英飞凌2026战略重磅落地：重构业务，双线布局AI赛道

在英飞凌（Infineon）近期于上海举办的媒体日上，官方正式对外披露了2026年的最新战略布局与未来业务规划。

通过分析其最新调整，可以直观地看到这家半导体巨头在架构调整与业务重心迁移背后的核心逻辑，以及这些举措如何应对当前AI数据中心与物理AI领域最迫切的能耗与硬件转型现实。

自2026年7月1日起，英飞凌将原本四大事业部调整为汽车电子、电源系统、终端智能三大板块。

对此，英飞凌科技全球高级副总裁及大中华区总裁、英飞凌科技消费、计算与通讯业务大中华区负责人潘大伟表示，这项调整的本质，是将过往分散在不同部门的中低压和高压功率器件、微控制器（MCU）与传感器等各种产品线路进行应用端整合。从客户的角度来看，过去在开发产品时需要对接多个独立的业务部门，而架构调整后则可以系统级方案进行对接，这有助于简化供应链流程并缩短产品的研发周期。

数据中心供电系统的架构转变

当前市场对于人工智能（AI）的讨论多集中于核心芯片的算力，但在基础设施层面，服务器集群的功耗攀升是一个必须面对的物理限制。

根据英飞凌在会上透露的数据，AI服务器机架的功率需求正快速攀升：此前行业主流配置约为100至200千瓦，目前新一代AI服务器机架已提升至约500千瓦，而未来一至两年内有望进一步迈向1000千瓦（1兆瓦）级别。

在如此高的功率密度下，芯片对电压波动（浪涌负载）的容忍度极低，一旦供电不稳导致宕机，服务器硬件与运算中断的损失成本很高。

在此背景下，英飞凌推出“从电网到核心（From Grid to Core）”的全链路解决方案，其核心在于提供全链路的电源管理方案。从发电、输配电、储能系统，到数据中心的固态变压器与断路器，再到芯片端将电压从 50V 降至 12V、最终精准降至 1V 的电压调节模块（VRM），其目标是通过优化电源架构，将整机供电能耗降低 15% 以上。

潘大伟认为，未来的算力竞争，在很大程度上取决于基础设施对电能转换效率的控制能力。

物理 AI 的元件渗透，涵盖汽车、飞行汽车与机器人

在汽车电子领域，软件定义汽车（SDV）的趋势正在改变半导体元件的分布。

英飞凌科技高级副总裁、英飞凌科技汽车业务大中华区负责人曹彦飞透露，英飞凌原本用于汽车内部的控制与驱动技术，正在向飞行汽车和人形机器人等新兴物理 AI 领域延伸。

以人形机器人为例，其软硬件控制元件的成本已占据整机费用的一半以上，英飞凌目前在每台机器人中可提供的半导体元件价值约为500美元。这包括用于机器人关节的马达驱动控制、降低温升与功耗的功率器件，以及用于感知的电子皮肤（e-skin）感测技术。

此外，通过收购美满电子（Marvell）的汽车以太网业务及艾迈斯欧司朗（ams OSRAM）的非光学模拟/混合信号传感器业务，英飞凌正在将其在车载通讯与感知领域的既有技术，转化为机器人与自动化设备的底层标准元件。

材料策略的务实考量

在底层半导体材料的选择上，尽管碳化硅（SiC）和氮化镓（GaN）等第三代半导体受到市场高度关注，但英飞凌在内部的技术路线上并未盲目追求单一材料的替代率，也没有将其营收占比设定为关键绩效指标（KPI）。

根据其揭露的逻辑，虽然碳化硅业务今年预计将继续强劲增长，但未来的核心解法依然是“硅基（Silicon）+碳化硅+氮化镓”的复合材料组合。不同的材料适用于不同的电压、频率与功率密度需求，混合使用才能在成本与效能之间取得最佳平衡。

此外，潘大伟提到，为了确保产能的灵活性，英飞凌除了扩建德国工厂外，也在马来西亚建设全球规模最大且最高效的200毫米碳化硅功率半导体晶圆厂，并通过“虚拟一体化工厂 (One Virtual Fab)”模式的产能调配系统，依据全球不同应用市场的需求弹性调整生产线。

行业挑战与本土化路径

针对近期半导体行业的价格波动，潘大伟在回答记者提问时表示，当前市场波动和供需格局受半导体价值链中诸多结构性因素的影响，整个行业持续面临较大的成本压力，涵盖能源、原材料、运输、服务等多个环节，涨价是较为普遍的行业现象。

在中国市场的本土化战略上，英飞凌正在将“在中国、为中国”的本土化策略推向产品开发、定制化服务以及将全球领先的创新转化可落地交付的客户价值层面。新启用的英飞凌创新空间与位于无锡的本地样品服务中心，打破了过去由海外总部定义产品、国内仅负责销售的模式，允许中国团队直接根据本地客户的需求进行产品定义，并在本地工厂完成试制，这使得产品的上市时间（Time-to-Market）得以有效压缩。

从数据来看，英飞凌已连续22年在全球功率半导体市场位居第一。在可再生能源装机量增加、AI计算功耗大幅攀升的技术交汇点上，这家企业的路径是利用其在功率半导体与控制芯片上的技术积累，以及从电网到核心(From Grid to Gore)再到涵盖新能源汽车、机器人等物理AI应用在内全链路技术布局，并进一步通过适配市场和客户需求的架构焕新调整，来应对高能耗计算与物理 AI 带来的转型需求。