大家都在盯AI服务器电容涨价，却忽略时钟系统正在收紧

2026年6月，高盛一份研报把MLCC（多层陶瓷电容器）重新推回市场视野。市场第一反应很直接：AI服务器需求上来，这类基础元件正在进入新一轮增长周期。

但真正的变化，其实不在MLCC本身，而在AI服务器的供电方式。

过去服务器电源设计更偏稳定供电，负载变化相对平缓；但AI服务器不同，高密度算力带来频繁的瞬时功耗波动，电源系统被迫进入“快速响应”状态。

结果就是板级去耦设计不断加密，MLCC用量上升，高端小尺寸、高可靠规格的占比也同步提高。一台普通服务器可能用几千颗MLCC，而AI服务器往往还会进一步放大这个数量级。

于是市场开始重新定价这个被称为“电子工业大米”的基础元件。

但如果只看到这里，其实还停留在表层。

更值得注意的是，AI服务器正在系统性抬升一颗长期被忽略的基础被动器件需求。

MLCC只是其中较早被关注的环节，但并不止于此。

同样被放大的，还有时钟系统

如果说MLCC解决的是“电从哪里来、稳不稳定”的问题，那么晶振解决的是另一个更底层的问题：整个系统什么时候同步、按照什么节奏运行。在AI服务器里，这个节奏非常关键。

GPU、CPU、交换芯片、内存控制器、光模块之间的数据交互，都必须建立在统一的时钟体系之上。一旦时钟不稳定，结果不是性能下降，而是直接影响链路稳定性。

800G之后，时钟开始变成硬指标

随着AI服务器向800G、1.6T光互连演进，高速链路对时钟误差的容忍度正在急剧收缩。

以前还能“差不多能跑”的时钟方案，现在开始被严格量化：

RMS Jitter

Phase Noise

温漂稳定性

长期老化偏移

差分信号完整性

这些指标过去更多停留在高端通信设备，现在正在进入AI服务器主板设计的常规选型。

一个AI服务器项目的变化

近期产业链交流中，一个AI服务器项目在参考时钟设计中采用2520封装、156.25MHz、HCSL输出的差分晶振方案。这个数字本身并不夸张，但变化在“选型逻辑”。

工程团队关注的重点已经不再是“有没有这个频点”，而是：

抖动是否满足高速链路要求

长时间运行稳定性如何

小封装条件下一致性如何

高温环境是否存在漂移风险

这意味着，晶振的角色正在从提供频率转向保证系统稳定。

MLCC是数量逻辑，晶振是性能逻辑

从产业逻辑来看，两者其实很像，但驱动方式完全不同：

MLCC的增长来自数量提升。

AI服务器计算密度越高，供电功能越复杂，用量就越大。

而晶振的变化来自性能升级。

数量不一定暴涨，但规格在持续上移。

尤其是差分晶振、低抖动晶振、高稳定性TCXO类器件，在AI服务器中的占比正在提升。

被看见的是电容，水面下的是时钟

过去一年，MLCC被资本市场频繁讨论，本质是因为它“可见”。

用量大、价值稳定、供应链清晰。

但晶振的变化更隐性。

它不决定算力上限，但决定系统能不能稳定跑满算力。

很多硬件工程师都知道一个规律：

芯片决定性能上限，基础器件决定系统下限。

GPU再强，HBM再快，光模块再先进，如果时钟不稳，系统一样无法可靠运行。

AI服务器升级，不只是算力芯片在升级。算力密度上去之后，通信速率变高，板子上的系统也更复杂，一些原来“能跑就行”的器件，现在开始被重新拉回设计里看。

MLCC是先被放大的那个，但真正跑系统的时候，能不能稳定满负载，其实还要看一些更底层的东西。

晶振就是其中一个。