隨著人工智慧技術從訓練階段轉向大規模的推論應用，資料中心的電力需求已成為科技產業的新焦點。在 AI 伺服器高功耗的趨勢下，電力傳輸架構正經歷從 54V 向 800V 升級的轉變，這不僅帶動了電源供應單元（PSU）、連接器及功率半導體的供應鏈變革，更讓 Cerebras 等新型態晶片架構備受矚目。
AI 推論需求崛起與硬體演進
從訓練到推論的硬體思維轉變
過去 AI 產業的發展核心多集中在「訓練（Training）」階段，即投入大量算力讓模型吸收數據；然而，隨著生成式 AI 應用深入各行各業，市場重心已轉移至「推論（Inference）」。推論階段需要快速產生內容並回應使用者請求，這對於記憶體頻寬、運算延遲以及能源效率提出了嚴苛挑戰，促使硬體供應鏈必須進行系統性的優化。
Cerebras 與解構式架構的潛力
為了克服傳統 GPU 在推論效率上的瓶頸，Cerebras 提出以大型晶片搭配 SRAM 高頻寬架構的解決方案，透過極致的單晶片設計來降低資料傳輸延遲。此外，透過與 AMD 合作的「解構式推論」技術，將 Prefill 與 Decode 工作分離處理，為未來的 AI 推論硬體鋪設了更具彈性的路徑。
800V 電力架構：資料中心的升級關鍵
為何資料中心必須轉向高電壓架構？
當單台 AI 伺服器功耗突破數百 KW，傳統的 54V 低電壓架構將面臨「大電流」的極限考驗，導致電纜過粗、接頭體積過大且散熱難度攀升。採用 800V 電力系統能有效降低電流，減少線材與匯流排（Busbar）的負擔，不僅簡化了機櫃內的電力分配設計，更提升了整體資料中心的空間利用效率與系統穩定性。
800V 架構帶動的供應鏈商機
電力架構的升級牽一髮而動全身，不僅是單純的電源替換，而是涉及整個電力傳輸生態系的升級。從前端的 PSU、Power Shelf（電源櫃）轉換器，到傳導層的連接器與匯流排，再到後端的 BBU（備援電力）與功率半導體（如 SiC、GaN），這些供應鏈環節皆展現出強勁的成長潛力，特別是 BBU 備援電力系統正逐漸從選配升級為伺服器的核心標配。
| 升級階段 | 重點技術/設備 | 市場發展重點 |
|---|---|---|
| 初期（2026-2027） | Power Rack, PSU, BBU | 解決基礎電力轉換效率與空間 |
| 中期（整合期） | Power Center, SiC/GaN 模組 | 提升轉換效率與功率密度 |
| 長期（系統化） | DC UPS, 儲能系統, Busway | 大型化的直流電系統與智慧電網 |
投資 AI 電力題材的思考與風險
估值重評價的邏輯
投資人看待 800V 電力題材時，不應僅將其視為單一規格的變更，而應看作「電力、散熱與運算」三位一體的系統性升級。當傳統電力設備廠商成功切入 AI 供應鏈，其營收結構與成長空間將產生質變，這往往是市場給予估值重評價（Re-rating）的關鍵契機。
市場三大策略觀點
- 基本面導向：投資邏輯必須建立在實際的訂單落實與營收成長上，而非單純的題材炒作。
- 資金與籌碼：觀察股價底部時，除考慮基本面外，更需關注法人與主力資金的進場訊號。
- 階段性區分：短期已量產的設備與長期的願景技術應採用不同的估值模型，避免過度高估夢想空間。
常見問題
為什麼 AI 資料中心需要升級至 800V？
主要是為了應對 AI 伺服器日益增加的功耗，透過提高電壓來降低電流，進而縮小電力傳輸組件的體積，減輕熱效應並簡化資料中心布線。
800V 電力架構會取代現有的 54V 嗎？
這是一個演進過程，短期內兩者將共存，透過 PSU 與轉換器進行電壓降壓與轉換，未來隨著架構升級，高壓直流電比例將逐步提高。
哪些供應鏈領域最值得關注？
目前可優先關注 PSU、連接器、電容與 BBU 供應商，隨後關注 SiC 與 GaN 功率半導體，長期則是 DC UPS 及大型儲能系統。
Cerebras 在 AI 市場的獨特性為何？
其核心優勢在於採用超大面積的晶片設計，並利用 SRAM 技術實現極高記憶體頻寬，為推論階段的 Prefill 與 Decode 提供高效能解決方案。
投資 AI 電力股時最需警惕什麼？
切忌單憑市場題材熱度投資，必須確保企業已實際打入供應鏈，且營收與毛利率有明確成長動能，避免在過熱的題材中誤判風險。
總結來說，AI 資料中心的電力升級已是不可逆的發展趨勢。從 800V 架構的導入到新型推論晶片的應用，整個產業鏈正邁向更高效、更強大的系統整合階段。投資人若能精準把握電力供應鏈與運算架構的迭代節奏，將能更好地捕捉 AI 下半場的市場機會，但同時也需謹慎評估訂單落實的進度與市場波動風險。
No responses yet