AI算力的無限擴張正在撞上一堵現實的墻——電力。

據追風交易臺，美國銀行最新研究報告指出，隨著英偉達GPU平臺迭代，數據中心機柜功耗將從傳統服務器的10至15千瓦飆升至2029至2030年Feynman平臺時代的逾1.5兆瓦，漲幅接近100倍，現有電力基礎設施已無力承載這一需求。

據美銀全球研究團隊測算，AI數據中心對電力的需求將在2025至2030年間累計新增233吉瓦，年度新增量從2025年約17吉瓦擴張至2030年約60吉瓦。這一規模遠超國際能源署（IEA）基于現有項目管線所預測的數據中心裝機容量翻倍路徑。電力已成為AI擴張最核心的制約因素。

電力瓶頸的破解，將催生一個規模龐大的模擬半導體新市場。美銀估計，AI數據中心模擬半導體可尋址市場（TAM）將從2025年的79億美元擴張至2030年的約270億美元，五年復合年增長率達28%。模擬芯片廠商將是最直接的受益者，而碳化硅（SiC）與氮化鎵（GaN）等寬禁帶半導體材料則將從汽車與工業領域的周期性需求，加速向AI數據中心的長期結構性需求遷移。

功耗百倍躍升：從千瓦到兆瓦的算力代價

AI算力密度的提升，正以幾何級數推高機柜功耗。

美銀報告詳細拆解了英偉達各代平臺的功耗演進路徑：2022年推出的Hopper H100 HGX機柜總功耗約32千瓦；到Blackwell GB200 NVL72時代，隨著GPU數量從32個增至72個、GPU熱設計功耗（TDP）大幅提升，機柜總功耗躍升至100至120千瓦；而即將到來的Rubin Ultra NVL576平臺，單機柜功耗預計超過646千瓦；至Feynman時代（預計2029至2030年），576個GPU封裝被集成進單一節點，機柜功耗將突破1.5兆瓦——足以為約1000戶美國家庭供電。

功耗飆升的核心驅動力在于GPU規模化組網的物理約束。英偉達將這一現象稱為"性能密度陷阱"：為最大化計算性能，GPU必須通過銅互連在極短距離內緊密集成，這直接將最大功率密度與最大性能綁定在一起。從Hopper到Blackwell，GPU TDP提升75%，但機柜功率密度提升了3.4倍，性能則提升了50倍。美銀預計，每一次規模化組網域的擴展，都將帶來2至4倍的總功耗增長。

這一趨勢并非英偉達獨有。AMD Helios平臺功耗已超過100千瓦，AWS Trainium 3、Google Ironwood等定制ASIC平臺同樣隨著算力與網絡密度的提升而持續走高。美銀認為，未來各平臺將普遍向更高功耗收斂，這是與英偉達競爭的必要條件。

現有架構觸頂：傳統配電體系的三重失效

當前數據中心的電力配送架構，正在多個維度同時觸及物理極限。

傳統架構采用48伏/54伏直流配電方案：電網高壓交流電經多級降壓后，在機柜層面由電源供應單元（PSU）轉換為54伏直流，再經1至2次降壓后才能到達GPU核心所需的不足1伏電壓軌。這一路徑存在三大根本性缺陷。

空間約束：一臺GB300 NVL72機柜需要多達8個電源貨架，若沿用54伏直流配電，Kyber機柜（Rubin Ultra及后續平臺）將有64U機架空間被電源占用，嚴重壓縮計算資源空間。

銅材料瓶頸：在1兆瓦機柜中，54伏直流配電需要多達200千克的銅排來傳輸電力，在吉瓦級規模下完全不可持續。

轉換效率損耗：每次交流/直流轉換約損耗1至2%的能量，多級轉換疊加不僅降低整體效率，還增加了故障節點數量。

800伏直流：重構從電網到芯片的全鏈路

應對上述挑戰，800伏直流（800 VDC）架構被視為數據中心電力配送的下一代標準。其核心邏輯是：將交流轉直流的轉換節點盡可能前移，減少中間轉換級數，從而提升效率、降低成本、釋放機柜空間。

