伴随着AI的蓬勃发展，依托传统工作负载量所规划的数据中心基础构架正面临巨大压力，对电力的需求也高速成长，因此数据中心运营商亟需寻找高效的AI服务器电源解决方案，以减少电能制式转换过程中的损耗。
生成式AI对数据中心的冲击将加剧面对数据量爆炸，依传统工作负载量所规划的数据中心基础构架正面临巨大压力。全球数据量每两年便翻涨一倍，处理、储存这些庞大数据的服务器，需要大量的能源及水资源来维持运作。根据麦肯锡的预测，在未来五年内，仅仅是位于美国地区的数据中心便将新增39GW的用电量，相当于3200万的家庭一年的用电量。
生成式AI带来破坏式创新与商机，但随之而来的能源需求也是前所未有。一篇研究文章指出，训练最新一代的生成式AI模型，较上一代模型高出十至百倍。生成式AI应用主要的能耗来自于两方面，一是训练构成生成式AI系统核心的大型语言模型（LLMs）时需要的能源，另外便是大型语言模型运行时的能耗。
生成式AI的用电量高的难以置信，假设每次谷歌搜索需耗费相当于一个100W灯泡发光11秒钟的电量，如今当红的生成式AI应用工具ChatGPT每回答一个问题的用电量，竟比谷歌搜索高出50-100倍。面对突增的电力需求，升级数据中心构架迫在眉睫，数据中心业者更直言接下来4年数据中心在升级设备的花费预估将高达1万亿美元。
虽然如浸没式冷却、人工智慧优化方案、废热再利用等新兴技术已经出现，但这些方案皆无法从根本解决问题。由于基于硅开发的功率元件效率低落，现今的数据中心高度依赖冷却系统来维持安全的运作温度，因此兼具能效、尺寸优势及输出功率的电力解决方案正是当前数据中心急迫所需。
AI数据中心、人形机器人等引燃，GaN“上大分”数据中心领域也是近几年GaN厂商重点耕耘的方向之一，从相关厂商的进展可见，GaN在数据中心电源市场的应用已经迈出了一大步，而AI技术的兴起为该市场再添了一把火。
在AI生态中，数据中心对高速运算和电力都有着庞大的需求。据相关数据，NVIDIA（英伟达）Blackwell平台将于2025年正式放量，取代既有的Hopper平台，成为NVIDIA高端GPU（图形处理器）主力方案，占整体高端产品近83%。在B200和GB200等追求高效能的AI Server机种，单颗GPU功耗可达1,000W以上。
面对高涨的功率需求，每个数据中心机柜的功率规格将从30-40kW推高至100kW，对于数据中心电源系统来说挑战极大，而GaN与液冷技术的结合，将成为提升AI 数据中心能效的关键。
芯片功耗的大幅上升需要服务器拥有更高的功率密度和效能，GaN能够降低损耗、提高功率密度，已被视为AI数据中心优化能源效率的关键技术之一，吸引了英飞凌、德州仪器（TI）、纳微、英诺赛科、Transphorm、能华微、氮矽科技、镓未来等大批GaN玩家加入布局阵列。
可以预见，未来会有更多玩家和资金涌入GaN功率半导体领域，而市场竞争也将逐步激烈化。然而，市场格局目前扑朔迷离，未来谁能占据龙头宝座仍是未知数。
在消费电子应用仍占大比重的背景下，英诺赛科占据较大的市场份额，加上其努力推广工业应用，整体市占率位居前列。据TrendForce集邦咨询数据显示，2023年GaN功率半导体市占率前五大厂商分别是英诺赛科、PI、纳微、EPC、英飞凌。
而数据中心、电机驱动、电动汽车、光伏逆变器等更高功率的应用对厂商的集成整合能力以及产业链协同效应等各方面提出了更高的要求，因此，英飞凌、瑞萨、TI等传统IDM厂商，以及TI等在这方面的优势将逐步显现。
免责声明：
1、本号不对发布的任何信息的可用性、准确性、时效性、有效性或完整性作出声明或保证，并在此声明不承担信息可能产生的任何责任、任何后果。
2、 本号非商业、非营利性，转载的内容并不代表赞同其观点和对其真实性负责，也无意构成任何其他引导。本号不对转载或发布的任何信息存在的不准确或错误，负任何直接或间接责任。
3、本号部分资料、素材、文字、图片等来源于互联网，所有转载都已经注明来源出处。如果您发现有侵犯您的知识产权以及个人合法权益的作品，请与我们取得联系，我们会及时修改或删除。
