2026年国防军工行业：AIDC电源的“最后一公里”，板载电源的高密高集成化革命

海外 CSP 资本开支强劲增长，AIDC 高功率推动电 气架构革新

北美和亚太AI市场增势迅猛，智算中心迎来建设热潮。根据广发电新组外发报告《AI 加速驱动供电变革，SST蓄势待发迎出海良机》，根据Precedence Research测算： 2024年全球人工智能市场规模为258.6亿美元，预计至2033年将达到8039亿美元， 实现46.5%的复合年增长率；具体到美国而言，其2024年人工智能市场规模为74.1 亿美元，预计至2033年将达到2414.1亿美元，实现47.3%的复合年增长率；受益于 政策支持力度的增大，亚太市场预计将在此期间实现27.6%的复合年增长率。智算中 心（Artificial Intelligence Data Center，AIDC）作为AI时代的基础设施，在国内外云 服务厂商和通信厂商不断加大的投资力度下方兴未艾。根据中国信通院数据，2024 年我国AIDC市场规模在1000亿元以上，预计2028年将达到2886亿元，CAGR达到 30%左右。

AIDC建设拉动数据中心电力需求，未来将成为电力需求的重要组成。根据 Semianalysis数据，全球数据中心电力消耗预计将从2023年的49GW增长至2026年 的96GW，90%的增长驱动力来自AI。其中，AI需求将从2025年约20GW增长至2026 年约40GW、2028年约80GW，增速远大于非AI服务器需求增量。国际能源署预测，到2026年，数据中心、人工智能等产业的电力消耗可能将占全球电力需求的4％，是 2022年的两倍。对于美国数据中心而言，2014—2016年用电量稳定在60TWh。而后， 数据中心用电量快速增加，2018年消耗约76TWh，占美国总电力消耗的1.9%。2023 年达到176TWh，占总电力消耗的4.4%。据美国劳伦斯伯克利国家实验室预测，2028 年数据中心用电量预计达到325至580TWh，约占美国总电力消耗的6.7%至12.0%。

全球科技巨头2025Q4AI资本支出攀升，2026年投入总体计划再创新高。根据CNBC 官网， platformonomics 官网，finviz 官网，fool 官网和同花顺 iFinD 数据，亚马 逊 2025Q4 资本支出 395 亿美元，预计 2026 年达 2000 亿美元。亚马逊 2025Q4 资本支出达 395 亿美元，环比第三季度增长 13%，同比增长 42%。亚马 逊 2025 年的资本支出约为 1318 亿美元，同比增长 59%。随着公司积极投资数据 中心及其他基础设施以应对人工智能需求的激增，预计 2026 年的资本支出将继续 攀升，达到 2000 亿美元。微软 2025Q4 资本支出 375 亿美元，预计资本支出将 环比下降。微软 2025Q4 资本支出达 375 亿美元，环比第三季度增长 7%，同比 增长 66%（其中包含融资租赁相关支出；上一季度该占比曾高达 44%，本季度已 回落至总支出的 20%），其中约三分之二用于短期资产，主要为图形处理器（GPU） 与中央处理器（CPU）。支出增长的部分原因在于微软正快速投入人工智能基础设 施建设，其在最新季度新增 1 吉瓦数据中心容量，并计划针对人工智能工作负载大 规模部署 Maia 芯片。谷歌 2025Q4 资本支出 279 亿美元，预计 2026 年达 1750 亿至 1850 亿美元。谷歌母公司 Alphabet 2025Q4 资本支出达 279 亿美元， 环比第三季度增长 16%，同比增长 95%。Alphabet 2025 年的资本支出约为 914 亿美元，同比增长 74%。Alphabet 表示，预计 2026 年资本支出（CAPEX）将介 于 1750 亿至 1850 亿美元区间。该预测区间上限将是其 2025 年资本支出的两倍 以上。Alphabet 绝大部分资本支出投向了技术基础设施，2025 年约 60% 用于服 务器，40% 用于数据中心与网络设备。谷歌提到公司必须每六个月翻倍其服务能力 以满足AI服务需求，算力供应紧张。Meta 2025Q4 资本支出 221 亿美元，预计 2026 年达 1150 亿至 1350 亿美元。Meta 2025Q4 资本开支金额为 221 亿美元， 环比第三季度增长 14%，同比增长 49%（其中融资租赁仅占总支出的 3%）。Meta 2025 年的资本支出约为 722 亿美元，同比增长 84%。预计 2026 年资本支出（含 融资租赁本金偿付）将介于 1150 亿至 1350 亿美元区间内，同比实现增长，主要 受支持 Meta 超智能实验室相关投入及核心业务扩张所驱动。全公司对算力资源的需求增速，甚至超过了供给的扩张速度。

