泰国乘800VDC AI浪潮

泰国正乘800VDC人工智能浪潮 行业概览 2026年7月14日 人工智能基础设施进入下一轮升级周期 东盟电子 | 股权 人工智能的构建正超越芯片。随着系统规模扩大，机架功耗从几十千瓦提升至600千瓦，最终达到兆瓦级系统，瓶颈正转向计算周边的基础设施。如今，电力输送、冷却和数据处理需要与芯片本身同步扩展。 伊姆孔冈，CFA，CMT凯特纳金证券研究分析师 吉亚特纳金 +66 2 305 9925 800VDC和光连接成为下一阶段的关键使能技术 suppapong.iemk@kkpfg.com 我们看到了两大技术转变。800VDC通过降低电流、铜使用量和转换损耗来解决电力问题，随着机架功耗的上升；光连接则通过解决铜缆在高速和长距离传输中难以扩展的数据问题。这些变化共同将机遇扩展到GPU之外，涵盖了模拟IC、功率半导体、电源机架、散热、设施基础设施和光子学。 narumon.ekas@kkpfg.com那鲁蒙·埃卡萨穆特凯特纳金证券研究分析师 吉亚塔克·派特拉 +66 2 305 9086 AI：人工智能AC：交流电DC：直流电AC/DC：交流转直流PSU：电源供应单元VRM：电压调节模块PDU：电源分配单元UPS：不间断电源ESS：储能系统BESS：电池储能系统SST：固态变压器MV：中压LV：低压HVDC：高压直流电800VDC：800伏直流电IBC：中间母线转换器BBU：电池后备单元PCS：电力转换系统CDU：冷却液分配单元DLC：直接液体冷却GPU：图形处理器CPU：中央处理器DPU：数据处理单元NIC：网络接口卡HBM：高带宽内存PCB：印刷电路板EMS：电子制造服务Si：硅SiC：碳化硅GaN：氮化镓 收益在全面采用800VDC之前便已开始 数据中心预计将逐步升级，因为一次性更换所有设备成本过高且会带来干扰。他们将首先从最紧迫的步骤入手，改进AI机架周围的动力设备，以便这些设备能够处理更多电力，然后更广泛地使用800VDC作为更高效的供电方式，并稍后重新设计设施。泰国可以在这场转型中受益，因为每个阶段都需要更多电力电子设备、冷却系统、半导体组装、复杂PCB以及其他已与该国制造基础相连的配套硬件。 泰国的情况比最初看起来更有优势。 泰国并非领先的芯片设计或晶圆制造中心，但它在下游供应链中扮演着重要角色。该国已在功率电子、半导体组装和测试、复杂PCB、光学产品、存储、变压器和冷却液等领域拥有制造能力。随着更多价值转移到围绕人工智能芯片的硬件上，这一制造基础的重要性日益凸显。 股票影响波及泰国外国股票。 对于股票影响，我们关注所有可能从800VDC AI浪潮中获益的泰国上市公司。泰语名称包括DELTA、HANA、KCE、SMT、CCET、AMATA、WHA PSP和TRT。 美国银行证券部门参与了本报告的编制工作，部分依据来自Kiatnakin Phatra证券公众有限公司（Kiatnakin Phatra证券）提供的信息。^^^Kiatnakin Phatra证券的员工未根据FINRA规则注册或具备研究分析师资格。有关美国银行证券特定司法管辖区内承担信息责任的实体信息，请参阅“其他重要披露”。美国银行证券与其研究报告中涵盖的发行人进行或寻求进行业务往来。因此，投资者应意识到该公司可能存在利益冲突，从而影响本报告的客观性。投资者应将本报告视为其投资决策的单一因素。请参阅第35至38页的重要披露。分析师认证在第33页。目标价格依据/风险在第33页。12992896 执行摘要 图1：AI的两大瓶颈：800VDC电源和光连接人工智能计算增长正将需求推向电力和连接领域，为泰国的电子产业创造了新的机遇。 人工智能基础设施正进入下一个瓶颈。 人工智能投资已从GPU转向内存，现在正面临一个新的瓶颈：芯片的周边基础设施。随着人工智能系统规模的扩大，机架功耗正从几十千瓦攀升至600千瓦，最终达到兆瓦级系统。