AI晶片的運算能力不斷提升，封裝內的功耗與熱量也更加集中，資料中心機櫃需要處理的供電規模同步增加。功耗與散熱正成為AI基礎設施擴大的關鍵瓶頸，而回應這項挑戰的最新進展，分別來自晶片設計端與資料中心供電端的兩項合作。
西門子與英飛凌在一場於柏林舉行的輝達技術大會期間，分別公布了各自的合作進展。西門子將代理式AI延伸至3D IC的電熱協同設計；英飛凌則與輝達推進採用氮化鎵技術的800V直流資料中心供電轉換方案。兩項合作並非同一套產品，而是分別處理AI基礎設施的兩個環節。
先看設計端。西門子公布的新EDA工作流程，可以由工程師先設定設計目標，再透過Intelligence Center X平台上的Fuse EDA AI Agent，自動調用七款西門子工具，協調九個流程階段，執行電氣、功耗、熱分析以及設計空間探索。
代理式AI在這個流程中的角色，是依分析結果找出未達設計目標的原因，判斷問題可能來自供電、晶粒布局、封裝材料，或是多項因素的交互作用，再進一步比較不同的設計配置。這讓工程師能在設計早期，就評估更多的電熱條件組合。
根據西門子公布的基準測試結果，這套流程可將工程工作量減少最多95%，原本需要數天的工具流程設定，可以縮短到五分鐘以內。相較於傳統手動流程，可探索的設計方案範圍最高增加50倍。
此外，這套流程可以連續執行8到10小時，進行數十至上百個推理步驟，協助工程師在設計早期評估更多電熱條件。不過西門子也提醒，上述效益是該公司公布的測試結果，實際表現仍與設計、工具及工作負載有關。
值得注意的是，相關說明同時強調，工程師仍然掌握設計決策，AI扮演的是協作與擴展探索範圍的角色，而非取代工程師做決定。這一點對於高度依賴經驗判斷的晶片設計領域來說，是實際導入時的重要前提。
再看供電端。英飛凌與輝達的合作，聚焦在AI資料中心逐步導入的800V直流配電架構。兩家公司共同開發高壓中繼匯流排轉換器，把主匯流排電壓轉換為後級電源可使用的較低電壓，再供應AI加速器板卡上的核心電源與負載點電源。
關鍵技術是氮化鎵功率元件。英飛凌表示，氮化鎵功率元件可支援最高達1MHz的切換頻率，有助於縮小磁性與被動元件的體積，進而提升功率密度。其產品組合也支援800V轉50V、12V及6V等多種轉換比例，覆蓋從主匯流排到晶片端的供電鏈。
英飛凌執行長Jochen Hanebeck表示，AI正從根本上改變電力基礎設施的需求，而半導體是應對這項挑戰的重要技術之一。這句話點出了整件事的核心：AI資料中心的電力問題，已經不是單純多拉幾條電纜就能解決，而是需要從元件層級重新設計供電架構。
把兩項合作放在一起看，可以發現一個清晰的分工。西門子協助工程師在晶片設計階段，更早探索電力與散熱的限制，把問題解決在設計圖上；英飛凌則著眼於資料中心機櫃內的高壓電力轉換，用更高效率的元件處理實際運轉時的龐大電流。
這樣的分工其實反映了AI基礎設施的一個結構性現實：隨著運算密度持續提高，設計端與供電端必須共同管理功耗、散熱和效率。只在其中一端優化，另一端很快就會成為新的瓶頸。
從產業背景來看，AI資料中心的用電規模正在快速膨脹。單一機櫃的功率從過去的數十千瓦，一路攀升到數百千瓦等級，傳統的供電架構在轉換效率與空間利用上都面臨壓力。800V直流配電之所以被提出，正是為了在高壓下降低電流、減少線路損耗。
而在晶片端，3D堆疊技術讓更多電晶體塞進更小的體積，熱點也更加集中。傳統靠人工反覆試錯的設計流程，已經跟不上功耗與散熱交互作用的複雜度，這正是代理式AI被引入EDA流程的原因。
需要客觀看待的是，目前公布的內容以技術展示和應用情境為主。西門子的數據來自該公司自己的基準測試，實際導入效果會因設計複雜度而異；英飛凌的800V方案則處於與輝達共同開發階段，距離大規模部署還有一段路。現階段更適合把這些進展視為產業方向的信號，而非已經全面落地的成果。
95%：西門子稱新流程可將工程工作量減少的上限比例，來自該公司公布的基準測試，實際效果因設計而異。
5分鐘：原本需要數天的工具流程設定，在新流程下可縮短到的時間，顯示自動化帶來的效率躍升。
50倍：相較傳統手動流程，新流程可探索的設計方案範圍最高增加的倍數，讓工程師有更大空間尋找最優解。
8至10小時：新流程可連續執行的時間，期間進行數十至上百個推理步驟，適合長時間的設計空間探索任務。
1MHz：英飛凌氮化鎵功率元件可支援的最高切換頻率，有助縮小被動元件體積、提升功率密度。
800V：AI資料中心逐步導入的直流配電架構電壓等級，英飛凌產品支援800V轉50V、12V及6V等多種轉換比例。
後續值得關注的發展，包括800V直流配電架構在實際資料中心的導入時程，以及代理式AI設計流程從展示走向商用的速度。當AI算力的競賽進入下半場，誰能更有效率地管理每一瓦電力，很可能就是下一階段的勝負關鍵。
