Domestic computing power performance expands, AI terminal innovation year... Soochow Securities provides the top ten predictions for the electronics industry in 2026

投資要點

雲端算力：迎接國產算力產業鏈上下游共振帶動業績放量。2026 年國產算力芯片龍頭有望進入業績兑現期，看好國產 GPU 受益於先進製程擴產帶來的產能釋放。考慮到國產算力芯片各家參與者為爭奪市場份額而搶奪產能資源，看好 AIASIC 服務商在供應鏈中的關鍵角色。同時，國產算力進入超節點時代後，既考驗 GPU 廠商的單卡實力，同樣考驗 Switch 芯片的國產化水平，國內外政府或將對此環節有所管控。

端側算力：端雲混合為 AI 場景賦能，端側 SoC 持續受益於 AI 創新浪潮。端側 AI 接力雲 AI，端雲混合架構夯實場景基礎，海外大模型有望率先驅動 AIoT 落地並利好眼鏡、汽車、機器人三大先導場景。投資維度看，26H1 消費類上游公司或普遍受到存儲漲價壓制，但展望 26H2，結合消費週期以及 AI 創新等多重因素看好可穿戴 AIoT 等新品發佈帶來的產業鏈機遇。同時，考慮到 26 年有望成為 NPU 落地元年。

3DDRAM：端側 AI 存儲 26 年為放量元年，產業趨勢逐漸確立。26 年 AI 硬件落地帶來存力需求的快速提升，高帶寬/低成本的 3DDRAM 有望在多領域放量。我們認為機器人/AIOT/汽車等領域對本地大模型的部署離不開 3DDRAM 存儲的支持，其為各端側應用從 “能用” 到 “好用” 的關鍵硬件革新。多款 NPU 的流片發佈亦為 3DDRAM 提供豐富適配場景。此外，手機/雲端推理等場景亦將逐步導入，成為 26H2 及 27 年關鍵場景，應用領域持續拓寬。

端側 AI 模型：架構優化突破物理瓶頸，利益分潤決定生態版圖。展望 2026 年，雲端模型將通過數據質量與後訓練優化持續提升複雜規劃能力；端側通過蒸餾承接雲端模型能力，並以注意力降維、MTP 等結構優化疊加技能模塊化與片上記憶系統，提升執行成功率與時延表現；Agent 路線呈 API 和 GUI 並存”。生態格局上：終端廠商掌握 OS 並接管系統級入口；超級 APP 構建應用內 Agent 閉環並選擇性開放接口；第三方模型廠則依賴分成機制推進合作。

AI 終端：26 年 AI 終端創新元年開啓。Meta、蘋果、谷歌、OpenAI 均有新終端新品推出。AI 終端形態以眼鏡為代表，同時有 AIpin、攝像頭耳機等新形態。伴隨模型迭代和新終端的應用場景開發加速，下一代爆款終端或在大廠創新週期中應運而生。新終端的產生離不開關鍵零組件的升級，建議關注 soc、電池、散熱、通信、光學等方向。

長鑫鏈條：長鑫存儲有望帶動充足擴產，長鑫鏈條將直接受益。長鑫重點在研的 CBA 這一走向 3D 的技術將有望釋放後續持續擴產動能，通過這一另闢蹊徑的方式縮小與三星和海力士的代際差，保證擴產量級，其產業鏈公司將充分受益。設備環節在受益長鑫充裕擴產之餘，部分優質公司還將享受滲透率快速提升，迎來戴維斯雙擊；部分代工和封測公司將承接長鑫的代工需求。

晶圓代工：先進邏輯擴產量級有望翻倍，晶圓代工景氣維持。目前國內先進製程尤其是 7nm 及以下供給嚴重不足，在美日斷供的潛在壓力和國產先進邏輯芯片可預見的需求旺盛，26 年開始出於保供意圖的先進擴產將十分豐厚，中芯國際和華力集團有望持續擴產先進製程。除此之外，更多的主體會來擴產 14nm，包括永芯、ICRD 等。

