AI服务器对芯片资源的争夺正在蔓延,已从内存芯片扩展至电源管理芯片和服务器管理控制器,通用服务器出货量面临严峻压力。
市场研究机构TrendForce已将2026年全年服务器出货量增长预测从20%下调至13%,原因是多种通用服务器零部件的交货周期持续延长。
这一趋势对芯片市场的冲击其实并不陌生:此前,内存芯片制造商已将产能向高利润的服务器DRAM和用于AI基础设施的HBM倾斜,导致标准DRAM和NAND供应短缺,价格随之上涨。
如今,"AI效应"正进一步蔓延至服务器CPU乃至机械硬盘领域,头部云服务商的庞大需求持续吞噬制造产能。
TrendForce指出,通用服务器的整体需求依然稳定,但部分关键零部件的交货周期已拉长至近一年。
分析师进一步指出,电源管理芯片(PMIC)和基板管理控制器(BMC)的交货周期也已显著延长。这两类芯片均是服务器不可或缺的核心部件,而AI驱动的数据中心产品需求激增,是造成当前局面的主要原因之一。
AI服务器通常搭载GPU加速器等高性能硬件,功耗远高于通用服务器,因此需要更高价值、更高电流密度的PMIC产品,供应商自然优先满足这部分订单。
雪上加霜的是,TrendForce称三星计划关闭其位于韩国的8英寸晶圆厂,将进一步压缩通用服务器所需的PMIC产能,预计相关交货周期将延伸至35至40周。三星方面尚未正式确认关厂计划,但也未否认自2026年1月以来持续流出的相关报道。
PMIC等低复杂度芯片依赖成熟制程节点,通常采用8英寸晶圆厂生产,但业界投资普遍流向利润更为丰厚的先进制程,用于生产CPU和GPU,导致成熟制程产能长期投入不足。
这一困境在新冠疫情后的芯片短缺期间曾上演过:由于成熟制程产能匮乏,汽车行业在需求回暖之际陷入严重的芯片荒。
TrendForce并非唯一持悲观态度的机构。据报道,PMIC设计商uPI半导体预计,受AI服务器需求激增影响,电源IC供应短缺局面将贯穿整个2026年。芯片分销商Kynix半导体也预测,今年全球8英寸晶圆产能将进一步萎缩,并将当前模拟芯片供应链的形势描述为"完美风暴"。
基板管理控制器(BMC)同样面临类似困境。BMC安装于服务器主板,负责监测系统健康状态等管理功能。TrendForce报告指出,受晶圆厂产能有限影响,供应商正优先处理利润更高的AI专用芯片订单,通用产品的供货量随之减少,预计其他客户的交货周期将延伸至21至26周。
上述一系列问题对企业买家的冲击可能最为明显,因为AWS、微软、谷歌等头部云服务商通常会提前锁定大批量订单,中小型企业客户难以获得同等保障。
TrendForce预计,受各大云厂商强劲需求驱动,AI服务器出货量在2026年将实现约28%的增长。
Q&A
Q1:TrendForce为何下调2026年服务器出货量增长预测?
A:TrendForce将2026年全年服务器出货量增长预测从20%下调至13%,主要原因是多种通用服务器关键零部件的交货周期持续延长。电源管理芯片、基板管理控制器、服务器CPU乃至机械硬盘的产能,正被AI服务器的强劲需求大量占用,导致通用服务器零部件供应趋紧,整体出货节奏受到明显拖累。
Q2:电源管理芯片(PMIC)为什么会出现短缺?
A:PMIC短缺主要由两方面因素叠加造成。一方面,AI服务器因搭载GPU等高性能硬件,功耗远超通用服务器,对高电流密度PMIC需求旺盛,供应商优先满足这部分高利润订单。另一方面,PMIC依赖8英寸晶圆厂的成熟制程生产,而业界投资长期向先进制程倾斜,加之三星据报计划关闭韩国8英寸晶圆厂,产能进一步收紧,预计交货周期将延伸至35至40周。
Q3:基板管理控制器(BMC)短缺会带来哪些影响?
A:BMC是安装在服务器主板上、负责监测系统健康状态的核心管理芯片。由于晶圆厂产能有限,供应商正将资源优先分配给利润更高的AI专用芯片订单,通用服务器所需BMC的供货量随之减少。TrendForce预计,普通客户的BMC交货周期将延伸至21至26周,这将对无法提前锁定订单的中小型企业买家造成较大影响。
好文章,需要你的鼓励
海外博主做了一次 Siri AI、ChatGPT、Claude 横评。看完之后我最大的感受是,AI 助手的竞争已经不只是模型能力,而是谁离用户更近。
南京大学提出Light-Omni框架,通过全局状态与潜在状态双机制,让AI视频助理无需反复推理即可实现精准记忆检索,速度提升逾12倍,准确率同步提高。
Uber年度失物报告首次纳入无人驾驶出租车数据。过去一年,乘客在Uber平台的机器人出租车中遗留了数千件物品,包括手机、钥匙、钱包等常见物品,以及假牙、15磅溜溜球等奇特物件。乘客可通过App联系客服找回失物,支付15美元即可享受同城配送,或前往车辆停放站自取。Uber表示,将依托现有运营体系为自动驾驶业务提供全面支持,计划2025年底前在全球15座城市开通无人驾驶打车服务。
TREK方法通过引入外部验证解法对AI进行短期校准,解决了GRPO训练在困难题目上因无法探索正确解法区域而陷入瓶颈的问题,在数学推理和智能体任务上均取得明显提升。