由 XAIPART 编辑部根据公开来源整理,截止 2026-11-17。事实句带编号来源;前瞻判断标注 XAIPART 分析。
本报告覆盖 AI 加速器(数据中心 GPU、自研 ASIC,以及配套的 HBM 与先进封装),数据截至 2026 年 11 月 17 日。来源以厂商新闻室、监管文件、研究机构与国际主流媒体为主;事实与「本报告分析」分开标注。以下为完整正文。
1. 执行摘要
2026 年 11 月 16 日,NVIDIA 在 SC26 发布 Rubin HPC:单 GPU 超过 50,000 个 CUDA 核心、第七代 NVLink、面向仿真与数据分析,2028 年供货 S1。同周 TOP500 第 68 版显示,加速系统 291 台、占 58.2%,前十名半年未变,中国 LineShine 以 2.198 EF 居首 S2。AMD 在 11 月 12 日扩充 MI400 系:MI450X 配 288GB HBM4、MI430X 配 432GB HBM4;MI455X 在 DeepSeek-R1 MLPerf Offline 测试中达 21,333 tokens/s/GPU,厂方称比 NVIDIA Vera Rubin NVL72 已公布结果高 30% S3。
需求信号分裂:SemiAnalysis 把 2026–2030 加速器逻辑晶圆出货面积累计预测下调 17%,并把 2028 年 HBM 出货从 9.0 EB 降至 6.4 EB S5;TrendForce 预计 2026 年 HBM 消耗量增长 70% 以上 S6;BofA 估 2026 年 HBM 市场 546 亿美元、同比 +58% S7。三者分别计晶圆面积、HBM 位元与美元金额,时间窗也不同。
本报告分析:对 XAIPART,可做的生意不在 GPU 与 HBM 本体,而在机架功率、被动件、连接器与光模块的 BOM 膨胀和交期错配。2027 年前,分配能力比价格判断更重要。
关键数字一览
| 指标 | 2026 年数值 | 来源 |
|---|---|---|
| Rubin HPC CUDA 核心 | 单 GPU 超过 50,000 个 | S1 |
| TOP500 加速系统 | 291/500(58.2%) | S2 |
| AMD MI455X DeepSeek-R1 | 21,333 tokens/s/GPU | S3 |
| SemiAnalysis 晶圆面积下调 | 2026–2030 累计 -17% | S5 |
| TrendForce 2026 HBM 消耗 | 同比 +70% 以上 | S6 |
| BofA 2026 HBM 市场 | 546 亿美元,+58% | S7 |
| AI 服务器高容 MLCC 交期 | 26–40 周,部分 52 周 | S43、S44 |
阅读说明。事实句带编号来源;标注 XAIPART 分析 的段落为我们的判断。来源冲突会如实列出,不做静默裁断。
2. 历史发展脉络(详细版)
时间线:从 CUDA 到 Rubin HPC
- CUDA 随 G80 发布,GPU 成为可编程并行处理器。 S19
- AlexNet 用两张 GTX 580 训练并拿下 ImageNet,验证 GPU 深度学习。 S20
- Google 部署 TPU v1 做推理;AMD 在 Radeon R9 Fury X 上首次商用 HBM1。 S63S37
- Volta V100 引入第一代 Tensor Core 与 NVLink 2。 S65
- A100 80GB 用上 HBM2e,单卡显存翻倍。 S64
- H100 加入 Transformer Engine 与 FP8。 S18
- Blackwell GB200 NVL72 把竞争单位从卡改成机柜。 S16
- Blackwell Ultra GB300 NVL72 出货;SK hynix 完成 HBM4 开发。 S17S36
- Vera Rubin 全面量产;Rubin HPC 在 SC26 发布;Samsung 率先商业出货 HBM4。 S15S1S34
- Rubin Ultra NVL576 目标 576 die、约 600kW、800VDC。 S66S39
- Rubin HPC 面向科学计算供货。 S1
2.1 四个纪元
| 纪元 | 时间 | 关键产品/事件 | 需求侧特征 | 来源 |
|---|---|---|---|---|
| GPGPU 与学术计算 | 2006–2012 | CUDA 于 2006 年随 G80 发布;Tesla 计算卡;2012 年 AlexNet 用 2 张 GTX 580 训练 | 科研与少量互联网推荐;GPU 从图形转向通用并行 | S19、S20 |
| 深度学习起飞 | 2012–2017 | Kepler(2012)、Maxwell(2014)、Pascal P100(2016)、Volta V100(2017,第一代 Tensor Core) | 训练集群从数十卡走向数百卡;HBM 进入数据中心 | S19、S65 |
| 云数据中心规模化 | 2017–2022 | A100(2020,HBM2e)、H100(2022,Transformer Engine)、TPU v4(2021)、Trainium(2020) | 超大规模采购、云租赁、模型参数从亿级到千亿级 | S18、S64、S30 |
| 生成式 AI、机架级与 ASIC 崛起 | 2022–至今 | H100/H200、Blackwell NVL72(2024)、Blackwell Ultra(2025)、Vera Rubin(2026)、Rubin Ultra(2027)、Rubin HPC(2028);TPU v7/v8、Trainium3、Maia 200 | 单柜功率从数十 kW 走向数百 kW;训练与推理分流;自研 ASIC 占比上升 | S15、S16、S17、S21、S22、S24、S26、S1 |
