股票
板块
用户
资讯
首页
天眼
自选
发现
开户
首页
天眼
自选
发现
我的

中信建投:多相TLVR电感成为产业趋势,价值量超三次电源高容MLCC

文|王介超 覃静 郭衍哲 汪明宇

多相TLVR电感与高容MLCC共同为AI芯片三次电源的核心器件,其中多相TLVR电感成为产业趋势,价值量超过三次电源高容MLCC,国产链已经处于相对领先水平,值得高度重视。AI芯片电感面临AI算力、芯片功率、电感价值量三级通胀,市场空间为上述三层通胀倍数累乘,预计从2025年到2028年市场实现10倍以上扩容。由于AI芯片电感为非标定制、研发制胜,材料-器件一体化公司壁垒更高,在保障高性能材料供应稳定同时,还满足下游客户快速迭代需求,更受客户青睐,产业链壁垒更高、客户链绑定更深、成长空间更大。

点击小程序查看报告原文

需求侧对算力要求指数级提升,推动电感用量增加。2023年之前随着互联网用户和各类网络应用的快速增长,数据体量的急剧膨胀,数据中心对计算的需求也在迅猛上涨。

供给侧制程与架构持续迭代推动单芯片功耗快速上行,推动芯片的单位电感用量增加。一方面,伴随芯片制程升级,单位面积晶体管数量大幅提升,单位面积功耗快速上行;另一方面,更新的架构确保了新品芯片具备更强计算性能与并行处理能力。二者共同作用导致近年来芯片新品的功耗总额迎来大幅跃迁。

三次电源面临损耗、散热、空间、高瞬态四大约束,AI芯片电感迭代升级。1、损耗问题,电流越来越大,损耗越来越大;2、散热压力大,大功率带来更大发热量;3、电流大需要更多器件分流,但主板空间有限,三次电源空间非常拥挤;4、高瞬态问题,即Vdrop,电流快速变化导致传输路径电压跌落,一次跌落幅度过大会影响GPU正常工作,但负载功率波动越来越剧烈。

AI芯片电感升级三大方向。随着算力升级、功率增长,电感用量大幅增加,数量提升面临与PCB板可用面积之间矛盾、供电效率下降问题等,因此AI芯片电感有三大升级方向:1、单相电感走向多相电感,2、水平供电转向VPD垂直供电,3、NON-TLVR电感转向TLVR电感。

量、价、结构三重驱动,AI芯片电感市场急速扩容,2025-2028年市场规模10倍扩容。未来芯片电感面临多重驱动,算力增长——带动芯片电感需求量上升、芯片功率提升——带动单位芯片电感用量增加、电感性能要求升级——带动电感类型升级以及价值量提升。市场规模将从2025年的25亿提升至2028年的超300亿,市场扩容10倍以上。

国产链中TLVR电感比高容MLCC更有比较优势。多相TLVR电感与高容MLCC共同为AI芯片三次电源的核心器件,其中多相TLVR电感价值量高于MLCC。并且,国内电感企业已经进入全球核心客户供应链体系,在全球供应链中,已经处于领先水平,优势地位强于MLCC器件厂商,值得高度重视!

材料性能决定器件性能,材料器件一体化企业更具优势。拥有上游原材料布局的一体化企业,不仅可以保障原材料的供应稳定,同时可以满足下游需求的快速迭代,更受客户青睐,从而获得更高产业链壁垒、更深客户链绑定及更大成长空间。AI芯片电感领域,进入全球尖端电感市场,成为全球为数不多可以匹配英伟达、谷歌、阿里、华为等AI产业链研发需求的企业,这些企业由生产型企业转变为研发创新型企业,科技属性增强,参考海外头部企业的近百年发展路径,有望乘着AI浪潮,获得持续快速的增长。

AI计算功率大幅提升:制程/架构持续迭代,芯片功耗快速上行

英伟达GPU性能及功率已经大幅提升

需求侧对算力要求指数级提升。2023年之前随着互联网用户和各类网络应用的快速增长,数据体量的急剧膨胀,数据中心对计算的需求也在迅猛上涨。传统CPU处理器无力处理众多数据,GPU凭借其相对通用灵活和适应并行计算等特性成为主要选择。

