AI資料中心轉向液冷模組化，營收何時跟上資本支出？

 

OCP峰會把AI資料中心推向模組化與全液冷

今年OCP開放運算計畫全球峰會登場，晶片廠與台灣供應鏈集中展示新一代AI資料中心硬體。OCP強調開放標準，讓伺服器、機櫃、電源與散熱設備能以模組化方式整合，降低不同系統之間的部署障礙。

本屆展出內容圍繞三項實體限制：電源管理、運算密度與散熱。AI模型規模持續擴大，單一機櫃承載的晶片與記憶體同步增加，功耗及熱密度也跟著上升。算力擴張已延伸到整座機房設計，晶片效能只是其中一環。

從資本支出角度看，這代表雲端服務商建置AI基礎設施時，需要同時投入供電、機櫃、網路與液冷系統。設備支出涵蓋的環節增加，供應鏈受惠範圍有機會擴大；實際營收貢獻仍取決於客戶採購、量產進度與資料中心開工節奏。

 

德州儀器與英特爾處理高功耗及高密度需求

德州儀器推出ADC34DSO75類比轉數位轉換器，具備奈秒級解析度，可更快速監控電源狀態。公司也展示LMI800PS 800V隔離式熱插拔控制器，目標是降低電源軌故障造成的停機風險，同時縮減電路板面積。

這類元件在AI伺服器中的角色偏向可靠度管理。當單櫃設備價值與功耗提高，短暫斷電或電源異常造成的損失也會放大，電源監控速度與隔離能力因此變得更重要。電源管理正成為AI建置成本的一部分，相關支出會隨機櫃密度增加而受到更多關注。

英特爾發表Intel GPU D系列，在350瓦功耗下提供最高480GB記憶體。公司也展示Xeon 6+機櫃設計，單一機櫃核心數超過4.6萬個，並支援代理式AI工作負載。代理式AI需要模型持續呼叫工具、處理任務與進行推論，對記憶體容量及運算密度提出更高要求。

英特爾的展示反映一項產業方向：高密度機櫃逐漸成為新平台設計基礎。密度提高之後，供電與散熱必須同步升級，晶片、電源元件及液冷設備之間的技術連動也會更緊密。

 

和碩以Rubin平台切入全液冷機櫃

系統整合與製造端方面，和碩(4938)在峰會展示多款具量產能力的AI叢集與液冷機櫃方案。其中包含整合Nvidia Rubin GPU的機櫃級全液冷平台，以及支援最新處理器的高密度系統。

全液冷代表冷卻系統直接深入伺服器與機櫃內部，藉由液體帶走高功率晶片產生的熱。相較於傳統氣冷架構，液冷更適合處理高熱密度環境，但也提高管路、接頭、監控與維修的整合難度。和碩的展示顯示，台灣代工廠正在把製造能力延伸至整櫃設計與散熱整合。

對台灣供應鏈而言，商機涵蓋伺服器組裝、機櫃、電源、散熱及系統測試。整櫃交付能力的重要性持續提升，客戶需要的是可部署、可維護且符合開放標準的完整系統，供應商也要承擔更複雜的工程協調。

 

技術方向已清楚，營收規模仍看資本支出轉化

OCP峰會確認AI資料中心正在朝高密度、模組化與液冷架構前進。德州儀器處理電源可靠度，英特爾提高記憶體與核心密度，和碩則把晶片平台整合成可量產的液冷機櫃，三者分別位於元件、運算與系統製造環節。

我會把後續觀察放在雲端服務商資本支出、液冷機櫃量產時程，以及新平台能否轉成實際部署。峰會展示可以確認研發方向與供應鏈準備程度，訂單、出貨及企業獲利才會決定AI基礎建設對市場的貢獻幅度。

目前美股對AI資本支出的依賴度已高，題材又集中在少數大型科技公司與半導體供應鏈。若資料中心建置延後、電力供應受限，或企業獲利成長未能承接資本支出，指數波動可能被放大。技術升級與獲利兌現仍有時間差，這也是高密度AI基礎建設熱潮下需要持續警戒的結構性風險。