2006 年 CUDA 发布时,GPU 的可编程性仍是小众能力;2012 年 AlexNet 用两张 3GB 显存的 GTX 580、训练 5 至 6 天,拿下 ImageNet,GPU 深度学习从此有了可复现的成本曲线 S20。2017 年 V100 把 Tensor Core 做进 SM,矩阵乘加从 CUDA 核的通用路径转到专用单元 S65。2020 年 A100 80GB 用上 HBM2e,单卡显存翻倍,模型并行从“切得开”变成“切得起” S64。2022 年 H100 加入 Transformer Engine 与 FP8,注意力层的训练与推理有了硬件级精度调度 S18。
2024 年 Blackwell 把竞争单位从“卡”改成“柜”:GB200 NVL72 用 72 颗 Blackwell GPU、36 颗 Grace CPU、第五代 NVLink 与液冷组成机架级系统 S16。2025 年 Blackwell Ultra 的 GB300 NVL72 把 AI 性能做到 GB200 NVL72 的 1.5 倍 S17。2026 年 5 月 31 日,NVIDIA 宣布 Vera Rubin 进入全面量产 S15;11 月 SC26 又补了一条面向科学计算的 Rubin HPC,2028 年供货 S1。机架级的下一站是 2027 年的 Rubin Ultra NVL576:576 颗 GPU die、约 600kW 单柜、15 EFLOPS FP4,配 800VDC 与独立电源/冷却侧柜 S66。
机架级把 72 颗 GPU 装进一个柜子,同时把互连、供电、冷却、交换与存储绑定成一个交付单元;云厂商采购的是整柜可用算力,不是单卡。GB200 NVL72 用第五代 NVLink 把 72 颗 GPU 连成一个域,GB300 NVL72 再把性能提高 1.5 倍 S16S17;AMD 的 Helios 用 MI455X 与 MI450X 两种 GPU 配同一套机架 S3。本报告分析:一旦竞争单位变成机柜,二供的门槛就从“芯片能跑”变成“整柜能交付”,这也是 ASIC 厂商必须与 Broadcom、ODM、液冷厂协同的原因。
自研 ASIC 的起点更早。Google 的 TPU v1 于 2015 年部署、2016 年公开,最初只做推理,整数 8 位运算,Google 称其在同类工艺下比 CPU/GPU 快 15 至 30 倍、能效高 30 至 80 倍 S63。这条线后来分成训练与推理两支:TPU v7 Ironwood(2025)单芯片 4,614 TFLOPS FP8、192GB HBM3e、7.37TB/s,9,216 颗组成 42.5 EF 的 Pod S21;2026 年 4 月 22 日,Google 发布第八代 TPU,首次把训练(TPU 8t)与推理(TPU 8i)拆成两颗芯片,Broadcom 与 MediaTek 分工承接 S22。AWS 从 2019 年的 Inferentia 走到 2025 年 12 月 GA 的 Trainium3:3nm、单 UltraServer 144 颗、4.4 倍于 Trainium2、20.7TB HBM3e S24。Microsoft 在 2026 年 1 月 26 日发布 Maia 200:TSMC 3nm、216GB HBM3e、7TB/s、272MB 片上 SRAM、10 PFLOPS 以上 FP4、750W S26。Meta 在 2026 年 3 月公布 MTIA 300/400/450/500 四代路线,MTIA 300 已量产,用于排序与推荐训练 S27。
配套存储的节奏同样清晰。2015 年 AMD Radeon R9 Fury X 首次商用 HBM1:4GB、4096-bit、512GB/s S37。SK hynix 在 2020 年量产 HBM2E,2021 年 10 月开发出 HBM3,2024 年 9 月量产 12 层 HBM3E,2025 年 9 月完成 HBM4 开发 S36。Samsung 则在 2026 年 2 月 12 日率先商业出货 HBM4,5 月 29 日又送出 12 层 HBM4E 样品 S34S35。封装端,TSMC 的 CoWoS 月产能从 2025 年约 7 万片走向 2026 年底的 12 万至 14 万片 S32。
2.2 NVIDIA 迭代谱系表
| 架构 | 发布年 | 代表产品 | 关键特性 | HBM 代际 | 来源 |
|---|---|---|---|---|---|
| Tesla | 2007 | Tesla C870 | 首批 GPU 计算卡,CUDA 可用 | GDDR3 | S19 |
| Fermi | 2010 | Tesla M2050 | ECC、双精度缓存层级 | GDDR5 | S19 |
| Kepler | 2012 | Tesla K20X | 动态并行、GPUDirect | GDDR5 | S19 |
| Maxwell | 2014(架构)/2015(M40) | Tesla M40 | 每瓦性能提升,推理起步 | GDDR5 | S19 |
| Pascal | 2016 | Tesla P100 | 首款数据中心 HBM GPU、NVLink 1 | HBM2 | S65 |
| Volta | 2017 | Tesla V100 | 第一代 Tensor Core、NVLink 2 | HBM2 | S65 |
| Turing | 2018 | Tesla T4 | INT8/FP16 推理优化、低功耗 | GDDR6 | S18 |
| Ampere | 2020 | A100 40/80GB | TF32、MIG、NVLink 3 | HBM2e | S64 |
| Hopper | 2022 | H100/H200 | Transformer Engine、FP8、NVLink 4 | HBM3/HBM3e | S18 |
| Blackwell | 2024 | B200/GB200 NVL72 | 双 die、第五代 NVLink、液冷机架 | HBM3e | S16 |
| Blackwell Ultra | 2025 | GB300 NVL72 | 1.5 倍于 GB200 NVL72 | HBM3e | S17 |
| Vera Rubin | 2026 | Vera Rubin NVL72 | 全面量产、HBM4、机架级 | HBM4 | S15 |