PCB：Rubin 開啓 AIPCB 高端材料新時代，M9 與 Q 布掀起 PCB 價值躍升潮。AI 服務器對高速信號完整性與低介電性能的要求持續提升，推動 PCB 材料進入全面升級週期。M9CCL 憑藉超低 Df/Dk 性能與優異可靠性，正成為 AI 服務器與高速通信系統的關鍵基材，有望推動 PCB 以及上游高端材料價值量迅速增長，成為推動 PCB 產業鏈進入新一輪高景氣週期的核心動力。

光銅互聯：Scaleup&out 迭代持續，光銅雙線共振。2026 年商用 GPU 持續增長，CSPASIC 進入大規模部署的關鍵一年，數據中心 Scaleup 催生超節點爆發，銅纜憑短距低耗成櫃內互連最優解；Scaleout 帶動集羣持續擴容，光模塊與 GPU 配比飆升，1.6T 放量讓光芯片缺口凸顯。一銅一光雙線共振，互聯需求迎來量價齊升，核心緊盯光芯片與高端銅纜賽道。

服務器電源：數據中心功率密度飆升 HVDC 供電架構成核心主線。AI 數據中心功率密度飆升驅動 HVDC 供電架構成為核心主線，一次電源奠定 800V 高壓直流傳輸基礎，二次電源承擔關鍵電壓轉換，三次電源精準適配芯片供電需求，全鏈路升級打開增量空間。此外服務器電源技術升級帶來 PCB 量價齊升，AI 服務器功率密度持續提升，推動電源 PCB 向厚銅、嵌入式模塊、先進散熱等高端技術升級，單板價值量顯著提高。

以下為報告正文

1、雲端算力：迎接國產算力產業鏈上下游共振帶動業績放量

算力產業鏈自主化進程加速，看好國產算力業績釋放。中芯國際過去幾年穩健推進先進製程擴產，市場開拓進度良好。整體來看，國產先進製程擴產穩步推進疊加產業鏈自主可控進展加速，將顯著增強國內算力產業的供給保障能力。在 AI 推理和訓練需求持續提升的背景下，國產算力廠商有望充分受益，業績釋放可期。

與此同時算力產業鏈迎來新的產業趨勢，“運力” 成為國產算力 “趕超” 海外龍頭的關鍵一環。行業正在把互聯方式從機櫃之間的 Scale-Out 網絡轉向機櫃內部的 ScaleUp 網絡（NVLink、UALink、PCIe 等），利用更短的傳輸距離實現更高帶寬和更低延遲，從而提升整體吞吐。25 年下半年是國產超節點方案陸續進入公眾視野的階段，無論是互聯網廠商、交換機廠商、GPU 自研廠商，各家均有亮眼產品陸續發佈。我們看好接下來國產方案百花齊放，一方面，以華為、曙光為代表的全棧自研路徑已有重磅方案發布，另一方面，看好第三方 Switch 芯片廠商綁定互聯網大廠客户做進終端方案。隨着國產算力逐漸進入放量期，國產超節點產業鏈有望迎來更高確定性的增長機遇。

2、端側算力：端雲混合為 AI 場景賦能，端側 SoC 持續受益於 AI 創新浪潮

2026 年，端側 AI 將正式接力雲 AI，推動端雲混合架構場景成為技術基建核心範式，其到來具備技術演進、硬件支撐與場景需求的三重必然性。純雲端架構的帶寬成本、時延瓶頸、隱私安全問題日益凸顯，而大模型的全局決策能力與端側輕量化模型的實時處理能力形成天然互補，通過 “雲端訓、端側用、邊側補” 的協同模式，破解算力分配與隱私安全矛盾。端側芯片通過 NPU 加速等技術讓終端可流暢運行輕量化大模型，2026 年智能汽車、AI 眼鏡、機器人等終端將成為率先爆發的核心載體，為架構落地築牢基礎。具體來看，智能汽車的自動駕駛需求側實時感知與雲端長時序決策協同，AI 眼鏡實現人機全場景交互，機器人依賴端側快速響應與雲端全局調度。政策加持與產業生態完善進一步加速這一進程，端雲混合架構不僅是技術升級的必然結果，更是 AI 從實驗室走向規模化商用的關鍵支撐。

