时间来到了2025年末，DeepSeek发布了最新的V3.2模型，今年可谓是AI算力狂飙的一年，从生成式AI到医学成像远程AI问诊等应用，AI模型参数越来越大，各大大厂的大模型训练都在抢GPU。但是算力的尽头是能源，像英伟达GB200这样超级芯片带来超算的同时产生巨大的能量消耗，迫使单机柜功率从10kW向100kW甚至更高迈进，其背后的能源基础设施也面临着极限压力。如果说GPU是AI的大脑，那么电流就是流淌的血液，没有精准的监测，算力巨人随时可能因供血异常而倒下。

100kW是什么？

过去一个标准42U AI服务器机柜的功率通常在3kW-5kW左右，相当于2台家用挂式空调同时运行。现在的AI算力中心，AI大模型的训练需要多个GPU协同工作，随着NVIDIA Blackwell（如 GB200 NVL72）等架构的问世，从下表（来源NVIDIA官网）可以看出，仅Blackwell单个GPU功耗就达1200W以上，如果部署NVL36或者NVL72（72张GB200），整柜系统的TDP将直接飙升至70kW - 140kW（72×1.4kW=100.8kW）。用直观的对比，一个100kW的机柜，其耗电量可以支撑50个普通家庭的日常用电。

NVIDIA GPU 芯片比较

以前用交流电（AC）直接进机柜就行，现在 100kW 的功率如果还用低压交流电，电流将高达几百安培，线缆会像大腿一样粗。为了减小损耗，AI 数据中心正全面转向48V甚至更高压的直流（DC）供电。在如此高功率、大电流、直流化的环境下，电流的微小波动都会被放大，任何一次电流检测的失真，其代价都可能是百万美金级的算力宕机。

AI算力配套设施各部位的电流检测需求与技术选型

在100kW以上AI能源链路中，在液冷环境（这个必须）、高频 DC/DC、GPU VRM以及7×24小时连续运行等机房运行条件下，电流检测分布在“发电、配电、用电”的每一个节点，根据不同的环境需求，需要匹配最合适的检测技术：

能源供应端

这是电能进入数据中心的第一道门，像GB200 NVL72这种130kW级AI机柜的主流供电是800V DC，母线电流I≈130000/800≈160A,训练负载突变时，达到200-300A并不罕见，于很多采用光伏+储能+变电站组合供电，有的AI算力中心已经部署在深山隧道里，而不是常见的普通机房。这种供电方式测量范围极广，并要求高可靠性和电气隔离，所以霍尔电流传感器成为主流，安装方便，而罗氏线圈（Rogowski Coil） 针对交流大电流检测，体积轻便，无磁饱和风险，适合临时监测或空间极其狭小的变压器输出端。

UPS（不间断电源）与直流屏

这部分属于电源保障端，相当于AI机房的“速效救心丸”，电力切换瞬间电流波动极大，因此要求传感器具有较高的动态响应和温漂控制能力，选型上，闭环霍尔传感器是首选，不缺钱的话可以选择磁通门。闭环霍尔传感器因其零磁通特性和高精度，响应时间也很小，能确保在停电切换时系统不掉线。

PDU机柜配电单元

此部分是配电端，是100kW以上大功率进入机柜后的分流器，一个机柜可能有几十个插槽，需要监测每一路负载。选型主要有芯片级霍尔传感器和分流器，如AN1V体积小，直接PCB安装，适合高密度监控。分流器成本低精度也高适合安装在几十安培的小电流支路上。

服务器电源（PSU）与 DC/DC 转换器

此部分直接为GPU和CPU等高消耗部件供电，要求极高带宽和低损耗，选型上可有：电流互感器（CT）用于交流侧的高频电流检测；精密电阻（Shunt）+ 隔离放大器针对极小电流的精确采样；功率级霍尔芯片：随着GPU功率暴增，越来越多的电源模块开始选用集成式霍尔方案，以解决分流器发热导致的PUE超标问题。

一张表总结电流监测选型

总结

没有最好，只有最合适，AI算力中心电流监测选型方案也是一样，在选择合适方案之后，仍需注意几点：

1. 量程上要留足余量，比如额定电流160-200A，峰值300A，那么选择量程300-500A的传感器型号；
2. 隔离耐压是底线，800 V DC 系统隔离耐压 ≥3kV RMS，爬电距离要满足 IEC 62368；
3. 看的是“长期漂移”，不是实验室精度数据，NVL72是7×24小时跑模型，不是实验板。温漂、老化、磁饱和裕量，这些比 0.1% 的标称精度更重要。