人类用了大约100 年时间，把庞大的电力网络微缩进电子管和集成电路里，开启了数字时代；但大模型时代，电的问题又把数字系统重新拽回到物理世界。算力越强，系统越复杂，模拟越重要。

5月20日，英伟达公布截至2026年4月26日的2027财年第一季度业绩，单季收入达到816亿美元，同比增长85%；其中数据中心收入达到 752 亿美元，同比增长 92%。存储侧亦是如此。SK海力士在 2025年二季度表示，公司正计划提高先进芯片制造支出，主要投向HBM相关设备，并称全年HBM销售有望较上一年翻倍。

IAI的火爆，让英伟达成为全球半导体产业最耀眼的公司，也让高带宽内存成为 AI 服务器中最紧缺的资源之一。AI第一波红利给了GPU和HBM，而与此同时，我们看到，第二波红利正在向模拟芯片扩散。

近日，ADI 以15亿美元全现金收购Empower Semiconductor，给出了一个清晰信号：AI 产业链的竞争，正在从 GPU、HBM等显性的算力环节，进一步下沉到电源、功率和信号完整性这些底层支撑环节。模拟芯片不再只是后台器件，而正在成为 AI 基础设施继续扩展的关键变量。

AI 的尽头不只是算力，也是能源；而能源与信号的控制，最终都离不开模拟。

算力狂奔，电力告急

当AI系统从单机走向机架、从万卡走向十万卡甚至百万卡集群时，数字芯片的“算力木桶”遭遇了物理规律的无情限制。

数据中心的“电荒”正从一种预测变为迫在眉睫的危机。

国际能源署IEA在《Energy and AI》报告中指出，2024年全球数据中心用电量约为 415TWh，占全球电力消费约 1.5%；到2030年，数据中心用电量预计将超过翻倍，达到约945TWh。IEA还特别指出，AI是这一增长最重要的驱动力之一；加速服务器的用电量预计年均增长 30%，并贡献全球数据中心用电净增量的近一半。

OpenAI、Oracle 和 SoftBank 推进的 Stargate 项目，也可以看作这种趋势的标志性案例。OpenAI 在 2025 年 9 月披露，Stargate新增五个美国 AI 数据中心站点后，连同 Abilene、CoreWeave 等项目，规划容量已接近 7GW，未来三年投资超过4000亿美元，并朝着此前宣布的5000亿美元、10GW承诺推进。

AI系统的瓶颈不再仅仅是“能不能造出更快的核心”，而是下沉到了电力分配、功耗转换、信号完整性与散热极限等问题。

没有好电源，算力就是空中楼阁。

800V DC架构，推动垂直供电革命

这也是为什么英伟达开始亲自推动800V DC架构。

英伟达在2025年提出面向下一代 AI Factory的800V DC电源架构。其官方技术博客中指出，传统54V机架供电原本面向 kW 级机架，并不适合即将到来的MW级AI机架；英伟达 计划从 2027 年开始推动 800V DC 数据中心电源基础设施，以支持 1MW 及以上 IT 机架。

为什么要从48V/54V走向800V？是一个纯粹的物理与工程数学问题。根据焦耳定律：P=IxV，Ploss = I2x R。当机架功率（P）从几十kW飙升至1MW以上时，如果继续沿用54V的低压供电，电流（I）将达到惊人的数万安培。

巨大的电流意味着极高的传输损耗（与电流的平方成正比）。传统供电方式更多是横向供电：电源模块放在主板或加速卡上的某个位置，电流通过 PCB 铜层、过孔、封装焊球等路径横向流向处理器核心。但当电流达到数百安培甚至更高时，这段看似很短的路径，都会产生明显的电阻损耗、电压跌落和热量。

随着GPU（如Blackwell甚至下一代架构）的电流冲向1000A以上，供电面临两大死穴：第一个是瞬态响应延迟：当GPU瞬时满载时，电源如果离得远，电压会瞬间崩塌；第二是寄生电阻损耗：横向供电（从PCB板边缘引线到芯片中央）会导致严重的电压跌落。

英伟达指出，在单机架1MW的场景下，若用54V架构，光是传输电流所需的铜排重量就高达200kg，不仅挤占了宝贵的服务器空间，更让布线成为不可能。走向800V DC后，电流大幅下降，铜耗与空间压力迎刃而解。英伟达设想的Kyber机架架构，通过高压直流集中输送，在计算节点附近通过高变比转换器一步到位降至12V以下。英伟达称，这种单级转换方案相比传统的多级转换，面积足足减少了26%。

这不是小修小补，而是电源架构层面的变化。这推动了垂直供电和近核心供电的需求。

垂直供电可以说现在HPC领域的顶尖供电技术。把集成电压调节器（IVR）和硅电容直接做进芯片的封装里，甚至叠在GPU的正下方，通过微凸点（Micro-bumps）像“打针”一样直接把电流垂直注入晶圆核心。电源技术和芯片封装技术在这里彻底融合了。

