AI 推論時代的硬體新變革
隨著人工智慧從單純的訓練階段走向大規模的生成式 AI 推論（Inference），產業對於資料中心的要求已不僅止於算力競賽，更延伸至能源效率與系統架構的最佳化。市場焦點已從早期的 GPU 與 HBM 擴散，轉向更底層的電力供應架構，特別是從傳統 54V 向 800V 高電壓轉換的趨勢，這將牽動全球資料中心供應鏈的重大重組。
從訓練到推論的硬體迭代
過去市場對 AI 的認知多半停留在「訓練（Training）」，即耗費巨額資源讓模型具備基礎知識；然而，當前的核心戰場已轉移至「推論」。在執行生成任務時，系統需要處理長文本並產生大量 Token，這使得記憶體頻寬與延遲管理成為瓶頸。因此，市場開始尋找更具效能的架構，例如 Cerebras 所提出的超大型晶片設計，便是為了突破傳統 GPU 架構在特定推論任務上的限制。
解構式推論與創新晶片
Cerebras 的技術亮點在於利用晶圓級晶片結合 SRAM 高頻寬，並與 AMD 攜手推動「解構式推論」架構。此架構將 Prefill（輸入處理）與 Decode（生成任務）進行硬體分工，旨在提升整體運算效率，這也暗示了未來的 AI 硬體將更講求針對特定場景的效能優化，而非單純的算力堆疊。
為何資料中心急需轉向 800V 架構？
功耗激增的技術瓶頸
隨著 AI 伺服器的單機功耗不斷攀升，傳統 54V 架構在面臨數百 KW 的電能需求時，會因「低電壓、大電流」而陷入效率與體積的兩難。若維持低電壓，傳輸線材將變得過於厚重且體積龐大，甚至引發散熱難度飆升及電力轉換損耗等問題。為了克服這些物理瓶頸，業界正加速推動 800V 電壓架構，以降低電流並提升輸電穩定性。
800V 電力系統帶來的產業鏈影響
導入 800V 架構並非單純更換電源供應器，而是對整個資料中心電力傳輸路的升級。從電源轉換的 PSU、負責穩定與儲能的電容，到關鍵的連接器與備援電力系統（BBU），每一環節都必須因應高壓電流進行升級。下表歸納了這場電力升級中的關鍵環節變化：
| 關鍵元件 | 在高壓架構中的角色 | 市場關注度 |
|---|---|---|
| PSU（電源供應器） | 執行交流轉高壓直流 | 高 |
| BBU（備援電池） | 確保電力供給不中斷 | 高 |
| 功率半導體（SiC/GaN） | 提升能源轉換效率 | 中長期 |
| 連接器與匯流排 | 承受高壓高電流傳輸 | 高 |
800V 電力升級的三階段發展藍圖
短期至中期的演進路徑
產業分析顯示，800V 架構的導入並非一步到位，預計將經歷三個階段的轉化。第一階段（2026-2027年）聚焦於 Power Rack，即從 PSU 到 Power Shelf 的升級，這是目前訂單能見度最高的區塊。隨後則會過渡至集中式的 Power Center，並導入更多碳化矽（SiC）與氮化鎵（GaN）等先進功率半導體，以應對更複雜的電力需求。
長期基礎設施的願景
到了 2030 年後，更進階的直流配電系統（DC Power Block）、DC UPS 以及儲能系統（BESS）將會成為大型資料中心的標準配備。這些技術不僅是為了降低能耗，更是為了讓資料中心具備更靈活的電力調度能力，與電網端的整合將會更加緊密，這也為相關電力設備廠商創造了深遠的成長空間。
常見問題
為什麼 AI 資料中心非得用 800V 不可？
主要原因是 AI 伺服器功耗已突破傳統電力配送的物理極限，提高電壓是減少電能損耗、縮小線材體積並提升整體散熱效率的最有效方案。
Cerebras 對 AI 產業的影響是什麼？
Cerebras 透過超大型晶片與 SRAM 架構解決了傳統 GPU 在處理大型模型推論時的瓶頸，其與 AMD 的合作展示了「解構式推論」的可能性，引領硬體設計向高效率系統邁進。
800V 架構是否代表所有電力供應鏈都能受惠？
不一定。產業趨勢正確僅是前提，廠商能否打入供應鏈、產品技術是否達標以及訂單獲利能力，才是投資人真正需要檢視的重點。
BBU（備援電池）在 AI 資料中心中的地位如何？
由於 AI 伺服器的高密度與關鍵性，BBU 已逐漸從選配轉為標準配置，以防止斷電對昂貴模型訓練或推論造成巨大的資料損失。
如何判斷 AI 題材的真實價值？
應區分「具備實際營收貢獻的供應鏈」與「純屬長期願景的概念」。投資人應關注訂單落地情況，而非僅被題材波動所影響。
總結而言，隨著 AI 推論時代的全面到來，電力架構與能源管理已成為支撐資料中心升級的「心臟」。從 800V 架構到功率半導體的應用，這一系列產業升級將為具備核心技術的電力設備供應商帶來長期轉機。然而，投資人仍需理性看待技術轉換的過程，並密切關注實際營收能否轉化為企業的長期獲利成長。
發佈留言