近日，ICIC 2026英飞凌消费、计算与通讯创新大会在深圳举行。大会围绕Powering AI、Physical AI和Edge AI三大主题展开，汇集近1000位产业链客户、生态合作伙伴。同期媒体早餐会上，英飞凌科技全球高级副总裁及大中华区总裁、英飞凌科技消费、计算与通讯业务大中华区负责人潘大伟、英飞凌科技副总裁、英飞凌科技消费、计算与通讯业务大中华区市场营销负责人刘伟与媒体交流，探讨的内容覆盖AI数据中心供电、机器人和物理AI、边缘AI以及Si、SiC、GaN等功率半导体技术路线。

AIDC：需求增长快，瓶颈在供电架构与建设能力

潘大伟首先谈到AI市场的增长态势，根据国家数据局统计，2024年初中国日均Token调用量为1000亿，至2025年底跃升至100万亿，2026年3月已突破140万亿，两年增长超过千倍。如今，企业正在将AI用于自动化生产、预测分析等场景，个人用户也在积极使用AI，这使得AI基础设施的重要性持续上升。

英飞凌科技全球高级副总裁及大中华区总裁、英飞凌科技消费、计算与通讯业务大中华区负责人潘大伟

电力供应方面，据国家能源局，“十五五”时期全国电网固定资产投资将达到5万亿元以上，较“十四五”同期增长超过80%。潘大伟认为，中国电力供应整体充裕，未来数据中心领域的瓶颈更多在供配电架构而非电量本身。与此同时，为了推动数据中心向大规模、绿色节能方向发展，中国云服务供应商也在数据中心领域投入了大量资源。

在这一背景下，行业测算到2030年全球AIDC（AI数据中心）规模可达156GW。英飞凌看好这一市场潜力，并认为若相关限制放宽，市场规模有望进一步提升。

为适配AI数据中心对高功率密度的需求，供电架构正在持续升级。数据中心外部供配电技术从传统变压器逐步向固态变压器演进，在英飞凌的客户群体中有不少企业已开始布局，通过半导体技术打造固态变压器。而数据中心内部的供配电系统也在升级，主要涉及PSU（供电单元）、IBC（中间总线转换器）、BBU（电池后备单元）以及其他核心组件。面对AI算力负载对供配电系统的效率、功率密度和系统可靠性提出的极致要求，英飞凌不仅能够提供从电网到核心的全链路电源解决方案，还与多家ODM合作伙伴联合创新，携手中国本土GPU供应商推动供电架构转型，并且围绕从固态变压器到PSU、BBU、IBC、GPU的供配电全链路，与不同生态伙伴展开深度合作。

800V高压直流供电是AI数据中心供电架构的重要演进方向。潘大伟特别提到800V架构兴起的核心驱动力来自持续攀升的算力需求，市场需求驱动数据中心转向800V高压直流供电架构成为必然趋势。其背景是GPU功耗从几百瓦一路攀升至2000W（瓦）、4000W，按照技术发展路线图，未来甚至会达到10kW（千瓦）。GPU功耗持续攀升，使得单机架功率一路冲向数百千瓦甚至兆瓦级。以往服务器机架的功率密度达到100kW已是高功耗，如今功率密度为200kW、500kW、600kW的服务器机架陆续出现，下一代AI数据中心的机架功率将迈向1MW（兆瓦）。

围绕800V架构的落地，存在多种技术路线，其中包括Sidecar方案（通过侧挂柜快速部署800V直流，部署灵活性好）、集中式Power shelf供电、巴拿马方案和SST（固态变压器）“四级演进路径”。至于被视为长期演进方向的SST（固态变压器），潘大伟认为，SST有望成为未来数据中心供配电架构的重要组成部分。中压电网以十几至二十多千伏等级接入，经过SST转换形成800V高压直流并送入机架，再由机架内高压IBC为板上供电，整套链路更简洁，效率进一步提升。相比传统低频变压器，SST不仅效率更高，部分方案重量可从20吨降至数百公斤，体积、重量和能效优势突出，各大CSP都在积极推动，目前已有很多客户启动POC或定点。

