<img style="width: 600px; height: auto; margin: 0 auto; display: block;" src="https://oksht-mall.oss-cn-shenzhen.aliyuncs.com/news/j1piyryv.jpg" alt="AI代理深入芯片制造：SK海力士后端产线试点，三星SoC验证压缩至2天" /><div style="background-color:#fdfafa; border-left:4px solid #bf2722; padding:20px 24px; width:100%; box-sizing:border-box; font-family:'PingFang SC','Microsoft YaHei',sans-serif;">三星电子和SK海力士正将AI代理引入半导体制造现场。SK海力士已在清州后端产线启动分阶段试点，把AI代理用于后段工序的设备联动与异常响应，现阶段未公布具体设备类型。三星电子则把AI代理嵌入SoC验证流程，将验证中重复性检查交由AI代理处理，使整体周期缩短至2天。这一变化有助于减少人工复核负担，加快新品导入速度。存储与逻辑芯片制程复杂度持续上升，设备端对实时判断的需求也在增加，AI代理的部署范围预计继续扩大。</div>

三星电子与SK海力士加速将AI代理导入半导体制造。SK海力士在清州后端产线分阶段部署AI代理，三星将SoC验证周期压缩至2天，显示AI代理正进入芯片制造现场。

AI代理深入芯片制造：SK海力士后端产线试点，三星SoC验证压缩至2天

首页

新闻

随着工艺几何尺寸不断缩小、公差日益收紧，晶圆处理过程中的机械变化余量正变得越来越小，然而业内仍普遍依靠手动、离线检查来验证晶圆定心、传输精度和关键间隙，这些操作往往需要打开设备并破坏真空环境。Nordson Test &amp; Inspection业务发展总监Vidya Vijay认为，对人工检测及操作员判断的依赖已成为现代晶圆厂中一个常被低估的瓶颈，让许多以微米为单位的决策带上了主观性。
Vijay在《Semiconductor Digest》杂志的相关文章中详细介绍了智能原位传感（in-situ sensing）带来的改变。以Nordson的WaferSense Auto Centering Sensor（晶圆自动定心传感器）为例，该传感器模拟生产用晶圆的外形结构，可在包括真空环境在内的真实工艺条件下实时采集X、Y、Z轴数据，且无需拆解设备。从定性视觉反馈转向定量、可重复的测量，使晶圆厂得以从固定预防性维护计划过渡到预测性控制，在晶圆定位偏差或部件磨损影响良率之前捕捉细微漂移。
Vijay援引的数据显示，采用原位传感可将设备设置时间缩短30%至70%，同时避免严重错位或晶圆破损事故发生后所需的数日恢复、重新认证与清洁工作。在晶圆厂加速迈向更自主、互联的生产模式时，她认为这类测量基础设施已不再只是锦上添花，而是与日益收紧的公差要求保持同步的必要条件。

Nordson的Vidya Vijay指出，晶圆厂依赖手动离线检测已成瓶颈。原位传感可实时采集X、Y、Z轴数据，将设备设置时间缩短30%至70%，推动从预防性维护转向预测性控制。