供给侧制程升级、架构持续迭代,推动单芯片功耗快速上行。一方面,伴随芯片制程从12nm向7nm乃至3nm转型,允许在相同面积的芯片上集成更多的晶体管,导致单位面积的功耗快速上行;另一方面,更新的架构确保了新品芯片具备更强计算性能与并行处理能力。二者共同作用导致近年来芯片新品的功耗总额迎来大幅跃迁。

单芯片功耗提升。从V100的300w、A100的400w、H100的700w、B200的1000w;英伟达最新一代Rubin架构芯片TDP达到2300w,预计Rubin Ultra功率进一步上行或达到2700w;英伟达下一代Feynman芯片的功耗可能进一步提升到3000w以上甚至4000w级别。

机柜式方案提升功耗。在英伟达B系列机柜中,单机柜装载72颗B200/B300芯片,对比H100每个机架的TDP约为40kW,B系列机架的TDP提升至120kW。且随着芯片升级,单机柜内芯片的集中度更高,因此对于功耗的分配、机柜间、机柜内、芯片间的供电稳定性都提出了更大的挑战。

谷歌TPU快速迭代,性能提升,功耗大幅提升

Gemini 3 Pro完全使用谷歌TPU训练,摆脱英伟达束缚,给AISC产业注入强心剂。TPU专为处理训练LLM所需的大量计算而设计,配备高带宽内存,能够在训练中处理大型模型和更大的batch size。在训练大型复杂的神经网络模型时,TPU可以最大限度地缩短达到准确率所需的时间。以前在其他硬件平台上需要花费数周时间进行训练的模型,在TPU中只需数小时即可收敛。

谷歌自研TPU芯片的持续迭代。谷歌TPU芯片是其AI加速基础设施的核心,已在十年内持续迭代演进至第7代。TPU被广泛部署于谷歌数据中心,通过TPU Pod实现集群化互联,形成AI超级计算平台,支撑包括Gemini等在内的大模型训练。

Google TPU持续迭代创新,算力水平全球领先。2016年推出的TPUv1提供了AlphaGo的重要算力支撑,而后谷歌持续迭代优化其芯片性能,2021年推出的TPU v4的性能比TPU v3高2.1倍,性能功耗比提高2.7倍。TPU v5将通信网络升级成更高带宽的ICI(inter-chip interconnect),浮点与bfloat16混合精度进一步优化,使得同规模训练任务相比v4继续获得2倍左右的集群训练吞吐提升。TPU v6则围绕多模态大模型训练需求进行架构强化,在谷歌Gemini 1.5/2的训练中提供了主力算力,整体能效较v5再提升约30–40%。

TPU v7成为Gemini最新模型的底座。它在保持高带宽互联的同时引入更先进的定制AI Tensor Core与“超大规模机柜级协同”设计,成为当前谷歌内部训练超大模型的最高效平台之一。Google表示它是“迄今为止最强大、最能效的自研AI芯片。”

芯片功率提升带来芯片电感多维度要求升级

目前的三级供电体系:机房内供电、机柜级供电、芯片端供电。

1)机房内供电:主要是将10kV AC的市电转换为208/230/380V三相AC,并通过配电柜分配给各个机柜。

2)机柜内供电:机柜内的Power shelf通过AC-DC(交流-直流)转换和降压,将三相AC转换为48V DC母线,至计算托盘内的服务器电源,并同时为UPS等备用电源充电。

3)芯片端供电:服务器电源得到48v的DC后进一步降压至12V DC,并通过PCB传输至GPU芯片附近的VRM(电压调节模块,Voltage Regulator Module),VRM进一步通过降压、稳压,将1V的稳定电压加到GPU上,并提供千安级的稳定电流,保证GPU在大动态负载下稳定运行。

三次电源最靠近芯片端,承接芯片最精准的电源需求。三次电源在供电系统中应用在12V降至1V的环节,为芯片精准供电,由于芯片负载变化快、峰值电流高,所以需要在极短的时间内完成电流调节,因此是要求最高、性能变化跃迁的环节,正逐步成为芯片供电系统中的瓶颈环节。

