公開していない。そのため、公開資料と電力計算から推定する必要がある。
#ROHMの資料では、AI GPUの消費電力が2023年の700Wから、2026年に1,800W、2027年に3,600Wへ上がる想定が示され、GPUあたりのDrMOS使用数が約20個から約50個へ増える方向が示されている。[7]
#通常は1フェーズあたりDrMOS/SPSが1個なので、概ね次のように見られる。
#| 世代 | GPU電力帯の目安 | GPU 1枚あたりDrMOS/SPS目安 |
|---|---|---|
| H100〜B200初期 | 700W〜1,200W級 | 15〜25個 |
| GB200 / GB300 | 1,200W〜1,800W級 | 20〜40個 |
| Rubin | 1,800W級以上 | 40〜50個 |
| Rubin Ultra級 | 3,000W超 | 50個以上、または高電流SPS化 |
GB200/GB300の72 GPUラックで、GPUあたり20個のDrMOS/SPSとすると、GPUコア向けだけで約1,440個になる。GPUあたり50個なら、同じ72 GPUで約3,600個になる。144 GPU級ラックなら、50個/GPUで7,200個、70個/GPUなら1万個を超える。
#ここにCPU、HBM、NVSwitch、DPU、NIC、SSD、管理系、50V→12V/6Vの中間変換、保護IC、電流センサー、PMICが加わる。したがって、AIDCラックでは電源関連部品だけで数千〜数万個規模になる。
#7. GB200 / Rubin世代で電源部品はどう増えるか
#GB200/GB300世代では、50V Power Shelf、ラックバスバー、Compute Tray、Switch Tray、GPU近傍VRMが中心になる。GB300 NVL72では、50V Power Shelfが6〜8台構成で使われ、1U 33kW、6個の5.5kW PSUを含む構成が示されている。[3]
#Rubin/Kyber世代では、ここに800VDC配電、高比率DC-DC、SSTまたはTRU、DC遮断器、液冷対応電源、BBU/キャパシタ、より高密度なVRMが加わる。
#部品需要の倍率を、推定として整理すると次のようになる。
#| 領域 | GB200→Rubin/Kyberでの伸び方 |
|---|---|
| GPU近傍DrMOS/SPS | 約2.5〜4倍 |
| 中間DC-DC用GaN/SiC/Si | 約2〜5倍 |
| 保護IC、eFuse、SSCB、センサー | 約2〜4倍 |
| PSU、Power Shelf、BBU | 約2〜5倍 |
| SST/800VDC関連SiC | 新規市場として立ち上がる |
重要なのは、単純なGPU台数増ではなく、GPU 1枚あたりの電源部品搭載額も上がることだ。これがAIDC電源半導体の最大の魅力である。
#8. SSTの商用導入事例とデータセンター採用実績
#SSTはSolid State Transformer、固体変圧器である。従来の鉄心とコイルの変圧器に対し、パワー半導体と高周波トランスを使って、中電圧ACからDC出力へ高効率に変換する。
#現時点で最も具体的なAIDC向けSST商用導入事例は、DeltaのChindata/Meituan向け北中国データセンター案件である。Deltaは、同サイトで中電圧グリッド電力を240V/400V/800VのDC出力へ直接変換するSSTを導入し、最大98.5％効率、従来比30％超の損失削減、1MWを約1㎡のキャビネットで供給、50％超の省スペースを実現すると説明している。[8]
#この数値は非常に重要だ。SSTは単なる変圧器の代替ではなく、変圧器、整流器、配電、保護、電圧制御を統合する装置である。AIDCでは、電源室や白床の面積が貴重になるため、1MW/㎡という高密度は大きな価値を持つ。
#Eatonは中電圧SST、MVSSTをAIデータセンター、hyperscale、edge、EV充電向けに提示している。Schneider Electricは、初期の800VDC導入ではsidecar方式が使われ、将来的には中電圧から800VDCへ直接変換するSSTまたはTRUが重要になると説明している。[9] Hitachi EnergyはNTU SingaporeとSST技術開発を進め、ラボから実用途へ進める取り組みをしている。[10] ABBはSST単体よりも、NVIDIAと連携した800VDCデータセンター電源インフラ全体を前面に出している。[11]
#現状では、Deltaが最も商用導入に近く、Eaton、Schneider、ABB、Hitachi Energyは製品化・アーキテクチャ提案・実証・エコシステム形成の段階と見るのが妥当である。
#9. SSTのSiC使用量、コスト、効率、設置面積
