rickawsb

AI数据中心时代的MLCC性能比拼：为什么村田制作、太阳诱电能大幅领先？
AI数据中心正在推动MLCC进入新一轮技术升级周期。
过去服务器主要采用12V供电，如今正向48V机架供电演进，未来甚至可能进入800V HVDC高压直流时代。与此同时，NVIDIA GB200、GB300等AI平台功耗持续提升，GPU核心电压已经下降至0.6V-0.8V，但单颗GPU电流却突破1000A。
对于MLCC而言，挑战主要来自三个方向。
首先是高压化。48V供电要求更高耐压、更高可靠性、更强耐热和抗机械应力能力，因此100V级甚至更高耐压MLCC的需求快速增长。
其次是瞬态响应。AI GPU负载变化发生在纳秒级，供电网络必须具备极低ESL（等效串联电感）和极低阻抗，否则就会出现电压跌落、性能下降甚至系统不稳定。
第三是空间限制。GPU周围PCB面积越来越紧张，工程师希望在距离GPU最近的位置放置更多去耦电容，因此MLCC必须同时实现小尺寸、高容值和高体积效率。
面对这些需求，行业开始向高压MLCC、超低ESL MLCC以及超高容值MLCC方向发展。
其中，村田制作和太阳诱电成为最具代表性的两家公司。
太阳诱电推出了LWDC低ESL系列MLCC，通过反向电极结构显著降低ESL，特别适合AI GPU供电场景。同时布局100V以上高压MLCC以及高容值MLCC，并积极推进Embedded MLCC技术。

过去半年行业的一个显著变化就是，先进封装第一次开始从配套，变成核心。
HBM、CoWoS、ABF载板、高速互连、供电与先进封装能力越来越成为供应链的卡点。
因为AI芯片正在快速变化。Die越来越大，HBM越来越多，Chiplet越来越多，功耗越来越高，热密度越来越高。于是，每颗芯片的封装复杂度开始非线性上升。先进封装已经不再只是“封芯片”，而是高速互连、热管理、Power Delivery、HBM连接、大尺寸封装良率、多Die协同。制程越先进，这个趋势越明显。
先进制程越来越贵，Reticle limit越来越明显，单一超大Die越来越难。于是行业开始全面转向Chiplet、2.5D、3D Stacking、Heterogeneous Integration、Hybrid Bonding。本质上，就是在制程遇到物理瓶颈的时候，用封装继续推进性能增长。
因此，先进封装已经越来越像“后道晶圆厂”。因为RDL、TSV、micro-bump、interposer、wafer-level processing、Hybrid Bonding都需要曝光、显影、图形化。于是，尽管常不需要EUV，但先进封装开始成为DUV的新需求来源，尤其是KrF与ArFi。
因为封装追求的不是晶体管密度，而是高密度互连。即使最先进封装，feature size通常仍然是μm级，远大于逻辑前道。所以EUV成本太高，吞

一文看懂AI數據中心大周期下的功率半導體
的下一場軍備競賽，不再只是GPU，而是Power
AI數據中心正越來越大，一個數據中心耗能動輒相當於一座中型城市。
過去的數據中心是10-20kW/rack，現在已經變成80kW、120kW，甚至600kW/rack。大型AI集群的耗電已進入GW級別。
瓶頸除了GPU、CPU和存儲，也開始轉向電流、熱、配電、銅損、电力轉換效率、电網接入和HVDC。
AI數據中心產業鏈：
電網 → 變壓器 → UPS → HVDC → PSU → VRM → GPU。
傳統伺服器大量採用48V，因為傳統互聯網時代機櫃功率不高。但AI時代，低壓系統的問題開始全面暴露。因為：
P = VI
同樣1MW功率，48V需要超過20,000A電流，400V大約2,500A，800V進一步下降到約1,250A。
電流下降意味著銅纜變細、銅損下降、發熱下降、母排縮小、PSU壓力下降、液冷壓力下降，建設難度降低，成本更低。
800V是電動車已驗證的高壓平台，EV為何進入800V？因為快充、高功率、降低線損和降低熱損耗。
今天AI數據中心遇到的是同樣的問題。於是SiC、高壓MOSFET、高壓DC/DC、高壓PSU、HVDC、母排、固態變壓器，這些原本偏新能源車的產業鏈，開始向AIDC外溢。
但800V可能只是開始，真正的大方向是HVDC（高壓直流化）。
這是為什麼傳統工業電力公