晶圆厂原位传感：缩短设备设置时间30%-70%，告别手动检测瓶颈

根据 Yole Group 最新发布的报告《Automotive Powertrain and Electrification 2026 - Focus on Power Electronics》，包括 BEV、HEV、PHEV、FCEV 在内的 xEV（电动汽车）产量到 2031 年预计将达到 6960 万辆，约占全球小型车总产量的 70%。
xEV 功率器件市场有望从 2025 年的 67 亿美元扩大至 2031 年的 145 亿美元，期间年复合增长率（CAGR）为 13.8%。从应用领域看，主逆变器贡献了大部分营收，2025 年功率模块约占整个市场的 84%。
当前市场中，Si IGBT 模块仍占有较大比例，但 SiC MOSFET 正在迅速增长，尤其是用于牵引逆变器的 SiC MOSFET，其增速预计约为 IGBT 的两倍。SiC 的推广主要由中国 BEV 市场驱动，同时全球整车厂也在增加采用 SiC 的车型。不过，随着 SiC 衬底成本下降，其平均销售价格也将走低，因此出货量增长不一定能同步转化为收入增长。GaN HEMT 同样具备较高增长预期，但市场规模仍小于 Si 和 SiC。短期内，GaN 主要面向车载充电器（OBC）和 DC-DC 转换器；而在牵引逆变器中的应用，将取决于高耐压器件的供应能力和可靠性验证。
<h2 style="font-size:16px;font-weight:bold;color:#333;margin:20px 0 10px;line-height:1.4">供应链向垂直整合与多源采购演进</h2>
xEV 供应链正经历垂直整合与区域化趋势。尤其中国整车厂倾向于将牵引逆变器和电驱动桥纳入自产，同时把多种电力电子功能集成到单一系统。另一方面，Tier 1 供应商与整车厂也在推进功率半导体的多源采购，新进入者不断出现；既有多源采购所需的标准化，也有通过自研设计实现差异化的做法，二者并行推进。
中国企业通过并购和战略合作加速产业布局，在终端系统、晶圆和转换器制造方面的自主能力持续提升，但功率半导体芯片制造仍存在短板。在中国以外，行业重组与供应过剩促使厂商重新评估 SiC 制造基地。
<h2 style="font-size:16px;font-weight:bold;color:#333;margin:20px 0 10px;line-height:1.4">800V/1000V 架构重塑功率半导体技术</h2>
车载电池电压从 400V 提升至 800V、甚至 1000V，正在改变功率半导体的耐压规格、封装方式与热设计。SiC 有望成为 800V/1000V 级 BEV 的主力技术，而 Si IGBT 仍将在注重成本的 HEV、PHEV 和入门级 BEV 中保持优势。功率模块方面，低电感设计、热管理改进、环氧树脂过模封等方向的开发正在推进；市场重心也从单纯追求最高性能，转向在合适成本下实现所需性能。
晶圆尺寸同步走向大型化：Si 向 300mm、SiC 向 200mm、GaN-on-Si 向 300mm 演进，但 SiC 与 GaN 仍需继续改善晶体缺陷和良率。
总体来看，随着 xEV 市场扩大，SiC 推动高性能化、Si IGBT 保持低成本优势、GaN 开拓新应用，未来将根据不同车型、电压平台和价格区间，形成多种技术路线并存与细分应用的格局。

Yole报告显示，2031年xEV产量预计达6960万辆，约占全球小型车70%；xEV功率器件市场将达145亿美元，2025至2031年CAGR为13.8%，SiC加速增长，800V架构推动技术演进。

2031年xEV产量6960万辆，功率器件市场145亿美元

三菱化学于9月9日宣布，已通过旗下企业风险投资子公司Diamond Edge Ventures，向开发新一代光通信用OEO（Organic Electro-Optic，有机电光）材料的初创企业NLM Photonics出资。
NLM Photonics以华盛顿大学历时20多年的OEO材料研究为基础成立。其“Selerion”材料可应用于硅光子学器件，实现了硅与有机材料混合型光子集成回路（PIC），与传统采用无机材料的技术相比，能够以更高速度和更低功耗对光进行调制。
本次投资是Pangaea Ventures领投的NLM Photonics A2轮融资的一部分。随着生成式AI快速普及，数据中心的数据通信量急剧增长，实现高速、低功耗数据传输的光互连技术愈发重要。在此背景下，用于光调制器的材料作为影响器件性能的关键技术受到广泛关注。
三菱化学在其经营愿景“KAITEKI Vision 35”中，将“数据处处理与通信的高度化”列为重点业务领域之一。公司表示，今后将继续深化在光电融合等下一代信息通信领域的理解，同时探索利用自身材料技术创造新业务机会。

三菱化学通过旗下风投Diamond Edge Ventures出资NLM Photonics，后者基于华盛顿大学20多年研究开发OEO材料Selerion，可实现更高速、低功耗光调制，应用于硅光子学器件。

