AI热潮推动模拟芯片革新与市场机遇

人类花了大约一百年，才把庞大的电力网络微缩进电子管和集成电路，开启了数字时代。但如今，大模型时代又把数字系统拽回了一个老问题：电。算力越强，系统越复杂，模拟技术的重要性就越发凸显。

看看最近的行业动态，就能感受到这股热度。5月20日，英伟达公布的2027财年第一季度业绩堪称惊人，单季收入达到816亿美元，其中数据中心业务贡献了752亿美元，同比增长92%。存储侧也不遑多让，SK海力士在2025年二季度就表示，计划增加先进芯片制造支出，重点投向HBM设备，并预计全年HBM销售额有望翻倍。

AI的第一波红利，毫无悬念地落在了GPU和HBM身上。但仔细观察产业链的动向，你会发现第二波红利正在悄然扩散，目标直指一个曾经低调的领域——模拟芯片。

ADI近期以15亿美元全现金收购Empower Semiconductor，就是一个清晰的信号。这场收购表明，AI产业链的竞争焦点，正从GPU、HBM这些显性的算力环节，进一步下沉到电源、功率和信号完整性等底层支撑环节。模拟芯片不再只是默默无闻的后台器件，它正在成为AI基础设施能否持续扩展的关键变量。

说到底，AI的尽头不只是算力，更是能源。而对能源与信号的控制，最终都绕不开模拟技术。

算力狂奔，电力告急

当AI系统从单台服务器走向整排机架，从万卡规模迈向十万甚至百万卡集群时，数字芯片的“算力木桶”遭遇了物理规律的无情制约。

数据中心的“电荒”，正从一份研究报告中的预测，变为迫在眉睫的运营危机。

国际能源署（IEA）在《能源与人工智能》报告中指出，2024年全球数据中心用电量约占全球总用电量的1.5%。而到2030年，这一数字预计将翻倍以上。报告特别强调，AI是这一增长最重要的驱动力，加速服务器的用电量预计将以年均30%的速度增长，贡献近一半的增量用电。

业界巨头的行动也印证了这一趋势。由OpenAI、甲骨文和软银推进的Stargate项目，规划容量已接近7GW，未来三年投资可能超过4000亿美元，目标直指此前宣布的5000亿美元、10GW的宏大承诺。

这意味着，AI系统的瓶颈已经转移。问题不再仅仅是“能否造出更快的核心”，而是下沉到了电力如何分配、功耗如何转换、信号如何保持完整以及热量如何散掉等物理层面。

一句话：没有稳定高效的电源，再强大的算力也只是空中楼阁。

800V DC架构，推动垂直供电革命

正是看到了这个根本性挑战，连英伟达都开始亲自下场，推动一场电源架构的革命——800V直流架构。

英伟达在2025年提出了面向下一代AI工厂的800V DC电源架构蓝图。其核心逻辑很直接：传统的54V机架供电是为千瓦级机架设计的，根本无法应对即将到来的兆瓦级AI机架。因此，英伟达计划从2027年开始，推动数据中心采用800V直流基础设施，以支持功率超过1MW的IT机架。

为什么要从48V/54V跳到800V？这背后是一道纯粹的物理与工程数学题。根据焦耳定律，传输损耗与电流的平方成正比。当机架功率飙升至1MW以上时，如果继续使用54V低压供电，电流将高达数万安培。巨大的电流不仅意味着惊人的传输损耗，还让布线变得几乎不可能——英伟达估算，单是传输铜排的重量就可能达到200公斤。

转向800V后，电流大幅下降，铜耗和空间压力迎刃而解。英伟达设想的Kyber机架架构，通过高压直流集中输送电力，在计算节点附近通过高变比转换器一步降至芯片所需的低电压。这种单级转换方案，据说能将电源面积减少26%。

这绝非小修小补，而是一场电源架构的范式转移。它直接催生了对垂直供电和近核心供电技术的迫切需求。

所谓垂直供电，可以说是当前高性能计算领域最顶尖的供电思路。它不再满足于将电源模块放在主板或加速卡上，而是试图将集成电压调节器和硅电容直接做进芯片封装内部，甚至堆叠在GPU晶圆的正下方，通过微凸点像“打针”一样，把电流垂直注入计算核心。在这里，电源技术和芯片封装技术彻底融合了。

其核心价值在于压缩供电的“最后一英寸”。通过将电源转换、去耦和完整性管理推到离负载最近的地方，系统能显著减少横向供电带来的电压跌落和热损耗，同时大幅提升负载突变时的瞬态响应能力。

如今，英伟达正联合ADI、英飞凌、MPS、纳微半导体、安森美、瑞萨、罗姆、意法半导体、德州仪器等一众巨头，在芯片设计初期就共同规划供电架构。电源，已经从一个外围部件，升级为算力基础设施的底层架构本身。

ADI收购Empower：抢下“近核心供电”的门票

在英伟达摇旗呐喊构建800V生态的背景下，ADI近日的一笔收购显得格外引人注目。

5月19日，ADI宣布以15亿美元全现金收购Empower Semiconductor。ADI公开宣称，其目标是成为超大规模数据中心和AI芯片商的“从电网到核心”的电源合作伙伴。

这个“从电网到核心”的概念，形象地描绘了一条完整的供电链路：从数据中心的电力入口开始，覆盖高压配电、机架电源、服务器电源、板级电源，最终直达GPU或ASIC核心的最近处。