AI產業鏈的暴漲需求，過去半年拉爆儲存，把低端手機擠出市場
接下來這半年將拉爆CPU，把低端電腦擠出市場
現在正在拉爆電池，和功率半導體，再過半年還會把低端新能源車擠出市場

AI的盡頭是光刻機，光刻機的盡頭是鏡頭
--- 光刻機鏡頭為何困難？
EUV和高端DUV光學，是整個超精密工業體系的極限集合。它同時依賴材料、鍍膜、計量、裝調、熱控制、振動控制、算法、誤差建模和長期經驗積累。真正限制擴產的，往往不是單一零件，而是整個“精度閉環”。
這個閉環裡最核心是：你無法製造出比自己測量能力更精確的東西。
EUV的13.5nm波長幾乎會被所有材料吸收，所以EUV根本不能使用傳統透鏡，只能使用多層反射鏡。蔡司的EUV鏡面，本質上是一套原子級反射系統。鏡面表面誤差通常要求進入幾十皮米級別。
1 pm=10−12 米
原子直徑大約100pm，意味著很多EUV鏡面的允許誤差已經接近半個原子層。
比做這樣一面鏡子更難的，是如何穩定測量這種誤差。如何在熱漂移、空氣擾動、振動下完成測量。如何在大尺寸鏡面上保持一致性。如何形成長期穩定的工業化重複製造。因為這時候測量的已經不是長度，而是光波相位本身。
EUV測量系統本身，就是一套超高端產業鏈。裡面包括激光干涉儀、超穩定激光源、reference optics（參考鏡）、超低熱膨脹材料、主動隔振系統、超精密位移台、波前傳感器、真空系統和長期漂移補償算法。很多核心供應商，全球可能只有1-3家。
而這些計量系統也需要更高等級的計量系統來製造。於是形成一種遞歸（死循環）：先進的計量設備製造需要更先進的計量設備。
以其中瓶頸之一，refe

周末行研---AI拉動的電力電子系統大基建裡SiC、GaN 與硅MOSFET的份額淺析
AI數據中心瘋狂建設推動的電網大升級，正在讓另一個長期被低估的領域重新回到舞台中央：功率半導體。
電力系統核心在於高效地控制電流。而控制電流最核心的器件，就是MOSFET（Metal-Oxide-Semiconductor Field-Effect Transistor）金屬-氧化物-半導體場效應晶體管。
過去幾十年，全球功率器件幾乎都建立在硅MOSFET之上。硅便宜、成熟、產業鏈完整，因此長期統治整個行業。但隨著AI伺服器功率暴漲、EV進入800V時代、數據中心向高壓化演進、高頻電源需求提升，傳統硅開始逐漸碰到物理極限。於是，SiC（碳化硅）與GaN（氮化鎵）開始崛起。
SiC更像重工業路線。它的核心優勢，在於高壓與大功率。SiC擁有更高擊穿電壓、更強導熱能力，在高壓、高電流場景下效率明顯優於傳統硅IGBT。因此EV主驅逆變器、光伏逆變器、儲能、工業高壓驅動、電網、高壓UPS這些領域，正在快速SiC化。尤其特斯拉推動的800V平台，本質上是整個SiC產業爆發的重要轉折點。過去幾年，新能源車一直是SiC最大的驅動力。Wolfspeed、onsemi、STMicroelectronics、Infineon Technologies、ROHM、Mitsubishi Electric等