人類用了大約100 年時間，把龐大的電力網絡微縮進電子管和集成電路里，開啟了數字時代；但大模型時代，電的問題又把數字系統重新拽回到物理世界。算力越強，系統越複雜，模擬越重要。
5月20日，英偉達公佈截至2026年4月26日的2027財年第一季度業績，單季收入達到816億美元，同比增長85%；其中數據中心收入達到 752 億美元，同比增長 92%。存儲側亦是如此。SK海力士在 2025年二季度表示，公司正計劃提高先進芯片製造支出，主要投向HBM相關設備，並稱全年HBM銷售有望較上一年翻倍。
IAI的火爆，讓英偉達成為全球半導體產業最耀眼的公司，也讓高帶寬內存成為 AI 服務器中最緊缺的資源之一。AI第一波紅利給了GPU和HBM，而與此同時，我們看到，第二波紅利正在向模擬芯片擴散。
近日，ADI 以15億美元全現金收購Empower Semiconductor，給出了一個清晰信號：AI 產業鏈的競爭，正在從 GPU、HBM等顯性的算力環節，進一步下沉到電源、功率和信號完整性這些底層支撐環節。模擬芯片不再只是後臺器件，而正在成為 AI 基礎設施繼續擴展的關鍵變量。
AI 的盡頭不只是算力，也是能源；而能源與信號的控制，最終都離不開模擬。
算力狂奔，電力告急
當AI系統從單機走向機架、從萬卡走向十萬卡甚至百萬卡集群時，數字芯片的“算力木桶”遭遇了物理規律的無情限制。
數據中心的“電荒”正從一種預測變為迫在眉睫的危機。
國際能源署IEA在《Energy and AI》報告中指出，2024年全球數據中心用電量約為 415TWh，佔全球電力消費約 1.5%；到2030年，數據中心用電量預計將超過翻倍，達到約945TWh。IEA還特別指出，AI是這一增長最重要的驅動力之一；加速服務器的用電量預計年均增長 30%，並貢獻全球數據中心用電淨增量的近一半。
OpenAI、Oracle 和 SoftBank 推進的 Stargate 項目，也可以看作這種趨勢的標誌性案例。OpenAI 在 2025 年 9 月披露，Stargate新增五個美國 AI 數據中心站點後，連同 Abilene、CoreWeave 等項目，規劃容量已接近 7GW，未來三年投資超過4000億美元，並朝著此前宣佈的5000億美元、10GW承諾推進。
AI系統的瓶頸不再僅僅是“能不能造出更快的核心”，而是下沉到了電力分配、功耗轉換、信號完整性與散熱極限等問題。
沒有好電源，算力就是空中樓閣。
800V DC架構，推動垂直供電革命
這也是為什麼英偉達開始親自推動800V DC架構。
英偉達在2025年提出面向下一代 AI Factory的800V DC電源架構。其官方技術博客中指出，傳統54V機架供電原本面向 kW 級機架，並不適合即將到來的MW級AI機架；英偉達 計劃從 2027 年開始推動 800V DC 數據中心電源基礎設施，以支持 1MW 及以上 IT 機架。
為什麼要從48V/54V走向800V？是一個純粹的物理與工程數學問題。根據焦耳定律：P=IxV，Ploss = I2x R。當機架功率（P）從幾十kW飆升至1MW以上時，如果繼續沿用54V的低壓供電，電流（I）將達到驚人的數萬安培。
巨大的電流意味著極高的傳輸損耗（與電流的平方成正比）。傳統供電方式更多是橫向供電：電源模塊放在主板或加速卡上的某個位置，電流通過 PCB 銅層、過孔、封裝焊球等路徑橫向流向處理器核心。但當電流達到數百安培甚至更高時，這段看似很短的路徑，都會產生明顯的電阻損耗、電壓跌落和熱量。
