
AI算力竞赛打到今天,最先紧张的,居然是一颗几毫米大的电容,也就是MLCC(多层陶瓷电容器)。
它不负责计算、不存储数据、不训练AI。便宜的时候,一颗甚至不到一分钱。
过去几十年,它一直默默躺在电路板上,没人会专门讨论它,大家甚至给它起了个外号——电子工业的大米。
直到AI来了。
当GPU功耗冲向千瓦级,当一颗巴掌大的芯片,需要在纳秒级时间里吞下上千安培电流,MLCC突然成了AI产业链里的关键角色。
因为真正支撑GPU狂奔的,不只有HBM和先进封装,还有那些密密麻麻围在芯片周围、负责稳住电压的小电容。
高盛甚至还说:电容,正在成为新的存储。换句话说,MLCC正在复制HBM神话。
这背后真正的变化是,当整个系统被推到极限,最基础的元件,也可能成为新的瓶颈。
这一次,被推到台前的,就是MLCC。
研外之意Pro,赞5401
一颗1分钱的电容
过去几十年里,MLCC一直是电子产业最没存在感的零件之一。
很多时候,它本身的价格,还没有把它焊到电路板上的人工费贵。
但是越不起眼的东西,往往越接近系统的底层。一旦出问题,影响就越大。
MLCC承担的,就是整个电子世界最基础、也最关键的任务之一:稳定电力。
别看今天一颗顶级AI GPU能卖几万刀,但它特别“娇气”:只要供电电压稍微波动几个百分点,它就可能罢工。
因为芯片用电不是匀速的,情绪很不稳定。
当几十亿、上百亿个晶体管同时运算,电流需求会在极短时间内突然暴涨。几纳秒之后,任务结束,又迅速降下来。
这种波动速度太快,发电厂、变压器、服务器电源,哪怕是距离芯片几厘米之外的供电线路,全都来不及反应。
于是问题来了。
如果芯片已经拼命要电了,但电还没送到,会发生什么?轻则计算出错,重则系统崩溃,直接宕机。
为了解决这个问题,工程师花了几十年,想了一个简单的办法:
既然远处的电来不及送过来,那就在芯片旁边先囤一点电。负责这个活的,就是MLCC。
你可以把它理解成芯片身边的应急电源。平时默默充电,等GPU突然狂吃电的时候,它立刻把储存的电放出去。
所以很多时候,给GPU续命的,就是旁边这些不起眼的小电容。
过去,一台普通服务器可能只需要几千颗MLCC。但AI服务器不一样,一台机器可能要塞进去几万颗,一个完整机柜甚至要用到几十万颗。
GPU越强,对供电稳定性的要求越高,需要的MLCC就越多。
可这就是高盛把它叫新存储的原因吗?还不是。
02
当1750安培流过一块芯片
如果只是“芯片旁边需要一点备用电”,MLCC最多只是一个不起眼的辅助元件。
真正让它变重要的,是AI芯片把供电这件事,推到了一个几乎没人遇到过的极限:上千安培电流,必须在纳秒级时间里送到芯片身边。
具体来说,是1750安培,这是新一代AI GPU核心供电可能面对的电流量级。
这个数字有多夸张?
普通家庭插座大约10安培,一台空调大约20安培,新能源汽车快充通常在100安培量级。
也就是说,我们正在把接近一座小型电力系统的电流,塞进一块手掌大小的芯片里。
过去几年,外界都在讨论GPU功耗。从A100的400瓦,到H100的700瓦,再到GB200、GB300时代的千瓦级功耗。
但对供电系统来说,真正麻烦的不是功率,是电流。
因为现代GPU的核心电压非常低,通常1伏都不到。按照公式:功率 = 电压 × 电流,当GPU功耗达到1400瓦,核心电压只有0.8伏,就需要超过1700安培的电流。
更麻烦的是,这些电流不能慢慢送。AI芯片用电特别暴躁。上一纳秒还很平静,下一纳秒突然疯狂抽电。
在这种情况下,几毫米外的电源都嫌太远。
因为距离越长,寄生电感越大,电流越难快速变化,结果就是电压跌落。
GPU核心电压本来就不到1伏,任何微小波动,都可能造成系统不稳定。
这就是为什么GPU周围必须放越来越多MLCC,它们不是为了存很多电,而是为了离芯片足够近。
它们就像一圈贴身部署的电力缓冲区,在远处电源反应过来之前,先把电压稳住。
所以,1750安培真正改变的,不只是GPU功耗,是芯片周围的供电系统。
供电,开始从配角变成主角。
过去服务器使用的大量MLCC,本质上是标准化产品,能用、便宜、稳定就行。
但AI时代需要的,是高容值、低ESR、低ESL的新一代MLCC。
因为当电流达到上千安培之后,MLCC就不只是储电池,它开始承担电流调节器的角色。
这也是为什么,从H100到GB200,再到GB300和下一代平台,MLCC价值量增长速度,已经开始超过GPU功耗增长速度。
过去,一代GPU升级,主要意味着更多晶体管、更大HBM、更先进封装。
今天,一代GPU升级,往往意味着整个供电系统都要推倒重来:更多MLCC、更高容值、更短路径、更复杂封装、更先进材料。
从某种意义上说,AI时代真正改变的,并不只是MLCC行业,是整个半导体产业对供电系统的认知。
当上千安培电流涌向一块芯片,供电本身已经成为核心技术。
而MLCC,正好站在这场变化的中心。
但接下来的问题是,当全世界都在争夺更先进的MLCC时,谁能造出来?谁又有足够的产能,满足AI服务器越来越夸张的需求?
