导语
当 ChatGPT 用 1750 亿参数、28000 张 GPU 训练了三个月才横空出世时，AI 服务器就再也不是普通数据中心里安静躺着的机柜——它成了大模型时代最稀缺的战略资源。从英伟达 H100 一卡难求、华为昇腾 910C 加速突围，到 A 股 PCB、液冷、整机厂商业绩的爆发式增长，AI 服务器已经成为观察整条算力产业链最重要的"母题"。本篇系统讲清楚 AI 服务器是什么、为什么与传统服务器不同、技术架构长什么样、产业链上下游分布、谁是全球与中国的核心玩家，以及未来三年的关键趋势。本文不构成任何投资建议。
一、AI 服务器是什么
AI 服务器是专门为人工智能训练与推理任务设计的高性能计算机。与传统服务器最大的差异在于：CPU 不再是主角，GPU/NPU 等加速器成为核心，整机的设计哲学围绕"算力密度"和"互联带宽"重新构建。
传统服务器一般配备 2 颗 CPU、几百 GB DDR 内存，主要跑数据库、虚拟化、Web 服务等通用负载；AI 服务器则配备 4~16 颗 GPU、TB 级 HBM 内存与高速 NVMe 存储，专门处理张量计算、矩阵运算与深度学习任务。一台 8 卡 AI 服务器的 FP16 算力大致相当于 100~200 台传统双路服务器，这也是为什么 2023 年以来全球大型云厂商资本开支几乎全部涌向 AI 服务器。
从部署用途看，AI 服务器又分为训练服务器和推理服务器：训练侧重 FP16/BF16 高吞吐、显存容量大、网络拓扑密集（通常 8 卡起步，多机互联）；推理则更看重单卡能效比、INT8/FP8 算力、时延指标。随着大模型进入"应用爆发期"，推理侧的占比正快速提升，从 2023 年的 30% 上升至 2025 年的 50%+。
二、技术架构：GPU+CPU+高速互联
AI 服务器的核心架构由三部分组成，理解这三块就能理解 AI 服务器为什么"贵"。
1. 加速芯片（GPU/NPU/ASIC/FPGA）：负责张量运算的主体算力。当前主流型号包括英伟达 H100/H200/B100/B200、AMD MI300X/MI325、寒武纪思元 590、华为昇腾 910B/910C、海光 DCU 等。一颗 H100 的 FP16 算力约为 1 PFLOPS，B200 进一步提升至 2.5 PFLOPS。
2. CPU 主机：英特尔的至强可扩展（Xeon Scalable）或 AMD EPYC，主要负责任务调度、IO 处理、PCIe 通道管理与数据预处理。AI 服务器通常配备 2 颗顶级 CPU，对应 128 条 PCIe 5.0 通道以满足多卡通信需求。
3. 高速互联：NVLink 900GB/s、InfiniBand 400/800Gbps、PCIe 5.0/6.0，决定多卡之间对话速度——而这正是训练大模型时性能的天花板。一台 8 卡 H100 服务器内部通过 NVSwitch 全互联，跨机通过 8 张 InfiniBand 网卡组成 400Gbps 集群，对应的拓扑被称为"胖树"或"rail-optimized"。
此外，AI 服务器还需要 HBM 内存（每张 H100 配 80GB HBM3，B200 提升至 192GB HBM3e）、液冷散热（单机柜功率 30~100kW）、高功率 PSU（电源，单台 3000~6000W）、高速 NVMe SSD 等配套。单台 8 卡 H100 服务器价格约 250 万元人民币，叠加交换机、存储、机柜后整套集群方案可达 5 亿元人民币以上。
三、AI 服务器 vs 传统服务器：六大差异
1.算力密度：AI 服务器单卡 FP16 算力可达 1~3 PFLOPS（千万亿次浮点运算/秒），传统 CPU 双路服务器单节点算力仅数 TFLOPS，相差百倍量级。
2.内存带宽：HBM3e 带宽达 1.2TB/s，是 DDR5 的 50+ 倍。大模型训练对显存带宽极度敏感，H100 上 3.35TB/s 的 HBM3 带宽是其相比 A100 提升 43% 算力的关键。
