英飞凌的AI新战场：从800V数据中心到机器人关节

在“2026英飞凌消费、计算与通讯创新大会（ICIC 2026）”期间举行的一场媒体交流中，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，与英飞凌科技副总裁、英飞凌科技消费、计算与通讯业务大中华区市场营销负责人刘伟，围绕AI数据中心供配电、具身智能机器人以及边缘AI等话题接受了与非网记者的采访。

当GPU功耗、机架功率和机器人执行能力不断提升，AI产业的瓶颈正在从算力本身，向供电效率、功率密度、散热、体积/空间占用和可靠性扩散。从800V数据中心到机器人关节，看似是两个完全不同的市场，背后其实都指向同一个变化：AI正在从数字世界进入物理世界，而电力转换、控制与执行开始成为新的半导体战场。

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

AI算力继续膨胀，撞上了电力墙限制

近年来，AI数据中心迅猛扩张，相比需求端，真正越来越明显的限制来自物理建设能力。主要瓶颈已经从算力瓶颈转为了电力瓶颈。

潘大伟表示，中国日均Token调用量从2024年初约1000亿增长到2025年底的100万亿，2026年3月进一步突破140万亿。对数据中心而言，这类需求最终会转化为更多服务器、更高机架功率，以及更大的供电压力。

数据中心不是一个可以快速复制的纯软件产品。方案设计、设备采购、电网接入、供电、散热和施工，都有明确的周期和资源约束。潘大伟表示：“当前数据中心能够建设的规模和数量，瓶颈在于物理建设能力的上限，客观上取决于云服务厂商及其供应链能够提供多大的交付能力，而市场用量方面则需求很大。”

在数据中心的电力需求暴增中，最先感受到压力的是电源。潘大伟提到，当前Power相关需求非常强，英飞凌此前投入的功率半导体产能正在被快速消化。随着GPU功耗持续提升，这种压力还会进一步向系统层传导。过去几百瓦已经属于高功耗GPU，如今1000W以上逐渐成为常态，2000W、4000W也开始进入新的设计目标。与此同时，机架功率也从过去的100kW向200kW、500kW、600kW演进，下一阶段甚至可能接近1MW。

当机架功率迈向兆瓦时代，一个现实问题随之出现：原有供电架构还能否支撑如此巨大的能耗需求？

“800V架构兴起的核心驱动力来自持续攀升的算力需求。” 潘大伟表示，800V的重要性，并不在于电压数字本身，而在于它反映出数据中心供电逻辑正在发生变化。在相同功率下，提高电压可以降低电流。对于数百千瓦乃至兆瓦级机架而言，这会直接影响线缆与母排尺寸、导通损耗、散热设计和整体效率。当机架功率继续上升，依赖局部器件升级越来越难解决系统问题，供电架构本身就必须调整。

这也是英飞凌近年来不断强调“从电网到核心”的原因。数据中心外部涉及变压器和高压侧电力转换，进入机房后还要经过PSU、BBU、IBC等多个环节，最终把电送到GPU。

从这个角度看，AI数据中心对功率半导体行业带来的变化，使得供电系统正在从后台基础设施，变成决定算力密度和建设速度的重要变量。潘大伟提到，英飞凌正在围绕从SST、PSU、BBU、IBC到GPU的整个数据中心供配电全链路，与ODM和本土GPU厂商展开合作。

800V只是第一步，数据中心电源架构正面临变革

如果说800V解决的是“如何以更低电流把更多电送进机架”，那么SST要解决的，则是另一个更靠近电网的问题：数据中心的电，为什么还要沿用传统变压器和多级电源转换的方式送进来？

SST，即Solid-State Transformer（固态变压器）。从工程原理看，它并不是把传统变压器简单换成一颗半导体芯片，而是利用功率半导体、高频变压器和数字控制完成电压转换、隔离和电能调节。传统工频变压器主要依靠铜线、铁芯和50/60Hz电磁转换完成变压；SST则把其中相当一部分电能转换过程电子化。

这也是为什么SST会随着AI数据中心功率提升重新受到关注。

目前800V仍存在多种实现路线。例如交流电进入数据中心后，通过整流以及AC-DC、DC-DC等环节，形成800V直流母线，再通过sidecar等形式向机架供电。但潘大伟给出的另一条路线更激进：由中压电网直接进入SST，转换成800V高压直流送入机架，再通过机架内的高压IBC向计算板供电。

他认为：“未来数据中心架构必然会用到SST，这个架构更加顺畅。”