在800 VDC架構下，13.8千伏交流電在進入園區時即被直接整流為800伏直流，省去了傳統架構中多個中間轉換環節。英偉達數據顯示，與54伏系統相比，800 VDC可將端到端效率提升最高5%；同等導線截面積可多傳輸85%的功率；銅材料用量減少約45%；維護成本可降低最高70%；總擁有成本（TCO）改善幅度可達30%。

800 VDC的落地將分階段推進。當前過渡方案是將交流轉直流轉換移至機柜外的"側車"（sidecar）電源架，以Kyber機柜為代表；中期方案是在設施層面部署大型整流器，將低壓交流直接轉換為800伏直流；長期終態則是以固態變壓器（SST）為核心的混合微電網架構，預計在2028至2030年隨綠地項目建設逐步落地。

此外，AI訓練負載的高度同步性會導致機柜功耗在毫秒級時間尺度內從30%利用率驟升至100%，形成劇烈的電網波動。解決方案是多時間尺度儲能：超級電容器處理毫秒級尖峰，大型電池儲能系統（BESS）平滑分鐘級的負載波動，從而將AI基礎設施的波動性需求與電網穩定性需求隔離開來。

270億美元新市場：模擬半導體的結構性機遇

電力架構的全面重構，將為模擬半導體行業創造一個前所未有的增量市場。美銀構建了一套自下而上的行業需求模型，將加速器與機柜需求轉化為各組件的內容池，并拆分至低功率（<200千瓦）與高功率（>600千瓦）機柜兩個維度。

市場規模：AI模擬半導體TAM預計從2025年的79億美元增長至2030年的約270億美元（28%復合年增長率），其中數據中心部分從76億美元增至250億美元（約26%復合年增長率），戰略性電力基礎設施部分從2.45億美元增至18億美元（49%復合年增長率）。

單機柜內容價值：隨著機柜功率等級提升，模擬半導體內容價值急劇攀升——100至160千瓦機柜約3.6萬美元，600千瓦以上機柜約29萬美元，1兆瓦級機柜接近92萬美元。價值重心向中間總線轉換器（IBC）、GPU板級電源、CPU附加內容及光學基礎設施遷移。

材料結構變化：模擬IC仍是最大市場，預計2030年達到約159億美元，但SiC與GaN將是增速最快的細分領域，五年復合年增長率分別高達63%和69%。兩者將從數據中心的邊緣應用躍升為高壓轉換與保護的核心材料。

競爭格局：美銀估計TXN在AI模擬半導體市場份額最高，預計2030年維持約21%的份額；Infineon份額提升最為顯著，從2025年的約12%升至2030年的約17%，有望成為第二大AI供應商；ADI排名第三，受益于對Empower的收購，在處理器近端電源交付領域競爭力增強；ON則憑借SiC和垂直GaN（vGaN）技術在高功率市場快速擴張份額。

基礎設施層：固態變壓器與固態斷路器開辟新賽道

在數據中心機房之外，電力基礎設施層同樣將迎來深刻變革，并為模擬半導體廠商打開此前幾乎不存在的新市場。

固態變壓器（SST）：傳統變壓器交貨周期長達2至3年，已成為數據中心建設的瓶頸之一。SST可將中壓交流電（通常為13.8至35千伏）直接轉換為800伏直流，與傳統變壓器相比體積縮小約14倍、重量減輕約40倍、建設周期縮短約50%。美銀預計SST的模擬半導體機遇將在2028至2030年隨混合微電網架構普及而集中釋放，屆時市場規模可達約5億美元。SiC是SST的核心材料，Infineon、Wolfspeed、Navitas均在積極布局。

固態斷路器（SSCB）：高壓直流配電環境下，傳統機械斷路器的響應速度（毫秒級）無法滿足直流故障的快速隔離需求。SSCB可在納秒至微秒級完成電流中斷，并集成監控與遠程控制功能。美銀預計SSCB模擬半導體市場將在2030年達到約4億美元，Infineon和ON憑借SiC JFET至MOSFET產品線處于有利位置。

儲能系統（ESS/UPS）：AI數據中心的儲能需求已從備用電源演變為電力配送架構的核心組成部分。美銀估計該細分市場將從2025年的約1.56億美元增長至2030年的近8億美元（38%復合年增長率），Infineon、TXN、Renesas均有較強布局。