技術_AI伺服器被動元件

定義

被動元件是不主動產生能量、主要負責消耗、儲存、釋放或穩定能量的電子元件。AI 伺服器中最關鍵的三類是電容器、電感器與電阻器,其中電容器在 GPU 供電網路(PDN)中負責穩定電壓與瞬間補能,是 AI 加速器功耗提高後最直接受益的被動元件。

本頁依 報告_深入分析_被動元件AI_MLCC鉭質電容TLVR電感_20260514 整理。該來源可讀內容主要涵蓋被動元件總論、AI 伺服器 PDN、高階 MLCC、鉭質電容與聚合物鋁電容供應鏈轉移;標題提到 TLVR 電感,但 PDF 後段在第 5.4 節附近截斷,TLVR 章節未完整進入來源。

圖解

圖說:來源用主動元件與被動元件對比說明 AI 伺服器中 CPU / GPU / memory 是運算核心,被動元件則負責供電穩定、濾波與保護。

圖說:NVIDIA GPU 供電網路的三道防線:MLCC 處理高頻突波、聚合物鋁電容處理中頻大容量濾波、鉭質電容處理高溫高壓與極限空間下的穩定容量需求。

技術原理

AI GPU 的工作電壓通常落在 0.8V 到 1V 左右,但滿載時會在極短時間內要求巨量瞬間電流。機櫃側輸入電壓多為 48V / 54V,從高壓降到 GPU 可承受的低壓過程中,PDN 必須同時控制電壓波動、瞬間電流、熱、空間與可靠性。

元件功能AI 伺服器角色
MLCC高頻濾波、瞬間補能近 GPU 大量部署,處理最快突波
聚合物鋁電容大容量中頻濾波Blackwell 世代重要,但 Rubin 世代來源指出 NVIDIA 可能降低對單一日系供應商依賴
鉭質電容高溫高壓下維持容量穩定高密度 GPU 板極限空間中的穩定電容選項
電感 / TLVR 電感穩定電流、支撐高功率轉換標題列為重點,但本 PDF 可讀內容未完整展開
電阻電流感測、分壓成熟度高,投資屬性偏防禦

關鍵參數 / 判斷指標

指標意義來源重點
功耗 / TDPGPU 功耗提高會放大 PDN 被動元件需求Blackwell 約 1.2-1.4kW;Rubin GPU TDP 提高到 1.8-2.3kW
MLCC 顆數用量是需求彈性的直觀指標傳統伺服器約 2,000-3,000 顆;NVL72 機櫃來源估約 44 萬顆
高階 MLCC 交期判斷是否進入缺貨 / 恐慌性下單2026 年高階 MLCC 交期拉長到 24-32 週
鉭質電容交期高階 AI 料號稀缺程度聚合物鉭質電容交期由 8-10 週拉長至 18-40 週
稼動率 / 庫存天數判斷週期階段來源引述 2026Q1 三星電機稼動率 92%、村田 95%;三星電機庫存約 30 天,低於 40 天健康水位
DC BiasMLCC 在高壓環境容量下降風險AI 伺服器高壓環境下 MLCC 實際容量可能大幅縮水

技術瓶頸 / 風險

  • MLCC 製程壁壘:高階 MLCC 需要極小體積、極大容量、極耐高溫與千層級堆疊;陶瓷層薄到 1 微米以下時,潔淨度與粉末品質成為良率關鍵。
  • 材料受制於日本粉末供應:來源指出高階 MLCC 的鈦酸鋇陶瓷粉末由日本企業如堺化學、共立材料、富士鈦工業等主導。
  • 鉭質電容供應鏈集中:KEMET、AVX、Vishay 三家合計約 60-70% 市占;KEMET 已被 2327_國巨(市) 收購。
  • 鉭礦原料風險:來源指出全球超過 50% 鉭礦來自剛果民主共和國,2026Q1 歐洲鉭粉報價超過每公斤 500 美元,年初以來上漲 90%。
  • K 型復甦風險:AI 高階料號缺貨,但中低階消費 MLCC 仍可能過剩;台廠中段受惠本質上是日韓大廠轉向高階後的窗口期。

MLCC 三層分化

層級規格 / 市場主要廠商投資含義
頂層AI / 車用超微高容,市場約 15%、利潤 >40%村田、三星電機、太陽誘電真正賣方市場,日韓寡占
中段消費高端與工業級,市場約 45%2327_國巨(市)、華新科等日韓轉向 AI 高階後,台廠承接中段窗口
底層通用消費級,市場約 40%、利潤 <15%中國與通用品廠2024-2025 ASP 仍下跌,未跟隨 AI 缺貨

相關技術

來源