沈博士演讲伊始提到日月光集团提供从封装到系统的完整解决方案。覆盖了前端先进封装、键合准、物流、模组、测试等。我们的“一站式”服务能够为整个产业提供最完整、最快速的解决方案，这也是集团一直努力的方向。谈到AI服务器，沈博士指出大家首先关注的无疑是算力：GPU如何高效连接，HBM如何实现8颗、16颗的堆叠，以及传输性能。除了算力和存储，运力、电力同样重要。此次演讲的重点就是如何为AI服务器提供高效、高功率的电源管理。以NVIDIA为例，A100约250瓦（PCIe版本），SXM版本约400瓦；H100跃升至700瓦，提升75%；B200约1.2千瓦，提升71%；B300预计在1000~1400瓦范围。AMD从MI200的560瓦，升级到MI300的750瓦，再到下一代约1.1千瓦，单次提升接近50%。Intel同样从600瓦跳到900瓦。三大厂商的芯片升级幅度往往达到50%-70%，远非传统的10%-20%。如今单芯片功耗已超过1500瓦。
去年的消息显示，Tesla Grok的首个数据中心建置已达到100兆瓦，可供2.5~3万个家庭用电；三个月后第二个建设扩展至约250兆瓦，规模增长近三倍。在如此庞大的耗电量下，哪怕节省1%的能耗，也意味着约兆瓦级的节能，相当于数千户家庭的用电量。因此，提升电源效率对于AI服务器至关重要。
目前的电源路从发电厂出来，一路从传输电路到机柜再到运算元。一般由48伏输入，再降至12伏、6伏，最终到核心的1伏或0.8伏。每一级都存在能量损耗。内部电源端的挑战是如何从点负载（point load）处提升效率、降低损耗。即便1%的效率提升，放大到整个数据中心，也会产生显著影响。在系统板上，提升效率的方法主要有三点：选用低损耗元件、使用低DCR的线路（track）；调整开关频率（switch frequency）。经过优化，效率可能仅提升约2%，应对AI服务器高功耗需求，需要更进一步的改进方法。真正的突破来自结构创新：通过模组化和微型化缩短电力路径。将driver、电感和电容堆叠在一起，从并排放置变为垂直堆叠，路径变短，损耗自然降低。当前每个电源模块（power block）需要提供100安培以上电流，未来在小块空间内将需要提供200安培。最新技术趋势是将power block放置在芯片下方直接供电，进一步缩短路径。从传统的电压调节模块（VRM）向集成电压调节器（IVR）演进。目前市场已有成熟产品，尺寸多为9×10×8或9×10×5毫米。各公司都在竞相开发AI电源解决方案，通过堆叠PMIC、电感和电容来提升效率。基于基本的物理原理（发热与电流平方成正比），行业正在考虑借鉴高压输电思路。Intel等公司正在探索将机柜供电电压从48伏直接提高到800伏。高压供电有三大优势：减少传输损耗、降低铜线重量（48伏传输需450磅铜，高压所需大大减少）、降低散热成本。当然，800伏也带来安全隐患，需要隔离设计避免触电风险。
行业正在经历范式转移：系统正在封装化，封装正在系统化。Foundry、OSAT和系统整合商之间的界限变得模糊。这种变革要求整个行业思考：谁能做端到端优化？包括技术、元件、载板、组装尺寸、物流、尺寸、高度测试等全方位考量。