不过，SST的发展会有一个过程，不是一蹴而就的。潘大伟判断，整个行业不会很快全部转向SST，更现实的路径是以集装箱方式将器件集成为标准化模块，逐步培育市场，大规模转向SST，仍然需要产业链逐步成熟和配套完善。目前，英飞凌已面向中压规格的SST产品完成了碳化硅模块的集成化设计，并逐步推动方案落地。

潘大伟还分享了来自市场需求端的最新观察，无论OEM还是CSP（云服务供应商），市场需求都在不断增加，“可能三个月前客户提出的需求是一个数字，三个月后又是另一个数字”。一家头部CSP厂商曾坦言，当前数据中心建设的瓶颈在于物理建设能力存在上限。英飞凌应对当前强劲市场需求的底气来自提前布局新增产能，三年前动工的德累斯顿智能功率晶圆厂现已启用，使得公司的供应能力进一步增强。

物理AI：机器人将率先在B2B场景中落地，泛化能力是规模化落地关键

物理AI是本次交流的另一重点一题。潘大伟表示，之前是生成式AI，以文本、图像、代码的问答交互为主，现在产业一方面转向Agentic AI，另一方面向物理AI演进。物理AI面向物理世界和真实场景，典型的应用代表是机器人、电动汽车。机器人要实现感知、思考、执行，并记录环境反馈形成闭环控制，离不开半导体技术支撑。

潘大伟在接受采访时表示，在物理AI领域，英飞凌已与多家人形机器人OEM厂商展开合作。他表示，从市场情况看，去年中国人形机器人产量约两万台，今年预计有望达到十万台。“我们在与OEM沟通中了解到，许多企业预期市场将成倍增长，部分企业甚至将百万台出货量作为目标，产业增速十分可观。”

在应用场景落地节奏上，潘大伟指出，具身智能机器人最有可能率先在工业制造、物流等场景实现落地。相较于开放环境下的人机交互需求，这些场景的任务边界更加明确、标准化程度更高，对机器人的感知、决策和执行能力要求相对可控，因此更容易形成可复制的商业模式。随着AI、传感器、电机驱动和功率半导体等关键技术持续成熟，相关应用正在加速从验证阶段走向商业应用。

二是人形机器人当下主要应用于接待、表演等场景，各大厂商也通过机器学习，持续对机器人进行场景化训练，比如冲咖啡、叠衣服等生活化任务，但从实际落地场景来看，家用场景的人形机器人技术尚不成熟，暂时还难以普及。但是人形机器人的运动能力进步显著，比如跳舞能力明显提升，也能看出电机驱动，软硬件协同等技术正在高速迭代。

至于机器人的落地，是否卡在成本瓶颈上？潘大伟认为机器人落地“并没有‘卡住’，成本也只是考量因素之一。”他举例说，设定好程序让机器人冲一杯咖啡已经可以实现，但若要让它在咖啡店里接待所有顾客——收钱、点单、送餐——任务复杂性依然很高，本质是仍是泛化能力不足。“将一台机器人的智商从两三岁提升到八九岁的水平，需要复杂的训练过程，各种机器学习任务和方法也都需要时间，但是人类距离这一天的到来不会太远。”他的判断是，结构化场景落地更快，复杂多变的非结构化场景落地仍需要时间；四足机器人以服务B2B的企业级市场为主，可以承担辅助巡检、电站巡逻、辅助救火等工作，落地速度更快，而面向B2C市场的人形机器人距离规模化商用落地“还需要一段时间”。

