十五五算力底座：AI服务器新基建投资图谱

“十四五”以来，国家层面以“东数西算”工程为起点，将智能算力纳入新型基础设施体系。2024年“人工智能+”行动上升为国家战略，推动AI技术与实体经济深度融合。2025年中央经济工作会议强调新质生产力，明确算力基础设施的先行地位。2026年两会审议通过的“十五五”规划纲要，将智能算力列为重点发展方向，提出构建全国一体化算力网。深圳、北京、上海等城市出台专项产业链政策，围绕芯片、液冷、光模块等核心环节精准发力，形成央地协同的政策合力。

1、行业概述

AI服务器是指专门为人工智能工作负载设计的高性能计算系统，采用异构计算架构，集成中央处理器（CPU）与图形处理器（GPU）、神经网络处理器（NPU）、数据处理单元（DPU）等加速芯片，提供大规模并行计算能力，支撑人工智能模型的训练与推理任务。与传统通用服务器相比，AI服务器在计算密度、内存带宽、互联速率、散热能力等核心指标上均有数量级提升，是智算中心的核心算力单元，也是人工智能基础设施的关键组成部分。

2、AI服务器行业产业链及影响

（1）产业链结构概述

AI服务器行业产业链

资料来源：普华有策

（2）上游对行业的影响

上游核心元器件决定了AI服务器的性能上限、产能规模与供应链安全。计算芯片环节技术壁垒最高，高端GPU供应紧张直接影响整机出货节奏，国产芯片的稳定性与生态成熟度则决定了国产整机方案的市场竞争力。存储与光模块的技术迭代速度与AI服务器代际升级高度同步，HBM带宽、光模块速率成为制约集群扩展能力的关键瓶颈。PCB与散热组件在液冷趋势下面临材料与工艺升级要求，高端产能的获取能力成为整机厂商竞争的重要差异化因素。

（3）下游对行业的影响

下游需求结构直接影响AI服务器的产品形态与市场节奏。云服务商是最大需求方，其资本开支周期与AI服务器出货高度相关，自研芯片趋势正在重塑整机品牌的需求结构。运营商作为智算中心建设主力，2024-2026年进入密集采购期，对国产化方案的明确要求加速了国产芯片在关键领域的验证与应用。金融、自动驾驶、生命科学等行业用户需求呈现差异化特征，推动训推一体机、边缘服务器、轻量化一体机等细分产品创新。新场景（AI+教育、AI+医疗、AI+科研）的涌现，为推理服务器和定制化算力方案打开了增量空间。

3、竞争格局

全球格局：英伟达凭借CUDA生态、NVLink互联和持续迭代的产品矩阵，占据高端训练市场绝对主导地位。AMD以MI系列追赶，性价比优势在部分场景形成替代。AWS、Google等云厂商自研芯片（Trainium、TPU）在自有业务中占比提升。

中国格局：浪潮信息在品牌服务器市场保持领先，工业富联在ODM领域占据核心地位，新华三、宁畅、超聚变构成第二梯队。华为昇腾生态在国产算力领域处于领跑位置，海光DCU在部分行业实现规模化部署。

关键变量：国产芯片供应链稳定性、CUDA生态锁定效应突破进度、地缘政治对高端GPU获取的限制，共同影响未来三年格局演变。

4、行业发展机遇与挑战

（1）发展机遇

1）国产替代窗口期加速开启

高端GPU供应受限背景下，政务、金融、运营商等关键领域明确要求优先采购国产算力方案。这为华为昇腾、海光DCU等提供了规模化验证与应用机会。政策推动“应用牵引迭代”，国产芯片在真实场景中快速优化，有望在三年内显著缩小与国际领先水平的差距。具备国产芯片全栈适配能力的整机厂商将获得显著的差异化优势。

2）新应用场景持续涌现

AI+教育、AI+医疗、AI+科研等新场景对算力提出多样化需求。高校AI实训平台拉动轻量化一体机需求；医学影像分析与药物研发对高精度算力提出要求；大模型训练与科学计算驱动超大规模集群部署。推理侧需求增速预计超过训练侧，带动边缘AI服务器、训推一体机等细分产品快速增长。