而Empower，正是ADI实现这一野心的关键拼图。它的核心杀手锏，正是近核心供电与垂直供电技术。

Empower的核心能力在于集成电压调节器和硅电容器技术。它能将电源管理模块做到硅片级别，甚至以3D封装的形式放置在GPU芯片正下方进行垂直供电。据称，这可以帮助客户将电源占板面积最多缩小4倍，并有望降低数据中心计算功耗10%至15%。

要理解这条技术路线的重要性，可以看看另一个玩家Vicor。在垂直供电领域，Vicor是较早将相关架构系统化的代表。其底层思路是“因子化电源架构”，即将传统电源转换过程拆解为不同功能模块，再通过高密度模块完成高效变换。

在靠近处理器的供电方式上，Vicor主要提出了两类路径：横向供电和垂直供电。其方案旨在大幅降低主板电阻，并减少处理器所需的供电引脚数量。

Empower与Vicor的具体技术路线虽不尽相同，但大方向是一致的：电源正在从板级走向封装级，从横向供电走向近负载或垂直供电，竞争维度也从单颗器件升级为系统级供电架构的较量。

模拟与功率厂商的集群“大抢位”

传统的通用电源芯片，比拼的是成本、规模和出货量。而面向高性能计算的电源，拼的则是极致的材料学、拓扑结构创新和数字控制算法。这也解释了为何近一年来，半导体行业对高性能电源公司的并购和战略卡位如此疯狂。谁能在这个高壁垒领域占据一席之地，谁就等于拿到了通往AI时代顶级市场的门票。

面对800V高压直流、48V架构、高密度模块和近核心供电带来的碘伏性机遇，全球模拟与功率半导体厂商正在各显神通，展开一场集群式的技术抢位。大致来看，竞争形成了数条鲜明的技术路线。

TI与ST：押注“减少转换级数”

德州仪器走的是“高密度、少级数”的路线。其与英伟达展示的方案，从800V到GPU核心仅需两级转换，其中800V到6V的总线转换器采用了集成GaN功率级，实现了极高的功率密度和效率。

意法半导体同样押注两级转换架构，认为这可以减少铜用量、降低损耗并提升瞬态性能。TI和ST的逻辑与ADI+Empower的“近核心”思路虽侧重不同，但内核一致：越靠近计算核心，电源的价值就越高。

MPS：深耕高密度模块化供电

MPS是AI/HPC电源战场中一个绕不开的玩家。它的策略并非提供单一芯片，而是更早地围绕数据中心和AI GPU的供电需求，系统性切入高密度电源模块、48V架构和数字控制领域。这个赛道的真正难点在于，它考验的是在极限空间内，以超高效率、极快瞬态响应和最低热损耗输送极大电流的综合能力，涉及芯片、封装、布局、热设计乃至客户平台验证的全链条。

英飞凌与瑞萨：发挥材料与控制专长

英飞凌从自身擅长的“高压、大电流、高可靠性”领域切入，专注于利用碳化硅/氮化镓器件和系统级控制算法，确保800V高压进入数据中心时的第一道关卡稳固可靠。

瑞萨则凭借其在氮化镓器件和电源控制方面的积累进入800V生态，其方案支持高效的DC/DC转换，并强调可堆叠至800V应用。

被忽视的另一个模拟战场：高速信号链

除了电源管理，AI还点燃了模拟芯片的另一个关键赛道——高速信号链。

AI服务器的本质，不只是塞进更多GPU，而是要让GPU、CPU、DPU、网卡、存储和交换芯片之间形成一个高吞吐、低延迟、可扩展的数据系统。随着PCIe标准向64GT/s乃至128GT/s迈进，信号在PCB上传输几厘米就会产生严重畸变。这就需要服务器主板上布满高性能的模拟混合信号芯片，如重定时器、重驱动器、时钟缓冲器等，来对信号进行修复、补偿和再生。

而这，正是传统模拟芯片厂商长期积累的优势区间。

德州仪器在PCIe信号调理产品上有完整布局；瑞萨则聚焦于提供低抖动的时钟与定时芯片方案；ADI的数据中心方案覆盖电源、光互连和传感，其高性能时钟产品服务于高速接口场景；Microchip则扩展其面向AI数据中心的连接与存储产品组合；Semtech更是将这条产品线直接称为“信号完整性”，服务于光互连和铜互连。

高速信号链绝非AI产业链的边角料，它是模拟芯片厂商切入AI基础设施的另一条主线。其逻辑与电源管理高度相似：电源管理解决“电能否高效送达”的问题，而高速信号链解决的是“数据能否稳定流动”的问题。

总而言之，GPU越强大，服务器内部的功耗就越高，数据吞吐越大，互连越复杂，模拟芯片厂商在电源和信号这两大基础领域的存在感就越强。

结语

AI的火确实烧到了模拟芯片，但必须清醒认识到：这并非一场普惠式的行业狂欢。当前全球模拟芯片行业的大部分领域，如消费电子类、通用电源管理等，仍处于周期调整中，面临产能过剩和价格压力。

在这场AI饕餮盛宴中，真正能占据优势的，是那些在高压隔离、大功率氮化镓/碳化硅整合、高速信号链以及“封装级/垂直供电”等高壁垒技术上拥有深厚积累的头部玩家。

ADI对Empower的15亿美元收购，或许只是一个序幕。随着英伟达800V数据中心生态在2027年前后全面落地，模拟半导体行业的马太效应将进一步加剧。在这场决定AI下半场走向的电能与信号之战中，谁能离算力核心更近，谁就将掌握未来十年的产业定义权。