1.GPU海嘯正將功率半導體和模擬控制拉入新的需求周期，AI機架密度攀升使供電架構複雜度急劇上升，直接AI資料中心功率半導體與模擬控制市場預計從2025年約10億美元增至2030年約130億美元。
2.核心驅動力在於，GPU無法直接使用電網電力，每一瓦電力都必須經過多層轉換、調節、檢測、保護和遙測才能轉化為可用算力。隨著機架從100kW級邁向兆瓦級，第2階段負載點供電和中間匯流排轉換將捕獲約60%的直接市場價值，單機架功率半導體BOM從約1.75萬美元躍升至15.5萬美元以上。記憶體的擴張也拓寬了電源樹，增加了更多供電軌和管理內容。儘管該細分市場目前僅佔廣義功率半導體總量的一小部分，但其增速遠快於由汽車和工業主導的母市場，正成為高增長的結構性機會。
一、GPU 海嘯的受益者：功率半導體和模擬電路
#### AI機架如何將功率半導體和模擬控制拉入新的需求周期
我們將半導體行業發生的巨變稱為“GPU海嘯”。GPU+AI是最初的衝擊波，下圖則展現了餘震的景象。以往的半導體周期通常與個人電腦、手機、記憶體或工業及汽車領域的需求緊密相關，使得整個行業保持著穩定但緩慢的增長。而GPU+AI的出現徹底顛覆了整個行業，整個半導體行業正以前所未有的速度增長。GPU仍然是驅動力，是重心所在，但它所創造的需求卻貫穿了半導體供應鏈的數百個環節：記憶體、基板、封裝、網路、時序、供電、模擬控制、被動元件、散熱系統、測試、片上前端（WFE），以及支撐加速器周圍大部分物理基礎設施的成熟工藝節點產能。
對於所有行業利益相關者而言，這正是整個周期開始變得更加有趣的地方。顯而易見的AI受益者已經由我們和其他機構進行了深入探討和大致梳理。對我們而言，更有趣的問題是，半導體供應鏈中的那些環節正在被拉入新的增長曲線，儘管它們乍一看並不像AI業務。功率半導體和模擬控製器件位列其中。
GPU 產生負載，但它無法直接使用電網輸送的電力。電力必須經過轉換、降壓、在晶片附近進行調節、檢測、保護和持續監控。隨著 AI 機架從大約 100kW 級系統發展到數百千瓦，最終達到兆瓦級設計，電力系統架構變得更加複雜，半導體元件也更加密集。每個機架的元件數量增加，是因為系統需要更多的負載點調節、更多的中間匯流排轉換、更多的保護、更多的遙測以及更多的模擬控制，才能使加速器在高密度部署下高效運行。
當你直接觀察新一代GPU托架周圍的供電硬體時，這一點就更容易理解了。下圖顯示了緊鄰Vera Rubin GPU托架的密集電容組。這些電容並非穩壓器本身，其電壓標記不能直接用於計算功率。16V或63V的標記是元件的額定值，而非供電軌的功率。但這種密度仍然對我們的論點具有啟發意義。每個GPU供電區域旁邊都排列著數十個100µF級的聚合物電容，它們可能用於支援中間供電軌和本地供電軌，吸收快速的電流波動，降低紋波，並為穩壓器提供足夠的本地儲能，以確保GPU在工作負載突變時保持穩定。
這是採用惠普Cray設計的Vera Rubin + Vera CPU計算托盤。OEM/ODM版本會有所不同。
這就是該論點的物理呈現。AI 電力內容並不只是進入 PSU、側櫃或設施層。它正在進入計算托盤，甚至可能進入基板，並更靠近加速器。每一代產品都需要在距離裸片數英吋範圍內實現更多經過調節、檢測、緩衝、保護和遙測管理的電力。對於模擬和功率半導體供應商而言，機架功率上升意味著控制問題變得更大、更複雜。機架中每增加 1 瓦電力，都必須先經過多層轉換、調節、檢測、保護和遙測，才能轉化為可用算力。
模擬和功率半導體不同於投資者通常與 AI 快速擴張聯絡在一起的半導體行業環節。邏輯晶片往往可以受益於先進製程路線圖、大型平台集中度以及激進的晶圓代工產能規劃。模擬和功率半導體則通過更偏物理屬性的供應鏈擴張：成熟節點產能、高壓工藝訣竅、200mm 和 300mm 功率器件晶圓廠、SiC 和 GaN 材料供應、熱封裝、被動元件、磁性元件、測試以及漫長的客戶認證周期。一個不太體面的事實是，模擬電路的擴張通常不如邏輯晶片順暢，而且從設計和工程角度看也困難得多。它更貼近物理規律，噪聲、熱量、電壓行為、佈局和工藝波動都可能決定一個器件能否按規格工作。當需求突然加速時，這會使供應響應更慢。這裡對 agentic EDA 來說存在巨大機會：
