美国对华半导体出口管制持续升级，芯片国产化替代已从政策号召变为产业必然。但国产芯片与英伟达在算力、制程、软件生态上的差距，将在实际应用中产生连锁反应——电量需求更高是其中之一。东北证券研究报告从芯片性能差距的技术根源出发，量化分析了国产替代对AI服务器电源需求的额外拉动效应，以及国内电源企业的受益逻辑。

美国当地时间2024年12月2日，美国商务部工业与安全局（BIS）宣布了新的对华半导体出口管制措施，这是自2022年10月以来的第三次大规模限制措施。2022年8月，美国总统拜登签署总额高达2800亿美元的《芯片和科学法案》，通过527亿美元的产业补贴和遏制竞争的条款，推动芯片制造“回流”美国本土，并禁止获得补贴的企业10年内在中国新建或扩大先进制程芯片厂。

2022年10月、2023年10月，BIS连续两次发布对中国的先进半导体和计算设备出口管制，英伟达、AMD、英特尔的多款GPU和AI芯片产品已不能再出口到中国。美国商务部长雷蒙多明确表示，美国绝不能让中国得到最尖端的芯片，以防中国有能力训练前沿AI模型。

在此背景下，国产芯片替代化加速推进。目前中国的主流芯片制造能力集中在14nm制程，中芯国际已能大规模量产14nm芯片。12nm制程方面已有企业完成开发，7nm制程也取得了突破，中芯国际的7nm工艺已在实验性生产中取得进展，华为海思的麒麟9000s芯片采用了7nm工艺。龙芯中科即将推出基于7nm工艺的3B6600 CPU，预计2025年下半年量产。

芯片性能上的差距在实际应用场景中会产生一系列连锁反应，电量需求更高是其中之一。当国内芯片为达到与英伟达芯片相同的表现时，由于单颗芯片算力不足，往往需要更多的芯片通过并行计算来实现。

芯片数量的增加直接导致整体功耗大幅上升。每颗芯片在运行过程中都需要消耗电能，更多的芯片意味着更大的电能消耗。随着芯片数量的增多，芯片之间的数据交互、散热等方面也会带来额外的功耗。这就使得整个系统对电源的需求变得极为庞大，不仅要求电源能够提供更高的功率，还对电源的稳定性提出了更高的要求。

国内外芯片的差距体现在多个维度。制作工艺上，国际顶尖企业如台积电已实现2nm量产，而国内量产多为14nm。芯片设计上，英伟达CUDA生态已发展多年，而国产AI芯片的软件生态还在建设中。设备与材料上，高端光刻机等关键设备仍依赖进口，极紫外光刻机技术国内与国际领先水平有15年以上差距。这些差距共同导致在追求相同性能时，国产芯片方案需要更高的功耗和更强的电源支持。

国内集优化技术相较海外仍存在较大差距，电源需求方面弹性更大。Power Steering是英伟达推出的一种智能电源管理技术，旨在优化数据中心的能耗管理。通过智能调度方式确保在高性能计算场景下硬件的功耗能够被有效管理和优化，从而在不增加额外能耗的情况下提升计算能力。

以GB200和GB300的对比为例，GB300采用了更高效的HBM设计，将HBM堆叠从8Hi升级至12Hi，使得每个GPU的内存容量从192GB提升至288GB。与此同时，GB300的单卡功耗从1.2KW增加到1.4KW。但英伟达通过全新设计的Power Steering技术，整体能耗管理得到优化，机柜总能耗仍保持在132KW不变。

目前，在国产高性能芯片领域，功耗和性能方面与海外芯片仍存在一定差距。在芯片国产替代大背景下，电源产业需求弹性更大。国内芯片目前与英伟达芯片在性能上的差距，使得在追求相同性能表现时，国内芯片需要消耗更多的电能，进而必须配备更大功率且更稳定的电源来满足计算需求。因此，芯片国产化替代将为国内AI服务器电源企业带来显著的增量需求。

国内外芯片技术对比

维度	国际领先水平	国内当前水平	差距
制程工艺	2nm（台积电）	14nm量产、7nm试产	2-3代
芯片设计	CUDA生态成熟	自主架构生态建设中	生态差距显著
设备与材料	EUV光刻机成熟	高端设备依赖进口	15年以上
软件生态	开发者社区繁荣	新区建设阶段	生态规模差距大