由于功率的提升,三次电源面临的四大约束。1、损耗问题,电流越来越大,损耗越来越大;2、散热压力大,大功率带来更大发热量;3、电流大需要更多器件分流,但主板空间有限,三次电源空间非常拥挤;4、高瞬态问题,即Vdrop,电流快速变化导致传输路径电压跌落,一次跌落幅度过大会影响GPU正常工作,但负载功率波动越来越剧烈。

功率增加带来所需电感用量线性增长。GPU、TPU芯片的标准工作电压在1V附近,核心Vcore长期维持在0.7?0.85V的区间范围,随着芯片迭代,其核心Vcore略有下降,但幅度不大;芯片电流=TDP/核心电压,电压保持不变(1V或低于1V),因此功率提升将带来电流等比例放大,单颗电感电流不变下,所需电感数量线性增加。

电感性能升级,小型化与高功率密度并行。大电流下铜损按P=I2×DCR呈平方级增长,高频开关(VRM频率持续提升)带来磁滞损耗和涡流损耗影响放大,高温导致磁导率和绕组电阻进一步偏移。因此电感性能朝向更低电阻、更低感值、更高的饱和电流、更高频率稳定性、更耐高温等方向发展;同时由于数量增加,PCB板可容纳空间有限,电感也要朝向小体积、高功率密度方向发展。

空间限制下,电感类型朝向多相电感、垂直供电VPD等方向发展。芯片功率大幅提升,电相数翻倍,多相电感更节省面积;随着电感数量增长,板载可利用面积紧张,传统横向供电模式下供电路径延长,路径电阻增加,效率下降,因此将逐步走向VPD背面垂直供电,缩短供电路径,绕过PCB走线损耗,大幅提高转换效率。

传统分立式电感需求转向TLVR电感。传统多相电路中,各相电感独立工作,负载突变时需逐相调整占空比,响应滞后严重。TLVR将各相电感“变压器化”,在每个电感的原边绕组(承载主电流)之外,增加一个副边绕组,所有相的副边绕组通过补偿电感(Lc)串联互联,形成闭合磁耦合回路,具备更快的瞬态响应速度,尤其适合AI芯片负载在纳秒级内从空载跳变至满载场景,因此TLVR能够实现全相联动、纳秒响应、电容大幅缩减,渗透率将大幅提升。TPU已经开始使用TLVR电感,GPU电感将逐步从分立式走向TLVR。

芯片电感发展趋势一:单相电感到多相电感

在实际工作中,VRM是通过多相电路来共同调节电压。多相VRM将单相的电路复制成多路(例如Φ1、Φ2、Φ3),每一路都有独立的MOSFET、驱动器和电感。各相按照固定的相位差轮流工作:当一相在“储能”时,另一相可能处于“放能”或“休息”状态。这样分担电流、错峰开关,使总输出更加平滑、响应更快,同时显著降低单个元件承受的热和电流压力。

多相的必要性:高性能CPU/GPU在毫秒内电流可能从几十安跃升到几百安,多相VRM可以把总电流拆分到多个通道,每相只需承担总电流的一小部分。例如300A的需求拆成6相,每相仅50A,不但减少热量,也让电感、电容更容易控制纹波。多相并联后的电压叠加效果能让输出更平稳、瞬态响应更快,避免GPU因电压下跌而降频或不稳定。

现代高功耗GPU的VRM相数已经从过去的6–12相提升到20相以上,以承受数百安培的瞬态电流。英伟达B200(单GPU)的核心供电通常配置18–24相,每相一颗电感,因此板上会看到20颗左右的大号磁性电感排成一列。而GB200(2×B200+Grace CPU)实际相当于两块B200级别的GPU再叠加一个CPU SoC,三者分别需要独立的多相VRM,因此整卡的核心供电电感数量往往超过40颗以上,是传统GPU的数倍。这些电感共同承担上千安培级的电流分配,是GB200能稳定工作、避免大规模电压下陷的关键。

