计算机行业研究：超级电容：AI电源革命，下一个涨价品种

行业观点 AIDC算力密度跃迁驱动供电架构变革，超级电容成为结构性必需品。AI负载从稳态转向毫秒级阶跃脉冲，传统三级备电体系在响应速度、循环寿命与能量损耗维度全面承压。超级电容以双电层物理吸附或锂离子嵌入机制实现微秒级响应与超长循环，其中LIC路线凭借更高能量密度与紧凑体积适配AI机柜空间约束，成为主流选择。NVIDIA自GB300起将电解电容器集成至电源架，可使电网峰值需求降低约30%；下一代Rubin平台将储能容量较前代大幅拉升，标志着储能元件从附属功能升级为核心系统组件。江海股份等国内厂商已明确MLPC及超级电容产品适配GB300方案，正加速对接服务器供应链。超容、锂电池与柴发构成“快但短—慢但久—久但慢”的多级互补体系，三者缺一不可。我们认为，超级电容已从实验室方案走向机柜级标配，2026年下半年Rubin平台放量将是相关产业链业绩兑现的关键窗口。 LIC/EDLC双路线并行，武藏与Maxwell分别引领。超级电容当前主要分为EDLC（双电层电容）与LIC（锂离子电容/HSC）两条路线：EDLC依赖纯物理双电层储能，具备长寿命、高倍率、强脉冲响应优势；LIC则融合锂离子嵌入机制，兼具更高能量密度与更小体积，更适用于高密度AI服务器场景。当前英伟达GB200/GB300 AI服务器产业链正加速导入LIC/HSC路线，其中日本武藏（Musashi）依托HSC产品体系成为核心供应商；而Maxwell则长期深耕EDLC路线，在高功率瞬态响应领域具备领先优势。整体来看，LIC与EDLC未来将在AI服务器、储能、电网调频等场景长期并存，并在部分应用中形成替代关系。 GB300推动超级电容进入标配时代，国产厂商迎来补位窗口。随着GB300 NVL72单柜功率提升，AI服务器对瞬态供电稳定性的要求显著提高，超级电容与BBU正从GB200阶段的“选配”升级为GB300时代的标准电源架构组成部分，并被统一整合至Energy Storage Tray能量存储托盘体系中。当前产业链主流方案由武藏与Flex合作的CESS系统主导，但在AI服务器需求爆发背景下，供给端已出现明显缺口：GB300对应超级电容需求量较大，而当前产能或无法满足，我们假设2026年GB300 NVL72机架出货量在5-6万台，单个GB300机柜需要5个BBU模块和超过300个超级电容器，2026年GB300预计将需要1500-1800万个超级电容器，而武藏截至到2026Q3的规划年产能为650万颗。国内厂商有望迎来重要补位机会，包括东阳光、江海股份、思源电气（旗下烯晶碳能）等，均在EDLC/混合超级电容方向积极布局，有望受益于AI电源架构升级带来的产业机会。相关标的 超级电容：东阳光、江海股份、思源电气、海星股份、艾华集团等。SST：四方股份、金盘科技、阳关电源、京泉华、可立克等。SST需要用到的SiC：天岳先进、晶升股份、宇晶股份、三安光电等。 风险提示 行业竞争加剧的风险；技术研发进度不及预期的风险；特定行业下游资本开支周期性波动的风险。 内容目录 一、大模型引发AI功率革命，超级电容成AIDC必需品...............................................31.1 AI算力密度跃迁叠加阶跃式脉冲负荷，对供电系统稳定性提出极限挑战.........................31.2传统三级备电架构在AI场景下暴露三大痛点，响应、寿命、损耗全面不适配....................41.3超级电容兼具高功率密度与长循环寿命，在AIDC承担调峰+备电双重角色.......................4二、LIC和EDLC并行，日企全球领先..............................................................62.1 LIC小体积高能量密度，EDLC长寿命强脉冲性能.............................................62.2武藏为LIC/HSC全球龙头，Maxwell是EDLC领军............................................6三、GB300起超级电容成为标配，国产厂商补位空间大...............................................83.1 GB300机柜标配BBU+超级电容.............................................................83.2 AIDC对超级电容拉动巨大，国产厂商有望补位..............................................9四、相关标的..................................................................................11五、风险提示..................................................................................11 图表目录 图表1：AI训练工作负载在GPU空闲与高功率状态之间形成突变（NVIDIA技术博客实测功率曲线图）......3图表2：NVIDIA AI硬件代际功率密度跃迁路线图：GB200/GB300 NVL72约120-140kW→Rubin NVL72延续Oberon架构→Rubin Ultra Kyber机架达600kW............................................................4图表3：传统三级备电架构在AI场景下的三大痛点对照.............................................4图表4：超级电容（EDLC/LIC）与铅酸电池、锂电池在响应速度、循环寿命、能量损耗维度的性能对比.....5图表5：GB300 