01 触发事件

7 月 27 日，36kr 援引《科创板日报》消息称，受 AI 算力集群功耗激增影响，功率半导体行业再启一轮阶梯式调价。

原文里最值得注意的不是“涨价”两个字，而是几个非常具体的供给侧信号：有厂商明确说 AI 相关电源功率订单已经“爆满”，并点名了数据中心 800V HVDC 一次电源、服务器二次电源两条产品线；同时，它还强调自己是“少数具备量产能力的国产厂商”，且已经进入“多家头部客户供应链并实现规模量产”。

这意味着，需求不是实验室式验证，而是已经进入 data center deployment 阶段。

原文还给了第二个结构性判断：多位业内人士认为，这轮由成本驱动的涨价周期还会持续一段时间，并会加速低端产能出清，份额向具备 IDM 全链条能力、或与上游深度绑定、且切入高景气赛道的头部企业集中。

功率半导体正成为存储之后的产业新增长引擎，行业再掀起一轮涨价潮

我没在这些厂商内部看过排产表，也没法验证“爆满”具体对应多少周 lead time；但如果媒体引述属实，这已经足够构成一个 AI infra 的二级瓶颈信号。

02 这事的真正含义

这不是“某个零部件厂商提价”这么简单。

这才是它真正说的事：AI 基础设施的约束条件，正在从 compute procurement，扩散到 power delivery architecture。

过去两年，行业把注意力几乎都放在 GPU、HBM、advanced packaging、光模块上。那是因为训练和推理的 headline bottleneck 显性地长在 accelerator 上。可当单机柜功率密度继续上升，数据中心的竞争优势就不再只是“有没有卡”，而是“能不能把电稳定、高效地送到卡上”。

800V HVDC 被点名，很关键。

因为这说明问题已经不在普通 server PSU，而在更高功率密度、更高效率、更适配 AI cluster 的供电体系。换句话说，AI 数据中心开始从“算力采购”进入“系统级电力工程”阶段。真正会被重新定价的，不只是 GPU token output，而是每一层将电能转化为可计算 token 的链路效率。

这里的含义有三层。

第一，推理成本曲线未必只由 model architecture 决定，也由 power stack 决定。

今天大家讨论 inference economics，常讲 MoE、KV cache、speculative decoding、batching、model routing。但如果服务器二次电源、一次配电、散热和机房改造变成稀缺资源，那么 token 成本的底部，不只受软件优化影响，还受物理供电效率制约。很多 builder 以为 API 降价会线性传导，我看未必，尤其在高峰时段和大规模部署阶段。

第二，供给链利润池在上移。

如果 GPU 依然紧，而 power semiconductor 也进入涨价周期，那么 cloud provider 和 model lab 想要继续吃到规模红利，就必须向更完整的 infra control 走。问题不在“芯片价格贵了一点”，而在整个 AI stack 的 capital intensity 再次抬升。资本开支压力会推动更强的 vertically integrated 策略。

第三，国产替代在这里可能比大模型本体更快形成局部 moat。

原因很直接：功率器件不是 benchmark 驱动，而是认证、量产、稳定性、供应链进入门槛驱动。一旦进入头部客户供应链并实现规模量产，switching cost 往往高于很多人对“标准化器件”的直觉。这个市场未必 glamorous，但它更接近真正的工业壁垒。

我可能低估了行业短期库存波动的影响；但即便有库存因素，原文把“800V HVDC + 已规模量产 + 涨价持续”放在一起看，还是一个相当扎实的 AI infra 信号。

03 历史类比 / 结构对照

这让我想到两个历史时刻。

第一个是 2014 年前后的 AWS。

那一轮云计算竞争，表面看是虚拟机价格战，底层其实是数据中心设计、供电、网络、自研硬件和采购能力的总和。客户买的是 API 式算力，胜负却在看不见的基础设施细节里决定。今天 AI API 市场也一样，用户看到的是每百万 token 报价，真正决定长期毛利的，是供电、散热、网络、机柜密度、利用率这些“不性感”的底层变量。

第二个更像 iPhone 之后的手机供应链重构。

2007 年之后，行业以为智能手机战争只是操作系统和应用生态战争，后来才发现，摄像头模组、触控、封装、电池、射频前端等环节都被重新定价。AI 也在进入这个阶段。最初市场只盯着 foundation model；接下来，所有贴近高功率、高带宽、高密度计算的环节，都会获得新的战略价值。

