MLCC 的 AI 基礎設施商機

近看 Computex 展場模型，作為隱形贏家的被動元件，很有既視感

Vera & Rubin 200

這一張來自黃仁勳 GTC 展示的 Vera Rubin 板，

第二、第三張（放大組圖）則是 Computex 2026 SK Hynix 展場的模型照片，非常精準地捕捉到了次世代 AI 伺服器晶片模組（如 NVIDIA Rubin 平台）的核心硬體架構。

圍繞在主晶片旁邊的那些小小方塊，是「被動元件」，其中最主要、數量最多的，正是 MLCC（積層陶瓷電容）。

這當中包含了：

• MLCC（積層陶瓷電容）： 佔據絕大多數的小方塊（圖中密密麻麻的灰色/黑灰色細小立方體）。

• 電感（Inductors / Power Chokes）： 體積通常比 MLCC 稍微大一點、高度較高（例如圖中較大顆的深灰色或黑色立方體，特別是靠近供電相數區域），用來儲能和濾波。

---

---

BOM 表數字說明一切

年初以來，市場資金對「AI基礎設施瓶頸」的集體押注，記憶體與儲存類股（SNDK、STX、LRCX、KLAC、WDC）的超配比例遠超大盤，但受惠者不止 HBM 與 NAND，一個市場往往忽略的環節：被動元件，特別是MLCC（積層陶瓷電容）也是隱形勝利者。

從NVIDIA的產品世代演進來看，Blackwell B300 到 Rubin R200 這一跨代跳躍中，MLCC 的 BOM 表成本躍升了 182%，在整塊主板的物料清單裡，位階僅次於 HBM 記憶體與 PCB 基板，超越了電源管理 IC、連接器與散熱模組。

---

為什麼 MLCC 需求爆炸性成長？

從物理層面入手：NVIDIA Rubin R200 每顆 GPU 的熱設計功耗（TDP）已突破 1,000 瓦，搭配 NVL576 叢集的整機功耗更接近 600 千瓦級別。如此量級的電流在毫微秒時間尺度內的瞬態切換，是 MLCC 存在的核心理由。

當一顆AI GPU在執行大型語言模型的矩陣乘法時，電流需求可以在奈秒（ns）級別內從幾十安培躍升至數百安培。這種電流瞬變（di/dt）若無法被立即平抑，電壓就會驟降（Voltage Sag），輕則導致算力降頻保護，重則觸發晶片當機。緊貼GPU封裝邊緣排列的MLCC矩陣，扮演的正是這道「電力緩衝防波堤」的角色，其響應速度必須比電源供應器的PWM控制快上數個數量級。

此外，隨著HBM4與GPU之間的數據傳輸頻寬突破1TB/s，高頻電磁噪聲的抑制同樣依賴極低等效串聯電感（ESL）的高階MLCC。這類元件的技術規格，與消費電子產品使用的通用MLCC截然不同。

---

在 SK Hynix 的展示模型中可以觀察到，圍繞 GPU 與 HBM 堆疊的 MLCC 並非簡單的單層排列，而是構成了一個立體的電源分配網絡（PDN）：

在封裝正面，MLCC 緊密排列於 GPU Die 邊緣，密度之高幾乎沒有任何空隙；在基板背面，超薄型 MLCC（Embedded Capacitor）內嵌於多層 PCB 結構中，形成第二道去耦層；而在 CoWoS-L 等高階封裝的中介層（Interposer）上，甚至存在晶片級內嵌電容（Trench Capacitor），代表著 MLCC 技術正在向半導體製程滲透。

每一套 NVL576 機架所需的 MLCC 數量，遠超市場直觀估算。

---

能夠量產低 ESL、高容值、超薄型 AI 伺服器級 MLCC 的廠商，全球範圍內屈指可數，主要集中在村田、太陽誘電、TDK，以及台系的國巨（2327）與華新科（2492）。

從現實面看，日系廠商在最頂端規格（0201 以下超小型、車規 AEC-Q200 認證的伺服器級）具備先發優勢，但隨著 AI 伺服器需求在 2025 至 2027 年間呈現爆炸性成長，單一廠商的產能不可能完全覆蓋。這為台系廠商的份額擴張創造了結構性空間，特別是在中階規格 MLCC 的大量導入部分。