三菱化学投资NLM Photonics 布局新一代光通信OEO材料

QuantumDiamonds GmbH联合创始人兼首席技术官Fleming Bruckmaier指出，先进封装中的开路（open circuit）故障是最难定位的失效类型之一。开路意味着电流路径中断，因此不会产生热量或光子发射，X射线CT或热成像也往往捕捉不到明显的结构缺陷。传统失效分析技术——锁定热成像（lock-in thermography）、发射显微镜（emission microscopy）、OBIRCH和电子束方法（electron-beam methods）——都依赖某种故障信号来发现缺陷，而真正的开路几乎不产生任何此类信号。分析人员只能借助缓慢且具破坏性的“研磨-扫描”循环，有时耗费数周仍得不到答案。
QuantumDiamonds的替代方案不将开路视为“无信号故障”，而是将其看作一根“被缩短的天线”。检测时，技术人员用交流电流驱动失效网络，再由室温金刚石传感器对所产生的磁场进行成像。在获得的磁场分布图中，电流信号会在断点位置衰减至零，由此可确定断裂处的横向坐标；而磁场分布随传感器与样品间距（standoff distance）增大而扩展的规律，则用于独立推算断点在堆叠中的深度。据称，在基准测试中，该方法的深度定位精度约为15%，且无需在检测前移除任何封装材料。
这种方法的最大优势在于，在尚未剥离任何封装层之前，就能同时获得速度和确定性。一家芯片设计客户将传统失效分析所需的六周时间与磁场成像方法的60秒进行了对比。
这种“先定位、后破坏”的能力，对具有十几个甚至更多堆叠互连层的先进封装尤为重要。在“研磨-扫描”式分析中，一旦猜错位置，器件连同故障证据都会被一同破坏；新方法让分析人员在破坏性操作开始前就获得准确答案，避免样品在分析完成前便已丢失。

QuantumDiamonds利用室温金刚石传感器磁场成像定位先进封装开路故障，无需先剥离封装即可确定断点位置与深度，基准深度精度约15%，有客户将传统六周分析缩短至60秒。

金刚石传感器磁场成像，无需剥离封装定位先进封装开路故障

市场研究机构 TrendForce 发布的数据显示，2026年第二季度 DRAM 市场规模达1547.26亿美元，环比增长59.5%，主要受AI服务器需求驱动的合约价格急涨影响。同期，7月底完成首次公开募股（IPO）的中国存储厂商长鑫存储（CXMT）以146.24亿美元营收排名第四。TrendForce 预测，第三季度 DRAM bit出货量将保持温和增长，合约价格环比涨幅约13%至18%。
从供需来看，智能体（Agent）AI应用需求升温进一步带动各类容量DRAM需求，但供应商库存仍处于历史低位，新增供应主要流向服务器应用，因此当季 DRAM bit出货量仅小幅增长。
三大厂商中，三星电子（Samsung Electronics）位居第一，在三大厂中创下最高的季度环比bit出货量增长，叠加平均销售价格（ASP）上行，营收环比增长63.4%，达到609.8亿美元。SK海力士（SK hynix）排名第二，由于高带宽内存（HBM）在总bit出货量中占比为三大厂中最高，ASP涨幅相对受限，营收环比增长37.9%，至385.9亿美元。美光（Micron Technology）排名第三，在产能约束下优先供应高价服务器DRAM，营收环比增长65.5%，达到360亿美元。
TrendForce 预计，到2027年为止，三大厂将通过加速向先进制程迁移来提升bit供应量；晶圆投片量（wafer starts）则因制程优化、无尘室扩建以及从其他产品线重新分配无尘室空间的余地有限，预期仅小幅增加。
长鑫存储（CXMT）继7月底IPO后进入第四位。该公司主要生产面向智能手机、PC及服务器的DRAM，当季营收环比增长99.3%至146.24亿美元，增速高于前三家。市场传闻称，它正在为中国AI芯片供应商准备HBM3生产，同时也在寻求进入美国市场的机会，未来成长幅度值得关注。
南亚科技（Nanya）、华邦电子（Winbond）和力积电（PSMC）等台湾厂商继续深耕成熟制程产品。由于三大厂转向先进制程并以服务器为中心调整产品组合，来自其他领域的需求令台湾厂商受益。DDR4/DDR3合约价格上涨带动下，南亚科技营收环比增长68.3%至26.12亿美元，华邦电子营收环比增长75.8%至9.98亿美元，力积电营收环比增长167.8%至1.15亿美元。此外，南亚科技还计划通过从美光获得制程技术授权，以进一步扩大供应。
对于第三季度整体展望，TrendForce 预计 bit出货量将缓慢增长，合约价格环比上涨13%至18%。这既反映了部分需求从大容量RDIMM（带寄存器的双列直插内存模组）向低容量产品转移，也显示出PC和智能手机客户承受进一步涨价的空间有限。预计供应量较小的消费级DRAM将成为价格涨幅最大的品类。