按照英飞凌的判断，这种方式的优点不仅是效率高。与传统低频变压器相比，SST可以显著缩小体积和重量。潘大伟提到，部分方案中，传统设备重量可能达到20吨，而SST方案可以降到数百公斤。已有CSP和设备厂商开始规划相关方案，一些项目已经进入POC或定点阶段。

“SST采用半导体器件实现电压转换，和传统变压器的概念截然不同。” 潘大伟表示，这里真正发生变化的是半导体在供电系统中的位置。传统变压器本质上是一台电磁设备，而SST把更多电压转换和功率调节功能交给功率半导体。

这也是为什么SiC在SST中受到重视。中压、高功率场景要求器件同时具备较高耐压、效率和可靠性，功率模块不再只是服务器电源内部的一颗器件，而开始进入原本由大型电气设备承担的电能转换环节。不过，SST距离全面进入数据中心还有明显距离。“大规模转向SST，我觉得还有一段时间。”潘大伟表示，目前英飞凌已经围绕部分中压SST完成SiC模块集成设计，但整个行业“不可能很快全部转到SST”。一种可能的落地方式，是先将SST集成到定制化container中，以模块方式部署，再逐步走向标准化。

这也意味着，下一代AI数据中心的供电架构还没有真正成型。虽然800V的大方向已经越来越清楚，但800V之前采用传统变压器加多级电源转换，还是进一步引入SST；SST又以何种电压等级、模块形态和部署方式进入数据中心，目前仍在验证。

当供电链路被重新设计，下一个问题也随之出现：从SST到800V，每一级究竟该使用哪种半导体材料呢？

英飞凌为何同时押注Si、SiC、GaN多条技术路线？

“从800V到48V，从48V到6V，再从6V到GPU Core的工作电压，每一级能量转换的效率都很重要。”潘大伟表示，不同电压、不同功率等级，根据不同的需求对器件的要求并不相同。

比如靠近GPU Core的一侧，英飞凌仍然大量使用硅MOSFET，并通过垂直供电和模块化设计提高电流密度；从800V向48V转换时，SiC更适合高压、高功率场景；如果客户更看重高频、小型化和功率密度，GaN又可能成为更合适的选择。

这也是AI电源市场与手机快充不同的地方。

手机充电器已经经过多年迭代，输入、输出、电压等级和功率范围相对明确，器件选择逐渐有规律可循。但AIDC的电源架构仍然在快速变化。不同CSP、ODM甚至不同GPU平台，对PSU、BBU、IBC以及板级供电的设计都不相同。

同一个PSU，也未必只有一种材料和技术路线。

潘大伟提到，一个客户可能选择SiC做某个功率等级的PSU，另一个客户也可能用GaN实现相同Power Rating（功率等级）。甚至在同一台PSU内部，Si、SiC和GaN组合的方案也可能同时存在。

“很难说器件一定使用这种材料或那种材料。每一款设计都不尽相同，除非最后实现标准化，BOM清单完全一致。但是就目前的数据中心需求而言，每一家企业的设计都还在不断变化的过程。” 刘伟对此说得更直接，材料竞争还没有进入“谁取代谁”的阶段，因为上层架构本身都没有完全定型。

SiC的优势主要来自高耐压和高功率场景。SST、800V以及更靠近高压侧的转换环节，对效率和可靠性要求高，SiC因此拥有较明确的位置。

GaN的逻辑则有所不同。它的高频特性可以缩小磁性器件和电容，进而压缩电源模块尺寸，提高功率密度。在空间越来越紧张的服务器和机架内部，这种优势可能比单颗器件成本更重要。硅也不会因为SiC和GaN扩张而退出。越靠近GPU核心，工作电压越低、电流越大，成熟的硅MOSFET以及封装、模块和垂直供电方案仍然具有竞争力。

其中一个变量是GaN的成本。潘大伟提到，英飞凌12英寸GaN功率半导体晶圆技术已经进入规模化推进阶段，预计今年年底至明年进入量产。相比更小尺寸晶圆，12英寸晶圆单片能够产出更多芯片，目标之一就是提升生产效率并降低成本。英飞凌的判断是，GaN的成本正在逐渐接近硅方案。如果这种成本曲线继续向下，GaN可以进入的功率等级和应用位置可能进一步扩大。

这也解释了为什么英飞凌同时押注Si、SiC和GaN。在一个BOM尚未标准化的市场里，同时拥有三种技术路线的价值，并不只是产品组合更完整，更重要的是可以等到客户确定架构之后，再决定哪一种器件应该放在哪一级。