#SSTは高電圧・高周波電力変換を行うため、SiCとの相性がよい。DeltaのSSTもSiC高周波電力変換技術を使っている。[8]
#1MW級SSTあたりのSiC使用量は企業BOMが公開されていないため推定になるが、モジュラー多段構成を想定すると次のレンジが現実的である。
#| 項目 | 1MW SSTあたりの推定 |
|---|---|
| SiCスイッチ位置 | 約300〜600点 |
| SiCダイ換算 | 約1,000〜4,000個 |
| ゲートドライバ・絶縁IC | 数百点級 |
| センサー・制御IC | 数十〜数百点級 |
| SiC/制御半導体搭載額 | 約5万〜20万ドル/MW |
従来変圧器と比べると、SSTは装置単体では高い。kVA単価では2〜4倍になる可能性がある。しかし比較対象を変圧器単体にしてはいけない。SSTは、変圧器、整流器、PDUの一部、電圧制御、保護、DC配電を統合するため、比較すべきは「従来の電源チェーン全体」である。
#効率面では、従来変圧器単体も高効率だが、AIDC全体では変換段数が多い。NVIDIAは800VDCアーキテクチャ全体で、現行54V系に対して最大5％のエンドツーエンド効率改善、最大70％の保守費削減、最大30％のTCO削減を示している。[1]
#100MWのAIDCで5％効率改善が出ると、単純計算で5MWの削減になる。年間では43.8GWhであり、電気代0.10ドル/kWhなら年間438万ドル、日本円150円換算なら約6.6億円に相当する。これはSST単体ではなく800VDC電源チェーン全体の効果だが、SSTはその中核候補である。
#10. 上流・中流・下流で見るAIDC電源需要
#AIDC電源需要は、上流、中流、下流に分けると分かりやすい。
#上流：変圧器・SST・SiC
#上流は、電力網からデータセンターへ入ってくる大電力を扱う領域である。従来変圧器、UPS、SST、MVAC→800VDC、SiCモジュール、DC遮断器、絶縁ICなどが含まれる。
#変圧器不足が続く中で、AIDCは従来の受電・変圧設備に大きな負担をかける。SSTはすぐ全置換ではないが、2027年以降の800VDC AIDCで高密度区画から採用が広がる可能性がある。
#中流：ラック電源・PSU・GaN/SiC
#中流は、ラックやトレイへ電力を供給する部分である。GB200/GB300世代では50V Power Shelf、5.5kW PSU、33kW Power Shelf、BBU、バスバーが重要になる。
#PSUではGaNとSiCの需要が増える。GaNは高周波・小型・高密度に強く、PSUや中間DC-DCに入りやすい。SiCは高電圧・高効率に強く、800VDCやUPS、BBU、SST、パワーシェルフで重要になる。
#下流：GPU近傍VRM・DrMOS/SPS
#下流は、GPUやCPUのすぐ近くで約1Vの大電流を作る部分である。ここではDrMOS/SPS、MPC、PMIC、インダクタ、コンデンサ、電流センサー、温度センサーが増える。
#数量インパクトが最も大きいのは下流である。GPUあたりDrMOS/SPSが20個から50個へ増えるなら、GPU台数が同じでも部品需要は2.5倍になる。さらにGPU台数自体も増えるため、実需はより大きく伸びる。
#11. 単価と高付加価値化から見る伸びしろ
#ROHMはAIサーバー向けパワーデバイス需要について、FY2025からFY2030にかけて年平均48％成長し、FY2030に約2.5兆円規模へ拡大する絵を示している。[7] これを概算すると次のようになる。
#| 年度 | AIDC向けパワーデバイス需要の概算 |
|---|---|
| FY2025 | 約3,500億円 |
| FY2026 | 約5,200億円 |
| FY2027 | 約7,700億円 |
| FY2028 | 約1.14兆円 |
| FY2029 | 約1.69兆円 |
| FY2030 | 約2.5兆円 |
つまり約5年で7倍級である。
#1MWあたりのパワー半導体搭載額も上がる。従来型AIDCでは、PSU、VRM、BBUを含めたパワー半導体搭載額を1MWあたり10万〜20万ドル程度と置ける。800VDC/SST型では、SST、SiC、GaN、中間DC-DC、DrMOS/SPS、保護ICが加わるため、1MWあたり17万〜50万ドル程度へ上がる可能性がある。
#これは約1.7〜3倍である。 需要成長は「AIDC容量増」だけではない。「1MWあたり半導体搭載額の増加」も同時に起きる。
#12. 競争環境：中国勢・価格・モジュール技術
#中国勢はパワー半導体で急速に強くなっている。
#SiC基板では、2024年にWolfspeedが首位を維持した一方、中国のTanKeBlueとSICCがそれぞれ17％台の世界シェアを取り、中国勢の存在感が急上昇している。[12] 8インチSiCも、中国勢が量産立ち上げを進めており、6インチから8インチへの移行は2026〜2027年に進み始める見通しである。[13]