这也是 aggregation theory 在 AI infra 上的一个反向版本。

通常大家说 aggregation，是应用通过 distribution 聚合用户，然后向上游施压。但在 AI infra，情况更接近“底层瓶颈聚合利润”。当上游某个环节因稀缺而成为全行业 throughput 的阀门时，它会短暂获得高议价权。GPU 是这样，HBM 是这样，现在功率半导体和供电系统可能正在进入这个序列。

问题不在模型越来越强，而在把这些模型跑起来的物理世界开始反向定价数字世界

我没法断言 power semiconductor 会复制 HBM 那种级别的利润弹性，毕竟两者技术和竞争格局不同；但结构上，它们都指向同一个事实：AI 的瓶颈正在横向扩散，而不是单点消失。

04 对 AI builder 意味着什么

如果我现在是 AI builder、模型 API 消费者，或者在做 AI infra 采购，这周和这个月我会调三件事。

第一，重新审视“推理会持续快速变便宜”的默认假设。

模型侧的单位 token 报价确实在下行，open-source 也在持续压价闭源 API。但 builder 关心的不是 abstract token price，而是可用、稳定、低延迟、可扩展的交付价格。只要 data center 的供电与相关器件进入紧平衡，云厂和模型供应商就未必会把全部成本优化即时传导给下游。

所以产品定价上，不要把未来 6-12 个月的 gross margin 建立在“模型 API 一定持续腰斩”上。留一点 buffer，比写进 optimistic deck 更重要。

第二，如果你在做 model gateway、routing 或多云编排，要把 capacity signal 纳入路由逻辑。

过去 route 主要看 quality、latency、price。接下来，region、provider、time-of-day、capacity commitment 的权重会更高。因为一个 API 的真实可用性，越来越依赖背后的基础设施弹性，而不只是模型 benchmark。

对 opcx.ai 这类 token gateway 逻辑尤其如此：routing 的价值，不只是找更便宜模型，而是在供给波动时维持稳定吞吐。那个真正会被定价的是 resilience，不只是 nominal price。

第三，硬件相关创业团队要关注电源链，而不只是 accelerator 链。

如果你做 edge AI server、私有化部署、一体机、机柜级解决方案，BOM 里最不该被当成 commodity 的，可能已经不是电源模块。谁能拿到稳定的高效率 power semiconductor、谁更早适配 800V HVDC 架构、谁能优化 power-to-token conversion，谁就更可能在企业级项目里吃到交付优势。

这还会反过来影响开源模型部署。

很多人讨论 open-source 的 TCO 时，只算 GPU 数量、显存占用、量化收益，却低估了供电、散热、机房改造这些 deployment friction。模型越大、上下文越长、并发越高，这些 friction 越像真实世界里的税。

我可能过度把一个产业链提价新闻外推到 builder 决策层；但经验上看，真正致命的成本项，往往不是 benchmark 页面上的那一栏，而是你在 scale 起来之后才发现的隐性约束。

05 反方观点 / 风险

也需要把反方讲硬一点。

第一种可能，是这只是典型的周期性涨价叙事，不是 AI 特有拐点。

半导体上游经常会把景气度、成本上涨、国产替代、头部集中放在一个故事里讲。媒体也偏爱“订单爆满”这类表述。如果实际只是少数厂商因认证通过带来的阶段性订单集中，而非行业性供需错配，那这件事的战略意义会小很多。

第二种可能，是功率器件的重要性被高估了。

是的，电源系统很重要，但它未必形成像 GPU、HBM 那样的核心 choke point。功率半导体市场参与者更多，替代路径也可能更丰富。只要头部 cloud provider 愿意提前锁产能、改设计、做供应链协同，价格压力最终可能被摊薄，而不会变成长期瓶颈。

第三种可能，是 AI infra 的真正约束会先被电网和机房吞掉，而不是器件本身。

换句话说，即便功率器件紧张，真正限制数据中心扩张速度的，也可能是土地、电力接入、变压配套、散热系统审批。这会让功率半导体的重要性下降为“必要但不稀缺”，而不是决定性 moat。

第四种可能，对应用层 builder 来说，这些上游扰动根本不会显著传导。

如果 OpenAI、Anthropic、Google、xAI 或云厂继续用激进补贴换 market share，下游看到的仍然是 API 持续降价。那今天讨论 power semiconductor，短期就更像 infra 投资人的视角，而不是应用创业者的当期变量。

所以我的核心判断不是“功率半导体一定成为下一轮 AI 最大瓶颈”。

我的判断更窄一些：当 800V HVDC、服务器二次电源、规模量产、订单爆满、持续涨价同时出现时，行业需要接受一个不太舒服的事实——AI 的成本曲线不再只由 model lab 写，越来越多地由物理世界共同书写。

这才是值得盯住的地方。