3.功耗：单卡 700~1000W，8 卡机柜 30kW+（传统机柜 5~10kW），单机柜密度是过去的 3~6 倍，对数据中心电力和散热提出全新要求。
4.散热：必须液冷或浸没式（风冷无法带走热量）。传统风冷数据中心 PUE 通常 1.4~1.5，而液冷数据中心可降至 1.05~1.15。冷板式、浸没式、单相液冷成为三种主流方案。
5.存储：NVMe Gen5 SSD 顺序读写 14GB/s+，4K 随机 IOPS 提升 10 倍以上。AI 训练对 Checkpoint 写入、模型权重加载的 IO 性能要求极高。
6.价格：高端 8 卡 AI 服务器整机 200~500 万元，是传统服务器的 20~50 倍。这导致算力中心建设投入从过去的"亿元级"跃升至"百亿元级"。
四、四种加速芯片路线
AI 芯片是 AI 服务器的"心脏"，也是地缘博弈的核心。当前全球形成四种主要技术路线：
1. 英伟达 GPU：H100/H200/B100/B200，全球数据中心 GPU 市占率 80%+，CUDA 生态壁垒最深。2024 财年英伟达数据中心业务营收超 1000 亿美元，毛利率 75%+。CUDA 拥有 400 万+ 开发者、3000+ 加速库，构建了从硬件到软件的完整护城河。
2. AMD GPU：MI300X 配备 256GB HBM3，2024 年发力追赶，OpenAI、Meta、Microsoft、Oracle 已大规模采购。ROCm 生态虽然落后 CUDA 多年，但 2024 年起加速完善，部分关键库性能已逼近 CUDA。
3. 定制 ASIC：谷歌 TPU v5e/v5p、AWS Trainium2/Inferentia2、Meta MTIA v2、Microsoft Maia 100，性价比优于通用 GPU，但需自建软件栈。超大规模云厂通过自研 ASIC 实现 30~50% 的成本优化，同时降低对英伟达的依赖。
4. 中国国产：华为昇腾 910B/910C（最强国产，市占 10%+）、寒武纪思元 590、海光 DCU、燧原、壁仞、摩尔线程等。受美国出口管制影响，国产 AI 芯片 2023~2025 年进入"加速渗透期"，昇腾 910C 已在多家头部互联网厂商完成大规模部署。
五、AI 服务器产业链全景
AI 服务器产业链可以分为上、中、下游三个环节，每个环节都蕴含不同的投资逻辑。
上游（芯片与零部件）：英伟达/AMD GPU、华为/寒武纪 AI 芯片、HBM（海力士/三星/美光）、CPU（Intel/AMD/海光）、PCB（沪电/胜宏）、液冷（英维克/高澜）、电源、光模块（中际旭创/新易盛/天孚通信）、连接器。
中游（整机/ODM）：超微（SuperMicro，全球 AI 服务器龙头、市占率第一）、戴尔、HPE、联想、华为、浪潮信息、紫光股份、新华三、工业富联。其中工业富联为超微代工 AI 服务器，2024 年 AI 服务器营收超千亿元；浪潮信息中国市场份额第一，主要服务互联网和运营商客户。
下游（云厂+企业）：海外 AWS/Azure/GCP/Oracle/Meta/Apple/Tesla；中国阿里/腾讯/字节/百度/电信/移动/联通；企业端金融（量化交易、风控）、医疗（影像 AI）、自动驾驶（小马智行、文远知行）、科研机构（智算中心、超算中心）。
整条产业链呈现"上游卡脖子、中游集中、下游百花齐放"的格局。HBM、GPU、光模块是高壁垒高价值的卡脖子环节，PCB、液冷、电源则伴随 AI 服务器放量直接受益。
六、为什么 AI 服务器卡脖子
2024 年全球 AI 服务器出货约 200 万台，2025 年预计 300+ 万台，但供给端被英伟达绑死，呈现"一卡难求"的格局。
