以下文章来源于More Than Semi ，作者猫叔 More Than Semi . More Than SEMI 半导体行业研究 从昨天开始，大家都在讨论英伟达Rubin的这个新的液冷方案，热度非常高。盘中JS科技因为3d打印微 通道液冷板送样的消息一度还涨停了.. 但其实这件事几天就有媒体在报道了，我们星球中三天前就发过这个信息，只是当时市场对这个讨论度 并不高。 今天突然就有几个球友都在问我关于这个微通道盖板的情况，下面我们先看下JP Morgan和Morgan Stanley是如何分析这个液冷方案，再结合今天实际跟液冷厂的朋友聊的情况来分析一下。 1、投行的观点 大摩和摩根大通的这两份报告还是写了不少分析的，也给了几个比较明确的数据。 首先，什么是微通道盖板？ 价值量的增加 image-20250916224831268 按照JP Morgan给出的解释，microchannel lid是封装级直接集成了热扩散器（heat spreader）和冷板 （cold plate）的功能，能高效实现热量传导与散发 。它通过在刻有微通道的铜基板上加上盖板，并利 用歧管分配冷却液，将芯片产生的热量带走，属于 ...

文章核心观点 - 花旗报告强调AI服务器PCB价值量显著提升 从GB200/GB300的375美元增至VR200的863美元 并指出无线缆设计、中板/背板技术推动行业变革 [5][7][9] - AI-PCB市场需求高速增长 2026年规模预计达720亿元人民币 年复合增长率达98% 但受高端设备和材料短缺制约 产能扩张可能低于预期 [10][13] - 胜宏科技凭借产能扩张速度和量产能力 预计2025-2027年英伟达订单贡献营收年复合增长率71% 成为AI-PCB核心受益者 [14][20][24] PCB技术演进与价值量提升 - 无线缆设计采用板对板连接器和PCB中板 减少故障点并提升芯片密度 VR200 NVL144机架可容纳396个计算和网络芯片 [7][8] - 中板（连接VeraCPU与CX-9及Bluefield芯片）和背板（连接计算托盘与交换机托盘）技术从VR机型开始应用 直接推高PCB价值量 [8][10] - Rubin Ultra机型若采用正交背板 每GPU对应PCB价值量额外增加486美元 规格达78层且采用M9覆铜板 [10] AI-PCB市场需求与产能 - 2023-2026年AI-PCB总市场规模（TAM）从44.36亿元人民币增至718.41亿元人民币 年增长率达215%/160%/98% [13] - 交换机市场2026年TAM达18.34亿美元 800G交换机出货量从2024年60千件增至2026年800千件 [12][13] - 英伟达GPU出货量2026年达6480千件 Rubin机型贡献2000千件 ASIC出货量2026年达7000千件 较2024年增长386% [12][13] - 高端设备短缺和18个月产能建设周期导致供给紧张 行业护城河体现在良率和产品质量 [10] 胜宏科技产能与订单 - 2025-2027年末总产能达310亿/560亿/830亿元人民币 惠州工厂2027年产能400亿元 泰国工厂2027年产能190亿元 越南工厂2027年产能220亿元 [14][16] - 2025-2027年资本支出60亿/120亿/130亿元人民币 英伟达订单贡献营收89亿/147亿/260亿元人民币 占比总营收42%/36%/43% [15][20] - 在GB300计算托盘/交换机托盘份额70%/50% 在VR机型计算托盘/交换机托盘/中板份额65%/50%/20% 在VR Ultra背板领域份额50% [20][10] 北美CSP厂商PCB需求 - 谷歌2026年PCB订单100亿元 需求30-40层板 厚度4-6毫米 材料M6-M9级别 主要供应商为沪电、深南电路、生益电子和TTM [25] - 亚马逊2025年PCB需求110亿元 2026年持续增长 TTM和生益电子为主供应商 深南电路预计2025年进入供应链 [26] - Meta高端PCB需求由方正、景旺、崇达和博敏等厂商竞逐 [27]

