AI資料中心轉向800V供電，SiC與GaN先受惠誰能先變營收？

資料中心轉向800V供電，SiC與GaN需求跟著升級

全球AI市場持續擴張，算力需求正把資料中心的升級壓力推向晶片、供電與散熱環節。當伺服器機櫃的運算密度提高，降低電力轉換損耗便成為基礎建設的重要課題，資料中心因而加速導入800V高壓供電架構。

這項轉變有利於碳化矽(SiC)與氮化鎵(GaN)功率元件。兩者都屬於第三代半導體，主要優勢包括耐高壓、切換速度快與能源損耗較低。AI伺服器耗電持續增加，功率元件的價值量與技術門檻也會同步上升，供應鏈受惠範圍逐步從運算晶片延伸至電源管理設備。

從機構投資角度看，AI資本支出的涵蓋面正在擴大。雲端業者投入資料中心後，資金會沿著伺服器、先進封裝、電力設備與能源供應向外傳導。這種擴散有助於降低市場只依賴少數AI晶片公司的風險，但各環節轉成營收與獲利的時間仍有差異。

小晶片與先進封裝推動晶圓代工走向系統整合

高階算力持續增加，單純縮小製程的成本與技術難度也在上升。小晶片設計透過不同功能晶粒的組合，提高設計彈性；先進封裝則負責縮短晶粒間距離，改善頻寬、功耗與散熱效率。兩項技術已成為AI晶片提升效能的重要路徑。

台積電(2330)等晶圓代工與封測業者，也在擴大共同設計與系統整合服務。供應商參與程度從晶圓製造延伸至封裝與系統協作，代表先進製程與封裝能力需要同步擴充。對產業獲利來說，後續要觀察產能擴張能否配合客戶需求，以及新增資本支出能否帶來穩定的產能利用率。

整合元件製造商，也就是同時參與晶片設計與製造的IDM業者，則開始在邏輯晶片、記憶體與微控制器布局邊緣AI。這顯示AI運算正在從大型資料中心延伸到各類終端設備，半導體需求的範圍也隨之擴大。

模型降價擴大企業使用量，邊緣AI開始進入終端硬體

在軟體端，OpenAI正把AI能力推進晶片設計、生命科學與金融等專業領域，並調降部分模型價格。模型使用成本下降，有機會提高企業採用頻率，讓AI需求從訓練端逐漸延伸到推論與日常工作流程。

聲學方案商意騰-KY受市占率提升帶動。公司正與客戶商討價格調整，並規劃擴展至遊戲機、智慧型手機與筆電市場。

這組數據支持邊緣AI需求開始擴散，但營收成長能否延續，仍要配合產品滲透率、客戶採用進度與價格調整結果。對你們來說，單一公司的營收增長可視為終端需求的早期證據，產業趨勢仍需更多公司與連續季度數據交叉確認。

AI耗電把資本支出推向核能基礎建設

AI資料中心的大量耗電，正在改變能源政策與基礎建設投資方向。美國與韓國近期達成規模達千億美元的投資協議，計畫在美國興建8座大型核反應爐。這項安排可望補充美國核能供應鏈缺口，也讓韓國企業擴大核電技術出口。

核能投資的時間尺度遠長於晶片採購，從協議、建設到供電需要經歷多個執行階段。因此，電力供給已成為AI擴張的長期限制，相關投資帶來的產業影響也會分批浮現。

我會把目前AI循環分成三層觀察：上層是模型與應用使用量，中層是晶片、記憶體與先進封裝，下層是供電與能源設施。三層資本支出同步擴張，才能支撐算力需求長期成長。市場仍需警惕題材過度集中，以及企業獲利過度依賴AI預算；後續應持續檢查資本支出能否轉成訂單、營收與現金流。