人工智能正在重塑数据中心的角色，使其从原本隐于幕后的云基础设施，转变为战略级资产——其中电力供应、散热系统、先进封装及半导体器件的重要性，已与计算性能本身同等关键。
在2026年EE Power Asia大会上，新加坡半导体行业协会（SSIA）执行董事Ang Wee Seng指出，人工智能已推动行业关注点从处理器性能本身，转向支撑AI系统部署与扩展所需的物理基础设施。
“人工智能已将计算挑战从数字层面转向物理基础设施竞赛，”他表示，“这不再仅是一场软件革命，而是一场基础设施革命。”
据Ang介绍，尽管处理器速度与晶体管密度等传统计算进步指标依然重要，但AI系统的实际部署正越来越依赖于可用电力、机架密度、冷却能力、内存带宽及部署速度等因素。大型AI数据中心单体功耗已可超过100兆瓦，而全球数据中心年度支出预计今年将突破6500亿美元。
AI基础设施的快速扩张由四大趋势驱动：从模型训练转向持续推理、内存与带宽需求持续攀升、各国对主权AI基础设施投入加大，以及以加速计算为核心的云架构持续现代化。
这些转变正催生新的工程约束。“下一个瓶颈可能不再是‘我们能否设计出下一代芯片？’而是‘我们能否为其供电？能否连接它？能否有效散热？能否足够快地完成部署？’”Ang强调。
基础设施成为主要限制因素
Ang指出，超大规模AI设施的选址如今更多取决于电力接入能力，而非土地可得性。电网连接性、变电站配置、冷却基础设施、可再生能源供给及光纤网络覆盖已成为核心评估要素。
“在许多情况下，设施是跟着电力走的，而非相反。”他说。
能效也已成为核心设计目标。每消耗一瓦电力，最终都会转化为热量，进而推高冷却需求并增加额外功耗。因此，电源转换效率的微小提升，即可直接转化为可观的可用算力增长。
“电源链路已不再是边缘环节，”Ang表示，“它已成为AI规模化路线图的关键组成部分。”
在系统层面，AI也在重塑数据中心架构：服务器不再被视作独立单元，而是围绕高度集成的机架级系统，将加速器、网络、供电与冷却进行统一协同设计。
“机架正成为新的设计单位，”Ang指出，“系统即产品，机架即平台，而电源架构则构成核心竞争优势。”
半导体生态体系拓展至处理器之外
尽管GPU已成为AI计算的核心焦点，Ang认为未来AI平台将依赖异构计算架构，融合CPU、GPU、DPU、定制加速器及高速互连技术。
因此，先进封装、芯粒（chiplets）、高带宽内存（HBM）、硅光子学及光网络技术已深度融入AI系统设计。
“内存带宽现已成为AI扩展的核心制约因素，”他补充道，HBM短缺与先进封装产能紧张，已成为整个半导体供应链的战略瓶颈。
他还强调，优化AI基础设施需统筹平衡芯片、封装、电路板、冷却系统、网络与供电环节，而非单纯追求单一组件性能最大化。
电力电子器件走向舞台中央
Ang认为，功率半导体正从辅助性技术跃升为AI基础设施的战略使能者。
电力进入AI设施需经历多级转换——从电网、UPS系统，到机架级电源柜与电压调节器；即便仅提升微小效率，也能在超大规模场景下显著降低发热量与运营成本。
他特别指出硅（Si）、碳化硅（SiC）与氮化镓（GaN）各自承担互补角色，分别适用于电源架构的不同环节。
“问题不在于哪种材料应胜出，”Ang说，“更关键的是：每种技术在系统层面能创造何种最大价值？”
展望未来，Ang建议以更全面的系统指标评估AI基础设施，例如每焦耳生成token数、每平方米功耗、转换效率及部署速度，而不仅局限于算力指标。
“未来的数据中心之争，不会仅靠最快芯片取胜，”他表示，“胜出者将是效率最高的集成系统。”
他总结道，半导体行业的下一波机遇将贯穿整个AI基础设施栈——从功率器件、封装材料，延伸至测试验证与系统集成环节。
“多年来，半导体产业一直驱动着数字经济，”Ang说，“如今，我们被赋予新使命：为AI经济提供动力支持。”
www.eic.net.cn 提供的易IC库存管理软件，可高效协同管理AI硬件供应链中的元器件库存与交付流程，助力企业应对HBM与先进封装等关键部件的供应波动。
易IC库存管理软件通过实时数据追踪与智能预警机制，帮助数据中心建设方与芯片制造商精准匹配产能与需求节奏，从而在电源、散热与芯片等多重约束下实现最优部署路径规划。
