15亿收购背后，AI算力卡在了电源上

当你刷着AI生成的视频、用大模型写方案时，可能不会想到：支撑这些智能体验的AI芯片，正被一个看不见的瓶颈卡住——电源。2026年5月，模拟芯片巨头亚德诺宣布砸15亿美元全现金收购硅谷初创公司Empower，这笔天价交易的核心，竟是把电源转换器往芯片上再挪几毫米。

你或许会疑惑：不就是供电吗？至于花上百亿人民币？但事实是，现在的AI芯片已经饿到“吃不上电”——单颗芯片峰值电流能破1000安培，相当于同时点亮2000个50瓦灯泡，传统供电线路的损耗，已经开始拖垮AI的算力上限。这背后的科学逻辑，才是真正的关键。

为什么AI芯片会“饿电”？

你可以把AI芯片的供电想象成给一个超级大厨房送水：厨房（芯片）里有上万个水龙头（计算单元），随时可能同时开到最大，需要瞬间供应巨量的水（电流）。但如果水管（传统供电线路）太长太细，不仅水流到的时候会变少（电压降），还会在水管里白白耗掉大量能量（铜损）。

现在的AI芯片就是这样的超级厨房：单颗GPU功率能到1200瓦，峰值电流突破1000安培，而供电电压却低到0.75伏——就像用一根细水管，以极低的水压，给上万个水龙头供水。传统的电压调节器（VRM）通常放在主板上，离芯片有几厘米的距离，这几厘米的线路，在1000安培的电流下，会产生惊人的损耗：按欧姆定律计算，哪怕线路电阻只有0.0001欧姆，损耗的功率都能达到100瓦——相当于白扔了一颗CPU的功耗。

更麻烦的是AI芯片的“挑食”：它的负载变化极快，可能在500微秒内从空载跳到满负荷，传统电源的响应速度根本跟不上，电压波动会直接导致计算出错。这就是为什么，AI算力的天花板，现在竟然卡在了电源上。

把电源“贴”在芯片上，有多难？

Empower的解决方案说起来简单：把电源转换器直接集成到芯片的封装里，甚至贴在芯片背面，让供电线路缩短到几毫米。但这背后的技术难度，不亚于在指甲盖上建一座发电厂。

首先是体积。传统的电压调节器需要大体积的电感和电容来储能和滤波，Empower的IVR（集成电压调节器）却要把这些元件都塞进芯片封装的缝隙里。他们用硅基电容替代了传统的陶瓷电容，体积缩小了3-5倍，还解决了电容的高频损耗问题；同时把电感做进了封装基板里，用垂直磁路设计避免了电磁干扰。

其次是响应速度。AI芯片需要纳秒级的电压调节，Empower的IVR把响应速度做到了传统方案的100倍以上——相当于水龙头刚打开，水就已经满了。他们用FinFET工艺做电源开关管，配合自主的FinFast™架构，让电源能跟着AI的计算节奏“实时跳舞”。

更值得关注的是，这种垂直供电架构不仅解决了损耗问题，还释放了主板的空间。传统主板上，电源元件可能占到30%的面积，现在这些空间可以用来放更多的内存或接口，进一步提升系统的密度。但这项技术也有局限：目前只能支持特定的封装形式，大规模量产良率还需要提升，而且成本比传统方案高2-3倍。

这场收购，藏着AI产业的暗线

亚德诺砸15亿收购Empower，绝不是为了做一款电源芯片这么简单。这背后是AI产业的一个重要转向：当芯片制程逼近物理极限时，算力的提升开始从“做更小的晶体管”转向“更高效的系统协同”。

过去十年，AI算力的提升主要靠制程升级，从28纳米到7纳米，晶体管密度翻了十几倍。但现在3纳米已经接近极限，再往下走，量子隧穿效应会让芯片无法正常工作。于是产业开始转向“封装革命”——把更多的芯片堆在一起，用3D堆叠、Chiplet等技术提升算力，而这对供电的要求只会更高。

被忽略的关键在于，电源架构的创新，其实是AI产业的“隐性基础设施”。它不仅决定了AI芯片能跑多快，还直接影响数据中心的能耗和成本：如果电源效率提升10%，一个100兆瓦的AI数据中心，一年就能省下876万度电，相当于少烧3000吨煤。

但这也带来了新的隐忧：未来的AI硬件，可能会越来越依赖少数掌握先进电源技术的厂商。目前全球能做出高性能IVR的公司不超过5家，亚德诺的收购，相当于把其中最顶尖的技术攥在了手里。这会不会加剧AI硬件领域的垄断？值得警惕。

当我们为大模型的智能惊叹时，很少有人会注意到那些藏在芯片背后的“隐形英雄”。电源技术的突破，看起来只是把元件挪了几毫米，但它撬开的，是AI算力继续增长的新空间。

算力向上，电源向下——这就是AI产业最真实的写照：每一次智能的飞跃，都离不开基础技术的托举。未来，当我们谈论AI的极限时，或许不该只看芯片的制程，更该看看，我们能不能给它提供足够“高效的能量”。毕竟，再聪明的大脑，也需要充足的血液。