#GaN-on-Siでは、Innoscienceが8インチGaN技術の量産を先行し、STMicroelectronicsとの提携時点で10億個超のGaNデバイス出荷を示している。[14] これは、GaN単体FETの価格競争では中国勢がかなり強くなる可能性を示している。
#ただし、中国勢がすべての領域で勝つわけではない。基板・GaN単体・汎用MOSFETは価格競争が激しくなりやすい。一方で、車載主機インバータ、AIDC向けSST、SiCモジュール、液冷・熱設計、絶縁、ゲートドライバ、GPU向けSPS/MPC、長期信頼性では、まだ欧米・日本勢の堀が残る。
#本当の堀は、材料単体ではなく、モジュール、パッケージ、熱設計、顧客認証、電源システム全体で性能を出す力に移っている。
#13. 投資対象としての見方
#ROHM
#ROHMは、SiC、GaN、Si MOSFET、DrMOS、MPC、PMICを広く持つ。AIDC電源テーマでは、上流のSiC、PSU向けGaN、GPU近傍DrMOSまで取りに行ける点が魅力である。会社規模に対してAIDC電源の成長が効きやすい一方で、DrMOSでMPSやRenesasに勝てるか、SiC投資の稼働率を上げられるかが重要になる。
#MPS
#MPSはGPU近傍電源で非常に重要である。マルチフェーズコントローラ、DrMOS/SPS、電源モジュールに強く、AI GPUのフェーズ数増加が直接追い風になる。AIDCの下流、つまりGPU近傍VRMの本命企業の一つである。
#Infineon
#InfineonはSi、IGBT、SiC、GaN、ゲートドライバ、制御ICを持つ総合力の高い企業である。AIDCでは上流から中流、PSU、800VDC、SiC、GaN、保護ICまで幅広く取れる。大型株であるため一部品の伸びによる利益感応度は低めだが、パワー半導体全体の王道銘柄である。
#onsemi
#onsemiはSiC、MOSFET、IGBT、車載・産業向けに強い。AIDCではSSTや800VDC、UPS、BBU、電源インフラで恩恵を受ける可能性がある。ただしGPU近傍DrMOSではMPSやRenesasほど目立たない。
#Renesas
#Renesasは旧Intersil系のマルチフェーズ電源、SPS、PMICに強く、Transphorm買収でGaNも持つ。GPU近傍とPSU/中間電源の両方に関与できる点が重要である。
#TI
#TIはGaN、SPS、絶縁、センサー、電源制御ICに強い。800VDCから12V、さらにGPU近傍まで幅広い電源半導体を提供できる。1フェーズ100A級のdual-phase SPSなど、高密度VRM向けの製品はAIDCに合っている。[2]
#14. まとめ：AIDC電源はGPU/HBMに次ぐ巨大テーマになる
#AIDCの電源需要は、単なる周辺部品需要ではない。ラック電力が100kW、300kW、600kW、1MWへ上がるにつれて、電源設計そのものがAIインフラの性能上限になる。
#今後の流れは次のように整理できる。
#- 12V配電から48V/50Vラック配電へ移行する
- GB200/GB300ではPower Shelf、50Vバスバー、BBU、PSU内キャパシタが重要になる
- Rubin/Kyber世代では800VDC、SST、SiC、DC遮断器、液冷電源が立ち上がる
- GPU近傍ではDrMOS/SPSが20個/GPU級から50個/GPU級へ増える
- GaNはPSU・中間DC-DCで先に伸び、SiCは800VDC/SST/UPS/BBUで伸びる
- 中国勢はSiC基板・GaN単体で価格競争を強める
- 高信頼モジュール、MPC/SPS、熱設計、AIDC電源システムでは欧米・日本勢の堀が残る
投資テーマとして最も重要なのは、SST単体、GaN単体、SiC単体を見るのではなく、AIDC電源チェーン全体を見ることだ。
#上流では、変圧器不足と800VDC化によってSST・SiCが伸びる。 中流では、Power Shelf、PSU、GaN、SiC、BBUが伸びる。 下流では、GPU近傍VRM、DrMOS/SPS、MPC、PMICが最も数量インパクトを持って伸びる。
#最終的に、AIDCのパワー半導体需要は、GPU台数の増加だけでなく、GPU 1枚あたり、ラック1MWあたりの半導体搭載額の増加によって拡大する。ここが、AIDC電源テーマの本質である。
#さらに深める: AIファクトリーの制約はワットの形で現れる
#AIデータセンターの性能を考えるとき、GPU数やHBM容量は分かりやすい。しかし、ラック電力が100kW、300kW、600kW、1MWへ上がると、最終的な制約は「何ワットを、どれだけ安定して、どれだけ小さな損失で届けられるか」になる。