也正因如此，他强调现阶段的行业重心在于创新，而非降本：“如果GaN切实能够解决厂商在机器人关节上遇到的痛点问题，即使价格稍微高一点，企业也愿意选用。当前，行业不必一味追求将机器人成本降低至某一水平——如今行业仍处于技术和应用创新非常重要的阶段。”

技术层面，如何通过半导体技术让人形机器人关节向更高功率、更小体积和更高效率发展非常重要。关节轻量化能够提高整机效率，但同时也需要控制发热，这使得机器人市场对GaN功率器件的需求持续提升。相比传统硅器件，GaN应用于机器人电机驱动可使关节模组尺寸缩小约30%—40%，效率因具体测试条件而异，提升幅度约为5%—20%，同时器件温升可降低约10℃，有助于实现更顺滑的运动控制并优化散热系统。

英飞凌科技副总裁、英飞凌科技消费、计算与通讯业务大中华区市场营销负责人刘伟强调，GaN的高频特性不仅能让机器人关节的马达做得更小、运行温度更低，还能减少板上电容等元器件数量，“最终带来的优势是有效降低整个系统和方案的成本”。

针对备受行业关注的灵巧手——需要在狭小空间内要集成驱动、传动、传感系统，同时还要兼顾性能、成本与可靠性——英飞凌的解法是切入电子皮肤领域，联合生态合作伙伴，将英飞凌PSOC™系列电容式传感解决方案与柔性触觉传感器、MCU相结合，提供高灵敏度的完整接触传感功能；在关节转动上，提供将电机控制与驱动高度集成的小尺寸芯片方案，并规划了清晰的技术迭代路线，支持OEM把关节做得更加小型化；同时英飞凌正与合作伙伴探索将ToF传感器、雷达等融入系统，强化传感器融合能力，“让各类传感器协同工作，助力机器人灵巧手在抓握等动作上，速度更快、更精准”。

英飞凌科技副总裁、英飞凌科技消费、计算与通讯业务大中华区市场营销负责人刘伟

边缘AI：智能眼镜与智能家居成为终端侧落地方向

边缘AI的落地依托物联网终端设备，潘大伟在交流中表示，英飞凌致力于减少终端设备对云端的依赖，通过将计算部署在终端和边缘端，让智能真正触手可及广泛覆盖智能家居、可穿戴设备、智能眼镜等丰富的应用场景。他以智能眼镜为例做出了具体的解读：据IDC报告披露，2025年中国智能眼镜市场出货量为246万台，同比增长87%，2026年有望延续70%以上的高增速、突破400万台。“这类产品蕴藏着巨大机遇。英飞凌提供丰富的MCU产品以及Wi-Fi、蓝牙等连接方案，助力边缘AI产品变得更高效、更智能。”

Edge AI应用论坛围绕边缘智能的发展趋势与创新实践展开，聚焦智能家居、智能眼镜等应用场景，分享高能效计算、智能传感、低功耗连接及安全技术在端侧AI中的进展。英飞凌正通过融合传感、计算、连接、安全及软件能力，构建覆盖边缘系统的完整解决方案，推动智能设备从单一功能硬件升级为具备感知、理解与自主决策能力的智能终端。

在ICIC 2026大会现场，英飞凌集中展示了80余款来自英飞凌及生态伙伴的创新产品与解决方案，覆盖AI基础设施、机器人及智能终端等领域。其中，英飞凌首次系统展示覆盖智能家居、AI眼镜等场景的边缘AI解决方案，具备图像识别、音源分离、语音识别等关键能力，展现了边缘AI如何推动智能能力从云端走向终端，加速AI创新在真实场景落地。这些展示说明，边缘AI的推进不仅依赖单一芯片，还需要计算、传感、连接、安全和软件能力的协同。对于英飞凌而言，边缘AI与AIDC、物理AI共同构成其AI相关布局，也是其MCU、连接和传感产品组合的重要应用方向。

