AI热潮蔓延至电源芯片:英飞凌年内二轮提价

英飞凌又涨价了。今年第二次。

2026年5月27日，德国半导体巨头英飞凌（Infineon）向全球客户发出一封简洁而分量极重的通知：自7月1日起，全线功率半导体产品价格上调，涨幅视具体品类在5%到15%之间。这是英飞凌在2026年的第二次提价——上一次是在2月，当时涨幅在3%到8%之间。半年之内两次提价，在英飞凌这家以稳健著称的德国公司历史上极为罕见。

这份涨价函在业界传递速度之快，不亚于一次小型地震。各条产业链上的采购主管们紧急开会，重新核算成本；A股电源芯片板块在消息传出后的第二天集体高开；华尔街分析师们连夜修改预测模型。一块平时不太引人注目的芯片领域——电源管理芯片、MOSFET、IGBT、SiC功率器件——突然被推到了聚光灯的正中央。

一封涨价函里的产业密码

要理解英飞凌为什么敢在半年内连涨两次，你得先知道它在电源芯片世界的地位。英飞凌是全球最大的功率半导体供应商，在MOSFET（金属氧化物半导体场效应晶体管）市场份额超过26%，在IGBT（绝缘栅双极型晶体管）领域市占率接近30%，在车规级功率器件领域更是占据了超过35%的份额。简单说，每三台使用电力的设备里，就有一台的电源芯片来自英飞凌。

涨价函虽然只有短短几段话，但传递的信息量极大。英飞凌给出的官方理由是"原材料成本持续上升、先进制程投入加大、全球物流费用居高不下"。这三条理由都对，但不是全部。真正推动涨价的核心力量，是AI数据中心建设带来的需求爆发——这个需求不是10%或20%的增长，而是以倍为单位的指数级增长。

2026年第一季度，英飞凌的功率半导体订单同比增长了惊人的73%，其中来自数据中心客户的订单增长了超过两倍。产能利用率已经拉到了极限，部分热门型号的交货周期从正常的8周拉长到了26周——超过半年。在这种供需失衡面前，涨价不是选择题，而是市场机制下的必然结果。用一位电子行业分析师的话说："现在不是客户挑供应商，是供应商挑客户。"

AI为什么需要电源芯片——白话版技术课

很多人听到"功率半导体""电源芯片"这些词，第一反应是：这些东西和AI有什么关系？AI不是靠GPU算的吗？答案是：每一块GPU的背后，都需要数倍于自身的电源芯片来支撑它运转。

让我用大白话解释。一块NVIDIA H100 GPU的功耗大约700瓦，相当于一台家用微波炉的功率。一个装了8块H100的服务器，总功耗超过5600瓦，比一个普通家庭的所有电器加起来还多。要把交流电变成GPU能用的稳定直流电，中间需要大量的电源转换芯片——AC-DC转换器、DC-DC转换器、电压调节模块（VRM），每一步转换都需要用到MOSFET、驱动器、控制器等功率器件。

还有一个容易被忽视的物理事实：电力转换是有损耗的。从交流电到直流电的转换，能量损失大概在5%到10%之间；从高压直流到低压直流的中间转换，每一步又损失2%到5%。对于一台700瓦的GPU来说，如果电源转换效率是90%，意味着每块GPU有70瓦的能量变成了热量。10000块GPU的数据中心，光是电源转换的损耗就产生70万瓦的热量——这需要更多的电力来散热。

这就是为什么碳化硅（SiC）和氮化镓（GaN）这些新一代半导体材料这么重要。传统的硅基功率器件在高压、高频场景下损耗大、发热多。碳化硅器件的开关损耗比硅器件低了约70%，耐压能力是硅的10倍以上。用碳化硅替换硅基器件，整体的电源转换效率可以从90%提升到97%甚至更高。对于一座10万瓦功耗的数据中心，效率每提升1个百分点，一年就能省下约8.7万度电——差不多够30个家庭用一年。

一座AI数据中心的"电力账本"

让我们来算一笔账，把这个抽象的问题变得具体。以一座中等规模的AI训练数据中心为例，假设它部署了2万块GPU。每块GPU功耗700瓦，加上配套的CPU、内存、存储、网络设备，整体IT负载功耗约为1800万瓦（18MW）。电源转换效率按92%计算，从电网抽取的电力需要1957万瓦。一年运行8760小时，总耗电量约为1.71亿度。