TrendForce数据显示，2026年Q2全球DRAM市场规模达1547.26亿美元，环比增59.5%，受AI服务器需求驱动。长鑫存储IPO后以146.24亿美元营收排名第四。预计Q3合约价环比涨13%至18%。

2026年Q2 DRAM市场规模达1547亿美元，长鑫存储IPO后营收跻身全球第四

9月8日，Arm在上海“Arm Everywhere China”上宣布推出三项技术底座：面向移动的“CSS for Mobile 2”、面向物理AI的“Total Design for Physical AI”，以及面向基础设施的“Neoverse CSS N4”。Arm还举行了相关说明会，以下内容根据说明会资料整理。
<h2 style="font-size:16px;font-weight:bold;color:#333;margin:20px 0 10px;line-height:1.4">CSS for Mobile 2</h2>
Arm于2024年5月发布CSS for Client，此次新平台更名为CSS for Mobile。改名原因被认为是为了适配产品范围的变化——CSS for Client现覆盖智能手机与PC，不只再局限于移动客户端。CSS for Mobile 2的CPU升级为C2系列，GPU则换成Mali G2系列。
目前，Arm尚未公布C2系列和Mali G2系列的具体SKU和技术细节。官方表示，相比C1世代，新方案平均可实现12%至15%的性能提升。另一个值得注意的变化是，SME2单元最大可配置为两个，是否采用两个由客户选择。说明会问答环节还透露，C2核心在TDP 1W至2W范围内可提供5至7TOPS的AI算力，尤其是执行大语言模型（LLM）任务时，处理性能会有明显改善。从公布的示例数据看，C1-Ultra×2的响应时间约为1.9秒，而C2-Ultra×2加SME2后，响应时间缩短至约1.5秒以内。这很可能是搭载两个SME2的配置下的结果。
原有的CSS for Client除Ultra和Pro之外，还有Premium/Nano等定位；CSS for Mobile 2是否维持相同细分，目前尚不清楚。Lumex品牌的去向也没有进一步消息。
Mali G2的升级与当前PC显卡发展趋势一脉相承——AI超分辨率和帧生成已成为PC端的重要功能，Mali G2也跟进补上了这些能力。其最大变化是加入NX（Neural Accelerator，神经加速器）。Arm在问答中介绍，与Mali-G1相比，Mali G2使用新的ISA，并更新了微架构，同频下处理性能最高提升14%。NX面向CNN与张量图执行进行了优化，但它到底只是加入外积加速器，还是涵盖更多处理单元，Arm并未说明。
理论上，NX最高可提供约50TOPS的AI算力；Arm预计在实际应用中，性能会稳定在10至20TOPS范围。基于NX，Mali G2可支持NSS（Neural Super Sampling，神经超采样）、NFRU（Neural Frame Rate Upscaling，神经帧率放大）以及NSSD（Neural Super Sampling and Denoising，神经超采样与降噪）等功能。在结构示意图上，NX看起来位于GPU执行引擎之外，但Arm确认它实际上集成在Shader内。
至于Motion Engine，Arm没有单独说明其功能；只表示Motion Engine与NX协同，特别适合在涉及上千条光线的光线追踪任务中执行降噪。Mali-G2 Ultra借助NSS或NFRU，渲染性能可达到传统方案的4倍，同时大幅削减DRAM流量。该性能数据包含关闭光线追踪和开启光线追踪两种场景。