| Rubin Ultra | 2027 | NVL576/Kyber | 576 die、约 600kW、800VDC | HBM4 | S66 |
| Rubin HPC | 2028 | Rubin HPC | 超过 50,000 CUDA 核心、第七代 NVLink | 未披露 | S1 |
表中 2007–2016 年的架构年份按 NVIDIA 企业时间线;代表卡型为公开产品名,具体规格未逐项复核,故不填数值。2027 年 Rubin Ultra 的 600kW 与 576 die 来自第三方对 NVIDIA 公开材料的汇总,属单一来源,标注待核 S66。
2.3 自研 ASIC 谱系表
| 厂商 | 代际/产品 | 年份 | 关键规格或事件 | 来源 |
|---|---|---|---|---|
| TPU v1 | 2015 部署/2016 公布 | 推理 ASIC、8-bit 整数、比 CPU/GPU 快 15–30 倍 | S63 | |
| TPU v2 | 2017 | 训练与推理、HBM、Pod 互连 | S78 | |
| TPU v3 | 2018 | 液冷、Pod 规模扩大 | S78 | |
| TPU v4 | 2021 | 光学电路交换、大规模训练 | S78 | |
| TPU v5e/v5p | 2023 | 推理/训练分档 | S78 | |
| TPU v6e Trillium | 2024 | 第六代,能效提升 | S78 | |
| TPU v7 Ironwood | 2025 | 4,614 TFLOPS FP8、192GB HBM3e、9,216 颗/42.5 EF | S21 | |
| TPU 8t/8i | 2026 | 训练/推理拆分;Broadcom 与 MediaTek;2026 下半年 GA | S22、S23 | |
| AWS | Inferentia/Inf1 | 2019 | 推理 ASIC | S73 |
| AWS | Trainium/Trn1 | 2020 发布/2022 软件栈支持 | 训练 ASIC;GA 月份未核实 | S73 |
| AWS | Trainium2/Trn2 | 2024 | 训练与推理、UltraServer | S25 |
| AWS | Trainium3/Trn3 | 2025-12 GA | 3nm、144 颗/柜、4.4 倍、20.7TB HBM3e | S24 |
| Meta | MTIA v1 | 2023 | 推理、规格未披露 | S74 |
| Meta | MTIA v2 | 2024 | 推理、规格未披露 | S74 |
| Meta | MTIA 300 | 2026 | 排序/推荐训练,已量产 | S27 |
| Meta | MTIA 400/450/500 | 2026 公布,2027 部署 | 覆盖训练与推理的组合 | S27 |
| Microsoft | Maia 100 | 2023 | 训练/推理,规格未披露 | S26 |
| Microsoft | Maia 200 | 2026-01 | TSMC 3nm、216GB HBM3e、7TB/s、10+ PFLOPS FP4、750W | S26 |
| Intel | Gaudi 2 | 2022 | 已停产 | S75 |
| Intel | Gaudi 3 | 2024 | 最后一代独立 AI 加速器 | S75、S28 |
| Intel | Falcon Shores | 2026 取消商用 | 仅作内部测试芯片 | S75 |
| Intel | Jaguar Shores | 2027 | 机架级方案 | S75 |
| Intel | Crescent Island | 2026 下半年送样 | LPDDR5X 数据中心 GPU | S28 |
Google TPU v2 至 v6 的年份按 Google 官方博客与学术综述的世代划分整理,未逐代填算力 S78;Meta MTIA v1/v2 与 Microsoft Maia 100 的规格在公开材料中未完整披露,表中写「未披露」,不做估算 S26S27S74。
2.4 AMD Instinct 谱系表
| 代际 | 年份 | 代表产品 | 关键特性 | HBM 代际 | 来源 |
|---|---|---|---|---|---|
| MI200 | 2021 | MI250X | CDNA2、Chiplet、CPU+GPU 超算 | HBM2e | S76 |
| MI300 | 2023 | MI300X/MI300A | CDNA3、Chiplet 与 HBM3 共封装 | HBM3 | S76 |
| MI325X | 2024-10-10 | MI325X | 更高显存容量与带宽 | HBM3e | S29、S76 |
| MI350 | 2025 | MI350X | CDNA4,厂方称推理较 MI300 提升 35 倍 | HBM3e | S30 |
| MI400 | 2026 | MI430X/MI450X/MI455X | CDNA 下一代、HBM4、Helios 机架 | HBM4 | S3 |
AMD 在 2026 年 11 月 12 日把 MI400 系拆成三档:MI430X 面向科学计算,432GB HBM4、23.3TB/s,保留原生 FP64;MI450X 面向 AI,288GB HBM4,核心计算与 MI455X 相同;MI455X 是 Helios 机架的旗舰 S3。AMD 同时公布 MI455X 在 DeepSeek-R1 MLPerf Inference Offline 测试中达 21,333 tokens/s/GPU,厂方称比 NVIDIA Vera Rubin NVL72 的已公布结果高 30%;这是 AMD 实验室配置与 NVIDIA 公开条目的对比,NVIDIA 未回应,属厂方口径 S3。本报告分析:AMD 用显存容量与精度能力切分客户,不再用一颗芯片覆盖全部负载。
3. 需求侧专章
3.1 超大规模厂商 capex:三种汇总口径
| 公司 | 2026 Q3 capex | 口径 | 来源 |
|---|---|---|---|
| Amazon | 759 亿美元 | 现金口径 | S58 |