3）液冷产业链迎来规模化发展机遇

在“双碳”战略及各地PUE严格限制（通常要求低于1.25）的双重驱动下，加之单芯片功耗突破千瓦级，液冷技术已从“可选”变为“必选”。冷板式液冷进入大规模部署阶段，浸没式液冷在大型智算中心开始试点推广，芯片级直冷等前沿技术加快研发。液冷覆盖冷板、机柜、CDU、高导热界面材料等环节，具备全链条交付能力的企业将充分受益渗透率提升。

4）“十五五”规划释放政策红利

“十五五”规划纲要将智能算力列为新型基础设施重点，智算中心建设从国家到地方形成投资合力。2026年政府工作报告明确“推动算力基础设施高质量发展”，运营商智算中心建设进入密集采购期。央地协同的政策体系，为AI服务器产业链提供了明确的战略指引和持续的增量需求，有效对冲宏观经济波动带来的不确定性。

（2）发展挑战

1）高端芯片供应不确定性持续存在

尽管国产芯片进步显著，但在顶级训练性能上与国际最先进水平仍有差距。地缘政治因素持续制约高端GPU采购，供应链波动可能导致交付周期延长和成本上升，进而影响下游投资节奏。企业需建立多元化的供应链体系和灵活的库存管理机制，以应对供应不确定性。

2）生态建设周期长、投入大

打破CUDA生态锁定非一日之功。国产芯片需要长期的开发者社区运营、算法库适配和应用案例积累。短期内，企业面临“硬件易得、软件难用”的挑战，生态成熟度与市场接受度相互制约，需依靠政策引导与产业链协同破解“应用-生态”循环难题。

3） 技术迭代速度加快，研发压力持续

大模型技术路线仍在快速演进，多模态AI、推理优化、边缘部署等新方向对AI服务器架构提出持续迭代的要求。芯片制程、封装工艺、互联技术、散热方案等各环节技术均在加速更新，企业需要保持高强度的研发投入才能跟上技术迭代节奏。对于资金实力有限的中小企业而言，技术路线选择错误或研发进度滞后将面临被淘汰的风险。

4）行业竞争加剧，利润空间承压

随着跨界玩家涌入，AI服务器市场价格战日趋激烈。虽然营收规模增长，但毛利率受到挤压。头部企业凭借规模效应和供应链整合能力维持优势，新进入者面临高昂的市场开拓成本和回款压力。价格战可能削弱行业整体研发投入能力。

5）下游需求波动风险

AI服务器需求高度依赖下游资本开支。若大模型商业化变现速度不及预期，可能导致算力需求阶段性放缓。此外，云厂商自研芯片比例的提升，可能长期压缩第三方整机厂商的市场空间。企业需积极拓展海外市场及垂直行业客户，构建多元化需求结构以对冲单一市场波动风险。

北京普华有策信息咨询有限公司《“十五五”AI服务器行业深度研究及趋势前景预判专项报告》系统分析了AI服务器行业的宏观环境、市场格局、产业链结构与未来趋势。报告首先界定AI服务器的技术定义与功能定位，梳理其从通用计算向异构计算演进的发展历程。通过PEST模型评估政策、经济、社会、技术四大环境，重点解读“十五五”规划、2025年中央经济工作会议及2026年两会精神对行业的战略指引。全球市场方面，分析北美、亚太、欧洲区域差异及英伟达主导的竞争格局；中国市场则聚焦智算中心建设、供需矛盾与国产替代进程。产业链解构覆盖上游核心元器件（芯片、存储、PCB、光模块、散热）、中游整机制造、下游应用运营全环节。报告深入剖析细分产品（训练/推理服务器）、重点区域（京津冀、长三角、大湾区）及典型应用场景。竞争格局部分，梳理浪潮信息、工业富联等头部企业竞争态势，并专题分析华为昇腾、海光信息等国产芯片生态进展。最后，报告从技术趋势（液冷、互联）、市场趋势（推理算力超越训练）、国产化趋势三个维度展望“十五五”发展前景，提出投资机遇与风险建议，为行业参与者提供决策参考。

