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。