| Alphabet | 514 亿美元 | 现金口径 | S58 |
| Microsoft | 452 亿美元 | 含融资租赁的资本开支 | S58 |
| Meta | 349 亿美元 | 含融资租赁的资本开支 | S58 |
| 四家合计 | 约 2,070 亿美元 | 上述口径混合 | S58 |
| 四家合计 | 超过 2,100 亿美元,环比 +22%、同比 +84% | Platformonomics 口径 | S57 |
| 四家合计 | 1,712 亿美元 | 另一统计口径 | S72 |
同一季度出现 1,712 亿、2,070 亿、2,100 亿美元三个数,差异不在事实,在口径:是否计入融资租赁、应计未付、土地与电力设施,是否用现金支出还是权责发生制。Microsoft 单独给出日历年至约 1,700 亿美元的指引,并解释部分第三方 Capacity 交付从 Q1 推迟 S58。本报告分析:做需求判断时,应固定用同一口径的序列,不能把现金 capex 与含租赁 capex 直接相加;否则会高估或低估 15% 至 20%。
3.2 三种预测:晶圆面积、HBM 位元、美元金额
晶圆面积:-17%
SemiAnalysis 计 2026–2030 累计逻辑硅片面积,不是卡数。 S5
HBM 位元:+70%
TrendForce 计 2026 年内存含量;位元增长可以与晶圆面积下修同时成立。 S6
HBM 金额:+58%
BofA 计 2026 年美元收入,含价格与产品结构。 S7
| 口径 | 机构 | 时间窗 | 数字 | 计的是什么 | 来源 |
|---|---|---|---|---|---|
| 加速器逻辑晶圆出货面积 | SemiAnalysis | 2026–2030 累计 | 下调 17% | 硅片面积,不是卡数 | S5 |
| AI 加速器资本开支 | SemiAnalysis | 2028 | 1.054 万亿美元→7,580 亿美元,-28% | 资本开支金额 | S5 |
| AI 加速器资本开支 | SemiAnalysis | 2030 | 1.531 万亿美元→9,230 亿美元,-40% | 资本开支金额 | S5 |
| HBM 出货量 | SemiAnalysis | 2028 | 9.0 EB→6.4 EB,-30% | HBM 位元 | S5 |
| HBM 消耗量 | TrendForce | 2026 | 同比 +70% 以上 | HBM 位元 | S6 |
| HBM 市场规模 | BofA | 2026 | 546 亿美元,+58% | 美元金额 | S7 |
| ASIC 用 HBM 需求 | Goldman Sachs | 2026 | +82%,占市场三分之一 | ASIC 用 HBM | S7 |
本报告分析:三组数字并不在同一坐标系。晶圆面积是逻辑 die 的供给代理,HBM 位元是每台系统的内存含量,美元金额则叠加了价格与产品结构。2026 年 HBM3E 12 层价格在 6 月单月涨幅超过 50%,HBM4 12 层 36GB 在 2027 年有可能比 2026 年翻倍 S47;同一位元数对应的美元收入因此上升。于是出现「晶圆面积累计下调 17%、HBM 位元仍增 70%、HBM 金额增 58%」的组合,三者可以同时成立。
服务器出货是第四种口径,也是与元器件分销最接近的一种。TrendForce 在 2026 年 1 月预计 AI 服务器出货同比增长 28% 以上,8 月又上调到接近 31%,并称北美主要云厂商与 Oracle 的 2026 年资本开支合计增长 90% S10。同一机构在 4 月把通用服务器出货增速从 20% 下调到 13%,原因是 PMIC 与 BMC 交期拉长 S45。本报告分析:两个数字不矛盾,AI 服务器挤占了通用服务器的产能与料件,通用服务器因此更慢。IDC 的 Q2 2026 数据给出金额口径:全球服务器收入 1,663 亿美元,GPU 加速服务器 874 亿美元、同比 +28.1%,其他加速服务器 275 亿美元、同比 +237.6% S55。
SemiAnalysis 的公开摘要给出的逻辑链是:2028 年全球 AI 加速器资本开支从 1.054 万亿美元下调到 7,580 亿美元,2029 年再下调 41%,2030 年下调 40%;对应的加速器逻辑晶圆出货面积在 2026–2030 年累计下调 17%,其中 66% 来自 NVIDIA;2028 年 HBM 出货从 9.0 EB 下调到 6.4 EB,2030 年 AI 加速器电力需求预测也同步下修 S5。本报告分析:这套下修针对的是 2028 年之后的资本开支与电力可得性,2026 年的在手订单不在其射程内。公开摘要没有披露逐客户、逐机型的下修明细,属付费报告口径。
更关键的是时间窗。SemiAnalysis 的下调集中在 2028–2030 年:2028 年资本开支砍 28%,2029 年砍 41%,2030 年砍 40%,且 66% 的晶圆面积下调来自 NVIDIA S5。TrendForce 与 BofA 说的是 2026 年当年的紧张。两者合起来读,是「近端紧、远端松」,不是「2026 年立刻转弱」。本报告分析:把 SemiAnalysis 的五年累计下修当成 2026 年的需求崩塌,是口径误读;反过来,用 TrendForce 的 2026 年 +70% 否认 2028 年的供给过剩风险,也是选择性引用。
还有一处转写冲突需要指出:BofA 的 2026 年 HBM 市场规模,SK hynix 新闻室引用的数字是 546 亿美元、同比 +58% S7;另有一篇中文转引把同一机构的 2026 年 HBM 销售额写成 269.4 亿美元。本报告分析:两者相差约一倍,且与 2025 年 HBM 市场约 350 亿美元的公开量级不符,疑似单位或口径转写错误。本报告采用 SK hynix 新闻室转引的 546 亿美元,并把 269.4 亿美元列为未证实转写。
3.3 推理与训练的结构变化
