行业与公司 * AI服务器行业[1] * 全球AI服务器市场[2] * 国内AI服务器市场[14] * 厂商类型：OEM厂商（如戴尔、HPE）[5][9]、ODM厂商（如广达、富士康）[5][9]、准ODM厂商（如Super Micro/SMCI）[5][9][11][12][13][19]、国内厂商（如浪潮、新华三、联想）[3][14] 市场规模与增长 * 2025年全球AI相关开支总规模约为1.15万亿美元[2] * 2025年AI服务器市场规模接近3,000亿美元，占所有服务器总市场规模（TAM）的72%，增速达46%[1][2] * 2025年全球AI服务器出货量预计达210万台，同比增长30%[2] * 预计到2028年，数据中心80%以上的算力将应用于推理场景[1][2] 技术趋势与挑战 * 需求转变：生成式AI热潮推动需求从大模型训练逐步转向推理部署[2][20][21]，推理侧向边缘性和小规模数据中心迁移[2][15] * 技术挑战：AI服务器设计面临功耗和散热挑战[1][3]，单卡功耗显著增加，例如H100单卡TDP达700瓦[3]，Blackwell B200单卡TDP接近1,000瓦[4]，八卡服务器总功耗可能超过14千瓦，单个机柜总功耗可能达60千瓦，超出风冷散热极限[3][4] * 散热方案：液冷技术加速普及[4][7]，可有效解决高功耗设备散热问题，助力新建数据中心PUE（电源使用效率）降至1.2以下[1][4][7]，成为产业格局变化的重要催化剂[1][7] * 边缘计算：成为AI推理新趋势，国内厂商在推理能力上更具优势，可部署于安防、基站等场景[3][15] 产业竞争格局 * OEM厂商：如戴尔、HPE，以传统渠道为主，通过附加支持服务提高毛利润率，毛利率约为20%[1][5][9] * ODM厂商：如广达、富士康等台系厂商，为下游大客户定制产品，市占率接近一半，但毛利率常年偏低，不到10%[1][5][9][10] * 准ODM厂商：如Super Micro (SMCI)，提供深度定制服务，介于OEM与ODM之间[5][9][11] * 国内厂商：浪潮为国内龙头，依托国内市场资本开支（Capex）及信创政策，通过JDM模式为BAT等互联网巨头定制产品，研发周期缩短至6-9个月，并与本土GPU供应商（如寒武纪）合作应对出口管制[3][14] * 客户资源：美系和台系厂商与北美云计算巨头（如亚马逊、谷歌）绑定紧密，大陆系厂商主要集中在本土市场，客户资源分布影响区域拓展[3][16] * 市场演变：AI服务器行业从供不应求转向竞争激烈的红海市场，台系厂商竞争加剧、渠道折扣增加等因素导致部分厂商（如SMCI）毛利润率下降（从接近20%降至约9%）[19] 重点公司商业模式与表现 * Super Micro (SMCI) * 采用准ODM模式，通过模块化设计与上游GPU厂商紧密绑定，快速推出新品[11] * 采用RackScale整机柜交付模式，实现即插即用，大幅缩短交付周期，液冷机柜产能提升至每月2000个[12] * 液冷技术（如DLC产品线）实现差异化竞争，毛利润率显著高于标准产品[13] * 股价曾从低点上涨接近10倍，市值增长至接近500亿美元，反映了其向AI核心基础设施供应商的转变[17][18] * 台系ODM厂商 * 深度绑定北美云计算巨头，虽获得市场份额但品牌溢价低，毛利率常年低于10%，限制了研发投入和品牌建设，并高度依赖大客户[1][10] 投资视角与风险 * 估值逻辑：AI浪潮使硬件提供商转变为AI核心基础设施供应商，高增长是维持行业高估值的前提[17][18]，短期股价波动提供布局机会[18] * 市场前景差异：训练服务器单套价值高，面向头部客户；推理服务器需求基数更大，更考验成本控制和场景适应能力，预计到2028年推理加速器负载比重将占70%-80%[20][21] * 潜在风险/泡沫担忧：投资者担忧算力服务器存在泡沫，主要源于过于依赖大企业资本开支（CAPEX）的路径，部分实际需求（如机器人模型对推理侧的需求）可能未被充分反映[22]