AI芯片TDP与机柜功率密度迅速提升 ，推动高功率密度电源架构需求。根据 Schneider Electric发布的白皮书《How 6 AI Attributes Change Data Center Design》， 加速器（Accelerators）占据了AI集群近一半的功耗。随着每一代新产品的推出，加 速器的功率都在呈上升趋势。芯片的功耗以瓦特（Watts）为计量单位，通常用 TDP （热设计功耗）来标示。TDP持续增长的趋势，是加速器为实现更多运算量而设计 的结果，其目的是为了以更短的时间和更低的成本完成模型训练和答案推理。随着 AI算力（TFLOPS/TOPS）提升超过100倍，单芯片TDP也从V100的300W增至B300 的1400W。与此同时，单机柜功率密度正从2020年代的不到50kW，向2025年的超 100kW迈进，并预计到2030年，单机柜功率有望突破1MW，推动了数据中心对高功 率密度电源架构的需求。

GPU&ASIC晶体管密度呈现指数级增长趋势，单芯片功耗提升幅度显著。根据《High Current, High Power-Density Intermediate Bus Converters for Vertical Power Delivery to Next-Generation Processors》，人工智能和机器学习的进步正推动新一 代极高性能图形处理单元（GPU）的发展，其晶体管数量呈指数级增长，需要更大 的芯片尺寸和更高功率。为释放数据科学家们所追求的 AI/ML 的全部潜力，需要超 强 GPU 来加速创新步伐。晶体管数量的增加也使得近几代 GPU 的热设计功耗 （TDP）和芯片尺寸不断提升。这在最新的 Blackwell GPU 上尤为明显，其晶体管 数量、芯片尺寸和 TDP 分别比上一代增加了 160%、200%和 33%。然而，尽管 计算效率不断提高，下一代 GPU 更高的功率需求给电源管理系统带来了巨大挑战。 根据ittbank《全球主流算力芯片参数汇总、整理、对比》，以英伟达GPU为例，其 2020年发布的A100系列GPU 7nm制程，晶体管数量为542亿，芯片面积为 826mm2，晶体管密度为6600万/ mm2。而2024年发布的B200系列GPU采用4NP制 程，晶体管数量达2080亿，芯片面积为1600mm2，晶体管面积达到1.3亿/mm2。以 Google TPU为例，其2023年发布的TPU V5p 采用5nm制程，晶体管数量274亿， 芯片面积为350 mm2，晶体管面积为7800万/ mm2，而2025年发布的Google TPU v7p则采用3nm制程，2744亿晶体管，芯片面积为890mm2，晶体管面积为3.08亿/ mm2。从功耗来看，A100功耗为 300W，B200功耗达1000w；TPU v5p功耗为 225w，而TPU v7p功耗达959w，提升幅度显著。

高密度GPU部署和高机柜功率成为AIDC主要特征，对供电架构提出挑战。根据广 发电新组外发报告《AI加速驱动供电变革，SST蓄势待发迎出海良机》，通用数据 中心主要用于电商与社媒平台托管、数据库管理和文件储存等，一般不需要处理复 杂计算任务；AIDC主要用于深度学习、机器学习和大规模数据处理任务，如自动 驾驶、科研计算和大语言模型等领域，其处理的计算任务通常较复杂。为此，不同 于主要搭载CPU的通用数据中心，AIDC普遍采用CPU+GPU形式的服务器，通过 高密度的GPU部署满足高性能计算要求。因此，通用数据中心单机柜功率较低，一 般在2-10kW；而AIDC单机柜功率通常在12kW以上。随着技术的升级迭代和算力 需求的增加，单机柜功率将进一步提升，为供电架构带来巨大压力。根据 Semianalysis数据，2024年全球数据中心新增装机约为8.8GW，其中AIDC新增装 机为5.8GW。2024—2028年全球数据中心新增装机CAGR预计约为25%，AIDC新 增装机CAGR预计将达到35%左右。AIDC新增装机占数据中心新增装机的比例预 计也将由2024年的66%增长至2028年的90%。

