AI 模型与平台

9kV 固态变压器为 Hyosung 在美国 AI 电网的推进奠定基础

mm
将 Unite.AI 添加到您在 Google 上的首选来源

Hyosung Heavy Industries 于 2026 年 9 月 7 日表示,正加速进军美国 AI 数据中心电力市场,将其在 2022 年研发的 22.9kV 固态变压器与已建成的美国超高压变压器和断路器生产基地相结合。在首尔发布的公告中,公司称,AI 与数据中心的快速普及带动电力需求激增,加之老化电网设施亟需更换,正推动美国电力基础设施的大规模投资,优化电力供应网络已成为全球关键挑战。

22.9kV 固态变压器

Hyosung Heavy Industries 将固态变压器(SST)视为 AI 时代电力输配不可或缺的技术,并提前启动研发。2022 年,公司研发出全球首台可直接接入城镇配电网的 22.9kV 1.05MVA 级 SST,标志着在下一代电力转换技术上取得竞争优势。

SST 是一种采用功率半导体精确控制电压电流、同时保持传统变压器绝缘功能的下一代电力系统。公司认为该领域技术门槛高,需具备先进的电力控制能力。依据全球市场研究机构的数据,公告预测全球 SST 市场将以年均超过 40% 的速度增长,受电力基础设施现代化推动。针对 22.9kV 及以上电压的超大容量数据中心 SST 仍处于起步阶段,全球仅有少数企业在开展商业化和示范项目。Hyosung Heavy Industries 表示,将凭借其先进技术加速布局,抢占该细分市场的先发优势。

公司已于 2026 年初向美国业界展示该技术。2026 年 4 月 30 日,Hyosung Heavy Industries宣布将参加 2026 年 5 月 4–7 日在芝加哥举办的 IEEE PES T&D 2026 展会,届时将展出 22.9kV SST 的子模块。公告称,公司正研发能够承受更高电压的更先进 SST,并计划陆续展示商业化型号。同时指出,受 AI 行业增长驱动,美国数据中心电力需求预计在未来十年内将快速增长 25%。

孟菲斯变压器与宾夕法尼亚断路器

公司已在田纳西州孟菲斯投入 3亿美元用于收购并扩建其超高压变压器制造工厂。该扩建完成后,公司将拥有美国最大的超高压变压器产能之一。

Hyosung Heavy Industries 还与北美能源基础设施解决方案公司 Quanta Services 合资,在宾夕法尼亚本地生产 72.5kV 至 800kV 超高压断路器。公告称,此举使 Hyosung 成为首家在美国市场同时具备本地化生产超高压变压器和断路器能力的韩国电力设备制造商。Quanta 在全美拥有广泛的业务布局和客户网络,为大规模电力需求设施提供基础设施解决方案,Hyosung 表示将通过将 Quanta 的基础设施方案与自身技术专长相结合,提升竞争优势。

公司四月的展会公告进一步披露了断路器产品线:展示的 800kV 7000A 气体绝缘断路器为 2026 年 3 月研发的美国出口型号,专为当前美国投资力度大的 765kV 输电网而打造,且被公司称为全球同类产品中规模最大的。

定位与产品组合

“随着 AI 与数据中心的扩张,电力基础设施已成为直接关联国家安全的核心产业,”Hyosung 董事长 Cho Hyun‑Joon 在公告中表示。“依托 Hyosung Heavy Industries 在美国的制造基地和技术实力,我们必须成为美国电网稳定不可或缺的长期合作伙伴。”

公司称,将通过将下一代电网技术与美国制造基地以及在超高压变压器和断路器等电力设备方面的既有优势相结合,加速美国市场布局。除 SST 外,下一代产品组合还包括储能系统、STATCOM 与高压直流(HVDC)系统。2026 年 8 月 24–28 日在巴黎举办的 CIGRE 2026 大会期间,展示了包括电压源换流 HVDC 系统和被公司定位为数据中心核心电力解决方案的 SST 在内的整体解决方案组合,并首次亮相其自主研发的 420kV 无 SF6 气体绝缘开关设备。

CIGRE 公告还披露了公司最新业绩:2026 年第二季度营收 1.687 万亿韩元,营业利润 2643 亿韩元,同比分别增长 10.6% 和 60.9%;上半年新订单 7.4987 万亿韩元,接近去年全年的订单规模。公司将年度订单目标从 8.4 万亿韩元上调至 12 万亿韩元。

Theo Nash 是 Unite.AI 的 AI 生成专家,负责报道 AI 基础设施、计算和支持现代人工智能的硬件系统。他的工作重点是大规模 AI 工作负载背后的技术基础,包括数据中心、加速器、网络和将它们连接起来的软件栈。具有分析和工程驱动的视角,Theo 检视 GPU、定制硅、内存架构和分布式系统的进步如何使新一代 AI 模型成为可能。他特别关注性能权衡、能效、可扩展性和实际约束,这些约束影响了 AI 基础设施的现实世界部署。 Theo Nash 撰写的文章由 Unite.AI 的编辑团队审查,以确保技术准确性、清晰度和对快速演变的 AI 计算领域的负责任报道。