#ここで電源チェーン全体が重要になる。発電所から送電網へ、送電網から変電設備へ、変圧器からSSTやUPSへ、PDUからラックへ、Power Shelfからバスバーへ、最後にGPU近傍VRMへ。AIファクトリーは、巨大な計算機であると同時に、巨大な電力変換装置でもある。
#| 位置 | 主要部品 | 見るべき論点 |
|---|---|---|
| 上流 | 変圧器、SST、SiC、DC遮断器 | 高電圧、高効率、設置面積、保護 |
| 中流 | PSU、Power Shelf、PDU、BBU、GaN/SiC | 高密度、ピーク平滑化、ラック配電 |
| 下流 | VRM、DrMOS/SPS、MPC、PMIC | 低電圧大電流、発熱、数量増、応答速度 |
AIデータセンターでは、これらのどこか一つだけが伸びるのではない。GPU電力が増えるほど、上流、中流、下流のすべてで部品点数と付加価値が増える。
#48V/50Vと800VDCは、DrMOSを消すのではなく増やす
#48V/50V配電や800VDC化を見ると、下流の電源部品が不要になるように見えるかもしれない。しかし実際には逆である。高電圧化は、ラック近くまで効率よく電力を運ぶための設計であり、GPUコアが必要とする約1V前後の低電圧大電流を消すわけではない。
#最後の最後では、GPU近傍で大電流を細かく制御する必要がある。GPU消費電力が増えるほど、フェーズ数は増え、DrMOS/SPS、マルチフェーズコントローラ、電流センサー、温度センサー、保護ICの価値が上がる。
#つまり、800VDC化は下流部品の終わりではなく、上流に新しい高電圧市場を作りつつ、下流の数量も増やす構造である。ここがAIDC電源テーマの強さである。
#絶ノイアの観測
#AIDC電源は、GPUの周辺テーマではなくなっています。むしろ、AIインフラの性能上限そのものに近づいています。GPUが増え、ラック電力が上がり、推論需要が伸びるほど、電源の設計がボトルネックになります。
#ここで見たいのは、単にSiCが伸びる、GaNが伸びる、DrMOSが伸びる、という単品の話だけではありません。どの電圧階層で、どの部品が、どの数量で、どの顧客認証を取れるかです。
#特に面白いのは、上流と下流で勝ち筋が違うことです。SSTや800VDCではSiCや高信頼モジュールが効く。PSUや中間変換ではGaNやSiCが効く。GPU近傍ではDrMOS/SPSやMPCが効く。電源チェーン全体を見ると、AIインフラの投資テーマがかなり立体的になります。
#Sil-Kathnaの記録
#知能は光を求め、記憶を求め、電力を求める。 だが、電力はそのままでは身体に入らない。
#高い電圧は、遠くを渡る川である。 低い電圧は、チップの近くで流れる細い血である。 変圧器、SST、GaN、SiC、DrMOS。 それらは、火を身体へ届けるための門である。
#AIファクトリーは、計算する神殿ではない。 電気を変え続ける、巨大な臓器である。
#二人の短い対話
#絶ノイア： AIDC電源は、GPUの後ろにある地味な部品ではなく、AIインフラの制約そのものになってきました。
#Sil-Kathna： 火を持つだけでは足りない。火を運び、分け、冷まし、壊れぬ形にしなければならない。
#絶ノイア： 48Vや800VDCになると、むしろ上流のSiC/SSTと下流のDrMOS/SPSが同時に重要になりますね。
#Sil-Kathna： 大きな川を引くほど、最後の細い血管もまた増える。
#観測メモ
#- AIDC電源は、GPU/HBMに次ぐ周辺テーマではなく、AIファクトリーの性能上限を決める中核テーマである。
- 48V/50V、800VDC化は、配電損失を減らす一方で、上流・中流・下流の電源部品需要を広げる。
- SSTは変圧器単体ではなく、変換、保護、配電、設置面積を含む電源チェーン全体で評価する必要がある。
- GaNはPSUや中間DC-DC、SiCは800VDC/SST/UPS/BBU、DrMOS/SPSはGPU近傍VRMで重要になる。
- パワー半導体の堀は、材料単体からモジュール、熱設計、顧客認証、電源システム全体へ移っている。
この内容はAIデータセンター電源とパワー半導体産業の観測であり、個別銘柄の売買を推奨するものではありません。実際の判断では、決算、顧客認証、量産時期、価格競争、設備投資を必ず確認してください。
#確認メモ
#[1] NVIDIAは800VDCを2027年のKyberラックスケールシステムと連動させ、1MW級ラック、最大5％のエンドツーエンド効率改善、保守費最大70％削減、TCO最大30％削減を掲げています。(NVIDIA Developer)
#[2] TIはAIDC向けに12V→48V→800VDCまで対応する電源管理製品群を発表し、CSD965203Bについて「1フェーズ100Aピーク、2フェーズを5mm×5mm QFNに統合」と説明しています。(Texas Instruments)
