一个 100V 晶体管和一排冷水机组：AI 基建的瓶颈正往「电」和「热」两头走

结论先说：判断 AI 基建进度，只盯 GPU 出货会看错方向。瑞萨的 100V 氮化镓晶体管和 LG 的 5GW 冷水机组在同一天出现，说明瓶颈正在往供电和散热两头同时收紧——而这两条链的交期通常比芯片更长。

一、供电侧：把电送进机柜的效率问题

瑞萨电子推出公司首款低压氮化镓功率半导体，是一条 100V 增强型（E-mode）GaN 分立功率晶体管系列，面向 AI 数据中心、人形机器人、工厂自动化和工业电机驱动。

为什么"低压"值得关注：机柜功率密度上去之后，真正的约束不在变电所，而在从母排到芯片这一段的转换效率与体积。GaN 相比传统硅器件开关损耗更低、单位体积能过的电流更大，适合做主板上密集的 DC-DC 转换。同样一个机柜，供电模块占的空间小一点，能塞进去的算力就多一点。

二、散热侧：从"风冷够用"到"必须设计"

LG 电子北美分支与暖通企业 AIR Control Concepts 达成协议，为北美超过 5GW 规模的人工智能数据中心供应先进冷水机组。按 LG 内部模拟，其中的制冷剂自然冷却技术每年可比水冷技术节能约 30%。

5GW 这个规模说明了量级——它不再是"几栋楼的空调"，而是区域级的能源工程。而"节能 30%"的真正含义是：在数据中心里，散热已经不是配套成本，而是主要运营支出之一。谁的 PUE 低一点，同样的电费就能多跑算力。

三、往上游再看一层：电力本身的长期锁定

同一批消息里还有一条值得并读的：Constellation 与亚马逊签署 20 年核电供应协议，由马里兰州 Calvert Cliffs 核电站供应 680MW 电力，其中包含 2030 至 2032 年上线的 190MW 新增容量，将带动超过 30 亿美元基础设施投资。

核电长单、冷水机组长单、GaN 器件，三段拼起来是一条完整的链：发电 → 配电与转换 → 散热。它们的共同特征是周期长、资本重、无法快速扩产。

四、对读者的实际影响

企业侧：如果你在规划自建或托管算力，机柜功率预算需要重新算。以前按"每柜几千瓦"设计供电与制冷的思路，在 AI 训练场景下会直接失效——不是预留不够，而是整套供电与散热架构都要换。

判断行业进度时，看三个交期而不是看发布会：

1. 变压器与开关柜的交期；
2. 液冷或冷水机组的交期；
3. 高功率器件（GaN、SiC）的产能。

这三项任何一项拉长，GPU 到货也开不了机。

五、一句提醒

"缺卡"是过去两年的叙事。从这批消息看，下一阶段的约束条件更可能是缺电、缺冷、缺高功率器件。它们不性感，但决定集群什么时候能真正跑起来。

参考来源

• IT之家：《瑞萨推出首款低压氮化镓功率半导体，面向 AI 数据中心与人形机器人》 https://www.ithome.com/1/010/015.htm
• IT之家：《LG 电子将为北美超 5GW 人工智能数据中心供应冷水机组》 https://www.ithome.com/1/009/949.htm
• IT之家：《Constellation 与亚马逊签 20 年核电长单，并接近与 Alphabet 达成 10 亿美元交易》 https://www.ithome.com/1/009/956.htm

延伸阅读：只有 2% 电工持直流证：AI 基建的瓶颈正从芯片转向人 · 63GW 涨到 474GW：数据中心的瓶颈已经不在芯片，在并网队列