二、執行摘要
我們當前的核心估計是，直接 AI 資料中心功率半導體和模擬控制市場將從 2025 年約 10億美元增長到 2030 年約 130億美元。這個數字小於大多數 AI 基礎設施預測，但它有意限定在由加速器計算拉動的內容層。我們衡量的是直接矽附著層，而不是其周邊更大的電氣裝置市場，也不是記憶體、網路、記憶體、母線槽、開關裝置、UPS 系統或設施基礎設施。與資料中心總電力支出相比，這個市場池看起來較小，但它是複合增長更快的層級之一，因為機架密度上升不斷把更多轉換、調節、保護、檢測和控制拉近加速器。
我們認為，更有用的要點在於價值落在那裡。在我們的模型中，到 2030 年，第 2 階段負載點供電和中間匯流排轉換約佔直接市場池的 60%。這是電力樹中最靠近裸片的部分，電流最高、電壓容差最緊，而密度提升帶來的每瓦內容增量也最大。同樣的機制也體現在機架 BOM 中：功率半導體內容從 125kW 級機架中的約 1.75萬美元，上升到兆瓦級設計中的 15.5萬美元及以上。提升來自架構變化，而不只是出貨更多器件。
我們也將記憶體視為需求倍增器。更多高頻寬記憶體、CPU 側記憶體、CXL 容量和本地記憶體會增加供電軌、PMIC、時序控制、檢測和保護，從而拓寬電力樹，但這些並不會在功率半導體市場池中表現為記憶體營收。只看 GPU 會低估機架必須調節和觀測的不同負載數量。
我們也以同樣方式看待 800V DC：與其說是單純的效率升級，不如說是一種容量架構。轉型很可能先經過側櫃和集中式 DC，之後才是原生 800V 機架，再之後才是固態變壓器設計，或者後者主要出現在新建項目中。節奏會不均衡，因此我們關注的變數是每個階段的單機架內容量，而不是某個電壓標準在那一年勝出。
關於受益者，我們按插槽對應，而不是按股票排名對應，並讓讀者自行完成後者。最清晰的劃分是矽和模擬控制層、功率模組和側櫃元件層，以及更廣義的資料中心電力系統層。它們都受到同一輪 GPU 周期拉動，但經濟屬性不同。在矽層面，第 2 階段很可能具備價值，但不會贏家通吃，因為每個機架運行數100萬美元算力的客戶完全有理由認證不止一家供應商。
我們會將論點方向與爬坡速度區分開來。風險主要是斜率風險：48V、400V 或側櫃設計可能持續更久；寬禁帶採用可能推遲；成熟節點、封裝和認證產能可能限制爬坡；任何 GPU 路線圖延遲也會拖累附著時點。觀察事項很具體：600kW 級機架從試點走向放量、第 2 階段 ASP 提升、垂直供電附著、更高電壓轉換節點上的 IBC 設計匯入，以及功率廠商是否開始披露 AI 相關營收，使這個細分市場最終能夠基於自身經濟性而非母公司的經濟性進行篩選。
三、需求傳導機制：GPU 是燃料
本報告無需重新討論加速器 TAM。我們已經廣泛覆蓋了這一周期，而這裡的起點很簡單：GPU 是負載的來源。隨著加速器營收和機架密度擴大，該負載創造的價值開始流向半導體供應鏈的其他環節。
這種傳導是本報告的重點。每個加速器更高的功耗、每個機架更多的加速器，要求更多負載點轉換、更多電壓調節、更多電流感測、更多中間匯流排轉換、更多保護以及更多遙測。隨著機架從約 100kW 級系統邁向數百千瓦，並最終走向兆瓦級設計，電源層變得更複雜，半導體含量也更高。
被忽視的一點是，這些都不是可選內容。加速器可以創造需求，但機架仍必須向負載輸送乾淨、穩定、受保護的電力。這意味著電源和模擬層不應被視為 GPU 的固定稅負。它是一個內容池，會隨著機架密度、工作負載波動性以及機架內風險價值的上升而擴大。
這就是我們在報告其餘部分追蹤的變數：不僅是 GPU 周期會變得多大，還包括這一周期會給使 GPU 能夠規模化使用所需的功率半導體和模擬控制帶來多少價值。
四、記憶體讓電源樹變寬
GPU 仍然是負載的主要來源，但連接在其上並環繞其周圍的記憶體，以 GPU 中心模型往往遺漏的方式擴大了供電問題。每一代加速器都會帶來更多封裝內高頻寬記憶體、主機複合體周圍更多 CPU 側記憶體、用於檢查點和檢索的更多本地記憶體，並且隨著時間推移，隨著系統試圖在機架範圍內池化容量，還會有更多 CXL 連接記憶體。這些記憶體池本身在 DRAM、高頻寬記憶體、NAND 和介面晶片中增加半導體金額，但這並不是本報告關注的部分。這裡重要的是，每個記憶體池也自帶電源管理內容：更多需要生成和調節的電壓軌、更多 PMIC、更多上電時序、更多電流感測點、更多遙測、更多去耦以及更多保護。