GaN离开充电器，开始进入机器人关节

过去几年，提到GaN，人们首先想到的往往是快充和高频电源。但在英飞凌看来，它的下一个重要的应用场景是在机器人关节。

机器人关节对功率器件提出了另一套要求：空间更小、功率密度更高，同时还要控制发热和重量。一台人形机器人拥有数十个关节，每个关节内部又要容纳电机、驱动、控制和传感。如果驱动电路体积过大，或者热损耗过高，最终都会反映到整机重量、续航和动作性能上。

潘大伟提到，目前机器人关节的功率跨度很大，有100W、500W，也有更大功率达到1500W的设计。针对部分关节Demo，英飞凌给出了一组测试结果：与传统硅器件相比，采用GaN器件后，电机驱动尺寸大约可以缩小30%—40%，整个关节模组效率提升约5%—20%（具体取决于测试条件），器件温升则可以下降约10℃。具体结果仍取决于关节功率等级和系统设计。

GaN为什么适合机器人关节，除了体积更小外，核心仍然是高频。更高的开关频率可以缩小电容、磁性器件以及部分外围电路，从而压缩驱动板尺寸。刘伟解释，GaN进入高频电机驱动后，一方面可以让系统做得更小、效率更高，并通过降低温升减少散热成本；另一方面，高频设计还能减少板上电容等元器件数量，最终影响的并不只是功率器件本身，而是整个驱动系统。

这也是机器人应用与快充的一个明显区别。在充电器里，GaN的价值通常可以直接用体积和效率衡量；到了机器人关节里，它开始影响机械系统。驱动板缩小后，关节可以做得更紧凑；发热降低后，散热结构可以减轻；效率提高后，同样一块电池能够支撑更长的工作时间。功率器件的选择最终会传导到重量、关节尺寸乃至整机能耗。英飞凌提到，近期已有客户尝试把GaN用于机器人电机驱动，并观察到关节动作更加顺滑。这里的原因仍与更高开关频率及电机控制有关。

相比消费类需求，机器人厂商目前对GaN价格的敏感度并不高。潘大伟判断，如果GaN能够解决机器人关节在体积、效率和发热上的实际痛点，“即使价格稍微高一点，企业也愿意选用”。当然， GaN要进入大规模机器人市场，最终仍然要接受成本约束。这与数据中心电源正在发生的变化有些相似。在AIDC里，SiC和GaN的价值越来越需要从整个Power Chain衡量；到了机器人里，也不能只盯着MOSFET或GaN单颗器件。

人形机器人普及差的不是价格，而是“可用性”

谈到人形机器人，成本几乎是绕不开的话题。目前一台人形机器人的BOM并不低。那么人形机器人迟迟没有进入家庭，是不是因为成本还没有降下来？

潘大伟认为，成本很重要，但更核心的问题还是机器人的能力边界。

目前普通消费者眼中的人形机器人似乎是一个大号的玩具，可以做跳舞、表演、接待等简单的事情，但复杂的事情还是做不了。

他举了一个很具体的例子。让机器人按照预先设定的程序冲一杯咖啡，并不算太难；但如果把它真正放进一家咖啡店，要求它面对不同顾客，完成点单、收款、制作、送餐，并处理各种临时情况，任务复杂度就完全不同了。

潘大伟用一个很形象的比喻来描述这种差距：“要将一个机器人的IQ从两三岁提升到八九岁、十岁，这是需要一个过程的。”

这也是为什么当前机器人在不同场景中的落地速度差异很大。

在结构化环境中，机器人更容易发挥作用。潘大伟提到，四足机器人已经可以用于巡检、电站巡视、消防等任务，这些场景目标明确、环境相对可控，因此B2B应用落地更快。相比之下，面向普通消费者的B2C场景尤其是家庭环境，对机器人的感知、判断、泛化能力和安全性要求更高，成熟还需要时间。

潘大伟也提到，今年的人形机器人在马达驱动、软硬件配合等方面，相比去年已经有明显提升。但这些进步并不等于机器人已经具备进入家庭所需要的通用能力。家庭环境几乎天然是非结构化的。

在家庭中，家具的摆放不同、物体位置不断变化，人和宠物会随机走动，同一个任务也可能有完全不同的执行方式。机器人不仅要“看见”，还要理解环境、规划动作，并在执行过程中不断修正。这些能力最终都要求感知、控制、算法和执行机构同时成熟。

最后，从800V数据中心到机器人关节，两条看似不同的技术路线，最终都指向同一个变化：AI走出数据中心之后，真正难的部分开始从计算本身转向物理实现。潘大伟认为，在人形机器人领域相比价格降低，如何通过科技创新提高机器人的“可用性”更重要。如何在感知、电机控制、电源管理、功率器件和连接等环节，解决机器人进入现实世界时遇到的工程问题，而这也是英飞凌切入机器人市场的逻辑所在。