推理正在成为独立的需求池。Google 把 Ironwood 定义为「第一颗为推理设计的 TPU」S21;Microsoft Maia 200 的官方定位是推理加速器 S26;AMD 用 DeepSeek-R1 的 MLPerf Offline 成绩来证明 MI455X 的推理吞吐 S3;Meta 的 MTIA 300 先用于排序与推荐训练,后续 400/450/500 才覆盖更高端推理 S27。训练侧仍是 NVIDIA 的主场:Vera Rubin 的全面量产与 GB300 NVL72 的 1.5 倍性能指向机架级训练集群 S15S17;Rubin CPX 则补上长上下文推理的专用档位 S68。
出货结构给出了同样的方向。TrendForce 预计 2026 年 AI 服务器出货约 280 万台、同比增长 30.5%,其中 GPU 服务器占 69.7%、ASIC 服务器占 27.8%,ASIC 占比为 2023 年以来最高,且 ASIC 出货增速高于 GPU S11S56。IDC 的 2026 年 Q2 数据更直接:GPU 加速服务器收入 874 亿美元、同比 +28.1%,其他加速服务器(主要是 ASIC)收入 275 亿美元、同比 +237.6% S55。ASIC 的基数小,增速高,绝对金额仍只有 GPU 的三分之一左右。
本报告分析:推理的碎片化有利于 ASIC。推理客户按 token 成本、延迟、显存容量和模型规模分档,单一 GPU 型号难以覆盖全部档位;自研 ASIC 可以把不必要的通用能力砍掉,换取每 token 成本。训练则相反,NVLink 域、CUDA 生态和机架级交付把迁移成本推高,短期内仍是 NVIDIA 的利润池。两者并存于同一资本开支池,增速不同。
4. 周边生态传导
传导链一览
每一环把成本与交期传给下一环;详细证据见 4.1–4.6。
4.1 先进制程与先进封装
TSMC 的 N2 已在 2025 年下半年量产,N2P 与 A16 计划在 2026 年下半年量产;A16 的 Super Power Rail 面向高密度供电的 HPC 产品 S31。真正的瓶颈不在晶圆,而在封装:CoWoS 月产能从 2025 年约 7 万片升到 2026 年底的 12 万至 14 万片,供需缺口预计从 20% 收窄到 10% S32。2026 年 10 月,供应链传出 TSMC 计划把 CoWoS 报价上调 10% 至 20%,部分封装交期已经拉长 S33。
本报告分析:CoWoS 的涨价会沿两条路径传导。第一条是 GPU/ASIC 的 ASP,封装成本占高端加速器物料成本的比例上升,厂方会把一部分转给云厂商;第二条是封装材料与设备,包括 ABF 载板、中介层、TC-bond、底填胶、检测与测试座。XAIPART 不卖 CoWoS,但可以卖封装与测试周边的连接器、探针、治具、清洗与温控件。缺证处:CoWoS 涨价的最终落地幅度尚未见 TSMC 官方确认,10% 至 20% 是供应链口径 S33。
4.2 HBM4:最紧的一环
Samsung 在 2026 年 2 月 12 日率先商业出货 HBM4,5 月 29 日又送出 12 层 HBM4E 样品 S34S35。SK hynix 在 2026 年 Q2 开始 HBM4 量产出货,下半年放量,HBM4E 样品已在 2026 年上半年送客户 S67。供给仍然集中:Counterpoint 的 2026 年 Q2 口径是 SK hynix 50%、Samsung 33%、Micron 18% S48;NVIDIA 2026 年 HBM4 分配的分析师估计则是 SK hynix 60% 至 70%、Samsung 25% 至 30%、Micron 其余 S49。两组数字不一致,且都不是 NVIDIA 官方口径。
价格信号更硬。HBM3E 12 层在 2026 年 6 月的价格涨幅超过 50%;HBM4 12 层 36GB 在 2027 年有可能翻倍 S47。SK hynix 的 2027 年 HBM4 产能据 Cantor Fitzgerald 已被客户锁定,NVIDIA 的采购价约 32 美元/GB、Broadcom 约 36 美元/GB S46。本报告分析:HBM 的分配是年度/多年期的产能预留,现货交易只占边缘。对分销商,HBM 本体不可做,但 HBM 测试、封装、散热与供电周边可做;对采购,HBM 价格是 AI 服务器 BOM 里最难对冲的一项,长协比现货更重要。
4.3 网络:800G 仍是主力,1.6T 在爬坡
2026 年 AI 数据中心的光模块主力仍是 800G,1.6T 进入量产爬坡;200G/lane 的激光器与 DSP 是最紧的环节 S41。Goldman Sachs 把光网络 TAM 看到 2028 年的 1,540 亿美元 S40;2026 年 9 月,该行把 2027 年 1.6T 出货预测从两个月前的 4,200 万只上调到 7,140 万只(经 36 氪转引)S79。NVIDIA 在 Rubin HPC 上用第七代 NVLink,机架内的 scale-up 与机架间的 scale-out 同时推高光连接需求 S1。
本报告分析:光模块的 BOM 传导比 GPU 更分散。一颗 1.6T 模块涉及 DSP、Driver、TIA、激光器、FAU、连接器、 cages、散热与电源管理;这些料号多数可以通过分销渠道采购。风险在于认证周期:1.6T 的新 DSP 与 200G/lane 激光器需要与交换机、网卡、服务器平台联调,分销商备货过早会压库存,备货过晚则错过爬坡。
4.4 电力与散热:从 54VDC 到 800VDC
NVIDIA 的 800VDC 架构计划在 2027 年随 Kyber 机架进入全面量产,目标支撑 1MW 级机柜;传统 54VDC 机架在 1MW 时需要约 200kg 铜排,800VDC 用更高电压降低电流与铜耗 S39。Rubin Ultra NVL576 的单柜功率约 600kW,配独立电源与冷却侧柜 S66。液冷在 AI 芯片中的渗透率预计 2026 年达到 53%,2027 年接近 60% S38。
电力侧的宏观数字存在口径冲突。Gartner 的转引口径称 2026 年全球数据中心用电 565TWh、同比 +26%,2030 年超过 1,200TWh;IEA 的另一组转引口径则称 2026 年接近 1,000TWh S70S71。两者对「数据中心」的边界、是否含自建电厂与网络设备、是否按 IT 负载还是园区总用电统计,均未统一;本报告不裁断,只把它当作方向性证据:电力约束在变硬。2026 年美国至少有 75 个数据中心项目被叫停或延期,属于媒体报道口径,未逐项核实 S70。