文章核心观点 - 存储芯片市场在2024年达到1670亿美元历史新高 其中DRAM市场规模973亿美元 NAND Flash市场规模696亿美元 [4] - AI端侧设备如AI手机和AI电脑推动存储需求向高容量 高带宽 低功耗方向发展 LPDDR5或LPDDR5X成为主流选择 [9] - 存储芯片价格自2023年底触底回升 2025年上半年预计整体涨幅至少3%-5% 2025年下半年DRAM和NAND Flash因供应短缺持续涨价 [12][14] - HBM作为AI关键存储需求强劲 营收预计从2024年170亿美元翻倍至2025年340亿美元 HBM3E占2025年总需求64% [14][15] - 3D堆叠技术通过立体层叠实现更大容量和更快传输 成为满足AI存储需求的关键技术 国内企业如紫光国微 长鑫存储 长江存储已布局研发 [19] - 存储芯片产业链利润水平差异大 设计环节利润最高 封测和模组环节利润最低 下游需求中服务器和汽车领域加单较多 手机和PC需求疲软 [23] - 美光冻结报价并计划涨价20%-30% 海力士和三星分别涨价12%和22% 主要因AI需求导致产能紧张 [25] 存储芯片概述 - 存储芯片分为易失性存储和非易失性存储两大类 易失性存储断电后数据消失 如内存条 非易失性存储能保留数据 如U盘或固态硬盘 [5] - 易失性存储包括SRAM DRAM和HBM SRAM速度快但成本高 用于CPU缓存 DRAM速度较快容量大 用于智能手机 PC 服务器和AI计算 HBM通过3D堆叠实现高速度和带宽 用于AI加速器如GPU [6][7] - 非易失性存储以NAND Flash和NOR Flash为主 NAND Flash容量大成本低但写入速度较慢 用于SD卡 固态硬盘等 NOR Flash随机读取速度快 用于物联网设备 汽车CPU等 [8] AI端侧设备存储需求 - AI设备需要支持复杂数据模型运行 存储要求高容量 高带宽 低功耗 运行参数超过60-70亿的模型需DRAM内存容量至少14-15GB [9] - 存储带宽和速度不足会导致模型加载时间延长 影响用户体验 功耗控制关键因CPU在AI计算中耗电多 存储功耗高会提升整体能耗 [9][11] - AI设备中存储成本占比可能达硬件成本10%-20% 高于传统设备 [9] 存储芯片性能参数 - 带宽决定数据传输速度 高性能存储可达1TB/秒 低带宽成为AI训练和推理瓶颈 [10] - 延时指数据处理响应时间 低延时对实时场景如汽车自动驾驶重要 [11] - 容量不足会导致大模型无法运行 低端服务器至少需要128GB单条存储 [11] - 功耗需适应5V-6V低压 尤其对车载或移动设备关键 [11] - 寿命即擦写次数 超过后设备失效 对长期运行AI设备重要 [11] 存储芯片市场动态 - 2021年需求旺盛价格大涨 2023-2024年进入库存消化期价格低迷 2023年底价格触底回升 [12] - 2025年上半年整体涨幅至少3%-5% 2025年下半年DRAM交易放缓但DDR4价格反弹 NAND Flash价格Q3上涨 供应短缺可能持续到2026 [12][14] - 国内厂商长鑫存储和长江存储份额较小 全球市场由三星 海力士和美光主导 [10] 3D堆叠技术 - 3D堆叠通过立体层叠在有限空间实现更大容量 更快传输和更低功耗 分封装级和晶圆级 封装级已规模应用如HBM 晶圆级还在研发 [19] - 技术突破需改进材料 包括硅晶圆 靶材 光刻胶和电子特气 要求更高平整度 纯度 均匀成分和分辨率 [19] 存储芯片产业链 - 上游包括材料与设备 如ASML的光刻机 日本信越化学和SUMCO的硅片 国内沪硅产业 江化微 安集科技 [20] - 中游设计负责电路和性能定义 如兆易创新和北京君正 [20] - 中游封测与模组包括通富微电 长电科技 江波龙 朗科科技 [21] - 设计环节利润最高 技术门槛高溢价空间大 流片环节次之 封测和模组利润最低 [23] - 下游需求中服务器因AI数据中心扩张加单较多 汽车因智能驾驶需更多存储 手机和PC需求疲软增量有限 [23] 最新涨价情况 - 美光冻结报价并计划涨价20%-30% 汽车类涨价70% 闪迪涨10% 海力士5月涨12% 三星4月DDR4涨22% [25] - 涨价主要因AI需求导致产能紧张 包括代工厂挤占 [25]