1.71亿度电是什么概念？相当于一个50万人口县城一年三分之一的居民用电量。而这里面，有约1370万度的电力是在电源转换过程中变成了热量——需要冷却系统消耗额外40%到60%的电力来带走。算下来，光是电源转换损耗和散热，一年就要多烧掉约2000万度电。用一个更直观的数字：2025年全球数据中心的电力消耗占比约为全球的1.5%，而到2027年，这个比例预计将翻倍至3%以上，其中绝大部分增量来自AI数据中心。

在这种能耗压力下，每一块电源芯片的效率提升都意味着真金白银的节省。英飞凌的碳化硅MOSFET、德州仪器的氮化镓驱动方案、安森美的智能功率模块——这些平时只在工程师圈子里被讨论的元器件，正在成为整个AI产业链中不可忽视的成本变量。当1%的效率差异乘以数以万计的GPU和数以亿计的运行时间，结果就是一笔巨大的财富或巨额浪费。

算力瓶颈之后，电力瓶颈接棒

2023年到2025年，AI行业最焦虑的事情是"算力不够"——GPU供不应求，价格飞涨，交货期动辄半年以上。到了2026年，GPU的供给压力有所缓解，但一个新的瓶颈正在浮出水面：电力基础设施跟不上。

这个瓶颈有两个层面。宏观层面，建设AI数据中心需要充足的电力供应。美国弗吉尼亚州北部的"数据中心走廊"是全球最大的数据中心聚集区，但当地的电力公司已经发出警告：现有电网容量不足以支撑规划中的AI数据中心规模扩张，新建输电线路和变电站需要3到5年时间。微观层面，GPU的功耗密度越来越高——H100是700瓦，下一代Blackwell架构的GPU预计功耗将突破1000瓦。功耗密度越高，对电源芯片的数量、性能和可靠性要求就越高。

这形成了一个价值转移：AI产业链的成本压力，从GPU向电源半导体转移。2023年人们讨论的是"英伟达毛利率70%算不算暴利"，2026年人们开始讨论"为什么一颗电源管理芯片价格涨了三倍"。根据行业调研机构Yole Group的数据，全球功率半导体市场规模从2023年的约280亿美元，预计到2027年将超过450亿美元，增长的绝大部分来自AI数据中心和新能源基础设施。

碳化硅与氮化镓：两块改变游戏规则的材料

如果你关注半导体行业，最近两年一定频繁听到两个关键词：碳化硅（SiC）和氮化镓（GaN）。这两个听起来像化学课的内容，正在重塑整个电力电子的格局。用一句通俗的话总结：硅材料在功率半导体领域的60年统治正在走向终点，碳化硅和氮化镓组成的"双雄时代"已经开启。

碳化硅的优势在于高压和高功率场景，典型应用是电动汽车的主驱逆变器、充电桩、光伏逆变器和大功率数据中心电源。碳化硅器件的耐压范围通常在650V到1700V之间，可以在200摄氏度以上的高温下稳定工作。在AI数据中心中，碳化硅器件主要用于UPS（不间断电源）和高压直流供电系统（HVDC），替代传统的硅基IGBT方案后，整体供电效率可以从94%提升到97%以上。

氮化镓的优势在中低压和小型化场景。氮化镓器件的开关频率可以达到硅器件的10倍甚至更高，这意味着电源模块可以做得非常小——你手机里的快充充电头之所以能从砖头大小变成口红大小，就是因为用了氮化镓。在AI服务器场景中，氮化镓器件主要用于板级DC-DC转换器，紧挨着GPU供电，48V转1V的极低压转换可以在极小的面积内实现极高的电流输出——一块巴掌大小的氮化镓电源模块，可以提供超过1000安培的电流。

英飞凌在这两个领域都有深度布局。2023年他们收购了GaN Systems（一家加拿大氮化镓初创公司），2024年又大幅扩大了马来西亚居林工厂的碳化硅产能。今年两次涨价的背后，表面上是涨价，实际上是在用涨价锁定的利润来反哺更激进的新一代工艺产能扩张——这是一个典型的"用今天的钱赌明天的市场"的策略。

A股电源芯片板块：被AI点燃的赛道

英飞凌涨价的消息传到A股，效果立竿见影。5月28日，电源芯片相关板块集体走强。这并非毫无根基的炒作——A股确实有不少公司在电源管理芯片和功率半导体领域有实质性的产业基础。

在MOSFET和IGBT领域，国内已经形成了相对完整的产业链。设计环节有新洁能、东微半导等公司，从消费级MOSFET向工业级和车规级产品延伸。制造环节有华虹半导体提供的特色工艺代工平台。封装环节有长电科技、通富微电等封装龙头为功率器件提供定制化封装方案——功率器件的散热需求远高于普通逻辑芯片，高端的铜柱凸块、芯片级封装技术在这里发挥了关键作用。