本报告分析:电力与散热是 XAIPART 最可触达的传导层。800VDC 把价值从低压 MOSFET 转向高压 SiC/GaN、固态断路器、直流母线、BBU/超级电容、连接器与高压 MLCC;液冷把价值转向 CDU、泵、快接头、软管、冷板、风扇与漏液检测。缺证处:800VDC 的整机 BOM 拆分未见公开的逐项料号表,以上为按架构推断,标为本报告分析。
4.5 服务器 ODM 与液冷
Foxconn 在 2026 年的 AI 机架组装份额约 40%,管理层称 AI 机架出货将翻倍,2026 年 6 月单月营收约 1.33 万亿新台币 S42。Quanta、Wistron 与 Hon Hai 三家合计覆盖 80% 至 90% 的 AI 服务器代工需求 S41。机架级交付把采购权从云厂商的芯片团队转到 ODM 的系统团队,料号从「板级」变成「柜级」。
本报告分析:ODM 是分销商的真实客户,而不是云厂商。云厂商指定 GPU、HBM、交换芯片,ODM 决定电源、连接器、被动件、风扇、线缆的二供与三供。XAIPART 若要吃 AI 服务器需求,应把 ODM 的机架 BOM 拆成可报价的料号清单,而不是停留在「AI 芯片」这个层级。
4.6 对元器件分销的下游含义
| 环节 | 2026 年信号 | 对分销的含义 | 来源 |
|---|---|---|---|
| 高容 MLCC | 服务器用交期超过 20 周,部分规格 24 周;高容/高压 26–40 周,价格 +50%–60% | 长协锁量、二供认证、避免现货追高 | S43、S44 |
| 标准 MLCC | 标准封装 14–18 周 | 交期正常,可作为组合报价的缓冲 | S43 |
| PMIC/BMC | 缺货把 2026 年通用服务器出货增速从 20% 下调到 13% | 电源管理芯片是通用服务器的隐性瓶颈 | S45 |
| 内存 | HBM 2027 年产能基本售罄;HBM3E 12H 在 2026 年 6 月涨价超 50% | 存储通胀向整机 BOM 传导 | S46、S47 |
| 光模块 | 800G 主力、1.6T 爬坡;2027 年 1.6T 预测 7,140 万只 | DSP、Driver、TIA、FAU、连接器需求前置 | S40、S41 |
| 电力 | 800VDC 2027 年量产;单柜 600kW–1MW | SiC/GaN、母线、BBU、高压连接器 | S39、S66 |
本报告分析:AI 服务器对分销商的价值集中在「一台机器上更多、更长交期的料号」,而非「一颗更贵的芯片」。高容 MLCC 的交期从标准品的 14 至 18 周拉长到 26 至 40 周,部分报道称 Samsung Electro-Mechanics 的服务器 MLCC 交期在 2026 年 10 月达到 52 周 S44。这类料号的缺货不会上头条,但会让整机排产停线。XAIPART 的机会在「长交期料号的一站式齐套」,而不是在 GPU 的转售。
5. 竞争格局
5.1 份额口径对照
| 口径 | NVIDIA | 自研 ASIC | AMD | 来源 |
|---|---|---|---|---|
| AI 处理器收入份额(2026-03) | 约 85% | 略高于 10% | 略低于 5% | S12 |
| AI 服务器出货份额(2026 预测) | GPU 服务器 69.7% | ASIC 服务器 27.8% | — | S11 |
| TOP500 加速系统(2026-11) | Hopper GPU 110 台 | — | Instinct 34 台 | S2、S59 |
| 最新季度数据中心/AI 收入 | 890 亿美元(2027 财年 Q2) | Broadcom AI 167 亿美元(2026 财年 Q3) | 85.46 亿美元(2026 年 Q3) | S13、S8、S4 |
| 同比增速 | +117% | +221% | +97% | S13、S8、S4 |
计数提醒。TOP500 计整机系统,不计芯片出货;一台系统可同时使用 NVIDIA GPU、AMD CPU 与 NVIDIA 网络,因此「技术出现」与「加速器驱动」不是同一个数。 S2S59
TOP500 的「加速系统 291 台」不等于「NVIDIA 291 台」。官方口径只给出加速系统总数 291 台(占 58.2%),并列出 Hopper GPU 110 台、AMD Instinct 34 台;本报告检索到的 NVIDIA SC26 博客以 Rubin HPC 为主,未给出 TOP500 总系统数 S1S2S59。会前流传的「NVIDIA 加速器驱动 252/500」未能在 TOP500 一手页面核实,本报告不采用;「AMD 34 台」对应的是 Instinct GPU,不是 AMD 技术出现的全部 202 台 S59S60。
TOP500 的计数方法也影响结论。榜单按 HPL 实测性能排序,统计的是整机系统,不是芯片出货量。2026 年 11 月榜单只有 27 台新系统,是历史最低,说明新增算力更多进入 AI 工厂,而不是进入 TOP500 这类能力型超算 S2。本报告分析:用 TOP500 衡量 AI 芯片份额会低估 GPU 训练集群的出货,也会高估超算对商用量产的指示意义。
5.2 NVIDIA 的护城河与 ASIC 的真实进度
NVIDIA 的护城河有三层:CUDA 的软件迁移成本、NVLink 的 scale-up 域、以及年度节奏带来的机架级交付能力。2027 财年 Q2(截至 2026-07-26)数据中心收入 890 亿美元、同比 +117%,Q3 指引 1,080 亿美元,且指引不含中国大陆与香港的数据中心计算收入 S13S14。这个体量意味着即便份额缓慢下滑,绝对收入仍在增长。