海外端側 AI 已進入實質性落地階段，建議關注海外鏈 SoC 相關廠商。晶晨股份在谷歌智能家居生態中持續深化綁定關係。公司已與谷歌合作推出多款適配其端側大模型 Gemini 的新品，包括智能音箱、可視門鈴及室內外攝像頭等，推動谷歌智能家居全面向嵌入端側大模型能力的下一代產品升級。整體看，海外鏈端側 AI 需求的確定性增強，有望驅動 SoC 廠商在新一代輕量化大模型終端中實現結構性突破。

端側模型升級催生硬件架構向專用協處理器演進，建議關注獨立 NPU 架構領軍者瑞芯微。產業趨勢角度，一方面，模型推理從雲側部分遷移到端側，催生本地計算、帶寬與存儲需求；另一方面，端側設備對功耗、成本與空間更為敏感，通用 CPU/GPU 已難以在能效、並行度及實時性之間取得平衡。因此，以瑞芯微為代表的廠商正率先推出面向端側 AI 的協處理器創新方案，端側算力協處理器系列芯片內置大算力 NPU 和高帶寬嵌入式 DRAM，能夠較好地滿足端側模型部署的算力、存力、運力三者動態平衡需求。瑞芯微已推出 RK182X 系列專用協處理器，能夠承載 3B–7BLLM 的推理需求，已在車載座艙、智能家居、會議終端、教育設備、機器人、機頂盒和邊緣網關等場景中落地。我們看好瑞芯微獨立 NPU 產品在性能、生態和產品組合上已形成明顯卡位優勢。

3、3DDRAM：端側 AI 存儲 26 年為放量元年，產業趨勢逐漸確立

25 年 3DDRAM 相關產品已發佈，研發路徑走通，步入商業化進展。瑞芯微在 25 年 7 月的開發者大會發布兩款用於端側 AI 的 NPU：（1）RK1820:內置 2.5GBDDR，支持 3B 模型;（2）RK1828:內置 5GBDDR，支持 7B 模型，均採用 3DDRAM 架構。藉助 3DDRAM 高帶寬、低成本、可拓展的特性，主控芯片能支持語音識別、視頻分析、長上下文對話等場景應用，適用於安防、機器人、車載、消費電子、辦公、教育、家居、工業等端側場景。

26 年 AI 硬件落地帶來存力需求的快速提升，高帶寬/低成本的 3DDRAM 有望在多領域放量。未來深寬比刻蝕、光刻技術、電容結構的提升對於 2DDRAM 的升級相對將逐漸趨緩，3DDRAM 的架構革新將愈加重要。機器人/AIOT/汽車等領域對本地大模型的部署離不開 3DDRAM 存儲的支持，其為各端側應用從 “能用” 到 “好用” 的關鍵硬件革新。

高通、小米、榮耀、OPPO、各大 PC 廠商、各大車廠或陸續入局。國內我們預計 26 年將有多款 NPU 產品發佈、立項、流片等。國內手機終端廠商、光羽芯辰、國際龍頭 SoC 廠商均將 “NPU+ 定製化存儲” 方案作為端側 AI 的最佳答卷。兆易創新等公司廣泛對接 SoC 合作伙伴，多項目接踵而至。手機/雲端推理等場景或將成為 26H2 及 27 年關鍵場景，應用領域持續拓寬。

4、端側 AI 模型：架構優化突破物理瓶頸，利益分配決定生態版圖

豆包手機助手落地後暴露的核心瓶頸在於系統級調用觸及 App 話語權邊界及 AI 行為風控問題；同時存在執行偏慢等體驗問題。此後終端廠、模型廠與互聯網平台均加速迭代相關產品。展望 2026 年，從技術架構看：