技术路线：Si、SiC、GaN按场景和应用需求进行组合

针对AI数据中心供电全链路，英飞凌提供完整的产品和系统级解决方案，并且在硅、碳化硅、氮化镓三大功率半导体材料和技术上均有布局。这种覆盖全链路的技术与产品能力，是很多半导体企业所无法具备的。

沿着供电链路逐级而下，从800V到48V、从48V到6V、再到GPU核心电压，“每一层级的电能转换效率都很重要”。潘大伟介绍，面向GPU核心供电，英飞凌以硅MOSFET加模块的垂直供电方案尽可能缩短供电路径、提高效率；在800V到48V环节则提供碳化硅器件；而对于追求小型化、高频的砖块式设计，氮化镓往往更能满足需求——对关键功率半导体材料硅、碳化硅、氮化镓“铁人三项”的全覆盖，让英飞凌可以按照客户的具体设计需求定制组合，而非绑定单一技术路线。正如刘伟所言：“每一款设计都不尽相同……面对当前数据中心的用电需求，各家厂商的设计都在不断变化的过程当中。”

在碳化硅方面，英飞凌拥有多年技术积累，且不断进行方案优化和技术迭代，持续引领碳化硅技术创新。以碳化硅技术为基础的SST，采用半导体器件实现电压转换，与传统变压器概念不同，属于全新方案，而这恰好是英飞凌的强项。目前头部SST厂商基本都选择了与英飞凌合作。刘伟将这归结为两点：一是英飞凌拥有完整的产品组合，覆盖不同的电压、功率等级，单管与模块一应俱全；二是可靠性——“当整个行业开始尝试新技术和新应用的时候，客户都要高可靠性的产品和解决方案为其提供技术底座支撑。英飞凌在大功率、高压器件领域长期耕耘，也收获了客户的信任。”

在氮化镓方面，英飞凌持续在中国市场推广GaN，并提供参考设计，帮助客户快速完成方案导入，推动GaN的应用普及。英飞凌率先开发12英寸氮化镓功率半导体技术——首批样品已于2025年第四季度向客户提供，预计12英寸GaN功率半导体晶圆将于今年年底到明年实现量产，届时凭借更先进的制造工艺和规模化生产优势，英飞凌有望进一步提升芯片产出率、降低制造成本，持续缩小GaN与硅基器件的成本差距。与此同时，12英寸晶圆在生产效率上较小尺寸晶圆具有显著优势，这为GaN进一步降低成本、扩大应用规模创造了有利条件。“GaN方案的成本正越来越接近硅基方案，而性能却更为出色，”潘大伟强调，“从长期来看，GaN代表着功率半导体产业的重要发展方向。”

不过，英飞凌并不认为某一种半导体材料会完全替代另一种。英飞凌是业内少数同时布局硅、碳化硅和氮化镓技术路线的功率半导体企业。在潘大伟看来，数据中心电源系统应用中，三者为互补应用关系。比如PSU（供电单元）会搭配硅基器件用于电源转换，但也会有碳化硅或者氮化镓方案，最终取决于客户对各级供电链路的整体设计。

结语

从AIDC供电到机器人和物理AI，再到边缘AI，英飞凌在本次媒体交流会中给出的判断较为具体：AIDC需求增长快，但落地受建设能力与供应能力等物理瓶颈的影响；机器人将率先以四足机器人形态在服务B2B的企业级市场和应用场景切入，人形机器人在B2C市场的规模化商用落地仍需时间；边缘AI则逐步向智能眼镜、智能家居等终端场景扩展。技术路线上，Si、SiC、GaN三大功率半导体技术并非简单的替代关系，而是根据不同电压、功率等级和客户对各级供电链路的整体设计进行协同分工和组合使用。整体来看，英飞凌正试图以系统级的半导体解决方案和创新能力覆盖从AI数据中心供电到机器人和物理AI再到智能边缘和终端设备的AI全价值链，不过其在中国市场的推进节奏，仍取决于生态协同能力与实际场景的成熟度。