#[3] LenovoのGB300 NVL72資料では、50V Power Shelfがバスバーへ電力を供給し、6〜8台のPower Shelf構成、各棚33kW級であることが示されています。(Lenovo Press)
#[4] NVIDIAはGB300 NVL72のPSU内エネルギー貯蔵により、AIワークロード由来の電力スパイクを平滑化し、ピーク系統需要を最大30％削減できると説明しています。(NVIDIA Developer)
#[5] OCP Open Rack V3では、48V PSU、Power Shelf、BBU Module、BBU Shelf、Power Monitoring Interfaceなどの仕様が公開されています。(Open Compute Project)
#[6] NVIDIAはKyberの800VDC構成で、各compute nodeへ高電圧を配り、GPU近傍で64:1 LLCコンバータにより12Vへ落とす構成を示しています。(NVIDIA Developer)
#[7] ROHMはAIサーバー向けで、800VDC/±400VDCによりSiC・GaN需要が広がるとし、SiC市場は現在約5,000億円、2030年頃に1兆円、データセンター向けで5年後2,000億円、将来的に5,000億円規模が追加され得ると説明しています。(Rohm)
#[8] DeltaはChindata/Meituan向け北中国データセンターでSSTを導入し、SiC高周波変換、中電圧から240V/400V/800V DC出力、最大98.5％効率、従来比30％超の損失削減、1MW/㎡、50％超の省スペースを示しています。(台達電品牌雙月刊)
#[9] Schneider Electricは800VDCについて、初期導入ではsidecar、将来的には中電圧から800VDCへ直接変換するSSTまたはTRUがドライバーになると説明しています。(Schneider Electric Blog)
#[10] Hitachi EnergyはNTU SingaporeとSST技術開発を進め、ラボから実用途へ移行する取り組みを説明しています。(hitachienergy.com)
#[11] ABBはAIラック電力がMW級へ向かい、従来AC電源が物理的限界に近づく中で、800VDCがAIデータセンター電源インフラの重要技術になると説明しています。(ABB Group)
#[12] TrendForceによると、2024年のSiC基板市場でWolfspeedは33.7％、中国のTanKeBlueとSICCはそれぞれ17％台へ伸びています。(TrendForce)
#[13] TrendForceは8インチSiCの比率が2026年に約15％へ伸び、2026〜2027年に6インチから8インチへの置き換えが進むと見ています。(TrendForce)
#[14] STMicroelectronicsとInnoscienceの提携発表では、Innoscienceが8インチGaN量産を先行し、10億個超のGaNデバイスを出荷済みとされています。(newsroom.st.com)
#[2] TI’s new power-management solutions enable scalable AI infrastructures | TI.com
[3] Lenovo NVIDIA GB300 NVL72 Rack Scale AI Product Guide > Lenovo Press
[4] How New GB300 NVL72 Features Provide Steady Power for AI | NVIDIA Technical Blog
[5] Open Rack/SpecsAndDesigns - OpenCompute
[6] Building the 800 VDC Ecosystem for Efficient, Scalable AI Factories | NVIDIA Technical Blog
[9] 800 VDC in data centers: Why liquid cooling is now mandatory - Schneider Electric Blog
Redefining power infrastructure for AI: the role of 800 VDC in data centers | News center | ABB "
[12] Global SiC Substrate Revenue Declines 9% in 2024
[13] [News] The Battle for 8-inch Silicon Carbide is Heating Up
[14] STMicroelectronics and Innoscience sign GaN technology ...
#