➢雲端模型抬升複雜規劃能力上限：在數據質量持續優化及後續訓練體系不斷成熟的驅動下，進一步抬升複雜規劃與多步驟推理能力上限；

➢端側模型將智能壓縮落地：通過蒸餾承接雲端模型能力，並以量化、注意力複雜度降維、MTP 等結構優化手段，疊加技能模塊化與片上記憶系統的工程化設計，持續改善端側執行成功率與交互時延等核心體驗指標；

➢Agent 技術路線：API 優先、GUI 兜底。其中 API 路徑在合規性、穩定性及執行成功率方面具備顯著優勢，其滲透節奏取決於利益分配機制的可行性與成熟度；而 GUI 路徑作為通用技術手段，將長期承擔長尾應用與複雜異構環境的適配職能。

從生態結構看，產業競爭與合作關係並存演進。終端廠商依託對 OS 的掌控，逐步接管系統級 Agent 入口與關鍵調度權；超級 App 通過構建應用內 Agent 閉環強化用户粘性，並在此基礎上選擇性向外部開放 API 接口；第三方模型廠則主要通過建立可審計、可限權、可分成的標準化接入體系，推進跨生態合作與商業落地。

5、AI 終端：26 年 AI 終端創新元年開啓。Meta、蘋果、谷歌、OpenAI 均有新終端新品推出

2026 年 AI 終端創新元年開啓。從 2026 年到 2028 年之間，海外頭部大廠 Meta、蘋果、谷歌、OpenAI 均有新終端新品推出。AI 終端形態以眼鏡為代表，智能眼鏡作為距離人的五官最近的可穿戴設備，仍然被認為是較理想的硬件終端形態，每家大廠均有眼鏡形態產品處於開發過程中。而在眼鏡的形態之外，我們同時看到 AIpin、攝像頭耳機、桌面機器人等新形態的硬件也在佈局之中。伴隨模型迭代和新終端的應用場景開發加速，下一代爆款終端或在大廠創新週期中應運而生。新終端的產生離不開關鍵零組件的升級，建議關注 soc、電池、散熱、通信、光學等方向。

6、長鑫鏈條：長鑫擴產確定性全面提升，DRAM 產業鏈進入新一輪景氣上行通道

長鑫上市顯著增強擴產確定性，存儲進入新一輪中長期擴產週期。隨着長鑫存儲登陸資本市場進程持續推進，公司有望通過 IPO 募資及後續再融資工具顯著增強資本實力，為其在 DRAM 領域的長期技術迭代與產能擴張提供堅實的資金保障。在當前國產存儲加速替代、產業鏈自主可控戰略持續強化的宏觀背景下，具備穩定融資能力與持續資本開支投入能力的頭部廠商將成為產業升級的核心載體。我們判斷，長鑫在資本約束明顯緩解後，未來數年資本開支強度有望維持高位運行，產線建設節奏與擴產量級均具備較強確定性，擴產週期具備較長持續性與較高能見度。

由追趕擴張邁入規模化量產，供應鏈景氣度系統性抬升。從行業週期視角看，DRAM 屬於強資本密集、強規模效應行業，單一製程節點的成功量產往往需要連續數年的設備投入與工藝優化配合。長鑫當前正處於由追趕式擴張向規模化量產階段過渡的關鍵節點，伴隨融資渠道打開，公司有能力在技術升級與產能建設兩端同步加速推進，從而逐步縮小與國際頭部廠商在工藝成熟度與產品結構上的差距。我們認為在政策支持、市場需求及融資環境共同作用下，長鑫將進入新一輪中長期擴產通道，其核心供應商將直接受益於持續的產線投資與工藝升級週期，產業鏈景氣度有望系統性抬升。