<h2 style="font-size:16px;font-weight:bold;color:#333;margin:20px 0 10px;line-height:1.4">Total Design for Physical AI</h2>
Arm Total Design于2023年推出，原本是帮助CSS落地的生态伙伴计划。此次发布的“Total Design for Physical AI”将该模式扩展到Physical AI（物理AI）领域。虽然外界很难为物理AI划定一条清晰边界，但参与该生态的企业总计已超过80家。
在“Cloud Intelligence”板块中，出现了日前被NVIDIA宣布收购的Hugging Face。Arm回应称，NVIDIA与Hugging Face之间会作出哪些决定、产生哪些进展，还需要持续关注；但就目前而言，Arm与Hugging Face的合作关系和未来计划没有任何变化。
Arm还新制定了Robotics Capability Framework，并宣布联合中国的宇树科技（Unitree）、AGI等具有开发和部署经验的机器人企业，共同推动这一通用框架演进。Arm在说明会上没有披露Robotics Capability Framework的细节，预计很快会公布概要。
<h2 style="font-size:16px;font-weight:bold;color:#333;margin:20px 0 10px;line-height:1.4">Neoverse CSS N4</h2>
Neoverse CSS N4是现有Neoverse CSS V3/N3产品中N3的后继。性能方面，与N3相比，每插槽性能达到N3的2倍，性能功耗比达到N3的1.25倍；同时，Arm还提供一个全新的Coherent Mesh Network（一致性网格网络）。
与N3相比，Neoverse CSS N4的核心变化有三项：
<ul style="font-size:15px;color:#333;font-family:-apple-system,BlinkMacSystemFont,'Segoe UI','PingFang SC','Microsoft YaHei',sans-serif;letter-spacing:0.5px;padding-left:28px;margin:10px 0;line-height:1.9">
<li style="margin:4px 0">安全能力升级为符合Confidential Compute v2规范；</li>
<li style="margin:4px 0">原生支持FP8数据类型；</li>
<li style="margin:4px 0">提供更高级、更稳健的遥测功能。</li>
</ul>
架构上，Neoverse CSS N4基于Armv9.3-A，并整合了一些Arm特有的附加功能，因此Arm内部和文档中将其定义为Armv9.3+。
针对外界关注的它同AGI CPU如何区分的问题，Arm解释称，许多客户会根据特殊使用场景和需求，继续开发和投资定制SoC，Arm会为这类客户持续提供IP与CSS的全面支持；与此同时，也有一些客户（以部分云服务商为代表）在AI竞争中面临压力，需要极其快速地扩展计算基础设施。AGI CPU正是为这些需要即时部署的客户准备的产品。
工艺方面，Neoverse CSS N4面向台积电N3/N3P节点设计，同时也覆盖台积电N2以及三星SF2/SF2P等下一代工艺节点。

9月8日，Arm在上海发布CSS for Mobile 2、物理AI设计与Neoverse CSS N4三大技术底座，覆盖移动、物理AI和基础设施，并公布性能提升、AI算力与生态合作进展。

