隨著人工智慧技術從訓練階段邁向普及化的推論應用，AI 伺服器的電力需求正經歷前所未有的技術升級。除了大眾熟知的 GPU 與先進封裝，資料中心的電力架構已成為決定運算效能的核心，特別是從 54V 向 800V 高壓架構的轉型，正帶動相關零組件供應鏈的強勁成長。
本文將深入探討為何 AI 推論時代會重塑硬體需求，並從市場熱門的 Cerebras 技術方案到 800V 電力基礎設施進行全面解析，協助讀者掌握這波科技升級背後的產業契機。
AI 推論需求崛起與新型晶片策略
訓練與推論的硬體差異
過去 AI 市場的焦點多半圍繞在模型「訓練（Training）」，即透過龐大資料讓 AI 具備學習能力；然而，隨著生成式 AI 走入應用端，市場重心已轉向「推論（Inference）」。推論階段需要執行大量的 Token 生成任務，這不僅考驗晶片的運算速度，更對記憶體頻寬與能源轉換效率提出了嚴苛要求，傳統架構已逐漸難以負荷。
Cerebras 與解構式架構的創新
為了突破傳統 GPU 的效能瓶頸，Cerebras 採取了截然不同的晶片設計路徑，利用晶圓級的大型處理器搭配 SRAM 高頻寬結構，專門針對推論階段的延遲問題進行優化。此外，該公司與 AMD 合作推動的「解構式推論（Disaggregated Inference）」架構，透過分離處理輸入與輸出工作，展示了未來 AI 硬體發展將從單純的算力競賽，轉向整體推論效能與電力經濟性的比拚。
資料中心電力架構的關鍵升級：為何轉向 800V？
突破電流限制的物理需求
當 AI 伺服器的功率不斷推升，傳統的 54V 架構正面臨「低電壓、大電流」的極限挑戰。如果功率達到數百千瓦（KW）卻不提高電壓，為了維持運作就必須大幅加粗匯流排（Busbar）並增加線材重量，這不僅導致資料中心設計複雜化，更會造成嚴重的電力耗損，甚至令散熱難度成倍數增加。
800V 架構帶來的供應鏈轉移
導入 800V 架構後，能在相同功率下有效降低電流，進而縮減連接器、電容與配電系統的負擔，是提升資料中心穩定性的最佳選擇。下表整理了從 54V 過渡到 800V 後，市場主要關注的供應鏈環節及其功能定位：
| 核心領域 | 關鍵技術元件 | 主要功能 |
|---|---|---|
| 電源轉換 | PSU (電源供應器) | 將交流電轉為高壓直流供電 |
| 電力管理 | Power Shelf / BBU | 電壓轉換及提供緊急備援電力 |
| 功率半導體 | SiC / GaN 元件 | 提升高頻與高壓下的能源轉換效率 |
| 連結組件 | 高電流連接器與匯流排 | 確保大功率傳輸下的結構安全 |
800V 資料中心的未來佈局與投資觀點
階段性發展路徑
資料中心對 800V 的採用並非一蹴可幾，而是分為多個階段進行：短期內以 Power Rack 升級為主，重點在於電源與轉換設備；中期則會看到集中式 Power Center 的出現，進一步導入 SiC 與 GaN 等高效率半導體；長期則朝向 DC UPS 及智慧化配電網發展，實現更細膩的電力調度。
投資人的風險與基本面思考
面對 AI 電力題材，投資人應理解「趨勢」與「股價」之間的微妙關係。雖然 800V 是產業發展的必然方向，但個別企業能否真正進入供應鏈，並將訂單轉化為實際營收與獲利，才是評估價值的核心指標。此外，市場對股票解禁與籌碼消化的反應，也提醒我們在追逐夢想題材的同時，必須審慎評估基本面與風險報酬比。
常見問題
AI 資料中心為何急需升級至 800V？
隨著 AI 運算功耗激增，傳統 54V 架構會導致電流過大，不僅造成過熱問題，更會大幅增加硬體安裝成本與空間限制；800V 架構能有效降低電流，是高密度運算中心的必要選擇。
800V 架構是否會導致現有伺服器零組件報廢？
不會，這是一個逐步演進的過程。市場將透過 PSU 與 Power Shelf 等轉換設備來適應不同層級的電壓需求，舊有的 54V 設備會在過渡期內繼續與新的 800V 基礎架構共存。
BBU（備援電力）在 AI 伺服器中扮演什麼角色？
隨著系統功耗與複雜度提升，穩定的備援電力變得至關重要，BBU 正在從選配走向標準配備，以確保在電力不穩或切換時，昂貴的 AI 運算任務不會中斷。
Cerebras 的技術對傳統 GPU 廠商是否構成威脅？
兩者的切入點不同，Cerebras 專注於大型晶片與推論效率，與 GPU 廠商的訓練導向形成互補，但也促使市場重新檢視推論硬體的標準，推動了整個運算產業的技術創新。
投資 AI 電力題材時應避免哪些誤區？
應避免將「市場話題」等同於「獲利保證」。投資時須留意企業是否已取得實質訂單、營收增長狀況以及量產進度，而不是僅憑題材熱度盲目進場。
總結來說，AI 推論時代的降臨不僅推動了運算晶片的創新，更迫使資料中心電力架構進行歷史性的變革。從 800V 的導入到各種高效功率半導體的應用，電力與散熱技術已成為 AI 產業下半場競爭的關鍵勝負手。投資人若能精準掌握這波基礎設施升級的節奏，將能更理性地看待 AI 供應鏈中長期的投資機會。
About the Author
