AI機櫃功耗衝上300kW，供電鏈真正被重估的是哪一段？

AI 機櫃功耗跳升後，供電鏈的價值重心正在往哪裡移？

資料中心過去比的是「誰塞得下更多晶片」，但進到 Vera Rubin 這一代之後，競爭邏輯已經變了。算力繼續往上推的同時，機櫃功耗也同步爆衝，供電系統不再只是把電送進去而已，而是要在高密度、高效率、低損耗的前提下，把電精準控住。

傳統通用伺服器的單一機櫃功率，多半還落在 10～20kW；到了高階 AI 架構，像 H100 HGX 已經拉升到 20～40kW。而新一代 Vera Rubin NVL72 更直接跳到 230～300kW。這不是小幅升級，而是供電架構的典型重整：當功耗倍數級放大，電力傳輸、轉換與控制的難度就不是原本那套規格可以應付。

 

功耗上升，不等於電壓上升

這裡最容易被忽略的一點是：AI 伺服器功耗飆高，但核心元件的工作電壓其實沒有跟著變高。像 GPU、CPU、HBM、DDR 這些關鍵元件，最後大多仍落在低壓區間。

以 GPU 來看，核心電壓可能只有 0.7～1V，但如果單顆 GPU 功耗已經來到 1,200W，在 0.8V 條件下，理論電流需求會高達 1,500A。這代表什麼？代表真正的壓力不是「電壓要拉多高」，而是要在極低電壓下，穩定、快速、低損耗地供應超大電流。

也因此，VRM（電壓調節模組）、功率元件、類比 IC 的重要性開始快速上升。以前市場看的是晶片算力，現在更需要看的是：誰能把這些算力穩定餵飽，並且把供電效率做上去。

 

供電架構的角色，正在從「能供電」變成「高效率控電」

這個變化本質上不是單一零件的升級，而是整個電力鏈條價值重新排序。當機櫃功耗從數十 kW 跳到接近 300kW 級別，資料中心對電源管理的要求會同時出現三個方向：

1. 更高電流承載能力
2. 更低轉換損耗
3. 更精細的即時控制能力

也就是說，AI 基礎建設的下一段，不只是在比 GPU、HBM 或網通規格，而是在比供電、散熱、電網接入與機櫃內部電力設計。這也是為什麼高效率電源方案、功率半導體、類比控制晶片，開始被市場重新定價。

 

台廠供應鏈的切入點，反而可能在這裡

如果把視角拉回供應鏈，這一波受惠的，未必只是最上游的運算晶片，而是能夠解決 低壓、大電流、高密度供電 的相關廠商。尤其在 AI 伺服器規格持續升級後，電源模組、VRM、功率元件與類比 IC 的附加價值都會提高。

換句話說，AI 伺服器的瓶頸越往「供電效率」靠攏，台廠在電源管理與零組件環節的存在感就越高。這類題材不一定是最先被市場點名的，但往往是當機櫃功率繼續攀升後，才會被放大的結構性受惠族群。

 

看 AI 基建，不能只看算力，也要看電力

從投資角度來看，AI 基建不是單純的晶片故事，而是算力、電力與散熱三者一起演進。當 GPU 進入低壓高功耗時代，真正的競爭已經延伸到「怎麼把電送得更準、更穩、更省」。

這也解釋了為什麼市場會開始關注 VRM、功率元件、類比 IC 這些過去不算最亮眼的環節。因為當機櫃功耗從 10～20kW 走到 230～300kW，供電架構本身就不再是配角，而是 AI 資料中心能不能持續擴張的核心前提。

接下來要追的，不只是 GPU 出貨量，而是這些高功耗平台到底會把哪一段電力供應鏈推到更高的價值位置？