垂直供电的价值，正在于压缩这段“最后路径”。它试图把电源转换、去耦电容和电源完整性管理推到更靠近负载的位置，甚至通过封装下方或芯片下方的低阻抗路径，将电流更直接地送到计算核心附近。这样一来，系统可以减少横向供电带来的压降和热损耗，同时提升负载快速变化时的瞬态响应能力。

现在是英伟达拉着ADI、Infineon、MPS、Navitas、onsemi、Renesas、ROHM、ST、TI 等巨头一起，在芯片设计初期就共同讨论“这个供电架构怎么走，封装内部给电源留多少空间”。电源已经不是外围电路，它本身就是算力基础设施的底层架构。

ADI收购Empower：

抢下“近核心供电”的门票

在英伟达摇旗呐喊的800V生态中，ADI近日砸下重注。

5月19日，ADI宣布以15亿美元全现金收购Empower Semiconductor。ADI公开提出要成为Hyperscaler（超大规模数据中心）和AI芯片商的“Grid-to-Core（从电网到核心）”电源合作伙伴。

所谓 Grid-to-Core，可以理解为从数据中心电力入口一路向下，覆盖高压配电、机架电源、服务器电源、板级电源，最终抵达 GPU/ASIC 核心附近的完整供电链路。

而Empower，正是ADI实现这一目标的关键。Empower吸引ADI的核心杀手锏——近核心供电与垂直供电。

Empower的核心技术是IVR（集成电压调节器）与硅电容器。它能够将电源管理模块直接做到硅片级别，甚至以3D封装的形式，放置在GPU芯片的正下方进行“垂直供电”，帮助客户将电源占板面积缩小最多4倍，并预计可降低数据中心计算功耗10%至15%。

要理解这条路线的重要性，Vicor是一个很好的参照。

在垂直供电领域，Vicor是较早把相关架构系统化的代表厂商。它的底层思路是 Factorized Power Architecture，FPA，也就是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和电流倍增。

在靠近处理器的供电方式上，Vicor主要提出了两类路径：

LPD，Lateral Power Delivery：把电源模块放在处理器周边，从侧面向处理器供电；

VPD，Vertical Power Delivery：把电源模块进一步放到处理器下方或封装附近，从垂直方向缩短电流路径。

Vicor官方资料称，其架构可以结合LPD和VPD，降低“最后一英寸”的供电阻抗；相关方案可将主板电阻最高降低 50 倍，并将处理器供电脚位数量减少 10 倍以上。

Empower与Vicor的具体路线并不完全相同，但方向是一致的：电源正在从板级走向封装附近，从横向供电走向近负载或垂直供电，从单颗器件竞争走向系统级供电架构竞争。

模拟与功率厂商的集群“大抢位”

传统的通用电源芯片（PMIC）拼的是成本、是规模、是出货量；而HPC电源拼的是极端的材料学、拓扑结构创新和拓扑控制算法（数字电源控制）。这也是为什么最近这一年，整个半导体行业对高性能电源公司的并购和抢位如此疯狂。谁能在HPC电源这个天花板领域占据一席之地，谁就等于拿到了通往AI时代最暴利、壁垒最高市场的门票。

面对 800V 高压直流、48V 架构、高密度模块和近核心供电带来的颠覆性商机，全球模拟与功率半导体厂商正在各显神通，围绕下一代 AI 电源架构展开集群式抢位。大致来看，这场竞争正在形成几条不同的技术路线。

TI & ST：减少转换级数

德州仪器（TI）：走的是“高密度、少级数”的路线。2026年3月，TI与英伟达展示了完整的800V方案，该方案从800V到GPU核心电源只需要两个转换级：800V到6V隔离母线转换器，以及6V到低于1V的多相buck方案。其中800V到6V DC/DC总线转换器采用集成GaN功率级，峰值效率达到97.6%，功率密度超过 2000W/in³。

ST同样押注两级转换。ST在2026年3月推出了800V直降6V/12V的架构。ST表示800V到6V的路径可以让6V母线更靠近 GPU，减少转换级数、铜用量和电阻损耗，并提升瞬态性能。

TI&ST与 ADI+Empower 的近核心供电逻辑并不完全相同，但方向一致：越靠近计算核心，电源价值越高。

MPS：高密度模块化供电

MPS是AI/HPC电源战场中绕不开的玩家。它并不是单纯提供某一颗 DC/DC 芯片，而是更早围绕数据中心和 AI GPU 的供电需求，切入高密度电源模块、48V 架构、智能功率集成和数字控制。

这也是AI电源赛道的真正难点所在：它拼的不是“能不能做电源芯片”，而是能不能在有限的板级空间内，把极大的电流以足够高的效率、足够快的瞬态响应和足够低的热损耗送到 GPU/ASIC 附近。这里考验的是芯片、封装、布局、热设计和客户平台验证的综合能力。