Arm发布CSS for Mobile 2、物理AI与Neoverse N4三大底座

2026年9月9日，OpenAI 韩国总经理 Harrison Kim 在首尔举行的一场新闻发布会上透露，OpenAI 与三星的合作正从内存供应和企业级 AI 服务向下一代处理器联合研发延伸。Kim 表示，下一代芯片的联合生产与联合研究是双方迄今进展最大的领域之一。不过，两家公司均未披露所涉芯片的具体类型，也未说明三星晶圆代工（Samsung Foundry）是否已获得生产合同。
这一表态引发市场猜测：三星或将成为未来 OpenAI 加速器在台积电（TSMC）之外的第二个制造来源。OpenAI 首款定制推理处理器 Jalapeño 由 OpenAI 设计、博通（Broadcom）联合开发，台积电负责制造。OpenAI 将 Jalapeño 视为多代平台的开端，并表示其第二代设计已在深度开发之中。
三星与 OpenAI 的合作原本已触及 AI 基础设施的多个环节。2025 年 10 月，三星宣布将成为 Stargate（星际之门）项目的战略内存合作伙伴，预计 OpenAI 的潜在需求最高可达每月 90 万片 DRAM 晶圆。此外，双方还规划了数据中心、云服务和先进封装方面的合作。
如今的最新表态表明，逻辑芯片也可能加入双方的合作组合。这对三星晶圆代工意义重大——它一直试图缩小与台积电在尖端代工领域的技术差距并提升市场地位。
此外，三星与博通之间也存在直接关联。据 eeNews Europe 2026 年 7 月报道，三星与博通已扩大在内存、代工和先进封装方面的半导体合作，两家公司估计到 2030 年合作规模将超过 2000 亿美元。其中，代工部分覆盖三星 2 纳米及以下制程，封装部分包括 2.3D 与 2.5D 集成。
OpenAI 与博通此前还宣布了规模达 10GW 的定制 AI 加速器计划，部署将从 2026 年下半年开始，持续至 2029 年。如此大规模的项目催生了明显的制造产能多元化动机，尤其是在尖端代工产能持续紧张的背景下。Tom's Hardware 分析认为，若未来某一代 Jalapeño 处理器在台积电与三星之间实行双重采购，将有助于 OpenAI 获得更多晶圆并增强供应链韧性。但这仍是分析性推断，而非确认的生产计划。OpenAI 并未表示三星将制造 Jalapeño Gen 2，三星也没有将 OpenAI 列为代工客户。
因此，OpenAI 与三星的此次合作进展，与其说是对某项具体代工协议的确认，不如说是 OpenAI 正在扩大其定制芯片背后的供应商基础。若三星最终赢得后续某代加速器的生产订单，OpenAI 将获得另一条通往尖端晶圆与封装产能的渠道，三星也将因此拿下一个备受关注的人工智能代工客户。

OpenAI韩国总经理Harrison Kim透露，双方合作正从内存供应、企业级AI服务延伸至下一代处理器联合研发与生产，但未披露芯片类型，也未确认三星晶圆代工是否获得合同。

OpenAI与三星合作延伸至下一代芯片研发，或成台积电外第二制造来源

9月8日，大福在东京“国际物流综合展2026”介绍物理AI与机器人布局，展出新型自动化仓库，推进半导体天车AI控制、AMR及物流无人化，目标2030年实现完全无人化物流中心。

大福展示物理AI搬运机器人，推进半导体物流无人化

英飞凌科技（Infineon Technologies）于2026年9月9日发布新款电源管理IC——OPTIREG TLE9744QK，面向电动与混合动力汽车中的高压牵引逆变器系统。该芯片将电源供电、旋变激励（resolver excitation）及功能安全监控集成于一体，可减少逆变器电子控制单元（ECU）所需的周边外部元件数量。
对于从事汽车电力电子设计的工程师而言，这款PMIC的关键亮点在于其集成度。英飞凌表示，相比该器件所替代的分立功能电路，它可将PCB占用面积缩减最多70%，并有助于在日趋复杂的电动汽车动力总成中简化ASIL-D功能安全架构的实现。
在牵引逆变器ECU中，TLE9744QK负责为微控制器、通信器件和传感器提供多条隔离电源轨。它不再需要多个独立外设芯片，而是将这些功能直接集成到硅片上，包括产生旋变激励信号，从而省去了外置旋变驱动器及其配套监控电路。
器件还具备良好的兼容性。英飞凌称，它可与多种微控制器和栅极驱动器搭配使用，使工程师无需重新设计整套控制架构，即可沿用原有MCU平台。此外，该PMIC支持板外传感器供电，为PCB与系统布局提供更高灵活性。分立元件数量的减少，既降低了物料清单成本与设计复杂度，也减少了潜在的故障点。
独立的安全路径是该器件的另一重要特性。其集成的安全逻辑（Integrated Safety Logic，ISL）独立于主微控制器运行。这一硬件安全引擎会持续监测相电流、直流母线电压以及MCU和栅极驱动器的状态；一旦主MCU发生故障，ISL能够判定并强制系统进入安全运行状态。同时，芯片设置了冗余电源输入，确保在主低压电源失效时安全逻辑依然可以工作。英飞凌表示，该架构按ISO 26262标准开发，满足ASIL-D要求。
这种设计提供了一个不依赖主控制器及其主电源的次级安全路径。随着牵引逆变器电子器件日益集成电源与控制功能，这一点正变得越发重要。