ASIC 的进度是真实的,但分布集中。Broadcom 的 AI 半导体收入在 2026 财年 Q3 达 167 亿美元、同比 +221%,公司把 2026 财年 AI 收入指引上调到约 580 亿美元,并给出 2027 财年约 1,150 亿美元、2028 财年约 2,300 亿美元的长期展望;Anthropic 预计在 2027 财年部署 5GW 的 Broadcom 定制 TPU S8S9。Google TPU v8 的出货量被 KGI 估为 2026 年 402 万颗、2027 年 910 万颗,同比 +126% S23。TrendForce 预计 2026 年 ASIC 服务器占比 27.8%,为 2023 年以来最高 S11。另有第三方汇总称 2026 年 ASIC 出货增速 44.6%、GPU 16.1%,但该组数字未能在 TrendForce 一手页面核实;会前流传的「ASIC +64.2%、GPU +43.8%」同样未核实,本报告不采用 S69。
本报告分析:ASIC 的挑战集中在三到五家云厂商,开放市场不是主战场。Broadcom、Marvell、Alchip 等设计服务商吃的是「大客户定制」,不是「通用替代」。NVIDIA 的份额会从 85% 缓慢下移,但在训练集群和机架级交付上仍有定价权;AMD 的机会在推理与科学计算的双精度场景,MI430X 的 432GB HBM4 就是为此设计 S3。
5.3 中国供给线
中国线的可核实事实停留在制造与管制层面。Huawei Ascend 910C 的制造落在 SMIC 的 N+2(7nm 级)节点,属行业媒体汇总口径 S77;Digitimes 在 2025 年 2 月报道 910C 良率约 40%,首次让 Ascend 产线盈利,目标是 60% S54。美国 BIS 在 2025 年 5 月 13 日发布指引,称 Ascend 910B/910C/910D 等先进计算 IC 可能违反出口管制,使用相关芯片存在执法风险 S50。NVIDIA 的 H20 在 2025 年 4 月被要求申请出口许可,公司在 2026 财年 Q1 计提 45 亿美元费用 S51。2026 年 11 月,Reuters 报道约 60 万颗 NVIDIA 芯片滞留香港、等待中国方面放行;同月另一篇 Reuters 独家报道称,被列入美国实体清单的西北工业大学通过中间商购买了 H200 S52S53。
本报告分析:中国线对全球 AI 芯片的短期影响集中在「供给分流」;「需求消失」的判断缺乏证据。NVIDIA 的指引已经不含中国数据中心计算收入,H20 的 45 亿美元费用是一次性出清;Ascend 的良率与产能决定中国本土替代的速度,但 40% 的良率与 60% 的目标之间仍有距离 S54。对分销商,中国线的机会在成熟制程、电源、被动件与封装材料,而不是先进 GPU。
6. 风险与不确定性
| 风险 | 正反证据 | 观察指标 | 来源 |
|---|---|---|---|
| 需求预测分歧 | SemiAnalysis 下调 2026–2030 晶圆面积 17%、2028 HBM -30%;TrendForce 2026 HBM +70%、BofA 金额 +58% | 2027 年 HBM 长协价、CoWoS 缺口 | S5、S6、S7 |
| HBM4 良率与认证 | Samsung 率先出货 HBM4,SK hynix Q2 量产;份额估计 50/33/18 与 60–70/25–30 冲突 | HBM4E 认证进度、NVIDIA 分配 | S34、S35、S67、S48、S49 |
| 地缘与出口管制 | H20 许可与 45 亿美元费用;BIS 对 Ascend 的指引;60 万颗芯片滞留香港 | 许可批复、香港库存、实体清单执法 | S50、S51、S52、S53 |
| 循环交易 | NVIDIA 向 OpenAI 投资约 300 亿美元;AMD 拟购 Anthropic 最多 50 亿美元股票并预期 200 亿美元以上算力供应 | 客户集中度、应收账款、关联交易披露 | S61、S62 |
| 电力与电网 | Gartner 565TWh 与 IEA 约 1,000TWh 口径冲突;75 个项目延期 | 并网排队、PPA 价格、机柜交付延期 | S70、S71 |
| 2028 年供给过剩 | SemiAnalysis 2028 HBM -30%、capex -28%;HBM 2027 售罄、HBM3E 12H 在 2026 年 6 月涨价超 50% | HBM 现货价、DRAM 合约价、原厂扩产 | S5、S46、S47 |
循环交易的风险集中在需求信号的自我强化,会计造假不是主线。NVIDIA 对 OpenAI 的投资、AMD 对 Anthropic 的持股与算力供应,都会让「客户采购」与「供应商投资」在同一张表里互相印证 S61S62。Morningstar 把这类安排列为 IPO 前的治理与收入质量问题 S61。本报告分析:只要终端推理收入增速高于资本开支增速,循环交易就是融资结构;一旦推理收入增速落后,同样的结构会放大下修。
7. 展望与可证伪触发点
以下每条均为本报告分析,给出断言、时间窗、数字阈值与证伪条件。NVIDIA 2027 财年 Q3 指引为 1,080 亿美元;第 4 条以 1,150 亿美元为下限,相当于要求环比增速不低于 6.5%,低于该值即视为加速中断。
| # | 断言 | 时间窗 | 证伪阈值 | 观察触发 |
|---|---|---|---|---|
| 1 | HBM 紧平衡贯穿 2027 年 | by 2027-06-30 | TrendForce 把 2026 年 HBM 消耗增速从 +70% 下修到 +40% 以下 | 连续两个季度下修,HBM4 36GB 价格环比转负 |
| 2 | CoWoS 缺口在 2027 上半年收窄到 10% 以内 | by Q2 2027 | 月产能低于 15 万片,或缺口仍高于 15% | TSMC 资本开支下修、OSAT 外包比例下降 |
| 3 | ASIC 占 AI 服务器出货超过 30% | by Q4 2027 | TrendForce 的 2027 年 ASIC 占比低于 30% | TPU v8 出货低于 700 万颗、Trainium3 爬坡低于预期 |
| 4 | NVIDIA 总收入在 2027 财年 Q4 环比加速 | by 2027-03-31 | 截至 2027 年 1 月的季度收入低于 1,150 亿美元 | Q4 指引低于 1,200 亿美元,或中国收入恢复但总量仍不达标 |