碳化硅领域是国内芯片行业最为重视的突破口之一。天岳先进、天科合达等公司在碳化硅衬底方面已有规模化供货能力，衬底尺寸从4英寸、6英寸向8英寸过渡。三安光电在碳化硅器件制造上投入了超过300亿元，其湖南长沙工厂已经具备6英寸碳化硅晶圆的量产能力。这些进展意味着，国内在SiC产业链上正在逐步逼近国际水平——虽然差距仍然存在，但追赶的速度明显加快了。

值得注意的是，AI数据中心电源芯片的国产替代正在加速推进。过去，数据中心服务器的电源方案几乎被英飞凌、德州仪器、MPS（芯源系统）等欧美厂商垄断。但自2024年以来，随着国内厂商在服务器DDR5电源管理芯片、大电流DC-DC转换器方面实现突破，国产电源芯片开始进入国内云计算厂商的供应链体系。英飞凌的涨价在客观上加速了这个替代进程——客户发现与其接受年涨20%的进口芯片，不如转向性能差距不大但价格稳定且有产能保障的国产方案。

电源芯片涨价对普通人的影响

你可能会想：这些事情跟我有什么关系？我既不买GPU，也不建数据中心。答案是：它会间接影响你生活中越来越多东西的价格。

电源芯片不仅用在数据中心，还用在你能想到的几乎所有电子设备中——手机充电器、笔记本电脑适配器、空调变频器、洗衣机电机驱动、电动汽车充电桩、太阳能逆变器。英飞凌涨价之后，第一层影响的不是英伟达，而是那些大量使用标准电源方案的消费电子厂商和工业设备厂商。一个典型的工业变频器里面有十几颗甚至几十颗功率器件，如果每一颗涨价10%，整机成本可能上涨3%到5%。这些成本最终会传递到终端产品价格上。

电动汽车是另一个受影响巨大的领域。一台主流电动车的电驱系统中，功率半导体的成本占比约为8%到12%。以一台20万元售价的电动车计算，功率器件的成本约在1.6万到2.4万元之间。如果功率芯片价格上涨15%，单台车的成本将增加约3000元。在汽车行业利润普遍承压的背景下，这个成本的消化路径无非两个：要么压缩其他成本，要么传导到终端售价。不论哪个路径，最终都会影响消费者。

AI基础设施看似离普通人很远，但它的成本压力正在通过供应链的传导，渗透到每一个用电、用电子设备的人身上。这就是现代经济的复杂性——一个德国芯片厂的涨价决定，会沿着产业链一波一波地传导，最终到达你的手机充电器、你的空调、你的汽车、你的电费账单。

我的判断：电源芯片不是周期股逻辑

在半导体行业，有一个很老的框架：存储芯片看周期，逻辑芯片看制程，模拟芯片看客户。电源芯片属于模拟芯片的大范畴，传统上被认为是一门"稳定但缺乏爆发力"的生意——不像GPU那样能靠一个爆款产品业绩翻倍，但也不像存储芯片那样大起大落。市场愿意给英伟达60倍PE，给电源芯片公司通常只有20到30倍。这个估值差异的背后，是市场对"成长性"的定价偏见。

但我认为，AI基础设施的扩张正在改变这个逻辑。电源芯片正在从"跟随型"行业变成"驱动型"行业。过去，电源芯片是"配角"——不管什么设备火了，电源芯片都能分一点羹，但永远不是主角。现在的情况变了。AI的能耗问题已经大到不可忽视的程度，电源效率每提升1个百分点，全球AI基础设施一年就能节省数十亿度电。这意味着，电源芯片的技术突破不再仅仅是"配套能力"的提升，而是直接决定了AI基础设施的经济可行性。当一个行业的生存和扩张取决于一种元器件的效率突破时，这个元器件就不再是配角了。

具体到投资逻辑上，我倾向于认为，不能再用"周期"的框架来看待电源芯片。存储芯片的投资逻辑是"涨价→扩产→供过于求→降价"，周期属性极强。但电源芯片的需求端不一样——AI数据中心建设不是一年的疯狂就结束的，它是一个五年到十年的长期结构性趋势。每一座新建的数据中心都在创造大量的持续性电力需求，而电力需求反过来又催生对更高效电源芯片的持续需求。这是一个"需求-效率-再需求"的正向循环，而不是一个"需求-涨价-扩产-过剩"的周期循环。理解这个区别，才能真正把握住电源芯片赛道在AI时代的投资脉络。