CBA 架構開啓 DRAM 向 3D 演進新週期，全面抬升設備價值量。在技術路徑上，長鑫當前重點推進的 CBA 架構，被視為 DRAM 向 3D 化演進的關鍵技術路線之一。相較傳統 2DDRAM 架構，CBA 在晶體管結構與存儲單元佈局層面實現根本性重構，有望顯著提升單位晶圓存儲密度，同時改善功耗與性能表現，併為後續更高堆疊層數的 3DDRAM 奠定工藝基礎。隨着製程複雜度持續上升，CBA 架構對光刻、刻蝕、薄膜沉積、量測與檢測等環節提出更高技術要求，工藝窗口與設備精度要求顯著抬升。

7、晶圓代工：先進邏輯擴產量級有望翻倍，晶圓代工景氣維持

供需緊約束疊加保供訴求，國內先進邏輯即將開啓新一輪中長期擴產週期。在全球半導體供應鏈重構與國產替代進程加速的背景下，國內先進邏輯製程供給長期處於緊平衡狀態，尤其在 7nm 及以下先進製程節點，國內產能缺口尤為突出。受制於海外供應鏈不確定性加劇，以及美日等國對先進製造設備及技術出口限制的潛在擾動，國內頭部系統廠商與芯片設計公司對本土先進代工產能的依賴程度持續提升，對供應安全的重視程度顯著上升。我們判斷，自 2026 年起，基於 “保供優先” 的戰略考量，國內先進邏輯產能將進入一輪規模可觀、持續性較強的擴產週期，晶圓代工行業整體景氣度有望維持在高位區間。

頭部率先釋放先進產能，中芯南方與華力構成擴產主力。從具體擴產節奏與規模看，核心產能仍將由頭部廠商率先釋放。中芯南方作為國內最重要的先進製程製造基地之一，圍繞 N+2 工藝節點（對應 7nm 級別）的產能擴建具備較強確定性。同時，華力微電子在 14nm 及以下先進製程領域亦持續加碼投入，進一步緩解國內先進邏輯供給緊缺局面。

擴產向多主體擴散，國產先進邏輯製造能力加速成型。除上述頭部產能外，先進製程擴產正逐步向第二梯隊及新進入主體擴散。包括永芯、ICRD 等廠商，均已規劃或推進 14nm 工藝節點相關產線建設與擴產計劃，在國產先進邏輯需求持續增長與政策環境支持下，更多製造主體有望加入先進製程供給體系建設，共同構成國內先進邏輯製造能力的 “多點開花” 格局。這一輪擴產不僅將提升國內整體先進製程供給能力，也將推動國產設備、材料、EDA 及工藝體系的協同成熟，進一步夯實產業鏈安全基礎。

8、PCB：Rubin 開啓 AIPCB 高端材料新時代，M9 與 Q 布掀起 PCB 價值躍升潮

英偉達的機櫃架構升級顯著推動了 PCB 的量價齊升，ASIC 同步跟進，推動 PCB 市場規模 26 年邁向 600 億元。在當前的 GB200/300NVL72 機櫃中，計算板（Biancaboard）採用 22 層 HDI，交換板為 26 層通孔板，PCB 材料已使用了高性能的 M8 等級。邁入下一代 Rubin 系列機櫃後，PCB 設計和規格發生了重大飛躍：首先，RubinNVL144 機櫃新增了 Midplane，CPX-CX9 網卡模組，而計算板與交換板也做了重大升級，極大地提升了單個 PCB 的價值量。另外，RubinUltraNVL576(Kyber) 機櫃引入了革命性的正交背板方案，替代了銅纜連接並大幅提升芯片密度。由於數據傳輸速率要求超過 224Gbps，PCB 材料必須升級到 M9 或 PTFE 等更高等級的極低損耗材料，同時層數和工藝要求也極高。Kyber 機櫃所需的 4 塊正交背板，結合更高規格的計算板，將使單機櫃的 PCB 總價值量實現成倍增長。ASIC 方面，谷歌 TPU、亞馬遜 Trainium、MetaMTIA 系列芯片持續迭代，V7Ironwood，V8Zebrafish/Sunfish，Trainium3 等新產品持續推動 PCB 板向更高性能材料，更高階層結構升級，進一步打開 AI PCB 市場規模。