供给瓶颈来自三方面：一是 GPU 本身——H100 一卡难求，交货周期长达 36~52 周，部分客户等货超过一年；二是 HBM——海力士垄断 80%+ 份额，HBM3e 良率不足 60%，是制约 GPU 出货的关键瓶颈；三是先进封装——CoWoS 产能由台积电垄断，2024 年扩产后仍供不应求。
地缘政治因素：美国出口管制（A100/H100/Blackwell 系列禁运中国）倒逼中国走昇腾+寒武纪+海光替代路径——这条路 2024 年终于走通：昇腾 910C 性能达 H100 的 60~80%，价格便宜 30%，已被多家头部互联网厂采购。中国信通院数据显示，2024 年国产 AI 芯片在国内市场份额已超过 30%，预计 2027 年达到 50%+。
算力即国力：AI 服务器的稀缺性已上升到国家战略层面。各国纷纷推出算力基础设施计划：美国"星际之门"5000 亿美元、欧盟"AI Factory"、中国"东数西算"工程 8 大枢纽。AI 服务器的供给将直接影响大模型、AI 应用、自动驾驶、机器人等下游领域的全球竞争格局。
七、核心 A 股标的
整机方向：工业富联（与超微合作代工，AI 服务器营收 1000 亿+）、浪潮信息（中国 AI 服务器份额第一）、紫光股份/新华三（运营商主力供应）、联想集团（全球第三）、中科曙光（高性能计算国家队）。
液冷方向：英维克（精密温控龙头，进入英伟达 GB200 供应链）、高澜股份（数据中心液冷）、申菱环境、曙光数创（浸没式液冷）。
PCB 方向：沪电股份（英伟达 GB200 核心供应商，AI 服务器高多层 PCB 龙头）、胜宏科技（高多层 AI 板卡）、深南电路（高端通信 PCB）、生益科技（覆铜板）、联瑞新材（球铝粉/球硅填料）。
芯片方向：海光信息（DCU 国产替代主力）、寒武纪（思元 590）、景嘉微（GPU 国产替代）。
光模块方向：中际旭创（800G/1.6T 龙头）、新易盛、天孚通信。AI 集群对 800G/1.6T 光模块需求爆发式增长，三家公司占据全球 50%+ 份额。
需要说明的是，列举上述标的仅为客观陈述产业链分布，不构成投资建议。
八、未来三年关键趋势
1.Blackwell+Rubin 时代：英伟达 2025 年推出 B200、2026 年推出 Rubin，单机柜 1MW 功耗成为新门槛。单机柜从 8 卡扩展至 72 卡（NVL72），整套集群的功耗、散热、网络密度都迎来质的飞跃。
2.国产替代加速：昇腾 910C 920 / 寒武纪 690 / 摩尔线程 MTT S5000 / 海光 DCU 四波推进，预计 2027 年国产 AI 芯片在国内市占率突破 50%。配套的 HBM、PCB、液冷也将逐步国产化。
3.液冷普及：冷板式 2025 占 60%，浸没式 2027 突破 30%。液冷从可选变为必选，单台 AI 服务器液冷价值量 5~15 万元，对应百亿级市场。
4.推理侧放量：训练：推理从 1:1 走向 1:3，推理服务器需求加速。DeepSeek、豆包、文心一言等应用普及带动推理算力需求 2025~2027 年保持 50%+ 增速。
5.AI 一体机：预装模型+硬件的开箱即用模式，向中小企业下沉。2025 年市场规模预计 500 亿元，金融、政务、教育、医疗成为四大主战场。
6.边缘+云端协同：云端训练+边缘推理的混合架构成为主流，AI 一体机、边缘 AI 盒子、车端推理芯片共同构成"无处不在的 AI"。
九、风险提示
1.英伟达 GPU 供应与价格波动：H100/B200 出货节奏不及预期会延迟整机厂商业绩兑现；2.国产芯片良率与生态成熟度：昇腾、寒武纪、海光在 CUDA 生态替代上仍需时间；3.数据中心投资周期：超大规模云厂资本开支波动直接影响 AI 服务器需求；4.出口管制升级：若美国进一步限制 HBM、EUV、CoWoS 等环节，将冲击全产业链；5.散热与电力瓶颈：高密度机柜对液冷和电力供应提出严苛要求。本文不构成任何投资建议。