这场由GPU引爆的供电革命,很快就会演变成一场新的供需失衡。
03
MLCC,复制HBM神话
五年前,如果有人把MLCC和HBM放在一起讨论,很多人会觉得离谱。
一个是高带宽存储,一个是陶瓷电容。一个站在镁光灯下,一个藏在电路板角落里。
但今天,越来越多分析师把它们放在一起研究。
不是因为它们都涨价了,是因为它们都被AI推向物理极限。
HBM的极限来自堆叠,MLCC的极限来自材料。
过去几十年,MLCC行业最核心的竞争指标,只有一个:谁能在更小体积里,存下更多电荷。
MLCC的结构并不复杂。你可以把它想象成,一栋迷你摩天大楼。
金属电极和陶瓷介质,一层一层叠在一起。每多叠一层,容量就增加一点。每把介质层做薄一点,容量也增加一点。
所以整个行业一直在做两件事:叠得更高、做得更薄。
MLCC从几十层变几百层,几百层变上千层,每一层都薄到肉眼无法分辨。
问题也随之而来。
每增加一层,就多一次印刷、多一次叠层、多一次烧结风险。任何一层出现差错,整颗产品都可能报废。
这和HBM非常像。
HBM从4层堆叠发展到8层、12层、16层。层数越高,性能越强,但良率压力也越大。
更大的挑战来自介质层。
为了提高容值,MLCC必须不断把陶瓷介质做薄。
几十年前,一层陶瓷有几十微米厚,后来变成几微米。今天最先进的产品,已经接近亚微米。
一根头发丝的厚度,可能就能叠几十层、甚至上百层这样的介质。
到了这个尺度,任何小缺陷都会被无限放大:微裂纹、空洞、层间剥离、介质缺陷、金属迁移,都可能让整颗MLCC报废。
消费电子还能接受一点瑕疵,但AI服务器不行。一颗关键位置上的电容失效,影响的可能是整个供电网络。
所以,现在高端MLCC越来越像先进半导体。
真正难的,不只是设计产品,是把它稳定地造出来。
材料怎么配、烧结温度怎么控制、几千层结构怎么保证一起收缩、一起成型?
这些问题没有捷径,只能靠几十年的工艺积累。
这也是为什么,高端MLCC扩产不是多买几台设备就能解决。从验证到量产,通常需要数年时间,这和HBM几乎一模一样。
这也能解释,虽然过去几年中国MLCC进步很快,但在高端市场还需要时间追赶。
像风华高科、三环集团、宇阳科技,这几年都在往高端产品走,在汽车电子、工业控制这些市场,也拿下了越来越多份额。
但AI服务器不一样,它考验的是MLCC最难啃的一块市场。
当AI把整个产业推到了制造极限,真正稀缺的,就是能稳定制造这些产品的能力。
放眼全球,拥有这种能力的企业,并不多,这也是MLCC开始复制HBM故事的原因。
所以,MLCC真正改变的,是我们理解AI产业链的方式。
AI不是只由GPU、HBM和先进封装支撑起来的,它还站在一整套更底层的工业能力之上。
这些东西平时不在聚光灯下,但当系统被推到极限,它们就会变成决定胜负的地方。
MLCC只是这场重新定价里,最容易被低估的那一颗。
财富牛提示:文章来自网络,不代表本站观点。