峰会概况 - 2025全球AI芯片峰会将于9月17日在上海浦东喜来登由由大酒店举行 主题为"AI大基建 智芯新世界" 聚焦AI新基建热潮及大模型下半场中国芯片破局[2] - 该峰会自2018年首次举办以来已邀请180+位产学研专家分享前沿研究 是国内AI芯片领域最具影响力的产业峰会之一[2] - 峰会结构包括主论坛 专题论坛 技术研讨会及展览区 展览区有超摩科技 奎芯科技等10+展商参展 AWE为战略合作机构[2][3] 主论坛议程 - 中山大学王中风教授发表《塑造智能未来：AI芯片的架构创新与范式转移》探讨三大解决方案突破瓶颈[7] - 云天励飞CEO陈宁分享《芯智AI 推理未来》介绍AI推理趋势及公司芯片布局[7] - 华为昇腾芯片总经理王晓雷解析《Open CANN：Why What & How》涉及CANN开源及计算系统架构[8] - 行云集成电路CEO季宇探讨《谁困住了AI产业》提出将大模型基础设施从大型机化转为白盒组装机化[9] - 奎芯科技副总裁唐睿演讲《Chiplet AI算力的基石》讨论Chiplet提升设计灵活性及内存带宽[9] - 清华大学刘学分享《智算超节点通信关键技术》介绍Scale-up通信互联解决方案[9] - 新华三总监刘善高解析《超节点集群的思考与实践》分享超节点技术路线及发展路标[9] - 高端对话由智一科技张国仁主持 与和利资本 普华资本等投资机构探讨大模型下半场中国AI芯片破局[10] 专题论坛：大模型AI芯片 - 上海交通大学冷静文教授报告《数据流体系架构研究进展》分析GPU架构优劣及数据流进展[18] - 曦望Sunrise副总裁陈博宇分享《大模型下半场：算力基础设施破局与产业协同》强调性价比为生死线[18] - 爱芯元智副总裁刘建伟探讨《以高智价比AI芯片重构"云-边-端"算力格局》介绍自研AI原生处理器[19] - 墨芯人工智能副总裁尚勇解析《AI普惠的"加速卡"》讨论双稀疏化算法与软硬协同设计[19] - 江原科技CTO王永栋分享《国产大算力AI芯片的突围与超越》探讨打破技术封锁策略[20] - 迈特芯工程师李凯介绍《面向个人智能体的端侧大模型芯片》基于国产工艺和3D-DRAM技术[20] - 北京智源研究院经理门春雷分享《面向多元AI芯片的统一编译器FlagTree》支持跨平台运行[20] - 北极雄芯副总裁徐涛探讨《前沿架构支持大模型应用的实践及展望》介绍Chiplet定制化方案[21] - Alphawave销售经理邓泽群解析《高速连接解决方案加速AI HPC Networking行业应用》分享IP及Chiplet方案[21] 专题论坛：AI芯片架构创新 - 清华大学胡杨副教授报告《晶圆级芯片计算架构与集成架构探究》探讨单片集成方式及设计约束[22] - 上海交通大学刘方鑫助理教授分享《面向人工智能多元场景的软硬件协同加速研究》涉及动态压缩框架及拟态计算[23] - 奕斯伟计算副总经理居晓波解析《RISC-V AI芯片的创新和应用》介绍64位RISC-V CPU及自研NPU[24] - Andes晶心科技经理林育扬探讨《人工智能与应用处理器中的创新应用》分析DeepSeekAI模型优势[24] - 酷芯微电子CTO沈泊分享《AI芯视界 智能眼镜芯片技术与创新》解决AI计算及功耗挑战[25] - 芯来科技助理副总裁马越解析《RISC-V深度耦合NPU 加速AI时代芯应用》推出矢量处理器及NPU IP[25] - 芯枥石CEO汤远峰探讨《端侧AI芯片的架构演进和挑战》覆盖政务医疗等行业方案[26] 技术研讨会：存算一体AI芯片 - 北京大学孙广宇教授报告《基于DRAM近存计算架构的大模型推理优化》分析DRAM近存计算芯片特点及挑战[34] - 中科院计算所研究员王颖探讨《异质异构存算一体芯片与系统软件栈》结合2 5D/3D集成技术优化AI应用[35] - 复旦大学陈迟晓副研究员解析《存算一体2 5D/3D/3 5D集成芯片》讨论先进集成技术可扩展性及挑战[35] - 