隨著GPU（如Blackwell甚至下一代架構）的電流衝向1000A以上，供電面臨兩大死穴：第一個是瞬態響應延遲：當GPU瞬時滿載時，電源如果離得遠，電壓會瞬間崩塌；第二是寄生電阻損耗：橫向供電（從PCB板邊緣引線到芯片中央）會導致嚴重的電壓跌落。
英偉達指出，在單機架1MW的場景下，若用54V架構，光是傳輸電流所需的銅排重量就高達200kg，不僅擠佔了寶貴的服務器空間，更讓佈線成為不可能。走向800V DC後，電流大幅下降，銅耗與空間壓力迎刃而解。英偉達設想的Kyber機架架構，通過高壓直流集中輸送，在計算節點附近通過高變比轉換器一步到位降至12V以下。英偉達稱，這種單級轉換方案相比傳統的多級轉換，面積足足減少了26%。
這不是小修小補，而是電源架構層面的變化。這推動了垂直供電和近核心供電的需求。
垂直供電可以說現在HPC領域的頂尖供電技術。把集成電壓調節器（IVR）和硅電容直接做進芯片的封裝裡，甚至疊在GPU的正下方，通過微凸點（Micro-bumps）像“打針”一樣直接把電流垂直注入晶圓核心。電源技術和芯片封裝技術在這裡徹底融合了。
垂直供電的價值，正在於壓縮這段“最後路徑”。它試圖把電源轉換、去耦電容和電源完整性管理推到更靠近負載的位置，甚至通過封裝下方或芯片下方的低阻抗路徑，將電流更直接地送到計算核心附近。這樣一來，系統可以減少橫向供電帶來的壓降和熱損耗，同時提升負載快速變化時的瞬態響應能力。
現在是英偉達拉著ADI、Infineon、MPS、Navitas、onsemi、Renesas、ROHM、ST、TI 等巨頭一起，在芯片設計初期就共同討論“這個供電架構怎麼走，封裝內部給電源留多少空間”。電源已經不是外圍電路，它本身就是算力基礎設施的底層架構。
ADI收購Empower：
搶下“近核心供電”的門票
在英偉達搖旗吶喊的800V生態中，ADI近日砸下重注。
5月19日，ADI宣佈以15億美元全現金收購Empower Semiconductor。ADI公開提出要成為Hyperscaler（超大規模數據中心）和AI芯片商的“Grid-to-Core（從電網到核心）”電源合作伙伴。
所謂 Grid-to-Core，可以理解為從數據中心電力入口一路向下，覆蓋高壓配電、機架電源、服務器電源、板級電源，最終抵達 GPU/ASIC 核心附近的完整供電鏈路。
而Empower，正是ADI實現這一目標的關鍵。Empower吸引ADI的核心殺手鐧——近核心供電與垂直供電。
Empower的核心技術是IVR（集成電壓調節器）與硅電容器。它能夠將電源管理模塊直接做到硅片級別，甚至以3D封裝的形式，放置在GPU芯片的正下方進行“垂直供電”，幫助客戶將電源佔板面積縮小最多4倍，並預計可降低數據中心計算功耗10%至15%。
要理解這條路線的重要性，Vicor是一個很好的參照。
在垂直供電領域，Vicor是較早把相關架構系統化的代表廠商。它的底層思路是 Factorized Power Architecture，FPA，也就是將傳統電源轉換過程拆解為不同功能模塊，再通過高密度模塊完成高效變換和電流倍增。
在靠近處理器的供電方式上，Vicor主要提出了兩類路徑：
LPD，Lateral Power Delivery：把電源模塊放在處理器周邊，從側面向處理器供電；
VPD，Vertical Power Delivery：把電源模塊進一步放到處理器下方或封裝附近，從垂直方向縮短電流路徑。
Vicor官方資料稱，其架構可以結合LPD和VPD，降低“最後一英寸”的供電阻抗；相關方案可將主板電阻最高降低 50 倍，並將處理器供電腳位數量減少 10 倍以上。
Empower與Vicor的具體路線並不完全相同，但方向是一致的：電源正在從板級走向封裝附近，從橫向供電走向近負載或垂直供電，從單顆器件競爭走向系統級供電架構競爭。
