隨著人工智慧技術從訓練階段逐步邁向大規模應用的「推論時代」，資料中心的硬體架構正經歷一場深度的技術革新。市場目光已不再侷限於 GPU 與先進封裝，電力傳輸效能與散熱解決方案，已成為維持算力擴張的關鍵瓶頸。

推論時代的需求與硬體進化

從 AI 訓練轉向大規模推論

過去市場聚焦於如何訓練大型模型，但隨著生成式 AI 應用普及，推論（Inference）效能成為勝負關鍵。推論過程需要處理海量 Token，對記憶體頻寬與低延遲的要求極高，這不僅帶動了高頻寬記憶體（HBM）的需求，也讓 Cerebras 這類採用特殊晶片架構的廠商獲得市場青睞，透過大型晶片與 SRAM 設計來解決傳統 GPU 架構的瓶頸。

800V 電力架構為何成為新標準？

緩解功耗挑戰的關鍵設計

AI 伺服器的功耗與日俱增，傳統的 54V 架構在面對數百 KW 的總功率時，往往面臨「低電壓、大電流」的物理限制。若不升級電壓，系統為了傳導電流，線材與匯流排（Busbar）的體積將變得極其龐大，甚至造成散熱困難與空間浪費。轉向 800V 架構能有效降低電流強度，減輕連接器、纜線及電源供應單元的壓力，進而提升資料中心的整體電力效率。

電力供應鏈的升級路徑

發展階段	核心架構特點	關鍵受惠供應鏈
短期（2026-2027）	Power Rack 與 PSU 優化	PSU、連接器、電容、BBU
中期	集中式 Power Center 發展	SiC、GaN、集中式整流器
長期（2030後）	DC UPS 與大型配電系統	Busway、儲能 BESS、高電流匯流排

投資 AI 電力題材的注意事項

產業趨勢與估值評價

投資人應明確區分「熱門題材」與「營收落實」。雖然 AI 帶動了電力與散熱需求，但並非所有相關企業都能直接受益，企業能否成功切入 AI 供應鏈並將訂單轉化為獲利，才是衡量成長性的核心指標。此外，股票解禁等籌碼面因素往往會影響短期震盪，但長期的獲利能力與基本面成長，仍是決定股價能否出現「戴維斯雙擊」的關鍵。

常見問題

為什麼 AI 資料中心非升級 800V 不可？

隨著伺服器單櫃功耗不斷攀升，若維持 54V 架構，電流會大到難以負荷，導致線材過粗、散熱空間不足。800V 透過高電壓傳輸，可顯著降低傳輸電流，解決硬體配置的空間與散熱瓶頸。

BBU 在資料中心扮演什麼角色？

備援電池單元（BBU）的角色已從選配轉為重要配置。隨著系統功耗激增，為了維持伺服器在突發電力不穩時的運作，BBU 的需求穩定且重要性正在提升。

Cerebras 的技術有何不同？

Cerebras 採用近乎整片晶圓大小的 AI 處理器，並利用 SRAM 提供極高的頻寬，其目標是針對推論流程中的 Prefill 與 Decode 進行最佳化，為 AI 算力提供異於傳統 GPU 的選擇。

800V 架構對散熱有影響嗎？

有顯著影響。電力傳輸效率的提升直接影響散熱負荷。當電力轉換效率提高，系統發熱量也會受到更有效的控制，這讓電力架構與散熱系統在 AI 伺服器中呈現出高度連動的關係。

投資這類題材有什麼風險？

最大的風險在於「期望值過高」。部分長期題材（如 2030 年後的技術）雖然想像空間大，但距離商業化量產仍遠。投資人應關注企業的實際營收貢獻與毛利率表現，避免過度依賴題材炒作。

總結來說，AI 推論時代的來臨，正強迫全球資料中心進行硬體架構的集體升級。電力供應鏈從 54V 向 800V 邁進，不僅是技術的更迭，更是 AI 產業從單純的「軍備競賽」走向「系統效率競賽」的必經之路。對於投資人而言，鎖定真正能在此輪架構轉型中獲得實質訂單與技術護城河的供應商，將是未來幾年的核心策略。