Sistem daya AI 24 kW Navitas menargetkan efisiensi 97%
Navitas Semiconductor dan Nvidia telah mengembangkan papan penyalur daya 24 kW untuk pusat data AI. Sistem daya AI 24 kW dari Navitas mengubah arus searah 800 V menjadi 12 V dalam satu tahap, menargetkan efisiensi 97% pada beban penuh, dan menggunakan 16 transistor galium nitrida. Sistem ini sesuai dengan faktor bentuk Nvidia berukuran 400 × 60 mm dan dirancang untuk memasok daya ke seluruh baki komputasi. Kedua perusahaan berencana memamerkannya dalam ekosistem AI Factory MGX Nvidia di OCP Global Summit pada Oktober 2026. Ini merupakan desain 12 V yang lebih baru dibandingkan papan 20 kW yang sebelumnya diperkenalkan Navitas. Secara terpisah, kolaborasi terdahulu menargetkan papan 800 V ke 6 V, dengan sasaran efisiensi puncak 96,5%–97,5% dan kepadatan daya hingga 2.100 W/in³; Navitas juga memamerkan desain tersebut di COMPUTEX pada Juni 2026. Arsitektur 800 V dapat mengurangi rugi konversi, kebutuhan ruang peralatan, dan penggunaan tembaga, tetapi akses ke jaringan listrik dan ketersediaan peralatan masih menjadi kendala yang lebih luas bagi pusat data. Perkembangan ini mungkin relevan bagi investor yang memantau infrastruktur AI dan permintaan semikonduktor, tetapi tidak memiliki dampak langsung yang dapat diidentifikasi terhadap harga mata uang kripto.
Neutral
Berita ini membahas sistem daya untuk pusat data AI dan pemasok semikonduktor, bukan proyek mata uang kripto atau blockchain. Karena itu, berita ini tidak memberikan katalis langsung yang jelas bagi harga aset kripto tertentu, sehingga klasifikasi netral lebih tepat. Dalam jangka pendek, trader mungkin merespons sentimen risiko yang lebih luas terkait infrastruktur AI atau saham semikonduktor, tetapi pergerakan apa pun yang terjadi di pasar kripto akan bersifat tidak langsung dan sulit dikaitkan dengan pengumuman ini. Dalam jangka panjang, sistem daya pusat data yang lebih efisien dapat mendukung pertumbuhan komputasi AI yang berkelanjutan, tetapi dampaknya terhadap harga kripto akan bergantung pada faktor-faktor lain, seperti aktivitas jaringan, permintaan token, likuiditas, dan kondisi makroekonomi. Angka efisiensi yang disebutkan merupakan target, sementara penerapan praktis dan pendapatan komersial masih belum pasti.