与此同时，需要交换更多芯片之间的大量数据。我们认为，这为数据中心创造了两个平行的升级周期：800VDC用于电力传输，以及光连接用于数据传输。 800VDC将扩展整个电力链的机会。 传统的数据中心电源系统是为远低功率的机架而设计的。随着功率的提升，向系统输送更多电流需要更多的铜材，并导致更多的热量损耗。800VDC通过采用更高的电压和更低的电流来解决这一问题，同时逐步将电源转换从计算机架转移到专用电源机架，从长远来看，则转移到设施级的基础设施。因此，这一转型应会增加对服务器板卡电源、电源供应器（PSU）、电源机架、冷却系统、储能系统、保护系统以及SST和SSCB等新技术的需求。美银美林（BofA）估计，人工智能模拟半导体市场有望从2025财年的79亿美元增长至2030财年的约280亿美元。 光学解决了第二个约束，因为铜已达到其极限。 权力只是问题的一部分。更大的AI系统在芯片和机架之间移动时也需要更多的数据。铜线在短距离传输上仍然适用，但随着数据速率的提高，由于信号损耗、传输距离和功耗的限制，其扩展性变得较差。这正推动着光收发器、硅光子学和其他光网络技术的更广泛使用。美国银行估计，到2030年，光连接的潜在市场规模可能达到约888亿美元，约占AI连接支出的80%。 泰国可以通过下游制造受益。 泰国无需制造领先的AI芯片即可参与这一周期。其机遇在于芯片周围的硬件，包括电力电子、半导体组装和测试、复杂PCB、光学产品、存储、变压器和冷却液。这使泰国的电子行业接触到了本报告中讨论的电源和连接升级。 对于股票影响，泰国上市股票包括HANA、DELTA、KCE、SMT、CCET、WHA、AMATA、PSP和TRT。 人工智能对权力的无限渴求 人工智能投资经历了不同阶段，每个阶段都由不同的瓶颈所定义。第一个瓶颈是GPU，它是人工智能计算的引擎。随后，注意力转向了内存，因为高带宽内存（HBM）成为了限制这些GPU被喂饱速度的瓶颈。随着每个瓶颈被解决，下一个瓶颈又出现了。如今，瓶颈在于这些系统消耗的电力以及随之而来的热量。 单排英伟达最新AI服务器将很快消耗的电力将超过一千个美国家庭。标准服务器机架耗电量在10到15千瓦之间，这更接近十几个家庭的使用量。这个差距几乎大了百倍，它指向了AI竞争真正的方向。与其说是芯片竞赛，不如说是电力竞赛。 对算力的需求不再仅仅局限于GPU。随着人工智能的发展，它需要完成更多种类的任务。首先，人工智能需要被训练（这意味着构建模型）。然后，它被用来回答问题（这被称为推理）。现在，人工智能也开始处理更复杂的任务，它将问题分解成步骤，并使用工具来解决问题。 因此，该系统需要更多支撑部件。这些部件包括：中央处理器（CPU，用于管理和控制系统）、交换机（用于在芯片之间传输数据）、网卡（用于将系统连接到其他机器），以及内存（用于在数据使用位置附近存储数据）。 GPU仍然是主要的计算引擎，但没有这些周边硬件，它无法高效工作。在配置最密集的情况下，网络交换机 alone 就可能占据总机架功耗的五分之一左右。这意味着 AI的功耗需求正成为一个机架级的问题，而不仅仅是 GPU 的问题。 在基础层面，约束来自物理。AI芯片需要以极高的速度交换数据，但铜质连接线只能将数据传输到短距离。为了让系统作为一个大型计算引擎运行，供应商必须将更多的AI加速器、CPU、网络芯片和内存放置得更近。因此，性能来自于更高的机架密度，而更高的机架密度则伴随着更多的电力消耗和热量产生。 英伟达从（旧代芯片型号）霍普пер转向（新代芯片型号）黑威尔尔，体现了这种权衡。机架功率密度提升了3倍以上，而系统性能则提高了约50倍。性能提升显著，但这是通过在相同机架中集成更多计算和网络硬件实现的。 这一趋势并非仅限于英伟达。AMD的最新加速器也在朝着每片1400-1800W的方向发展，将机架功耗推高至10万W以上。谷歌和亚马逊的内部ASIC在特定工作负载上可能更高效，但随着系统扩展，它们的总机架功耗也在上升。