| 5 | AI 服务器高容 MLCC 紧张在 2027 上半年缓解 | by 2027-06-30 | 服务器级高容 MLCC 交期仍高于 26 周 | 原厂扩产落地、AI 机架出货增速跌破 20% |
| 6 | HBM4 36GB 合约价 2027 年至少上涨 50% | by 2027-12-31 | 全年均价较 2026 年涨幅低于 50% | Samsung/SK hynix 同时扩产、HBM4E 提前放量 |
用法。每一行是证伪测试,不是要辩护的预测。若在时间窗内触发阈值,报告中的对应判断即被推翻。
8. 附录:迭代谱系速查总表
| 年份 | NVIDIA | AMD | Google TPU | AWS | 其他 ASIC | HBM |
|---|---|---|---|---|---|---|
| 2006 | CUDA/G80 | — | — | — | — | — |
| 2012 | Kepler;AlexNet 用 2×GTX 580(Fermi) | — | — | — | — | — |
| 2015 | Maxwell | — | TPU v1 部署 | — | — | HBM1(Fury X) |
| 2016 | Pascal P100 | — | TPU v1 公布 | — | — | HBM2 |
| 2017 | Volta V100 | — | TPU v2 | — | — | HBM2 |
| 2018 | Turing | — | TPU v3 | — | — | HBM2 |
| 2019 | Turing | — | — | Inferentia/Inf1 | — | HBM2 |
| 2020 | Ampere A100 | — | — | Trainium 发布 | — | HBM2E |
| 2021 | Ampere | MI200 | TPU v4 | — | — | HBM3 开发 |
| 2022 | Hopper H100 | MI200 | — | Trn1 软件栈支持 | — | HBM3 |
| 2023 | Hopper H200 | MI300 | TPU v5e/v5p | Trainium2 规划 | Maia 100、MTIA v1 | HBM3 |
| 2024 | Blackwell NVL72 | MI325X | TPU v6e Trillium | Trainium2 GA | MTIA v2 | HBM3E |
| 2025 | Blackwell Ultra | MI350 | TPU v7 Ironwood | Trainium3 GA | — | HBM3E/HBM4 开发 |
| 2026 | Vera Rubin | MI400/Helios | TPU 8t/8i | Trainium3 放量 | Maia 200、MTIA 300/400/450/500 | HBM4 |
| 2027 | Rubin Ultra NVL576 | 未披露 | TPU 8 放量 | Trainium3 放量 | Jaguar Shores | HBM4 |
| 2028 | Rubin HPC | 未披露 | 未披露 | 未披露 | 未披露 | 未披露 |
速查表中的年份按正文来源整理;空白表示该年无公开产品节点,不表示厂商没有研发。2027–2028 年的 AMD 与其他 ASIC 节点在本次检索中未见完整公开路线,写「未披露」。
替代料与生命周期
| 料号 | 关系 | 生命周期 | 依据 |
|---|---|---|---|
| — | 暂无收录替代料 待补充数据 | — | 需 match_type 后才可显示任何前代标签 |
“前代”和“替代”标签仅来自已记录的匹配类型、生命周期状态或来源文本。没有记录匹配时,不显示任何标签。我们自己的商品列表不构成市场参考。
竞争格局
- 6 个在售商品(XAIPART 此分类)
- 3 收录制造商
- 55 家制造商(过去 30 天内出现在我们的新闻存档中)
统计数据仅反映 XAIPART 目录,不代表市场份额。
受影响的料号
目录中无匹配。 此事件未映射到 XAIPART 当前上架的任何料号。我们不推断匹配,也不显示占位列表。
各维度成本压力
| Dimension | FRED series ID | Unit | Lag | As of |
|---|---|---|---|---|
| 投入成本 | PCOPPUSDM, PALUMUSDM, PNICKUSDM | USD/mt | 52 d | |
| 供需 | PCU334413334413, IPG3344S | index(1982=100) / index(2017=100) | 46 d | |
| 汇率与能源 | DEXCHUS, DCOILBRENTEU, DHHNGSP | rate / USD/bbl / USD/MMBtu | 5 d |
No free authoritative interface for: gold · silver · rare earth · polysilicon · lithium carbonate · market share — listed rather than approximated.
本文如何生成
过程证据——抓取、来源可靠性检查、模型与校验
| Source fetched | NVIDIA Blog · blogs.nvidia.com · 6,596 chars · fetch status success |
|---|---|
| Source sanity (S1) | ok — passed before any model call (no s1_ block recorded) |
| Time contract | 11 <time datetime> values in this brief — 0 violations (+08:00 or date-only) |
上述每一行均由流水线生成,而非人工撰写。
评论
成为第一个评论的人。
🔐 请 登录 即可发表评论。
还没有账户? 注册