英飞凌&瑞萨：发挥第三代半导体与控制优势

英飞凌：英飞凌从擅长的“高压、大电流、高可靠性”切入。他们专注于利用SiC/GaN器件、高级驱动器和系统级控制算法，确保800V高压在输入数据中心时的第一道关卡稳如泰山。

瑞萨：瑞萨用GaN和电源控制进入800V生态。2025年10月，Renesas 宣布支持 英伟达 800V DC AI 数据中心架构。其方案重点是 GaN 功率器件、MOSFET、控制器和驱动器。Renesas 表示，GaN 器件有助于快速开关、降低能量损耗并改善热管理；其 GaN 方案可支持 48V 到 400V 的 DC/DC 转换，并可堆叠到 800V，基于 LLC DCX 拓扑的转换器效率最高可达 98%。

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细分赛道——高速信号链（Retimer/Redriver芯片）。

AI 服务器的本质，不只是把更多 GPU 塞进机柜，而是让 GPU、CPU、DPU、网卡、SSD、CXL 内存和交换芯片之间形成高吞吐、低延迟、可扩展的数据系统。随着 PCIe 6.0 提升到 64GT/s，PCIe 7.0 进一步瞄准128GT/s，信号在PCB板上走过几厘米就会严重畸变。这就需要服务器主板上密密麻麻地布满高性能模拟混合信号芯片来对信号进行修复、补偿和再生，如Retimer、Redriver、Clock Buffer、Jitter Attenuator、CDR、PLL、高速 SerDes 模拟前端等等。

而这些产品也正是传统模拟芯片厂商长期积累的能力区间。

以TI为例，它在 PCIe Redriver/Retimer方向已经有较完整的信号调理产品和技术储备。TI 官方资料显示，其PCIe 5.0线性 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 超低延迟，并支持 x4、x8、x16 PCIe 总线宽度。

瑞萨主要集中在时钟与定时芯片。AI 服务器的高速链路不仅需要数据通道干净，也需要时钟足够低抖动。瑞萨早在PCIe Gen5阶段就推出了面向数据中心和网络基础设施的完整 PCIe 时钟方案；到 PCIe Gen6 阶段，又推出符合 PCIe Gen6 规格的 clock buffer 和 multiplexer 产品组合。新器件面向的正是服务器、高性能计算和数据中心平台的低抖动时钟分发。

ADI的数据中心方案覆盖高密度服务器、存储、网络系统中的电源管理、光互连控制和传感方案；其高性能时钟与抖动衰减器产品也长期服务于高速数据转换器、JESD204B 等高速接口场景。比如 ADI 的 HMC7044 是双环路整数 N 抖动衰减器，用于为高速数据转换器提供超低相位噪声时钟。

Microchip方面，2025年，Microchip宣布扩展面向AI数据中心的连接、存储和计算产品组合，强调要满足AI数据中心对带宽、性能、安全和管理能力的需求。其XpressConnect Retimer产品支持 PCIe Gen5 和 CXL 2.0，面向高性能 PCIe 应用、CXL 内存和 GPU 连接场景，官方强调其具备低延迟、诊断功能、多配置选项和低功耗特性。

再比如Semtech，它把这条线直接称为 Signal Integrity。Semtech官方资料显示，其数据中心信号完整性产品组合面向光互连和铜互连，服务AI工作负载、云计算和企业网络；其 Tri-Edge平台则是面向PAM4光互连的CDR 技术，用于200G、400G等数据中心模块和 AOC应用。

高速信号链并不是 AI 产业链里的边角料，而是模拟芯片厂商切入AI基础设施的另一条主线。它和电源管理的逻辑高度相似：电源管理解决的是 AI芯片“电能否高效送达”的问题，高速信号链解决的是 AI 系统“数据能否稳定流动”的问题。

总的来说，GPU越强，服务器内部的功耗越高、数据吞吐越大、互连链路越复杂，模拟芯片厂商在电源和信号两端的存在感就越强。

结语

AI的火虽然正在烧到模拟芯片，但必须清醒地认识到：这不是一场普惠式的行业狂欢。当前全球模拟芯片行业仍处于错综复杂的周期调整中。消费电子类模拟、普通通用PMIC、传统工业模拟甚至部分常规车规级芯片，依然面临产能过剩和价格战的泥潭。

在这场AI饕餮盛宴中，真正能赚得盆满钵满的，是那些拥有高性能高压隔离、大功率GaN/SiC整合能力、高速低延迟信号链、以及能够玩转“封装级/垂直供电”高壁垒技术的头部玩家。

ADI对Empower的15亿美元豪赌只是一个开始。随着英伟达800V数据中心生态在2027年的全面落地，模拟半导体行业的马太效应将进一步放大。在这场AI下半场的电能与信号之战中，谁能离算力核心更近，谁就能掌握下一个十年的产业定义权。

对于国产厂商而言，如何在这个巨头林立的市场中突围，也会是一个重要关注点。让我们一起期待！