AI 机柜功率密度快速提升，AIDC 电气架构有望向 800V HVDC 升级

（一）AI 机柜功率密度快速上升，带动电气设施架构迭代升级

AIDC高功率密度带动电气基础设施迭代升级，以满足智算中心更高需求。根据广发 电新组《AIDC赋予电气设备新机遇》，随着智算中心对电力消耗需求的不断增长， 智算中心对电力供应容量、配电设备面积占比、电能利用率、服务器电源功率、散 热效率提出更高的要求。 （1）电力供应容量：以某大厂传统数据中心一栋数据机房楼为例，约2万台服务器， 1020多台机柜，单机柜功耗在12kW以上，组成IT总容量约12.9MW，其电力容量大 概在20MVA左右，通常由市政公共变电站引来四路10kV电源，对区域电网的整体压 力较小。在智算中心时代，园区用电规模普遍在百MW以上，甚至达300-500MW， 需要接入110kV或220kV更高等级电网。因此，相较于通算中心，智算中心的拓展瓶 颈已从可安装的机柜数量的物理空间问题，转变为电力供应上限，智算中心园区的 算力容量上限不再是芯片算力的上限，而是发电厂和电网容量的上限。 （2）配电设备面积占比：根据维谛根据通算中心的建设规划与经验，单机柜功耗在 2.5kW-5kW/8kW/16kW的情况下，供配电系统占地面积分别为IT设备的1/4、1/2、1， 故随着智算中心功率密度的提升，变配电设备占地面积随之增大，需要优化供配电 系统设计以减少占地面积。 （3）电能利用率/能源利用效率（PUE）：在通算中心时代，为追求数据中心运营环 境的极高可用性，2N配电架构为最常见的供电设计方案，但随着智算中心对算力需 求、成本效益与空间效率的不断提升，供电效率低成为传统2N架构面临的主要问题， 故简化配电架构设计以提升系统利用率、降低占地面积、最大程度地提升算力成为 智算中心趋势，HVDC替代UPS趋势明确。此外能源利用效率（PUE）同样为数据中 心重要考核指标，PUE降低意味着用更少的电力完成更多的任务，也意味着相同的 规模可以用更少的能源实现，随着智算中心规模的不断提升对PUE提出更高要求。 （4）服务器电源：AI服务器电源在使用中需要插入标准机架中，随着服务器机架功 率提升，电源功率密度要求大幅提升。根据Navitas的数据，2023-2025年AC/DC电 源的功率密度有望达到100W/立方英寸，远期有望达到180W/立方英寸。 （5）散热效率：通算中心功率密度较低，散热需求较小，常规风冷即可以实现散热。 智算中心功率密度大幅提升，动态负载导致散热效率难以快速响应散热需求，冷板 级散热有望成为主流，相变级液冷有望代替单相液冷。

AI电源架构通常包含从高压到芯片的三次电压转换。根据《AI Load Dynamics–A Power Electronics Perspective》（Yuzhuo Li，Yunwei Li，2025年），数据中心的 电力传输通常流经多个级联转换阶段，每一级转换都包含独立的电感、电容及控制 环路，这些环节都会影响功率提升的快慢。据公众号“CDCC”《800V直流供电系统的 优势及国内外发展状况》，从一次电源来看（如HVDC DC/DC、直流不间断电源 DC/DC 和 SST 电源 DC/DC），供电设备直接接入 10kV 电网，将高压交流电转 换为 800V/±400V 高压直流电。一次电源输出的高压直流电经分配柜进行汇流与分 配，将电能输送至各个服务器机柜，是连接一次电源与二次电源的枢纽环节。从二 次电源来看（机柜内 D/D 模块），在机柜内部，D/D 模块将高压直流电转换为机架级中压直流电，并通过电容架进行储能稳压，为下游服务器提供稳定的中压直流输 入。从三次电源来看（服务器内部），服务器内置的 VR（Voltage Regulator）DC/DC 模块作为三次电源，将中压直流电进一步转换为芯片、处理器等负载所需的低压直 流电，最终为服务器核心组件供电。