微纳核芯副总裁王佳鑫分享《三维集成存算一体AI芯片》介绍18篇SCI论文研究成果[36] - 寒序科技CEO朱欣岳探讨《超高带宽磁性AI推理芯片的材料 器件 设计与算法联合优化》聚焦神经形态计算[36] 技术研讨会：超节点与智算集群 - 阿里云孔阳博士报告《AI应用发展与超节点趋势》负责数据中心互连方案设计[37] - 华为云专家侯圣峦分享《华为云超节点实践分享》解析CloudMatrix384超节点全对等互联架构[38] - 壁仞科技总监董朝锋探讨《OCS全光互连光交换超节点》介绍光跃LightSphere X获SAIL奖技术[38] - 之江实验室副主任高翔分享《智算集群深度可观测系统》实现故障控制及高效运维[39] - 矩量无限副总裁杨光解析《基于容器技术的异构芯片协同调度尝试》分享容器技术实践[40] - 中国电信经理孙梦宇探讨《国产算力优化的思考与实践》构建自动化评测及调优体系[40] - 基流科技VP陈维分享《Mercury-X 全栈自主的下一代AI智算系统》介绍全栈自主架构及高可用解决方案[41]

AI公司自研芯片发展态势 - 谷歌2026年TPU预计出货量从180万张上调至270万张 因上游晶圆代工厂产能分配持续提升且需求目标明确[5] - 谷歌与博通当前TPU需求达270-280万张 因公司为CoWoS领域一线客户且满足优先分配条件[5] - TPU出货预期每月持续上升 从120万、150万、180万增至200万张 未来仍将进一步提升[5] Meta芯片技术突破与规划 - Meta启动2纳米制程ASIC副项目 含高端"奥林匹斯"与中低端双项目 预计2027年下半年量产[6] - 高端芯片配备双计算核心及12组HBM3E内存 由博通研发 可能成为首家实现12组HBM配置的云服务商[6] - 中低端项目采用客户自有技术模式 后端设计外包 竞标方包括迈威尔、联发科、通富微电与日月光[6] 其他云厂商ASIC进展 - 亚马逊云科技2026年ASIC出货预期不变 因属二线客户 产能获取需依赖其他客户配额释放或产品结构调整[8] - OpenAI芯片预计2026年第四季度量产 初期出货13.6万片 xAI芯片信息有限前景不明[8] - 苹果ASIC因内部意见分歧研发延迟 2026年量产可能性极低 部分团队认为已采购足量GPU无需自研[8] 新兴ASIC动态 - 甲骨文ASIC预计2027-2028年量产 终端客户可能为中国云厂商[9] - Meta副项目虽出货量较低 但因平均售价预期较高 对设计服务商具备竞争价值[7]

文章核心观点 - 英伟达推出Rubin CPX专用预填充加速器 解决AI推理中预填充和解码阶段硬件需求矛盾 通过专用硬件设计显著降低成本并提升效率[1][2][3] - 第三代Oberon架构机架采用无电缆设计和全液冷方案 实现更高计算密度和散热能力[8][9][10] - 行业竞争格局可能被重塑 竞争对手面临更大压力 GDDR7需求可能爆发[13][15][16] AI推理硬件需求矛盾 - AI大模型推理存在预填充(prefill)和解码(decode)阶段硬件需求矛盾：预填充阶段需要高计算能力但内存带宽需求低 解码阶段需要高内存带宽但计算需求低[2][3] - 通用GPU方案导致资源浪费：预填充阶段HBM内存带宽利用率仅0.7% 解码阶段计算能力过剩[3][7] - 专用硬件解决方案可提升效率：预填充阶段每小时浪费TCO从R200的0.9美元降至CPX的0.16美元[6][7] Rubin CPX配置特点 - 采用GDDR7替代HBM：内存带宽从R200的20.5TB/s降至2TB/s 但成本降低80%[4][6] - 封装和连接简化：从CoWoS封装改为FC-BGA SerDes速率从224G降至64G(PCIe Gen6)[4][5] - 成本效益显著提升：BOM成本仅为R200的25% 但提供60%计算能力[6] - 内存利用率优化：带宽利用率从0.7%提升至4.2% 容量浪费从286GB降至123GB[7] Oberon机架架构升级 - 无电缆设计：采用Amphenol板对板连接器和PCB中板 消除飞线故障点[9] - 