AI数据中心功率升级打开模拟与功率半导体长期增量空间

概览

本报告围绕AI数据中心从低功率云机架向高功率、MW级机架演进的趋势，分析电力如何成为AI扩张的核心瓶颈，并提出800V DC、混合微电网、SST、SSCB、ESS/UPS等新架构将重塑从电网到GPU/XPU核心的供电链。报告认为，功率密度提升会让数据中心电力系统变得更半导体密集，模拟IC、功率器件、SiC、GaN、传感、保护和控制类芯片将获得显著增量市场。

核心观点

核心观点是：AI算力扩张不再只受GPU供给约束，电力接入、变压器、燃气轮机、供电转换效率、机架空间和铜材用量都成为关键限制。传统48V/54V架构在600kW至1MW级机架下难以持续，800V DC有望通过减少转换层级、降低电流、减少铜耗和释放机架空间来支持更高算力密度。价值将从传统笨重电力设备和低压配电，逐步转向高压电源转换、保护、控制、传感和宽禁带半导体器件。

分析框架

报告采用自下而上的AI模拟半导体模型，将GPU/XPU与自研ASIC平台需求、机架功率路线图、不同功率等级机架的器件含量、供电链组件和供应商份额相结合，估算从rack-to-core到grid-to-data hall的TAM变化，并对Si、SiC、GaN、VRM、IBC、PSU、SST、SSCB、ESS/UPS等环节进行拆分。