NVL72电源架内电容性储能元件的充放电工作机制示意图...............................5图表6：EDLC对比LIC：LIC体积更小、能量密度更高...............................................6图表7：超级电容器市场参与者..................................................................7图表8：Maxwell产品布局.......................................................................7图表9：NVIDIA GB300 NVL72架构................................................................8图表10：柔性电容储能系统（CESS）.............................................................9图表11：东阳光超级电容产品展示..............................................................10图表12：江海股份超级电容布局................................................................10 一、大模型引发AI功率革命，超级电容成AIDC必需品 1.1 AI算力密度跃迁叠加阶跃式脉冲负荷，对供电系统稳定性提出极限挑战 AI数据中心的供电挑战，本质上是功率密度与负载波动特性的双重阶跃式突变。过去十年，数据中心承载的是以CPU为核心的稳态计算负载，功耗曲线相对平滑；未来十年，GPU集群的毫秒级脉冲式功耗将成为常态。这一转变从底层重塑了供电系统的设计逻辑——从满足稳态功率到应对瞬态冲击。 GB300 NVL72是当前AI硬件功率密度的基准标尺。该平台采用全液冷机架级架构，集成72颗Blackwell Ultra GPU与36颗Grace CPU，单机柜功率达到130-140kW。相较传统CPU机柜约10kW、风冷H100机柜约40kW的功率水平，GB300在三年内将单柜功率推升超过10倍。这一密度已逼近传统数据中心配电与散热架构的物理极限。 下一代平台将推动功率密度继续跃迁。NVIDIA将于2026年下半年量产Vera Rubin NVL72平台，集成72颗Rubin GPU与36颗Vera CPU，延续Oberon机架架构并与GB300基础设施兼容，但功率密度进一步提升。更长周期看，2027年下半年量产的Rubin Ultra将搭配Kyber机架架构，单机柜功率推升至约600kW，并配套800V直流（800 VDC）供电生态。NVIDIA正与Renesas、Richtek、Delta、Flex、Eaton、GE Vernova、Siemens等20余家伙伴协同建设这一生态。从GB300到Rubin Ultra的两年间，单柜功率将从约140kW跃升至600kW，增幅超过4倍——供电系统必须做出范式级响应。 AI负载的另一核心特征在于其阶跃式瞬时波动特性。AI训练负载下，数千颗GPU以锁步模式执行相同计算，导致电网层面出现明显的功率波动；与传统数据中心负载不同，AI工作负载在空闲与高功率状态之间形成突变式切换。若将CPU负载类比为平滑的波浪曲线，GPU负载则更接近方波尖刺。功率密度越高的代际，方波尖刺的绝对幅度越大，对供电系统瞬时响应能力的冲击也成倍放大。这一特性意味着，单纯提升供电容量已不足以应对挑战——毫秒级的功率补偿能力正成为供电设计的核心约束。 1.2传统三级备电架构在AI场景下暴露三大痛点，响应、寿命、损耗全面不适配 传统数据中心供电体系围绕CPU稳态负载设计，形成三级备电架构：柴油发电机负责长时持续供电，UPS不间断电源（含铅酸或锂电池组）负责中长时备电，服务器电源板载电容负责瞬时电压稳定。这一架构在CPU时代运行良好，但在AI算力场景下，三级体系在不同维度均暴露短板，核心矛盾在于AI负载的阶跃式波动特性已超出各层级的设计边界。 NVIDIA在GB300技术博客中明确指出了这一前提的转变：电网原本设计用于支撑照明、家用电器和恒功率工业设备等相对稳定的负载，但运行AI工作负载的数据中心已改变了这一前提。从电网视角看，AI数据中心代表了从稳态负荷到动态脉冲负荷的范式转变，而传统三级备电架构正是为旧范式设计的。 痛点一：传统架构无法快速响应短时间的功率突变。AI负载的功率突变发生在微秒到亚毫秒级时间尺度，而UPS切换电池供电的典型响应在毫秒级——这中间差了两到三个数量级。一旦响应跟不上，GPU会因瞬时电压跌落进入降频或保护状态，数十亿参数的训练任务可能因为一次电压波动而中断。在Rubin Ultra这种600kW机柜上，瞬时功率突变的绝对幅度可达数百千瓦量级，对响应速度的要求更加严苛。 痛点二：电池组的循环寿命经不起AI负载的高频充放。AI训练时GPU功率会以毫秒级反复波动，电池组每天可能要经历数百次浅充浅放——这是任何电池技术的设计极限都未充分考虑过的工况。即便是循环寿命较长的磷酸铁锂电池，在这种工况下实际使用寿命也会大幅缩短，运维成本与可靠性同步承压。 痛点三：电池系统的能量损耗在AI规模下被显著放大。AI数据中心动辄百千瓦级、未来甚至兆瓦级的瞬时功率波动，会让电池系统的充放电损耗在规模下被显著放大，对应的电费成本也水涨船高。在万柜规模的Rubin时代数据中心，每年仅备电环节的损耗成本就可能达到数亿元量级。 1.3超级电容兼具高功率密度与长循环寿命，在AIDC承担调峰+备电双重角色 超级电容是为AI场景而生的储能元件