目录

第一章 行业概述：定义与核心价值

1.1 AI服务器的定义与定位

1.1.1 定义界定

1.1.1.1 技术定义

1.1.1.2 功能定位

1.1.2 区别于通用服务器的本质

1.1.2.1 计算架构差异

1.1.2.2 应用场景差异

1.1.3 在AI基础设施中的核心地位

1.1.3.1 算力底座角色

1.1.3.2 智算中心核心单元

1.2 发展驱动力分析

1.2.1 需求端

1.2.1.1 大模型竞赛从训练向推理迁移

1.2.1.2 企业智能化转型对算力的刚性需求

1.2.2 供给端

1.2.2.1 摩尔定律放缓下的异构计算选择

1.2.2.2 先进封装与互联技术突破

1.2.3 政策端

1.2.3.1 “东数西算”工程与智算中心建设

1.2.3.2 “人工智能+”行动的战略部署

1.2.3.3 深圳等地方行动纲领

第二章 宏观环境分析（PEST）

2.1 政治环境

2.1.1 国家“十五五”规划对智能算力的战略定位

2.1.2 2025年中央经济工作会议关于新质生产力的部署

2.1.3 2026年政府工作报告与两会“十五五”规划纲要要点

2.2 经济环境

2.2.1 宏观经济增长对数字基础设施投资的影响

2.2.2 资本开支周期与算力投资热度的关联性

2.3 社会环境

2.3.1 全社会对AI赋能各行业的认知提升

2.3.2 绿色低碳理念对算力基础设施的要求

2.4 技术环境

2.4.1 大模型技术迭代对算力架构的牵引

2.4.2 半导体工艺与先进封装的技术突破

第三章 全球市场分析

3.1 全球市场现状

3.1.1 市场规模及增长态势

3.1.1.1 “十四五”期间回顾（2021-2025年）

3.1.1.2 “十五五”期间预测（2026-2030年）

3.1.2 区域分布特点

3.1.2.1 北美市场

3.1.2.2 亚太市场

3.1.2.3 欧洲市场

3.2 全球竞争格局

3.2.1 英伟达护城河分析

3.2.1.1 CUDA生态

3.2.1.2 NVLink互联

3.2.1.3 产品迭代速度

3.2.2 AMD追赶策略

3.2.2.1 MI系列芯片性价比

3.2.2.2 生态兼容性

3.2.3 云厂商自研芯片趋势

3.2.3.1 AWS Trainium/Inferentia

3.2.3.2 Google TPU

第四章 中国市场分析

4.1 中国市场深度分析

4.1.1 国内智算中心建设浪潮

4.1.1.1 国家算力枢纽节点布局

4.1.1.2 地方智算中心建设进展

4.1.2 主要需求方采购结构

4.1.2.1 运营商采购主导地位

4.1.2.2 互联网大厂资本开支周期

4.1.3 供需矛盾分析

4.1.3.1 高端GPU供需缺口

4.1.3.2 国产芯片替代窗口期

4.1.3.3 供应链韧性保障

4.2 中国市场规模与供需数据

4.2.1 中国市场规模（2021-2030年）

4.2.1.1 出货量（万台）

4.2.1.2 市场规模（亿元）

4.2.2 供需平衡分析

4.2.2.1 产能供给能力

4.2.2.2 需求侧结构变化

4.3 中国市场竞争格局

4.3.1 市场集中度分析

4.3.1.1 CR3/CR5占有率

4.3.1.2 头部厂商份额变化

4.3.2 头部厂商分析

4.3.2.1 浪潮信息

4.3.2.2 工业富联

4.3.2.3 新华三

4.3.2.4 宁畅

4.3.2.5 超聚变

第五章 行业特征

5.1 行业特征

5.1.1 技术密集性

5.1.2 资本密集性

5.1.3 生态依赖性

5.1.4 周期性特征

第六章 产业链综述与解构

6.1 产业链概述

6.1.1 产业链结构图谱

6.1.2 价值分布特征

6.2 上游分析：核心元器件

6.2.1 计算单元

6.2.1.1 GPU/ASIC芯片市场格局

6.2.1.2 国产芯片生态建设

6.2.2 存储单元

6.2.2.1 HBM供需紧张态势

6.2.2.2 国产存储芯片进展

6.2.3 PCB与CCL

6.2.3.1 高多层板技术壁垒

6.2.3.2 高频高速材料国产化

6.2.4 电源与储能

6.2.4.1 UPS与高压直流电源

6.2.4.2 锂/钠储能系统

6.2.4.3 SiC/GaN功率器件

6.2.5 光模块与连接器

6.2.5.1 高速光模块（800G/1.6T）

