Seiring kecerdasan buatan (AI) terus mentransformasi berbagai industri di seluruh dunia, kebutuhan daya untuk pusat data AI melonjak tajam, menciptakan tantangan energi yang belum pernah terjadi sebelumnya bagi sektor teknologi.
Pada 20 Mei 2025, pemimpin semikonduktor asal Jerman, Infineon Technologies, mengumumkan kemitraan revolusioner dengan Nvidia untuk merevolusi distribusi daya bagi infrastruktur komputasi AI. Kolaborasi ini berfokus pada pengembangan sistem daya generasi berikutnya berbasis arsitektur arus searah tegangan tinggi (HVDC) 800V dengan pembangkitan daya terpusat.
Pendekatan inovatif ini merupakan lompatan besar dari metode distribusi daya pusat data konvensional. Sistem saat ini umumnya mendistribusikan daya tegangan tinggi dalam bentuk arus bolak-balik (AC), yang kemudian dikonversi menjadi arus searah (DC) oleh unit catu daya individual di dalam server. Arsitektur HVDC baru ini menyederhanakan proses tersebut dengan meminimalkan konversi energi dan memungkinkan konversi daya langsung pada chip AI di papan server.
"Kombinasi keahlian aplikasi dan sistem Infineon dalam mendukung AI dari jaringan hingga inti, dipadukan dengan keunggulan Nvidia dalam komputasi terakselerasi, membuka jalan bagi standar baru arsitektur daya di pusat data AI," ujar Adam White, Presiden Divisi Power & Sensor Systems Infineon.
Waktunya sangat krusial, mengingat konsumsi listrik pusat data diperkirakan akan lebih dari dua kali lipat pada tahun 2030, dengan beban kerja AI sebagai pendorong utama. Analis industri memperkirakan pusat data AI akan membutuhkan daya lebih dari satu megawatt per rak IT sebelum akhir dekade ini, dibandingkan sistem distribusi daya berskala kilowatt yang saat ini digunakan.
Keahlian Infineon dalam solusi konversi daya berbasis material semikonduktor silikon, silikon karbida, dan galium nitrida, menempatkan perusahaan pada posisi strategis untuk mempercepat transisi menuju arsitektur HVDC skala penuh. Kemitraan ini bertujuan menetapkan standar baru distribusi daya yang akan meningkatkan keandalan dan efisiensi untuk infrastruktur AI generasi berikutnya.