與其將其理解為峰值負載問題，不如將其理解為表面積問題。加速器仍然創造系統中最大的單一功耗，但其周圍的記憶體成倍增加了必須被調節和觀測的不同負載數量，而這些負載中的每一個都需要自己的轉換、感測和保護內容，無論其自身規模多小。AI 伺服器正在變成一個記憶體豐富的電源系統，而不是一塊加上更多計算能力的 GPU 板卡；這一轉變是 GPU 周期傳導至模擬和電源需求的另一條路徑，與加速器自身功耗上升平行存在。
高頻寬記憶體鏈路是最直接的。更多高頻寬記憶體堆疊會提高封裝和模組功率密度，並收緊對鄰近電壓調節、瞬態響應和去耦的要求，因為記憶體靠近處理器，並共享其熱約束和電氣約束。CPU 側記憶體和 CXL 擴展將同一問題向外拓寬至板卡和機架，本地 SSD 則增加了自身的斷電保護和控製器電源管理。這些都不會取代本報告所建立的層級關係。GPU 創造負載，記憶體擴大該負載的表面積，而模擬和電源使整個系統可用。這裡之所以要討論記憶體，是因為它拓寬了電源樹，卻不會出現在功率半導體 TAM 本身的任何位置；它應作為模擬和電源內容的乘數納入分析，而不是作為該市場中的一條項目。
隨著晶片封裝變大，而且它們確實正在變大，每個機架的電源內容繼續增加。
五、為什麼廣義模擬篩選出的增長慢於 AI 電源棧
如果我們只看廣義模擬和功率半導體類別，很容易錯過 AI 訊號。該市場仍由汽車、工業、消費和傳統基礎設施需求主導，而這些終端市場的增長節奏要平緩得多。AI 資料中心電源起初只是總量中的一小部分，因此即使增長非常快，也會被埋沒在更大的類別中。這會讓機會看起來不如實際情況有吸引力。
這主要是結構問題，而不是需求問題。到 2030 年，廣義功率半導體可能以高個位數速度增長，而 AI 資料中心電源的增速可能快數倍，因為它從較小基數起步，並且機架密度變化速度遠快於更廣泛市場。在我們的模型中，AI 資料中心電源將從 2025 年約佔功率半導體總量的 2%，提升至 2030 年約 10% 至 12%。這仍不是整個類別，但它是該類別內部有意義的結構變化。
實際要點是，至少目前而言，頂線模擬和電源數字可能不是觀察 AI 傳導的正確位置。AI 機架電源棧是一個較慢、更具周期性的母市場中的高增長細分。如果我們只追蹤總類別，汽車和工業基礎可能會掩蓋底層正在發生的事情。更清晰的做法是隔離 AI 特定內容，並觀察供應商是否開始單獨披露。當這種情況發生時，該子類股就可以開始基於自身經濟性進行篩選，而不是由母類別來評判。
六、機架成為電源單位
現在思考 AI 基礎設施的更好方式，是從機架和叢集層面，而不是伺服器層面。這聽起來只是一個小的框架變化，但對功率半導體很重要。一旦機架成為部署單位，供電就不再只是板級設計選擇。它會成為一種機架架構，而晶片內容會隨機架功率包絡擴展。
密度曲線是驅動因素。Hopper 級機架約為 40kW。GB200 進入 120kW 區間，Blackwell Ultra 則進一步接近 150kW。Rubin 更像是約 225kW 的過渡點，而 600kW 以及最終 1MW 級設計，則是 sidecar、更高電壓配電和 800V 架構變得更相關的位置。我們會將這些更高密度數字視為架構情景，而不是精確的產品時點判斷。重點在於方向：隨著機架從 100kW 級系統邁向數百千瓦，電源樹變得更複雜，每個機架的半導體內容上升。
這是關鍵模型變數。在我們的研究中，一個 125kW 級機架承載約 1.75萬美元 的功率半導體內容。帶 sidecar 的 600kW 級機架升至 8.7萬美元 以上，更高估計超過 12萬美元。1MW 級機架達到約 15.5萬美元，並可能進一步上升。每瓦數字僅小幅變化，但每個機架的總內容急劇上升，因為架構發生了變化。更高密度帶來更多轉換級、更高電壓功率器件、更多保護、更多緩衝、更多遙測，以及更靠近裸片的更嚴格調節。