芯片电感发展趋势二:从水平供电发展到垂直供电

电感已经成为制约垂直供电模块小型化的核心瓶颈。根据英伟达研究院科学家 Youssef Elasser在2026年应用电力电子会议(APEC)上发布的报告,GPU功耗随代际提升呈指数级增长,增至B200的1000W以上后,对传统水平供电系统提出了非常多挑战,在电容、半导体、电感三大电源部件中,电感将成为核心瓶颈。电容能量密度较高,比较容易实现体积缩小,半导体根据其耐压值也可以缩小,而电感由于严格遵循“体积越大、功率越强”的物理规律,小型化难度最大,线性尺寸缩小将导致功率容量呈现指数级下降,储能减少,发热严重,限制了垂直供电模块的压缩空间。垂直供电方案可以有效解决GPU功耗指数级增长对供电系统带来的挑战。

功率持续增加,核心电压降低,电流被动加大。根据P=VI,在功率(P)持续增加、核心电压(V)下降时,GPU必须依赖更大的电流(I)运行,导致功率损耗(I2R)暴涨,供电路径发热严重,传统PCB供电效率下降。垂直供电方案将VRM移至负载正下方,可缩短供电路径,有效降低损耗。

对瞬态响应的需求大幅提升,传统电感难以满足需求。GPU中电流变化速度已超过5A/ns,供电系统必须在极短时间内稳定电压,否则GPU会出现严重掉压现象。垂直供电方案可减少VR(稳压器)与Die(芯片晶粒)之间的寄生参数,以保证供电稳定性。

空间约束日益突出,PCB正面面积捉襟见肘:随着GPU功率上涨,HBM堆叠层数提升,散热结构加厚,传统水平供电架构密度要求超过2A/mm2,缺少扩展空间,垂直供电方案通过利用GPU背面空间进行供电,可大幅提升供电能力。

为满足GPU功耗要求,垂直供电方案面临严苛技术约束。为了实现上述目标,垂直供电架构面临严苛的技术约束,具体包括:芯片面积约 800mm2,电流达 1500A 且持续上升,整体厚度(含散热)需控制在 5mm 以内。

芯片电感发展趋势三:从NON-TLVR电感到TLVR电感演进

AI芯片电流跳变,从空闲到满载,电流可在纳秒级时间内从数十安跳到数百安,如果仍使用传统多相Buck方案,要么靠堆叠大量MLCC来缓冲(占用大量PCB空间),要么接受严重的电压跌落导致GPU降频甚至宕机。

TLVR电感在高功耗、高瞬时响应速度方面优势突出。在TLVR技术中,每个相位都被视为一个独立的Buck电路,有效提升了应对高功耗CPU供电的能力,支持快速响应负载变化。在TLVR供电模式下,每个相位都被视为一个独立的Buck电路,这些电路的输出电流最终汇聚成总电流。这种设计方式赋予了TLVR技术独特的优势,使其在应对高功耗CPU供电需求时更为出色。

TLVR把各相独立电感换成带副边耦合绕组的1:1变压电感,并用补偿电感把各相耦合起来。负载阶跃发生时,耦合回路让所有相更快地共同响应;稳态时,各相仍可保持所需纹波。它相当于在“稳态电感”和“瞬态等效电感”之间增加一个调节自由度,减少为了极端阶跃而堆叠的输出电容。

AI芯片电感空间:10倍以上扩容,2028年市场规模有望突破300亿

算力通胀、功率通胀、价值量通胀,AI芯片电感市场空间有望出现数十倍增长。与其他AI硬件不同的是,芯片电感用量与芯片功率呈线性关系,伴随功率提升,带来电感用量的通胀,同时电感性能需求提升,芯片电感正从NON-TLVR走向TLVR,价值量大幅上升,AI芯片电感市场空间正面临算力、芯片功率、电感价值量这三轮通胀,每一轮带来的AI芯片电感需求都是倍数级增长,三轮通胀累乘,AI芯片电感市场空间将出现超线性爆发。