计算密度提升：单个计算托盘容纳4个R200 GPU+8个Rubin CPX+2个Vera CPU 整机架达396个计算和网络芯片[9] - 全液冷散热方案：功率预算达370kW 采用三明治设计共享液冷冷板 支持7040W托盘功率[10] - 灵活扩展能力：支持单独添加VR CPX机架通过InfiniBand/以太网连接 可调整预填充与解码比例[12] 行业竞争影响 - AMD面临压力：MI400机架19.8TB/s带宽被R200的20.5TB/s超越 需重新规划产品路线[13] - 云计算厂商受冲击：谷歌TPU需开发专用预填充芯片 AWS Trainium3机架需额外设计EFA侧机架[13] - 定制ASIC公司处境困难：在硬件专用化趋势下可能被成本压制[13] - GDDR7需求增长：三星因产能充足获得大订单 SK海力士和美光因专注HBM产能受限[15][16] 产业链变化 - PCB价值量提升：每GPU的PCB价值从GB200的400美元升至VR200的900美元[21] - 中层板需求增加：每个NVL144需18个中层板 采用44层PTH PCB[20] - 液冷系统需求扩张：每颗CPX芯片需配冷板 同时拉动转接头、CDU和管路需求[22] 未来发展方向 - 可能推出解码专用芯片：减少计算能力 增加内存带宽 进一步优化能效[14] - 硬件专用化趋势加速：预填充和解码阶段可能分别采用不同专用芯片[14]

甲骨文AI云收入指引 - 甲骨文给出未来5年AI云收入指引：2026年180亿美元、2027年320亿美元、2028年730亿美元、2029年1140亿美元[2] - 到2030年AI云收入预计再翻8倍[3] - 4550亿美元未执行订单为未来3-5年收入提供强力保障[3] - 未执行订单增长主要来自与OpenAI、xAI、Meta等公司的AI云基础设施合同[5] 海外云服务提供商资本开支与业绩 - Alphabet第二季度总收入964亿美元（同比+14%）、净收入282亿美元（同比+19%），2025年资本开支指引850亿美元用于AI基础设施[8] - Meta第二季度总收入475亿美元（同比+22%）、净收入183亿美元（同比+36%），2025年资本开支指引660亿-720亿美元用于AI服务器[8] - Microsoft第四财季总收入764.4亿美元（同比+18%）、净收入272亿美元（同比+24%），2025年资本开支指引800亿美元用于AI数据中心[8] 谷歌TPU出货量与价格分析 - 2025年TPU预计出货250万片：Q1 50万片、Q2 55万片、Q3 70万片、Q4 75万片[16] - V5系列占比76%（190万片），其中V5E 120万片、V5P 70万片；V6系列占比24%（60万片）[16] - 2026年TPU预计出货超300万片（同比+20%），V5系列80万片（V5E 30万片、V5P 50万片）、V6系列160万片、V7系列60万片（V7E 50万片、V7P 10万片）[19][20] - 2025年平均售价约4500美元，2026年预计升至4500-5000美元（涨幅约10%）[18] - 具体型号定价：V5E 3000美元、V5P 6000美元、V6E 4000美元、V6P 8000美元[19] - 2026年TPU营收预计150-160亿美元（同比+33%-42%）[21] 自研AI芯片竞争格局 - 海外云服务提供商自研AI芯片迭代激进（如AWS、谷歌、Meta每年迭代一次），国内昇腾910B和寒武纪590为几年前产品[8][10] - 2026年自研芯片出货量预估：博通TPU v7p+v8p 274.6万颗（收入257亿美元）、Meta MTIA v3 113万颗（收入29.4亿美元）、Trainium 3 81.3万颗（收入17.5亿美元）[13] 供应链与技术演进 - 谷歌TPU供应链中博通占比70%，联发科负责20%-30%后端生产（V7系列）[22] - 引入联发科目的为降本及分散供应链风险[22] - 芯片工艺持续升级（5nm/4nm→3nm/2nm），预计每年价格下降超5%[21]

