AI算力扩张把电力推成核心瓶颈，800VDC将重塑数据中心功率半导体

概览

本报告讨论AI数据中心从“算力扩张”转向“电力约束”的产业拐点。随着GPU/XPU、网络和机架级集成度提升，传统云机架10-15kW功耗正在向Blackwell的100-120kW、Rubin Ultra的600kW以上以及Feynman时代的1MW级演进。现有48V/54V供电体系难以承载这种功率密度，促使数据中心从电网到机架再到芯片内核的供电架构全面重构。

核心观点

核心观点是，电力将成为AI规模化的关键约束，800VDC架构、储能、SST/SSCB和微电网将逐步进入数据中心供电体系。模拟IC、功率器件、VRM、IBC、PSU、保护、传感、光模块相关模拟内容以及SiC/GaN材料将受益。TXN、Infineon、ADI、ON等具备宽产品组合、高可靠性和系统级设计能力的供应商最有机会获得份额。

分析框架

报告采用自下而上的AI模拟半导体行业模型，把GPU/XPU和定制ASIC的出货与机架需求转换为GW需求，再按低功率与高功率机架、供电层级、组件类型和器件材料拆分TAM与供应商收入机会。

方法论与常识提炼

• 市场规模测算自下而上TAM模型

  从加速器和机架需求推导功率半导体内容量

  报告将AI加速器、机架功率密度和部署节奏映射到VRM、IBC、PSU、SST、SiC、GaN等内容池，并估算供应商收入份额。

• 技术路线分析800VDC迁移路径

  从传统415VAC/48VDC向800VDC和微电网演进

  报告比较传统多级AC/DC与DC/DC转换架构的空间、铜材和效率瓶颈，并分析侧车电源、MV整流器、SST和最终DC微电网的阶段性迁移。

• 产业受益者筛选功率树组合与系统级能力

  以产品广度、高压可靠性和系统优化能力判断份额机会

  报告认为最优供应商需要覆盖从grid-to-core的多个器件类型，并能满足高电压、高可靠性和系统级设计要求。

标的映射与对比

研报将主题/逻辑映射到具体标的时的结构化摘要（优势、劣势、对比与风险）。

• Texas Instruments (TXN)

  AI电源模拟半导体主要受益者之一

  优势

  拥有领先的功率半导体业务和广泛模拟产品组合，在多相VRM、功率管理和系统设计中具备份额基础。

  劣势

  报告同时指出竞争会来自拥有更完整SiC/GaN和高压组合的对手。

  对比

  报告认为TXN在该市场份额最高。

  风险

  AI数据中心功率架构迁移慢于预期，或客户采用更垂直整合的电源方案。

• Infineon

  从grid-to-core覆盖最广的供应商之一

  优势

  组合覆盖Si、SiC和GaN，并在高压、高可靠性功率器件上具备汽车/工业经验。

  劣势

  SST、MV整流和高压DC生态仍处于演进阶段，收入兑现取决于架构落地节奏。

  对比

  报告认为Infineon可能在CY25-CY30获得最大份额提升。

  风险

  SiC/GaN放量、成本曲线和客户认证进度不及预期。

• Analog Devices (ADI)

  模拟IC、传感、信号链和电源管理受益者

  优势

  在信号链、传感和电源管理方面具备高价值内容，Empower收购增强相关机会。

  劣势

  相较拥有更宽功率器件材料组合的厂商，部分高功率离散器件暴露可能较低。

  对比

  报告称ADI拥有第三大收入机会，并有望获得份额。

  风险

  若价值更多转向离散功率器件或客户自研模块，收入弹性可能受限。

• ON Semiconductor (ON)

  SiC/GaN和中间母线转换等高功率环节受益者

  优势

  对新型SiC和GaN技术具备较高杠杆，可能提升客户钱包份额。

  劣势

  机会依赖高功率机架和800VDC架构加速采用。

  对比

  报告将ON列为在新材料功率器件中有较强弹性的供应商。

  风险

  SiC/GaN竞争加剧、价格压力或AI需求节奏波动。

• STMicroelectronics、Renesas等模拟/功率供应商

  在光学、保护、传感和电源链条中分享增量内容

  优势

  受益于数据中心功率架构复杂度提升和可靠性要求提高。

  劣势

  报告给予的相对定位不如TXN、Infineon、ADI、ON突出。

  对比

  更偏细分组件与局部内容机会。

  风险

  客户平台选择和架构标准变化可能影响单一组件渗透率。

关键数据

• AI模拟半导体TAM约79亿美元至270亿美元报告估算从当前约79亿美元增长到CY30约270亿美元，CAGR约28%。
• rack-to-core TAM约76亿美元至250亿美元数据中心机架到芯片内核相关TAM预计到CY30达到约250亿美元，CAGR约27%。
• grid-to-data hall TAM约2.45亿美元至18亿美元电网到数据大厅相关机会预计到CY30达到约18亿美元，CAGR约49%。
• 累计AI电力需求约233GW报告自下而上估算CY25-CY30 AI加速器需求对应累计新增约233GW。
• 年度GW新增约17GW至60GWAI算力相关GW新增可能从CY25约17GW升至CY30约60GW。
• 机架功率演进10-15kW至1MW级传统云机架约10-15kW，Blackwell约100-120kW，Rubin Ultra超过600kW，Feynman时代可能进入1MW级。
• 机架内容量约3.6万美元至接近100万美元报告估算机架半导体内容量从当前约3.6万美元升至600kW机架约30万美元，MW级机架接近100万美元。
• 800VDC效率与材料收益效率最高提升约5%，铜材减少约45%报告引用Nvidia口径，800VDC可减少转换损耗并降低铜材需求。
• TCO改善最高约30%集中化和简化供电转换有望降低维护与系统复杂度，维护成本可能降低最高约70%。
• 数据中心电力需求约100GW至接近300GW图表口径显示全球数据中心累计电力需求可能从当前约100GW升至CY30接近300GW。

影响与含义

产业含义是，AI基础设施的瓶颈正在从单纯芯片算力扩展到电力获取、转换、分配和稳定性。数据中心运营商需要更高电压、更少转换层级、更强储能缓冲和更可靠的功率器件；半导体厂商则有机会把过去偏周期性的汽车/工业功率经验迁移到更长期、更高增长的AI数据中心市场。

风险

• 800VDC设备、SST、SSCB和高压DC生态成熟慢于预期。
• 数据中心并网、变压器和燃气轮机交付周期可能拖慢AI电力容量上线。
• AI训练负载波动可能带来电网稳定性和储能成本压力。
• 若AI资本开支或GPU/XPU需求低于预期，233GW累计需求和270亿美元TAM测算可能下修。
• 客户可能通过自研电源模块、系统集成或替代架构压缩外部半导体供应商份额。

后续跟踪

• Nvidia Rubin Ultra、Feynman及AMD、Intel、定制ASIC平台的机架功率和量产节奏。
• 800VDC在新建数据中心和既有机房改造中的实际采用路径。
• MV整流器、SST、SSCB、ESS/UPS和DC微电网的商业化进展。
• SiC与GaN在数据中心高压功率转换中的认证、成本和供给能力。
• TXN、Infineon、ADI、ON等供应商在AI电源相关收入中的披露与订单可见度。