通胀一:算力通胀——带动芯片电感总需求量的倍数级增长

第一轮通胀由算力需求增长带来,所有AI硬件都共同享有,伴随算力需求倍数级增长,AI硬件包括芯片电感需求量将同速扩容。根据华为《智能世界2030》报告预测,2030年,人类将迎来YB 数据时代,2030年通用算力将增长10倍到3.3ZFLOPS,AI算力将增长500倍超过100ZFLOPS。算力需求的爆发式增长,直接引致AI服务器的出货量和占比的加速提升。

通胀二:功率通胀——带动单位芯片的电感用量倍数级增长

第二轮通胀由芯片功率通胀带来,与芯片功率呈线性关系的被动元件将充分受益。根据P=UI来看,芯片端电压保持在1V以内,并且未来还有继续下降趋势,芯片功率倍数级提升将带来电流I的倍数级增长。英伟达GPU功率目前已经从V100的300W增长至Rubin的2300W,未来Feynman架构下功率有望达到4000W水平甚至更高,TPU功率也从不足100W提升至千瓦级别,未来仍有倍数级增长潜力,因此未来芯片功率倍数级增长,将带来单片芯片所用电感颗数倍数级增加。

通胀三:价值通胀——性能升级带来电感价值量的倍数级增长

第三轮通胀由电感升级带来价值量提升。目前英伟达GPU仍更多采用分立式器件,谷歌TPU开始采用垂直供电以及TLVR电感,英伟达GPU有望在下一代产品中大面积采用垂直供电及TLVR电感。TLVR电感由于制作难度高、壁垒高、性能优异,其价值量要远超分立式电感。因此市场从NON-TLVR电感走向TLVR电感过程中,价值量有望出现倍数级增长。

因此,未来AI芯片电感市场规模有望数十倍扩容,其扩容倍数为上述三轮通胀倍数累乘,AI芯片电感市场规模倍数=芯片出货量增加倍数×芯片功率提升倍数×单颗电感价值量增长倍数,市场空间迎来高速扩容,2028年市场规模有望超过300亿,较2025年规模增长10倍以上。

材料器件一体化公司构筑核心壁垒,快速响应尖端研发需求

AI服务器功率增长使AI芯片电感和AI芯片电容需求持续增长,同时上游原材料如镍粉、羰基铁粉、金属软磁粉(芯)、散热材料等行业的快速发展。

材料器件一体化优势将进一步得以凸显,新一代电感或电容产品,性能提升建立在材料升级的基础之上,拥有上游原材料布局的一体化企业,不仅可以保障原材料的供应稳定,同时可以满足下游需求的快速迭代,更受客户青睐,从而实现更深更牢固的客户绑定,目前全球具备材料器件一体化的企业十分稀少。

随着未来需求更加多样,电感生产工艺多样化,拥有更多生产工艺类型的企业,将能实现客户需求的快速响应、产业链的多层次绑定。

1、宏观政策风险,行业发展受经济形势及政策影响较大,若形势变化及政策调整或导致行业发展低于预期,相关材料需求也将低于预期;

2、AI快速发展,技术迭代快,带来投资机会的同时,也存在被新材料新技术所替代的风险;

3、行业发展不及预期的风险,AI发展带来被动元件及相关材料行业投资机会,但相关硬件出货较慢,或导致相关企业业绩不及预期;

4、原材料风险,新材料生产原材料价格波动或导致相关公司生产经营波动,一定程度上可能带来不利影响,此外部分原材料如钽等对外依存度较高,若供应链中断或原材料受限,或影响相关企业生产。

王介超:金属新材料首席分析师,中南大学硕士,高级工程师,一级建造师,咨询师,曾主编 GB/T18916.31,拥有《一种利用红土镍矿生产含镍铁水的方法》等多项专利,擅长金属新材料及建筑材料产业研究,上榜新财富最佳分析师,新浪财经金麒麟钢铁有色最佳分析师,wind 金牌分析师,水晶球钢铁行业第二名,上证报材料行业最佳分析师等。

覃静:金属新材料联席首席分析师,中南大学有色冶金硕士,2010-2022年从事大宗商品期货研究和策略,曾获“上期所优秀产业服务团队”、“上期所优秀分析师”。2022年加入中信建投证券研究发展部金属新材料团队,负责工业金属行业研究,擅长价格判断和标的挖掘,上榜新财富最佳分析师,新浪财经金麒麟钢铁有色最佳分析师,wind金牌分析师,水晶球钢铁行业第二名,上证报材料行业最佳分析师等。