AI时代最被低估的痛点

当我们谈论AI的时候，话题很自然地集中在模型参数、训练数据、推理速度这些"炫技"的维度上。看看各大AI公司的发布会吧——谁家模型的参数又多了几百亿，谁家的推理速度快了百分之几十，谁家的上下文窗口拉到了多少万字。媒体追逐着这些光鲜的数字，资本市场也跟着狂欢。

但在这些光鲜的背面，有一个被系统性忽视的隐痛：电。AI模型的每一次升级，都会带来功耗的跃升。GPT-3训练一次大约消耗1287兆瓦时的电力，相当于120个美国家庭一年的用电量。GPT-4的能耗数据没有官方公布，但多个第三方估算显示大约在5000到6200兆瓦时之间——相当于把120户升级成了500户。这还只是训练。推理的能耗才是大头——ChatGPT每次回答一个问题消耗的电量大约是标准Google搜索的10倍。当全球数以亿计的用户每天提出数十亿次请求时，这个10倍的差距就意味着巨大的能源消耗增量。

有分析师做过一个测算：如果到2028年，全球AI推理请求量按照当前趋势增长，光是为了支撑AI推理，全球需要新增约400到600太瓦时的电力供应——相当于印度当前全国发电量的三分之一。这个数字大到让人不敢相信，但如果你把每一家云厂商的规划容量、每一个大模型的应用渗透率、每一个新的数据中心建设计划加在一起，你会发现这个测算并非危言耸听。

这就是为什么我说电源芯片是AI时代最被低估的痛点。没有足够高效的电源芯片，再多GPU也只是发热装置。没有碳化硅和氮化镓的规模化应用，AI的基础设施将面临一道无法逾越的物理天花板。AI是数字世界的革命，但它必须穿越物理世界的约束——电力就是其中最硬的那道约束。

全球格局：英飞凌之外谁在牌桌上

英飞凌涨价不是孤立事件。放眼全球，整个电源芯片行业都在经历一轮结构性升级。德州仪器在2025年底投产了位于得克萨斯州的12英寸模拟芯片晶圆厂RFAB2，这是全球最大的模拟芯片制造基地，重点扩产的就是电源管理产品。安森美在2026年第一季度完成了对GT Advanced Technologies碳化硅业务的全面整合，碳化硅晶圆产能同比提升了约80%。意法半导体在意大利卡塔尼亚投资50亿欧元建设的碳化硅园区，预计2027年开始量产8英寸碳化硅晶圆。

这些巨头的集体行动指向同一个方向：电源芯片正在成为半导体行业最热的投资赛道之一。过去五年，全球功率半导体领域的资本支出年复合增长率约为18%，而逻辑芯片和存储芯片的增速大约在10%到12%。资金在向这个领域集中，因为投资人都看得出来，未来十年的算力基础设施建设中，电源效率将从"锦上添花"变成"生存必需"。

还有一个值得关注的变量是第三代半导体供应链的格局重塑。碳化硅衬底的全球供给过去高度集中在两家美国公司（Wolfspeed和Coherent），但这一格局正在被打破。中国企业在前道材料领域的追赶速度超出了很多人的预期，从衬底到外延到器件的全链条国产化率正在快速提升。这种格局变化的意义超出了单个公司的股价波动——它意味着AI基础设施的关键元器件供给，不会过度依赖某一国家或某一公司的产能，这对于整个AI产业的长期健康至关重要。

AI行业必须回答的能源问题

在文章的结尾，我想提出一个AI行业迟早要正面回答的问题：当模型的智能程度每提升一倍，电力消耗也增加一倍的时候，这条增长曲线能持续多久？

这不仅仅是一个工程技术问题，也是一个经济可行性问题和可持续发展问题。目前的AI商业模式中，能源成本占算力成本的15%到25%。如果电力价格持续上涨，而AI产品的定价能力跟不上，AI公司的利润率将面临挤压。反过来，这也解释了为什么像英飞凌这样的电源芯片公司敢于连续涨价——它们的客户正在疯狂投资基础设施，涨价10%对于一座耗资十亿美元的数据中心来说，不过是增加了百万美元级别的一笔支出，远没有"电不够用"来得致命。

AI的未来，不仅取决于算法的突破和数据的积累，也取决于功耗的优化和能源效率的提升。英飞凌的涨价函是一个提醒：AI的星辰大海，需要用电力来驱动。而每一度电的背后，都有电源芯片在默默工作。不要只抬头看天空——低头看看电路板上的那个小小芯片。它才是让一切运转起来的力量之源。

免责声明：本文内容仅供参考，不构成任何投资建议。市场有风险，投资需谨慎。

作者：牛牛   审核：静静   编辑：玻珠