GPU每代性能提升与NVLink互联域扩张导致的功率密度指数级飙升，叠加将电源组 件移出核心算力区域的空间需求，共同迫使数据中心采用全新的机柜电源架构。根 据NVIDIA官方白皮书《800 VDC Architecture for Next-Generation AI Infrastructure》， 随着CPU与GPU的迭代升级，GPU的热设计功耗通常会出现代际递增约20%的阶梯 式增长。这导致单台服务器所需的功耗随时间推移持续攀升。英伟达的NVLink技术 允许多个GPU通过网络互联，协同运作如同一颗大型同步GPU，相比基于以太网的 连接方式可显著提升性能。从功耗与成本角度考量，通过铜缆实现GPU互联能获得 最佳效益，但其代价是因信号完整性导致的传输距离受限。由于在有限的铜互连域 内集成更多GPU可实现极致性能，最大性能实际上与最大功率密度直接挂钩。这意 味着功耗增长不再局限于每代20%的幅度，随着NVLink互联域规模的扩大，功耗水 平可轻松实现2倍、4倍甚至8倍的跃升。以从Hopper架构到GB300架构的性能跃升 为例，虽然热设计功耗仅增加75%，但性能却实现了50倍的提升。这一变革同时使 得机柜功率密度增长3.4倍——NVLink互联域从4x8 GPU配置（机柜内共32个GPU） 扩展为72个GPU的互联单元。随着GPU集成技术与封装工艺的持续进步，以及网络 拓扑向更大规模互联域演进，功率密度的提升态势仍将持续。GPU每代性能提升与 NVLink互联域扩增共同推动了功率需求的飙升，其增速远超前代GPU的发展轨迹。 另一个关键目标在于尽可能将电源组件移出NVLink域的辐射范围——因为该区域是 机柜中支撑算力性能的核心地带。功率等级的持续攀升与电源组件外移这两大趋势相互叠加，正催生对新型机柜电源架构的迫切需求。

随着机架级功率的上升，使用传统的交流配电会导致系统复杂性增加、组件增多以 及可扩展性降低，从而提高下一代部署的资本和运营成本。根据NVIDIA官方白皮 书《800 VDC Architecture for Next-Generation AI Infrastructure》，传统的 415V 或 480V 三相交流电源系统长期以来一直支持着数据中心的发展。然而，随着计 算机架功率密度接近并超过兆瓦级，这些系统正达到其实际极限。（1）电源线规 格和载流量：典型的交流电源线额定值为 60A 或 100A，受热限制和诸如 IEC 60309 等连接器标准的约束。（2）机架电源入口：更高的机架功率需求需要更多 和/或更大的输入连接，占用宝贵的机架空间并使电缆管理变得复杂。（3）电源资 产协调：管理并保护多个交流电源增加了设计复杂性，并增加了设备占地面积。随 着机架级功率的上升，使用传统的交流配电会导致系统复杂性增加、组件增多以及 可扩展性降低，从而提高下一代部署的资本和运营成本。在固定线规承载48A连续 电流的条件下，相较于415V交流电，采用800V直流电可使相同横截面积的铜导体 传输功率提升157%。北美地区常见的扩容方案是使用480V交流电，但该方案仅能 提升16%的传输能力。若进一步采用1500V直流配电，相同规格导体的传输能力将 实现382%的显著提升。

（二）空间&效率再升级，800V HVDC 方案或成为 AIDC 未来主流架构

NVIDIA在其发布的《下一代AI基础设施的800伏直流架构》白皮书中，明确推荐了 +800V HVDC（高压直流）路径，认为这是平衡效率、成本和未来演进的最佳选择。 根 据 NVIDIA 官 方 白 皮 书 《 800 VDC Architecture for Next-Generation AI Infrastructure》，800VDC 已成为下一代配电的最佳架构。它能够最大限度地减少 计算空间内的转换和布线体积，同时最大限度地降低数据中心配电损耗和端到端转 换环节。与机架内的 54VDC 或设施级 480VAC 系统相比，800VDC 显著降低了 电流、铜用量和电缆体积，同时保持了安全性和可扩展性。它受益于碳化硅 (SiC) 和 氮化镓 (GaN) 功率转换器件的日益成熟，以及 800VDC 系统在电动汽车 (EV) 行业的广泛应用。这使得从电网到机架的无缝端到端集成成为可能，并实现了超过 1MW 的更高功率密度。 800VDC优势具体体现在：第一，相比415V交流电，800V直流电在相同铜线截面积 下传输功率提升157%。第二，相比多级转换方案，该方案通过64:1的LLC变换器和 矩阵变压器直接转换为12V，实现了额外1%的效率提升，并减少了26%的占用面积。 第三，800VDC的方案尽可能将电源组件从NVLink域的物理范围内移出，减少占用 机架中对性能而言价值最高的空间。

（本文仅供参考，不代表我们的任何投资建议。如需使用相关信息，请参阅报告原文。）