郭衍哲:金属及金属新材料分析师,中南大学矿业工程硕士,四年产业工作经验,曾任职于专业有色咨询研究专业机构,覆盖有色金属及金属新材料领域研究,新财富、水晶球、金牛奖、金麒麟奖团队成员。

汪明宇:金属和金属新材料行业分析师,清华大学金融硕士,覆盖黑色产业链上下游,2024年新财富、水晶球、金麒麟奖团队成员。

证券研究报告名称:《多相TLVR电感成为产业趋势,价值量超三次电源高容MLCC》

对外发布时间:2026年9月13日

报告发布机构:中信建投证券股份有限公司 

本报告分析师: 

王介超 SAC 编号:S1440521110005

覃静 SAC 编号:S1440524080002

SFC 编号:BWC080

郭衍哲 SAC 编号:S1440524010001

汪明宇 SAC 编号:S1440524010004



近期热门视频

更多精彩视频,尽在中信建投证券研究视频号,欢迎关注~

重要提示及免责声明

重要提示:

通过本订阅号发布的观点和信息仅供中信建投证券股份有限公司(下称“中信建投”)客户中符合《证券期货投资者适当性管理办法》规定的机构类专业投资者参考。因本订阅号暂时无法设置访问限制,若您并非中信建投客户中的机构类专业投资者,为控制投资风险,请您请取消关注,请勿订阅、接收或使用本订阅号中的任何信息。对由此给您造成的不便表示诚挚歉意,感谢您的理解与配合!


免责声明:

本订阅号(微信号:中信建投证券研究)为中信建投证券股份有限公司(下称“中信建投”)研究发展部依法设立、独立运营的唯一官方订阅号。

本订阅号所载内容仅面向符合《证券期货投资者适当性管理办法》规定的机构类专业投资者。中信建投不因任何订阅或接收本订阅号内容的行为而将订阅人视为中信建投的客户。

本订阅号不是中信建投研究报告的发布平台,所载内容均来自于中信建投已正式发布的研究报告或对报告进行的跟踪与解读,订阅者若使用所载资料,有可能会因缺乏对完整报告的了解而对其中关键假设、评级、目标价等内容产生误解。提请订阅者参阅中信建投已发布的完整证券研究报告,仔细阅读其所附各项声明、信息披露事项及风险提示,关注相关的分析、预测能够成立的关键假设条件,关注投资评级和证券目标价格的预测时间周期,并准确理解投资评级的含义。

中信建投对本订阅号所载资料的准确性、可靠性、时效性及完整性不作任何明示或暗示的保证。本订阅号中资料、意见等仅代表来源证券研究报告发布当日的判断,相关研究观点可依据中信建投后续发布的证券研究报告在不发布通知的情形下作出更改。中信建投的销售人员、交易人员以及其他专业人士可能会依据不同假设和标准、采用不同的分析方法而口头或书面发表与本订阅号中资料意见不一致的市场评论和/或观点。

本订阅号发布的内容并非投资决策服务,在任何情形下都不构成对接收本订阅号内容受众的任何投资建议。订阅者应当充分了解各类投资风险,根据自身情况自主做出投资决策并自行承担投资风险。订阅者根据本订阅号内容做出的任何决策与中信建投或相关作者无关。

本订阅号发布的内容仅为中信建投所有。未经中信建投事先书面许可,任何机构和/或个人不得以任何形式转发、翻版、复制、发布或引用本订阅号发布的全部或部分内容,亦不得从未经中信建投书面授权的任何机构、个人或其运营的媒体平台接收、翻版、复制或引用本订阅号发布的全部或部分内容。版权所有,违者必究。

原文链接
多空观点 观点仅供交流,不构成投资建议
点赞
踩一踩
收藏
分享

评论 (0)

0/200
声明:社区内容仅代表用户个人观点,不构成任何投资建议。投资有风险,入市需谨慎。