AI 算力需求持續升級，推動 PCB 材料向高頻高速方向迭代，M9 級 CCL 替代進程加速，上游核心原材料環節有望迎來量價齊升格局。隨着新一代 AI 芯片架構量產落地，PCB 對信號傳輸效率及穩定性要求顯著提升，M9 材料憑藉低介電常數與低階電損耗的核心優勢成為適配需求的關鍵材料，直接帶動石英布、HVLP4 銅箔、碳氫樹脂等上游材料的需求擴容。

從細分材料來看，石英布作為 M9 級 CCL 的核心增強基材，其介電性能與熱穩定性遠優於傳統玻纖布，當前全球產能集中於少數廠商，供給彈性受限。HVLP4 銅箔方面，作為高頻高速信號傳輸的核心材料，其核心技術難點在於平衡低表面粗糙度與高剝離強度，此前長期被海外廠商壟斷，國內僅銅冠銅箔、德福科技等少數企業實現量產。碳氫樹脂作為 M9 級 CCL 絕緣層的關鍵組成，直接決定覆銅板的高頻傳輸性能，其在 15GHz 頻段下介電常數需低至 2.5 左右、介電損耗≤0.001，技術門檻極高。疊加 AI 服務器 PCB 普遍存在層數從 20 層提升至 40 層以上、板厚增厚的趨勢，單台設備對三類原材料的消耗量較傳統服務器大幅增加，進一步強化行業供需緊平衡格局，為原材料價格提供堅實支撐。

英偉達 Rubin 架構 2026 年量產落地與 ASIC 芯片迭代形成剛性驅動，疊加 224Gbps 高速傳輸需求，M9 級材料成為 AIPCB 剛需。其核心材料石英布、HVLP4 銅箔等技術壁壘高，全球產能集中且國產替代率低，供需緊平衡格局明確。2026 年上游材料備貨啓動將觸發量價齊升，產業鏈高景氣確定性強。

9、光銅互聯：Scaleup&out 迭代持續，光銅雙線共振

AI 算力集羣 Scaleup&out 迭代升級持續推進，短距高密度互聯依賴銅纜築牢基礎，大規模高密度 AI 集羣推升光模塊需求，看好光銅雙線共振。一方面，AI 算力集羣持續提升的芯片：光模塊比例推動光模塊需求持續提升。以英偉達 RubinNVL144 滿配 CPX 為例，我們測算 3 層網絡下其芯片：光模塊比例可達到 1:12，MetaDSF 架構下，18432 顆 MTIA 集羣需 18.432 萬顆 800G 光模塊。另一方面，銅纜依舊是 AI 算力中心短距低延時互聯的核心選擇，谷歌 TPUV7 採用 3DTorus 拓撲，單機櫃 64 顆芯片通過 80 根銅纜實現櫃內互聯，銅纜端口占比超六成，亞馬遜 Trainium3 通過 AEC 銅纜完成背板及跨機架連接，整機櫃需 216 根 64 端口 PCIeAEC 銅纜，支撐 144 顆芯片的 Scaleup 帶寬需求。

2026 年，AI 算力產業迎來關鍵爆發期：商用 GPU 需求持續攀升，谷歌 TPU、亞馬遜 Trainium3 等 CSPASIC 芯片正式邁入大規模部署階段，算力集羣的 Scaleup&out 雙輪驅動下，互聯賽道迎來確定性機遇。Scaleup 維度，超節點爆發成為核心趨勢，單機櫃芯片集成密度大幅提升，短距低時延的櫃內互聯需求急劇增長。銅纜憑藉短距傳輸損耗低、成本可控、可靠性強的核心優勢，成為谷歌 TPU3D、亞馬遜 Trainium3、MetaMinerva 等機櫃服務器 Scaleup 場景的最優解，高速率銅纜需求有望持續放量。Scaleout 維度，算力集羣向更大規模擴容，光模塊與 GPU 的配比持續提升，此外 1.6T 光模塊也進入了規模化落地期。作為光模塊的核心部件，高端光芯片供給缺口日益凸顯，成為制約產能釋放的關鍵瓶頸。