文章核心观点 - 液冷龙头Y在海外业务特别是与Meta和天弘科技的合作中实现快速增长 并通过与英伟达等科技巨头的合作在液冷产业链中占据重要地位 公司通过全链条布局和早期介入策略在竞争中保持优势 并计划进一步拓展海外市场和新技术应用 [1][2][3][4][5][6][7][8][9][10][11] 与Meta和天弘的合作 - Meta未来两年多在液冷相关领域需求预计8-9亿美元 其中纯液冷整柜需求约占1/4 [2] - 天弘科技作为Meta集成商 自身交换机整柜液冷需求达30-40亿元人民币 [2] - 液冷龙头Y通过天弘科技间接向Meta供货 现阶段是天弘科技唯一对接供应商 [2][3] - 协议至少覆盖两年周期 液冷龙头Y保底年供货额不低于10亿元人民币 目标份额为200个柜子 [3] - Meta年需求约三四亿美元 折算人民币约二三十亿元 加上天弘科技自身需求 总额确定在30多亿人民币 [3] - 天弘科技还与Google和亚马逊等客户有合作 预计2026年起带来更多订单 [3] 与英伟达的合作 - 液冷龙头Y部分接头产品已供给广达等集成商 并进入英伟达供应商名录 [6] - 针对英伟达新项目如manifold NPQD接头和CDU取得初步进展 NPQD接头已小批量供货 CDU进入名录但未实际供货 [6] - NVL72的manifold价值约7800-8200美元 加上接头总价值约2.5万美元 [7] - 冷板产品针对GB300芯片 单块价格240-260美元 108块总价值约2.8万美元 [7] - 预计2026年液冷龙头Y在英伟达CDU manifold和冷板市场占有率将达x%以上 [7] - 液冷龙头Y液冷业务净利率约xx% 其中接头和CDU更高 冷板稍低 [7] 公司规划 - 2026年公司海外营收目标达到XX亿 平均毛利率预期在40%以上 [8] - 英伟达Rubin架构推进可能重塑液冷市场 但CDU和接头仍不可或缺 [8] - GB300芯片100%采用液冷 GB200约75% 国内华为昇腾系列已使用液冷 [8] - 在昇腾服务器中 CDU份额超过xx% Manifold份额超过xx% 快接头及冷板在x%左右 [9] - 国内液冷产品毛利比海外低15个百分点 [10] - 液冷龙头Y在液冷应用项目中累计总容量达1.5-1.6GW 位居国内前列 [11] - 计划深化与Meta Google亚马逊的合作 2026年天弘科技液冷交换机需求将大幅增长 [11] 市场竞争与技术门槛 - 液冷龙头YCDU产品与维谛 Cool Master等巨头竞争 [6] - 冷板和CDU技术门槛主要在生产管控如良品率 而非核心设计 [11] - 液冷龙头Y通过自建工厂确保质量 与台系厂商差距主要在市场份额而非技术 [11] - 国内液冷市场竞争激烈 但液冷龙头Y凭借全链条布局保持领先 [11]

文章核心观点 - 文章对GB200和GB300的液冷系统价值量进行详细拆解和对比 重点分析冷板 快接头 软管 Manifold和柜外液冷等组件的成本变化 并讨论供应链从封闭转向多元化的趋势 特别提及英维克通过二级供应商策略参与市场竞争 [2][3][4] 冷板价值量分析 - B200采用3合一大冷板 覆盖2个GPU和1个CPU 单价650-680美元 GB300改用每芯片对应小冷板 单价降至240-250美元 但数量翻倍 计算机部分冷板数量变为3倍 交换机部分保持9块不变 [6] - GB200冷板总价值量为29250美元（650美元×45块） GB300为31770美元（240美元×108块 + 650美元×9块） [7] 柜内液冷组件价值量 - B300快接头数量增至252+18对 较B200的126+18对翻倍 B200快接头单价45美元/对 B300因定制NVUQB03规格涨至55美元/对 并附带软管 [7] - Manifold成本保持稳定 约28000美元/柜 软管成本从B200的1200美元/柜增至B300的1800美元/柜 [8][9] - GB200柜内液冷总价值量35680美元（45美元×144对 + 28000美元 + 1200美元） GB300为44650美元（55美元×270对 + 28000美元 + 1800美元） [10] 柜外液冷与供应商变化 - 柜外液冷以132KW总功耗为基础 维谛提供1350KW CDU覆盖8台柜子 价值量约75万美元/柜 未来Rubin288可能采用浸没+冷板方案 增加氟化液需求并推升成本 [10] - GB200时代柜外液冷由维谛主导 GB300引入5-6家供应商 包括维谛 施耐德 Nvent 宝德 Cooler Master和台达 供应链从封闭转向多元化 [11] - 冷板供应商从GB200的AVC和双鸿变为GB300以Cooler Master为主力 AVC 双鸿和宝德参与 GB300要求冷板以模组形式直接交付客户 Cooler Master部分冷板由英维克代工 AVC部分由同飞代工 快接头由川环供应 强瑞技术送样 [12] 英维克的战略与行业趋势 - 英维克冷板样品通过英伟达性能测试但被广达 鸿卡阻 后转为与Cooler Master合作担任二级供应商 避免直接竞争 [13] - 英维克CDU技术全国领先 同时发展ASIC和交换机液冷 交换机液冷方案与服务器趋同 NVL72 Switch预计全面转向液冷 [13] - 英伟达推动供应链本土化和多元化 国内企业面临机会但需竞争份额 [12]

文章核心观点 - 英伟达GB200已进入稳定交付期 NVL72每周可生成约1000个机柜 三季度产能将进一步加速 GB300将逐步上量[2] - 重点分析GB200与GB300液冷系统价值量差异 包括冷板数量变化、供应商体系调整及关键组件价格对比[2][21] 液冷系统组件构成 - 液冷服务器机柜包含集流管(Manifold)、冷却分配单元(CDU)、泵(Pump)、水箱(Water Tank)、板式换热器(Plate Heat Exchanger)及冷却塔(Cooling Tower)[5][6][8][9] - 冷却液通过左侧集流管(蓝色)输送低温液体 右侧集流管(红色)回收高温液体[7][9] - 快接头(Quick Disconnects)用于连接软管 蓝色软管输送低温冷却液 红色软管输出高温冷却液[17] GB200与GB300架构差异 - GB200采用18个compute tray和9个switch tray架构 每个compute tray含4个GB200(两颗Bianca板卡)[15][16] - GB200冷板设计为1个CPU+2个GPU对应一块大冷板 GB300改为每个芯片独立对应一块小冷板[16][22] - GB200需45块大冷板(36块计算+9块交换) GB300需117块冷板(108块小计算板+9块大交换板)[22] 冷板价值量与供应商体系 - GB200大冷板单价650美元 GB300小冷板单价240美元[23] - GB200冷板供应商以AVC主导(超55%) 双鸿占25%-30% Cooler Master为第三供应商[24] - GB300冷板供应商体系变革 Cooler Master成主供应商(超55%) AVC退居第二 双鸿份额降至不足5%[25] - GB300冷板需预先集成软管与快接头 由Cooler Master联合英维克等大陆厂商代工生产[25] 其他液冷组件价值量 - 软管价格：GB200为1200美元/柜 GB300上涨至1800-2000美元/柜[26] - 集流管价格：GB200与GB300均维持28000-30000美元/柜[26] - 快接头数量：GB200共144个(126计算+18交换) GB300增至270个(252计算+18交换)[27] - 快接头价格：GB200为45美元/对 GB300略升至55美元/对[28] - GB300快接头方案升级为NVUQD 供应商从欧美企业转向Cooler Master/AVC/富士达等 英维克参与产能补充[29] CDU供应商模式与毛利率 - GB200的CDU采用授权认证模式 仅维谛获得认证[30] - GB300取消认证 改为方案设计合作模式 台达/宝德/Cooler Master/维谛共同供应[30] - 液冷组件毛利率：CDU超50% 冷板/集流管/快接头等均超30%[30]