英飞凌发布OPTIREG TLE9744QK电源管理IC，面向电动汽车高压牵引逆变器，集成电源、旋变激励及功能安全监控，可减少外部元件、缩减PCB面积达70%，并支持ASIL-D安全架构。

英飞凌发布TLE9744QK电源管理IC，面向牵引逆变器

2026年9月9日，Brian Tristam Williams
Elektor与Sensata Technologies（森萨塔科技）将于2026年10月8日（星期四）16:00（中欧夏令时间，即美国东部夏令时间10:00 / 世界协调时14:00）举办线上研讨会，主题为“数据中心供电与冷却的关键传感与开关技术”。研讨会将探讨AI系统对数据中心供电与冷却基础设施提出更高要求时所需的传感、开关、监控和保护技术，重点聚焦实际设计问题，而非数据中心的一般性介绍。
更高的机架密度意味着必须在有限空间内输送更多电力，同时排出更多热量。Sensata表示，其数据中心产品组合涵盖热管理、电气保护与电源转换，包括压力、流量和温度传感、断路器、接触器以及高压开关。
<h3 style="font-size:14px;font-weight:bold;color:#333;margin:16px 0 8px;line-height:1.4">数据中心供电走向更高电压</h3>
本次研讨会还将涉及新兴的800伏直流（800 VDC）架构。向更高电压配电的转变，正受到日益密集的AI机架电气极限的推动。NVIDIA（英伟达）表示，与较低压机架配电相比，800 VDC架构可以减少转换级数、电流、铜用量和线缆体积，同时为迈向兆瓦级机架铺平道路。正如eeNews Europe此前在AI机架供电发展的报道中所指出，这一转变正在迫使整个电源转换链发生变革，而不仅仅是最终供电环节。
<h3 style="font-size:14px;font-weight:bold;color:#333;margin:16px 0 8px;line-height:1.4">冷却回路的传感</h3>
随着功率密度不断上升，冷却的重要性也随之提升。液体冷却和混合冷却系统依赖对流量、压力和温度的可靠测量，以检测不断变化的运行工况，并确认冷却液按预期流经系统。Sensata还提到了供暖、通风、空调与制冷（HVAC/R）系统的气体传感，以及冷却液分配设备的接地故障保护——这些设备中的泵、阀门、控制器及其他电子器件都紧邻液体回路工作。
本次研讨会将分析这些测量数据如何用于监测与保护，以及如何为关键供电路径选择开关与电路保护器件。重点在于元件层面的工程决策，这些决策直接影响可靠性、故障隔离和系统集成，包括与更高直流电压相关的额外绝缘和开关要求。
<h3 style="font-size:14px;font-weight:bold;color:#333;margin:16px 0 8px;line-height:1.4">演讲者与实际应用</h3>
Sensata方面将由工业高级产品经理Sri Duddukuri和数据中心现场应用工程师David Miller出席。他们的演讲将涵盖现代数据中心基础设施中涉及传感、电气保护、开关和电源管理的实际应用示例。
对于从事AI基础设施设计的工程师来说，关键要点在于：数据中心的供电不能与冷却和保护分开讨论。更高的机架密度让电气设计与热设计联系更为紧密，使得传感和故障管理成为电源架构的一部分，而不是外围监控功能。

Elektor与Sensata将于2026年10月8日举办线上研讨会，探讨AI数据中心供电与冷却的传感、开关、监控和保护技术，涉及800 VDC架构、液体冷却测量及元件级工程决策。