模擬與功率廠商的集群“大搶位”
傳統的通用電源芯片（PMIC）拼的是成本、是規模、是出貨量；而HPC電源拼的是極端的材料學、拓撲結構創新和拓撲控制算法（數字電源控制）。這也是為什麼最近這一年，整個半導體行業對高性能電源公司的併購和搶位如此瘋狂。誰能在HPC電源這個天花板領域佔據一席之地，誰就等於拿到了通往AI時代最暴利、壁壘最高市場的門票。
面對 800V 高壓直流、48V 架構、高密度模塊和近核心供電帶來的顛覆性商機，全球模擬與功率半導體廠商正在各顯神通，圍繞下一代 AI 電源架構展開集群式搶位。大致來看，這場競爭正在形成幾條不同的技術路線。
TI & ST：減少轉換級數
德州儀器（TI）：走的是“高密度、少級數”的路線。2026年3月，TI與英偉達展示了完整的800V方案，該方案從800V到GPU核心電源只需要兩個轉換級：800V到6V隔離母線轉換器，以及6V到低於1V的多相buck方案。其中800V到6V DC/DC總線轉換器採用集成GaN功率級，峰值效率達到97.6%，功率密度超過 2000W/in³。
ST同樣押注兩級轉換。ST在2026年3月推出了800V直降6V/12V的架構。ST表示800V到6V的路徑可以讓6V母線更靠近 GPU，減少轉換級數、銅用量和電阻損耗，並提升瞬態性能。
TI&ST與 ADI+Empower 的近核心供電邏輯並不完全相同，但方向一致：越靠近計算核心，電源價值越高。
MPS：高密度模塊化供電
MPS是AI/HPC電源戰場中繞不開的玩家。它並不是單純提供某一顆 DC/DC 芯片，而是更早圍繞數據中心和 AI GPU 的供電需求，切入高密度電源模塊、48V 架構、智能功率集成和數字控制。
這也是AI電源賽道的真正難點所在：它拼的不是“能不能做電源芯片”，而是能不能在有限的板級空間內，把極大的電流以足夠高的效率、足夠快的瞬態響應和足夠低的熱損耗送到 GPU/ASIC 附近。這裡考驗的是芯片、封裝、佈局、熱設計和客戶平臺驗證的綜合能力。
英飛凌&瑞薩：發揮第三代半導體與控制優勢
英飛凌：英飛凌從擅長的“高壓、大電流、高可靠性”切入。他們專注於利用SiC/GaN器件、高級驅動器和系統級控制算法，確保800V高壓在輸入數據中心時的第一道關卡穩如泰山。
瑞薩：瑞薩用GaN和電源控制進入800V生態。2025年10月，Renesas 宣佈支持 英偉達 800V DC AI 數據中心架構。其方案重點是 GaN 功率器件、MOSFET、控制器和驅動器。Renesas 表示，GaN 器件有助於快速開關、降低能量損耗並改善熱管理；其 GaN 方案可支持 48V 到 400V 的 DC/DC 轉換，並可堆疊到 800V，基於 LLC DCX 拓撲的轉換器效率最高可達 98%。
被忽視的另一個模擬戰場：
高速信號鏈
除了電源管理，AI還點燃了模擬芯片的另一個細分賽道——高速信號鏈（Retimer/Redriver芯片）。
AI 服務器的本質，不只是把更多 GPU 塞進機櫃，而是讓 GPU、CPU、DPU、網卡、SSD、CXL 內存和交換芯片之間形成高吞吐、低延遲、可擴展的數據系統。隨著 PCIe 6.0 提升到 64GT/s，PCIe 7.0 進一步瞄準128GT/s，信號在PCB板上走過幾厘米就會嚴重畸變。這就需要服務器主板上密密麻麻地佈滿高性能模擬混合信號芯片來對信號進行修復、補償和再生，如Retimer、Redriver、Clock Buffer、Jitter Attenuator、CDR、PLL、高速 SerDes 模擬前端等等。