10、服務器電源：數據中心功率密度飆升，HVDC 供電架構成核心主線

隨着 AI 大模型訓練與推理規模持續擴大，數據中心正從 “計算密集型” 快速演進為 “電力密集型” 基礎設施，機櫃功率密度成為制約算力擴展的核心變量。當前 AI 機櫃功率已由傳統通用服務器時代的 10–20kW 快速躍升至 100kW 以上，並在英偉達等頭部廠商的路線圖中進一步指向 300–600kW 區間。在這一功率水平下，傳統以 “AC 配電 +UPS+ 多級 AC/DC、DC/DC 轉換” 為核心的供電體系，在能效損耗、銅纜體積、系統複雜度及長期可靠性等方面已接近工程極限，逐步成為制約 AI 數據中心規模化部署與成本優化的關鍵瓶頸。

在此背景下，英偉達於 2025 年 10 月在 OCP 全球峯會上正式發佈《800VHVDCArchitectureforNext-GenerationAIInfrastructure》白皮書，系統性提出以 800V 高壓直流（HVDC）為核心的下一代 AI 工廠電源架構重構路徑。其核心思路在於，通過在園區或機房側完成集中 AC/DC 轉換，將高壓直流電直接分配至機櫃甚至板級，顯著減少傳統供電路徑中多級能量轉換環節，從而降低系統損耗、縮減銅纜用量、提升功率密度，並更好適配 GPU 與各類加速卡功耗持續上行的趨勢。白皮書明確指出，HVDC 並非激進式替換，而是具備清晰的漸進落地路徑：短期通過 SidecarPowerRack 等方案與現有 UPS 架構並存，中期逐步弱化甚至取消傳統 UPS，並與儲能系統協同以平滑 AI 負載的強波動特性，長期則走向高壓直流、模塊化、高度系統集成的新型供電形態。整體來看，HVDC 並非單點技術升級，而是一輪圍繞 AI 算力密度躍遷展開的電源體系重構，其確定性與產業共識正在快速形成。

與此同時，AI 服務器功率密度的快速提升也對上游關鍵材料與部件提出更高要求，其中電源用 PCB 的升級尤為明確。作為電子元件的核心載體，PCB 廣泛應用於電源開關、電源濾波、穩壓與散熱等模塊，相較通用服務器，AI 服務器電源 PCB 在材料、工藝與結構設計上均發生顯著變化。首先，在大電流場景下，PCB 需通過提升銅箔厚度以增強載流能力，而銅箔與覆銅板在 PCB 成本結構中佔比較高，銅厚提升不僅直接抬升原材料成本，也對壓合、鑽孔、電鍍等製造工藝提出更高要求，從而顯著提升單板價值量。其次，為進一步提升功率密度，PCB 嵌入式功率模塊技術開始加速應用，該技術在同等功率輸出條件下可減少半導體用量並降低開關損耗，為高功率、高頻電源設計提供更大空間。最後，在高功率密度約束下，散熱成為 PCB 設計的關鍵變量，通過提高殘銅率、增加導熱孔及孔內銅厚，並引入銅塊、陶瓷等高導熱材料，配合更合理的走線與熱設計，持續改善熱擴散與熱點控制能力。整體來看，電源 PCB 正從 “成本型部件” 向 “技術與價值並重” 的關鍵環節轉變。

綜合判斷，AI 數據中心功率密度飆升將推動 HVDC 供電架構成為中長期確定性主線，並在電源系統、電力電子及高端 PCB 等環節持續釋放結構性增量。在此背景下，服務器電源技術升級疊加 PCB 量價齊升邏輯明確。

風險提示及免責條款

市場有風險，投資需謹慎。本文不構成個人投資建議，也未考慮到個別用户特殊的投資目標、財務狀況或需要。用户應考慮本文中的任何意見、觀點或結論是否符合其特定狀況。據此投資，責任自負。