這就是為什麼僅看機架數量可能低估機會。內容池在架構變化處擴張最快，而這正是 AI 機架路線圖的方向。產品名稱和時間線會變化，行業也可能比預期更久地延續改造後的 100kW 至 200kW 設計。但方向仍然清楚：更高機架密度意味著每個機架需要更多電源晶片。
這些數字也應留在正確的類別中。我們討論的是直接半導體附加，而不是規模大得多的電氣裝置棧。機架周圍的設施、電源架、開關裝置、UPS、母線槽和機械系統是規模大得多的金額池。直接功率半導體和模擬控制層只是這個更廣泛裝置市場中的薄片。它更小，但增長可能更快，因為最靠近加速器的內容會隨著電壓轉換、保護、緩衝、遙測和負載點複雜度提升而增加。
表 1. 機架功率演進和功率半導體 BOM 三角測算
模型假設和三角測算區間，並非精確管道核查或固定產品時點預測。隨著密度上升，每個機架的內容增加；推動增量的是架構變化，而不只是瓦數。
七、電源樹：從電網到核心
觀察晶片附加位置最簡單的方法，是沿著從公用電網饋電到處理器的電力路徑追蹤。每一步要麼轉換電力，要麼傳輸電力，要麼保護電力，要麼測量電力。我們稱之為電源樹，其重要特徵是，半導體內容會隨著路徑更靠近裸片而變得更密集。
在設施前端，系統通過變壓器、開關裝置，並在某些情況下通過固態變壓器設計，將公用電力引入資料大廳。這裡有半導體內容，主要包括 SiC 模組、柵極驅動器、隔離和感測，但大部分金額價值仍在裝置中。隨後 AC/DC 和 sidecar PSU 階段通過整流器和電源架，將輸入電力轉換為高壓直流電，並引入 SiC、GaN、控製器和保護。
在機架內部，內容變得更有意思。高壓直流配電通過母排、連接器和熱插拔硬體傳輸電力，晶片內容包括 eFuse、熱插拔控製器、電流感測和隔離。中間匯流排轉換將 800V 或 48V 降至中間電壓軌。第 2 級和負載點電源隨後通過 VRM、負載點轉換器、整合電壓調節，並最終通過更多垂直供電，完成到處理器實際使用的核心電壓的最後轉換。這是內容最密集的位置，因為電流最高、電壓容差最嚴格，且電力路徑在物理上最接近加速器。
兩個支援層貫穿同一電源樹。第一是緩衝：電池、超級電容和電力轉換系統，用於平滑 AI 叢集的動態負載曲線。第二是監測和遙測：模擬 IC、電流感測器、隔離、數字電源控制以及 PMBus 式通訊，使機架可觀測，並在某些參數超出範圍時保護機架。
隨著電力更靠近處理器，它會走向更低電壓、更高電流、更嚴格容差，以及更高的風險價值。這就是為什麼價值池集中在第 2 級、負載點和中間匯流排轉換附近，而不是設施前端。這也是為什麼我們將系統 TAM 和半導體 TAM 分開。母排、電源架、sidecar 和開關裝置是大型裝置市場。轉換、調節、保護、感測和控制電力的晶片，是一個更小但變化更快、經濟性不同的池。
八、為什麼 48V 空間耗盡
通過電流而不是電壓，更容易理解架構所承受的壓力。在固定電壓下，更高機架功率意味著更高電流。當機架以數十千瓦計量時，這還可管理。隨著機架邁向數百千瓦，情況會變得困難得多。
這就是 48V 和 54V 開始空間耗盡的位置。系統可以繼續讓更多電流通過機架，但代價會迅速疊加。更多電流意味著母排和連接器中需要更多銅、更多熱量、在電力到達處理器之前產生更多配電損耗，以及更多機架空間被供電佔用而不是用於計算。到某個時點，電力路徑開始決定機架在物理上能夠支援多少計算。
提高配電電壓是緩解壓力的槓桿。更高電壓讓系統能夠以更低電流輸送相同功率，從而降低銅材負擔、減少電阻損耗，並釋放機架內部空間。這就是 800V DC、高壓母線槽、GaN 和 SiC 器件以及更高電壓隔離進入架構的實際原因。
對矽片的延伸解讀是，這不只是一次效率升級。它改變了物料清單。更高電壓配電需要更高電壓器件、更多隔離、更多保護、更多感測，並且在很多情況下需要額外的轉換級。轉向 800V 會改變電源架構，也會改變內容構成。更多價值轉向高壓電力電子、轉換、保護、遙測，以及讓系統可靠運行所需的模擬控制。
這就是為什麼我們會把更高電壓配電視為容量賦能因素。效率有所幫助，但更大的問題是，在電流、銅材、熱量和空間成為限制因素之前，機架能夠容納多少算力。 (404K)