而這些產品也正是傳統模擬芯片廠商長期積累的能力區間。
以TI為例，它在 PCIe Redriver/Retimer方向已經有較完整的信號調理產品和技術儲備。TI 官方資料顯示，其PCIe 5.0線性 Redriver 面向 32Gbps PCIe 5.0、CXL、UPI 2.0 等高速接口，可提供最高 24dB CTLE boost、100ps 超低延遲，並支持 x4、x8、x16 PCIe 總線寬度。
瑞薩主要集中在時鐘與定時芯片。AI 服務器的高速鏈路不僅需要數據通道乾淨，也需要時鐘足夠低抖動。瑞薩早在PCIe Gen5階段就推出了面向數據中心和網絡基礎設施的完整 PCIe 時鐘方案；到 PCIe Gen6 階段，又推出符合 PCIe Gen6 規格的 clock buffer 和 multiplexer 產品組合。新器件面向的正是服務器、高性能計算和數據中心平臺的低抖動時鐘分發。
ADI的數據中心方案覆蓋高密度服務器、存儲、網絡系統中的電源管理、光互連控制和傳感方案；其高性能時鐘與抖動衰減器產品也長期服務於高速數據轉換器、JESD204B 等高速接口場景。比如 ADI 的 HMC7044 是雙環路整數 N 抖動衰減器，用於為高速數據轉換器提供超低相位噪聲時鐘。
Microchip方面，2025年，Microchip宣佈擴展面向AI數據中心的連接、存儲和計算產品組合，強調要滿足AI數據中心對帶寬、性能、安全和管理能力的需求。其XpressConnect Retimer產品支持 PCIe Gen5 和 CXL 2.0，面向高性能 PCIe 應用、CXL 內存和 GPU 連接場景，官方強調其具備低延遲、診斷功能、多配置選項和低功耗特性。
再比如Semtech，它把這條線直接稱為 Signal Integrity。Semtech官方資料顯示，其數據中心信號完整性產品組合面向光互連和銅互連，服務AI工作負載、雲計算和企業網絡；其 Tri-Edge平臺則是面向PAM4光互連的CDR 技術，用於200G、400G等數據中心模塊和 AOC應用。
高速信號鏈並不是 AI 產業鏈裡的邊角料，而是模擬芯片廠商切入AI基礎設施的另一條主線。它和電源管理的邏輯高度相似：電源管理解決的是 AI芯片“電能否高效送達”的問題，高速信號鏈解決的是 AI 系統“數據能否穩定流動”的問題。
總的來說，GPU越強，服務器內部的功耗越高、數據吞吐越大、互連鏈路越複雜，模擬芯片廠商在電源和信號兩端的存在感就越強。
結語
AI的火雖然正在燒到模擬芯片，但必須清醒地認識到：這不是一場普惠式的行業狂歡。當前全球模擬芯片行業仍處於錯綜複雜的週期調整中。消費電子類模擬、普通通用PMIC、傳統工業模擬甚至部分常規車規級芯片，依然面臨產能過剩和價格戰的泥潭。
在這場AI饕餮盛宴中，真正能賺得盆滿缽滿的，是那些擁有高性能高壓隔離、大功率GaN/SiC整合能力、高速低延遲信號鏈、以及能夠玩轉“封裝級/垂直供電”高壁壘技術的頭部玩家。
ADI對Empower的15億美元豪賭只是一個開始。隨著英偉達800V數據中心生態在2027年的全面落地，模擬半導體行業的馬太效應將進一步放大。在這場AI下半場的電能與信號之戰中，誰能離算力核心更近，誰就能掌握下一個十年的產業定義權。
對於國產廠商而言，如何在這個巨頭林立的市場中突圍，也會是一個重要關注點。讓我們一起期待！
*免責聲明：本文由作者原創。文章內容系作者個人觀點，半導體行業觀察轉載僅為了傳達一種不同的觀點，不代表半導體行業觀察對該觀點贊同或支持，如果有任何異議，歡迎聯繫半導體行業觀察。
本文來自微信公眾號 “半導體行業觀察”（ID：icbank），作者：杜芹DQ