方法论与常识提炼

• 市场规模测算自下而上AI模拟半导体模型

  将加速器和机架需求映射到组件、器件类型和供应商收入份额

  报告把GPU/XPU和自研ASIC需求转化为低功率与高功率机架出货及功率需求，再拆分至VRM、IBC、PSU、SST、保护、传感、光通信和宽禁带器件等内容池。

• 技术路线分析grid-to-core供电链分析

  评估电力从电网到GPU/XPU核心的转换层级、效率损耗和物理约束

  报告比较传统415VAC/48V或54V架构与800V DC架构，强调后者可减少转换步骤、降低电流、减少铜材和提升可靠性。

• 平台路线图AI机架功率路线图

  从Hopper、Blackwell、Rubin到Feynman推演机架功率密度上升

  报告认为Nvidia及替代平台均会因GPU数量、TDP、CPU、交换芯片和网络拓扑扩大而提升单机架功率。

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）。

• TXN

  主要受益者

  优势

  拥有领先的电源半导体业务和广泛的模拟产品组合，报告认为其市场份额最高。

  劣势

  报告未提供具体短板，但其增长弹性可能受既有高份额基数影响。

  对比

  相对其他供应商，TXN在电源半导体基础份额上更强。

  风险

  AI数据中心功率升级节奏慢于预期，或800V DC采用速度不及预期。

• Infineon

  主要受益者

  优势

  在Si、SiC和GaN方面拥有广泛AI功率产品组合，覆盖grid-to-core多个环节。

  劣势

  高压数据中心市场仍在早期，实际份额取决于产品认证、可靠性和客户导入。

  对比

  报告认为其AI功率组合最广，并可能在CY25-CY30获得最大份额提升。

  风险

  SiC/GaN成本、良率、可靠性或产能扩张低于预期。

• ADI

  受益者

  优势

  在模拟、信号链和电源管理领域具备较强能力，Empower收购增强其AI电源机会。

  劣势

  报告未量化其相对TXN和Infineon的完整供电链覆盖差距。

  对比

  报告称ADI拥有第三大的收入机会，并可能提升份额。

  风险

  服务器板级电源和高压转换设计导入不及预期。

• ON

  受益者

  优势

  对SiC和GaN等新型宽禁带技术具备较高杠杆，可能提升客户钱包份额。

  劣势

  相对综合型模拟厂商，产品组合广度和系统级覆盖可能需要进一步验证。

  对比

  更偏向宽禁带材料和新技术弹性，而非传统模拟全品类覆盖。

  风险

  宽禁带器件在数据中心高压架构中的实际采用率或商业化速度低于预期。

• STMicro

  潜在受益者

  优势

  报告在光学基础设施和相关模拟内容中提及STMicro。

  劣势

  报告提供的公司层面细节少于TXN、Infineon、ADI和ON。

  对比

  机会更偏向特定组件和光学基础设施，而非报告强调的最核心份额受益者。

  风险

  相关组件在AI电源升级中的价值量或份额提升有限。

• Renesas

  潜在受益者

  优势

  在多相VRM和服务器板级电源相关环节被提及。

  劣势

  报告未给出其整体份额或增长幅度的详细结论。

  对比

  与Infineon、TXN、ADI共同参与靠近加速器的电源管理价值池。

  风险

  VRM和板级电源竞争加剧，或客户平台架构变化影响内容价值。

关键数据

• 传统云服务器机架功率约10-15kW作为AI机架功率跃升的基准。
• Blackwell代际机架功率约100-120kWGPU功率预算和液冷机架需求显著提升。
• Rubin Ultra机架功率超过600kW报告预计该阶段可能开始部署800V DC。
• Feynman时代机架功率约1.5MW报告称机架功率相对传统服务器可提升约100倍。
• CY25-CY30累计AI新增电力需求约233GW来自加速器与机架需求的自下而上测算。
• AI模拟半导体市场规模约79亿美元增至CY30约270亿美元对应约28% CAGR。
• rack-to-core TAM当前约76亿美元增至CY30约250亿美元对应约27% CAGR。
• grid-to-data hall TAM当前约2.45亿美元增至CY30约18亿美元对应约49% CAGR。
• 800V DC铜材节省约45%报告引用Nvidia对铜用量下降的估计。
• TCO改善最高约30%来自供电架构简化、维护成本下降和效率提升。

影响与含义

投资含义是，AI数据中心供电架构升级可能把模拟半导体从汽车和工业周期需求中部分转向更长期、更高增长的AI基础设施需求。具备完整电源树产品、高压可靠性、SiC/GaN材料能力和系统级设计能力的公司更容易获得份额。TXN被认为在电源半导体份额上领先，Infineon因Si、SiC、GaN组合最完整而可能在CY25-CY30获得最大份额提升，ADI受益于Empower收购和较大的收入机会，ON对SiC和GaN新技术具备较高弹性。

风险

• 800V DC架构部署可能分阶段推进，生态成熟、设备可得性和客户认证都可能拖慢采用速度。
• SST在多MW规模下仍面临可靠性、散热和电气应力挑战，短期可能先由MV整流器承担更多角色。
• 绿地数据中心、微电网和高压DC架构建设周期长，受电网接入、变压器、燃气轮机和施工周期限制。
• AI训练和推理工作负载波动会造成快速负载摆动，需要额外储能和过度设计，增加成本与复杂度。
• 若AI加速器需求、GPU/XPU路线图或自研ASIC部署低于预期，相关功率半导体TAM可能下修。
• 宽禁带材料SiC和GaN的成本、可靠性、良率和供应链能力可能影响实际商业化速度。

后续跟踪

• Nvidia Rubin Ultra、Feynman以及AMD、Intel、自研ASIC平台的单机架功率和网络拓扑变化。
• 800V DC在新建数据中心和白空间改造中的实际导入时间表。
• MV整流器、SST、SSCB、ESS/UPS在GW级AI数据中心的认证和部署进展。
• TXN、Infineon、ADI、ON、Renesas、STMicro等厂商在AI电源管理、SiC、GaN和高压保护产品上的设计赢单。
• 数据中心电力接入、变压器和燃气轮机交付周期是否继续限制AI基础设施扩张。
• 电网到机架供电效率、铜材用量、维护成本和TCO改善是否能达到报告假设。