隨著人工智慧技術從早期的模型訓練轉向大規模的應用落地，市場關注焦點已不僅限於 GPU 與記憶體等運算核心，資料中心的電力架構升級同樣成為關鍵戰場。為了因應 AI 伺服器大幅攀升的功耗需求，業界正積極推動從 54V 向 800V 架構轉型的趨勢，這場變革正牽動著電源供應、散熱技術及功率半導體等相關供應鏈的重組。
AI 推論需求崛起與新型晶片架構
從訓練模型到高效能推論的轉變
在 AI 發展的初期階段，市場重心多放在「模型訓練（Training）」，即透過龐大算力讓系統學習資料。然而，隨著生成式 AI 應用普及，企業更看重「推論（Inference）」階段的效率。推論不僅涉及大量的 Token 生成，更對記憶體頻寬與低延遲有著極高要求，這促使硬體開發商必須重新思考系統設計，以求在能源效率與回應速度間取得平衡。
Cerebras 晶片與解構式推論的創新
Cerebras 以其獨特的大型晶片架構脫穎而出，將晶片面積擴大至趨近整片晶圓，並結合 SRAM 架構以達成極高頻寬。近期，該公司與 AMD 合作推動「解構式推論」架構，試圖將輸入處理（Prefill）與內容產生（Decode）任務分流。這種創新模式反映了產業趨勢的轉移：硬體競爭已不再單純比拚算力，而是進入比拚整體系統效能與推論效率的全新賽道。
資料中心電力架構的 800V 升級趨勢
為什麼傳統 54V 架構面臨挑戰？
當單台伺服器的功耗不斷推升，傳統的 54V 架構便會面臨「低電壓、大電流」的物理瓶頸。為了達到相同的功率輸出，低電壓系統必須承受極高的電流，這導致匯流排（Busbar）需要加粗、纜線重量與彎曲半徑增加，甚至連連接器尺寸都需擴大，進而導致資料中心空間配置與散熱設計的複雜度大幅提升。
800V 架構帶來的優勢與轉換
採取 800V 高壓架構的核心目的，在於「以高壓換取低電流」，進而大幅降低電力傳輸過程中的能量損耗與布線負擔。這種升級不僅能優化資料中心的空間利用效率，更有助於簡化配電系統，使其能更穩定地支撐高功耗的 AI 運算需求。對於資料中心營運商而言，這是維持長遠擴張能力的必要投資。
| 發展階段 | 關鍵特色 | 主要受惠組件 |
|---|---|---|
| 第一階段 (Power Rack) | 由 AC 轉向 800V PSU 架構 | PSU、Power Shelf、BBU、電容 |
| 第二階段 (Power Center) | 強化整流與效率轉換 | SiC、GaN、IGBT、集中式整流器 |
| 第三階段 (DC UPS 與配電) | 系統級整合與高電流控制 | Busway、SSCB、DC 儲能系統 |
供應鏈格局重組與投資關注點
電力供應鏈的轉型契機
800V 規格的普及將帶動一系列零組件的需求升級，其中備援電池系統（BBU）的角色愈發吃重，已從早期的選配逐漸成為高規伺服器的標配。此外，高效率的功率半導體如 SiC（碳化矽）與 GaN（氮化鎵），在電力轉換過程中扮演極為關鍵的角色，其市場滲透率預計將隨資料中心升級而加速提升。
估值重評價與投資心態
投資人應觀察電力設備供應商是否成功切入 AI 資料中心供應鏈。當傳統電力公司轉型為 AI 基礎設施供應商時，市場往往會給予更高的估值溢價，即所謂的「估值重評價」。然而，投資仍需回歸基本面，確認企業的營收成長、毛利率表現及實際量產進度，而非僅僅追逐熱門題材。
常見問題
為什麼 AI 資料中心必須升級至 800V？
主要原因是 AI 伺服器的功耗密度過高，提高電壓能有效降低傳輸電流，進而縮減線材與連接器的尺寸，降低整體電力系統的傳輸負擔與發熱情況。
800V 規格會全面取代 54V 嗎？
不會立即全面取代，產業將採取循序漸進的過渡方式，透過 Power Shelf 等設備進行不同電壓等級之間的轉換，以相容現有的基礎設施。
哪些零組件在 800V 趨勢下最受矚目？
包括電源供應器（PSU）、高壓連接器、BBU（備援電力）、電容，以及用於高效轉換的功率元件如 SiC 與 GaN 皆是市場焦點。
Cerebras 的架構對推論市場有何影響？
Cerebras 透過大型晶片設計與 SRAM 配置，有效解決推論過程中的記憶體頻寬瓶頸，其與 AMD 的合作案更證明了「解構式推論」將成為未來硬體設計的重要路徑。
投資 AI 電力題材有哪些風險？
風險在於題材與基本面的落差。部分願景雖好，但距離量產商用仍有時間差，且股價容易受到市場情緒波動影響，必須確認企業是否真正接到訂單並轉化為實質營收。
總結來說，AI 的演進已從單純的比拚算力，轉向考驗電力與散熱的系統整合能力。800V 電力架構的導入與推論型 AI 晶片的崛起，象徵著資料中心硬體進入了全新的升級周期。對於市場參與者而言，持續追蹤相關供應鏈的落地進度，並將電力基礎設施視為與 GPU 同等重要的投資標的，將是掌握 AI 下半場機會的關鍵策略。
發佈留言