2026年09月29日（優分析／產業數據中心報導）⸺ NVIDIA(NVDA-US)正將AI基礎建設的標準化範圍，從GPU、伺服器與機櫃延伸至整座資料中心。台達電(2308-TW)最新宣布，將針對NVIDIA DSX AI Factory Platform開發整合式基礎設施，涵蓋中壓配電、固態變壓器(SST)、儲能、800V DC供電及液冷系統，顯示AI Factory標準正從IT設備向電力與冷卻基礎設施延伸，也讓台達電商機從White Space白空間進一步擴大至Grey Space灰空間。
NVIDIA DSX AI Factory Platform是一套用於設計、部署及營運AI Factory的平台。NVIDIA將參考設計、開放軟體、加速運算系統、資料中心基礎設施及合作夥伴技術納入同一套架構，目的在縮短AI資料中心從設計、建置到GPU實際上線運算所需的時間。
隨著AI伺服器功率密度快速攀升，影響GPU能否如期上線的因素，已不再只有伺服器供應，電力輸入、轉換、配送及液冷設備都必須同步到位。因此，NVIDIA正加快制定AI基礎建設規格與標準化認證，將標準從GPU與機櫃進一步延伸至資料中心的電力與冷卻架構，以縮短AI算力部署時間。
NVIDIA 於 2026年9月中旬推出了 DSX Ready 認證計劃。該計劃首批涵蓋兩個類別：電池儲能系統（BESS）和冷卻分配單元（CDU）。官方定義是：產品或解決方案完成特定類別的資格要求後，可以取得DSX Ready資格，讓AI Factory建置者辨識哪些產品已符合NVIDIA DSX的功能需求。
在這套架構下，台達電(2308-TW)扮演的角色，是把「電力進入資料中心」到「GPU開始運算」之間所需的基礎設施串接起來，定位更接近系統整合與基礎設施供應商，因此尚未顯示台達相關產品是否將列入這次DSX Ready資格名單，不過NVIDIA AI Infrastructure副總裁Vladimir Troy已表示，台達的800V DC與液冷能力將協助客戶更快部署基於NVIDIA DSX的AI Factory。
如何運作？台達電做了那些環節？
在資料中心Grey Space端，台達電整合儲能系統(ESS)、固態變壓器(SST)及中壓設備，負責電力儲存、轉換與配送；進入IT Space後，再銜接800V DC供電、機櫃級電力設備及液冷系統，讓供電與散熱能力一路延伸至接近AI晶片的位置。
其中，800V DC是下一代AI資料中心電力架構的重要變化之一。
傳統資料中心的電力從電網一路送至GPU，需要經過多個電壓轉換環節，每一次轉換都會帶來能源損耗並產生熱能。台達電的800V DC架構透過減少中間轉換層級，提高整體供電效率，電力轉換效率最高可達98%，單一In-Row Power Rack最高可支援800kW。
電力進一步送至板端後，台達電可將800V DC直接降壓至50V或12V，峰值轉換效率最高達98.5%。這代表台達電的電力產品布局，已從資料中心中壓設備一路延伸至接近AI晶片的板端供電，涵蓋AI資料中心主要的電力轉換環節。
冷卻系統則採取類似的整合策略。台達電目前液對液CDU容量涵蓋2.4MW與3MW，並搭配In-Rack Cooling等方案，使供電與散熱系統能同步支援下一代高功率AI機櫃。
如何縮短交期？以支援AI擴張速度
另一項值得關注的趨勢，是AI資料中心的電力與冷卻系統正從過去高度依賴現場施工與整合，逐步轉向預製化與模組化，以縮短建置時間並加快GPU算力上線速度。
台達電的Prefabricated AI Modular Data Center Solution，已將800V DC In-Row Power與最高3MW液冷能力整合為基礎設施模組，可先在工廠完成組裝、系統整合與測試，再運往資料中心現場部署。
這種做法等於將部分原本必須在資料中心工地完成的工程移往工廠端，不僅降低現場施工、整合及測試的複雜度，也能配合GPU實際部署進度分階段增加電力與冷卻容量。對AI資料中心業者而言，基礎設施能否快速複製與擴充，正逐漸成為影響GPU上線速度的重要因素。
不只台達電，AI資料中心基礎設施全面走向標準化
施耐德電機Schneider Electric(SU-FR)也開始將過去高度客製化的中壓開關設備，轉向標準化硬體搭配軟體設定。公司估計，新架構可讓訂購與製造速度最快提高至原本的3倍，現場測試與啟用速度最高提高至2倍。
台達電與施耐德電機採用的產品與技術路線雖然不同，但反映的產業需求相同：隨著GPU世代更新加快、AI算力需求持續擴張，資料中心建設模式也必須跟著改變。
過去AI基礎建設的焦點主要集中在GPU取得與伺服器供應，如今電力容量、供電架構與液冷設備正逐漸成為影響AI算力能否快速上線的另一個關鍵。當GPU與AI機櫃朝更高功率密度發展，電力及冷卻系統也開始走向標準化、模組化與預製化，目的都是縮短從設備採購、資料中心建置到GPU正式投入運算之間的時間。