因此，更高的功率密度是一个行业趋势，而非英伟达特有的问题。 崛起的力量遍及整个行业，而不仅仅是英伟达。 数据中心面临的启示是，购买更多芯片已不再足够。每个机架需要比以往多得多的电力，而传统的电力输送链正达到其实际极限。这就是800VDC方案开始具有说服力的地方。 为什么世界需要800VDC？ 800VDC的方案基于一个简单的公式：功率等于电压乘以电流，即P=V×I。 机架需要电力。电压是推动电流通过系统的压力。电流（或强度）是流经导体的电量。当机架电力上升时，电压或电流必须随之上升。 多年来，数据中心一直可以依赖现有的低压架构，只需向系统注入更多电流。当机架功耗仅为数十千瓦时，这种方式是可行的。但当AI机架的功耗向数百千瓦乃至兆瓦级发展时，情况就变得困难得多。 图5：功率方程 高耗能将随着高电压而终结 Source:KKPS 花旗全球研究 首要问题是铜。更高的电流需要更粗的导体、汇流排和连接器。在600千瓦时，传统的48伏架构需要大约12,500安培的电流。在这个级别，铜汇流排会变得非常庞大和沉重。这使得它难以安装在机架内，并且在大数据中心中扩展起来成本高昂。 第二个问题是热量损失。电能损耗与电流的平方成正比。简单来说，电流加倍，热量损失会大约增加四倍。这种浪费的能量无法产生计算输出，它变成了数据中心必须移除的热量。 800VDC通过提高电压来解决这个问题。对于相同功率，更高的电压意味着更低的电流。在800V下，一个600kW机架只需要大约750安培，而相比之下，在48V下则需要大约12,500安培。 图6：800VDC对系统的优势 800VDC可减少铜用量和热量。 800VDC的优势可以用一个简单的顺序来解释。 首先，降低电流意味着可以使用更小的导体、更轻的母排，并简化机架设计。这减少了材料使用，并使大规模部署更加实用。 其次，电损耗与电流的平方成正比。通过减小电流，800VDC能显著降低电力输送链中的功率损耗和废热。 第三，该架构是为人工智能的下一阶段扩展而构建的，在此阶段，机架的功率将从目前的约100千瓦提升至600千瓦、1000千瓦及以上，从而为扩展基础设施指明了清晰路径，避免了物理限制。 第四，当今的电力链在电到达GPU之前包含多个转换阶段。通过减少冗余的转换步骤，800VDC可以提高端到端效率。 一个更简单的电源链也意味着更少的组件和更少的故障点，这可以降低维护成本并提高总拥有成本。 这就是为什么800VDC不仅仅是一个新的电气标准。它是应对日益增长的AI机架功耗的实用方案。它不会让GPU消耗更少的能量。但它能让能量传输更便捷，减少铜线使用、降低热量损耗，并拥有一个能够随着未来AI机架扩展的电源架构。 通往800VDC之路：三阶段过渡 目前，AI 数据中心预计不会直接切换到全设施范围的 800VDC。相反，行业可能会经历三个阶段进行过渡，关键变化在于随着机架功率的持续增加，电源转换将逐渐向更上游迁移。 第一阶段：传统的交流架构（当今） 当今的数据中心仍然遵循传统的电力架构。电力以交流电的形式进入设施，经过变压器、备用系统和电源分配设备后，才到达计算机架。在机架内部，交流电被转换为直流电，然后经过多次降压，以供应GPU所需的低电压。 该架构是为远低机架功率而设计的。随着AI机架功率接近数百千瓦，在计算机架内部或附近集中进行功率转换会占用宝贵的机架空间，产生额外热量，并增加转换损耗。根据美国银行(BofA)的数据，该架构实现了端到端约87.6%的技术-亚太：HVDC用于Rubin Ultra；而Delta的效率约为87.6%。请参阅我们的报告：研发实力雄厚，有望享受内容/出货量增长，日期为2025年11月24日。 第二阶段：电源机架架构（预期下一步） 迈向800VDC的第一步无需重建整个数据中心。相反，主要的AC/DC转换从计算机架迁移到附近的一个专用电源机架。现有的设施基础设施基本保持不变，而电源机架将480V AC转换为