计算机行业研究_国产机柜时间到来_17页_2mb

国产机柜时间到来

核心内容

超节点产业正进入规模落地期，成为新一代智算基建的核心底座。大模型训练与推理对Scale-up架构提出刚性需求，推动行业向高密度、高性能、高效率的超节点方向演进。超节点通过大带宽、低时延、内存统一编址等特性，有效解决传统服务器集群在通信、功耗与复杂度方面的瓶颈，为千亿级甚至数十万亿参数模型的训练与推理提供基础设施支持。

主要观点

1. 需求端：大模型推动Scale-up需求

• 参数与数据量激增：从2020年GPT-3的1750亿参数到2025年Llama-4、Kimi K2等模型的万亿级参数与万卡级集群，AI模型的训练与推理需求显著提升。
• 训练算力需求：2020-2025年，顶级生成式AI模型训练算力需求增长近1000倍，模型训练成本每年增长2-3倍，至2027年或超10亿美元。
• MoE架构普及：MoE架构引入专家并行（EP）模式，带来高频All-to-All通信需求，对互联带宽、延迟与动态调度能力提出更高要求。

2. 供给端：海内外厂商密集发布超节点产品

• NVIDIA超节点产品：
  • GB200 NVL72：实现72颗GPU的全互联，具备高带宽、低延迟特性，推动大模型训练效率提升。
  • NVL576：通过两层all-to-all NVLink拓扑，实现576颗GPU的互联，进一步提升算力密度与性能。
• 国内厂商进展：
  • 华为CloudMatrix 384：实现384张昇腾芯片的超节点架构，具备高带宽、低延迟、内存统一编址等能力，已进入工程化交付阶段。
  • 中科曙光scaleX640：全球首个单机柜640卡超节点，算力密度提升20倍，适配万亿参数模型训练与推理。
  • 百度天池256/512：支持256/512张GPU，单节点完成万亿参数训练，提升单卡吞吐与推理效率。
  • 阿里磐久128：集成自研CIPU2.0与EIC/MOC高性能网卡，实现高算力密度与低延迟，适配多种AI场景。

3. 超节点驱动产业链价值重估

• AI服务器价值量显著提升：AI服务器整机价值量较通用服务器提升约25倍，主要增量集中在GPU、通信、整机集成等环节。
• GPU+NVSwitch Baseboard：占AI服务器整机BOM比例超70%，成为价值量跃迁的核心驱动因素。
• 通信环节价值量提升：网卡价值量从654美元增至10,908美元，增幅达15.7倍，成为继GPU后价值增长最快的环节。
• Markup环节价值量增长显著：整机留存加价从689美元增至4.2万美元，增幅达60倍，凸显品牌与集成能力的重要性。
• 组装测试环节价值提升：从495美元增至1,485美元，增幅2.0倍，反映超节点交付复杂度的提升。

关键信息

• 超节点技术优势：大带宽、低时延、内存统一编址、液冷散热、集中供电等，提升系统整体性能与可靠性。
• 交付模式升级：从单台服务器交付转向整机柜乃至Pod级系统交付，提升ODM厂商技术与工程壁垒。
• 毛利率提升：头部ODM厂商在超节点交付中具备工程溢价能力，毛利率有望结构性提升。
• 国产替代加速：华为、中科曙光、浪潮信息、华勤技术等厂商在超节点领域布局，推动国产化替代进程。

相关标的

AI机柜

• 浪潮信息
• 华勤技术
• 中科曙光
• 紫光股份

交换芯片

• 盛科通信
• 锐捷网络

高速连接器

• 华丰科技

国内算力

• 寒武纪
• 海光信息
• 东阳光
• 利通电子
• 协创数据
• 网宿科技
• 优刻得
• 豫能控股
• 润泽科技
• 亿田智能
• 华丰科技
• 神州数码
• 云天励飞
• 大位科技
• 润建股份
• 科华数据
• 中芯国际
• 华虹半导体
• 禾盛新材
• 奥飞数据
• 首都在线
• 云赛智联
• 瑞晟智能
• 潍柴重机
• 欧陆通

风险提示

1. 行业竞争加剧的风险。
2. 技术研发进度不及预期的风险。
3. 特定行业下游资本开支周期性波动的风险。