6.2.5.2 高速连接器与被动元器件

6.2.6 散热组件

6.2.6.1 液冷机柜与冷板

6.2.6.2 VC均热板与导热凝胶

6.3 中游分析：整机制造

6.3.1 品牌厂商格局

6.3.2 ODM厂商角色

6.3.2.1 工业富联

6.3.2.2 英业达

6.3.3 大客户JDM模式

6.3.3.1 互联网厂商深度定制

6.3.3.2 制造服务模式升级

6.4 下游分析：应用与运营

6.4.1 云服务提供商

6.4.1.1 IaaS层算力租赁模式

6.4.1.2 自研芯片趋势

6.4.2 智算中心运营商

6.4.2.1 政府主导型

6.4.2.2 民营资本型

6.4.3 制造业与服务业协同

6.4.3.1 整机制造商向系统服务商转型

6.4.3.2 云服务商参与硬件定制

第七章 细分产品分析

7.1 按产品类型细分

7.1.1 AI训练服务器

7.1.2 AI推理服务器

7.1.3 大模型训推一体机

7.1.4 全液冷AI超节点

7.1.5 轻量化AI一体机

7.2 按加速卡类型细分

7.2.1 GPU服务器

7.2.2 TPU/ASIC服务器

7.2.3 FPGA服务器

7.3 按部署方式细分

7.3.1 数据中心级

7.3.2 边缘端

第八章 区域结构分析

8.1 重点区域分析

8.1.1 京津冀地区

8.1.2 长三角地区

8.1.3 粤港澳大湾区

8.1.4 成渝地区

8.2 深圳先行示范区

8.2.1 产业基础与优势

8.2.2 政策支持与目标

8.2.3 重点企业布局

第九章 下游主要应用市场需求规模及前景

9.1 互联网与云服务

9.1.1 大模型训练需求

9.1.2 推理服务需求

9.2 金融行业

9.2.1 风控与量化交易

9.2.2 智能客服与营销

9.3 自动驾驶

9.3.1 仿真测试

9.3.2 车端与云端协同

9.4 生命科学与医药研发

9.4.1 药物分子模拟

9.4.2 基因测序与分析

9.5 智能制造与工业互联网

9.6 智慧城市与政务

9.7 新场景拓展

9.7.1 AI+教育

9.7.2 AI+医疗

9.7.3 AI+科研

第十章 集中度与竞争格局

10.1 市场集中度分析

10.1.1 全球市场集中度

10.1.2 中国市场集中度

10.2 全球竞争格局（摘要）

10.2.1 英伟达的垄断地位

10.2.2 追赶者与替代者

10.3 中国竞争格局

10.3.1 第一梯队

10.3.2 第二梯队

10.3.3 国产芯片对格局的影响

第十一章 重点企业/玩家分析

11.1 企业概述

11.2 企业核心竞争力分析

11.3 企业经营情况分析

11.3.1 营收与利润

11.3.2 研发投入

11.3.3 产能与出货

11.4 企业战略布局

11.5 企业占有率

11.5.1 全球市场占有率

11.5.2 中国市场占有率

11.5.3 细分产品市场占有率

第十二章 驱动行业发展的核心因素与不利因素分析

12.1 核心驱动因素

12.1.1 政策驱动

12.1.1.1 “十五五”规划对智能算力的布局

12.1.1.2 2025年中央经济工作会议精神

12.1.1.3 2026年政府工作报告要点

12.1.2 技术驱动

12.1.2.1 大模型参数规模持续增长

12.1.2.2 多模态AI对算力的新需求

12.1.3 需求驱动

12.1.3.1 企业智能化转型

12.1.3.2 新场景涌现（AI+医疗、AI+科研）

12.2 不利因素

12.2.1 高端芯片供应瓶颈

12.2.2 能耗与散热挑战

12.2.3 投资回报周期长

第十三章 机遇与挑战

13.1 发展机遇

13.1.1 国产替代窗口期

13.1.2 新应用场景爆发

13.1.3 绿色算力政策红利

13.2 面临挑战

13.2.1 技术迭代速度压力

13.2.2 生态建设难度

13.2.3 地缘政治风险

第十四章 壁垒分析

14.1 技术壁垒

14.1.1 高端芯片设计

14.1.2 先进封装工艺

14.1.3 高速互联技术

14.2 生态壁垒

14.2.1 CUDA生态锁定

14.2.2 软件开发与适配

14.3 供应链壁垒

14.3.1 高端产能获取

14.3.2 关键元器件供应

14.4 资金与规模壁垒

第十五章 相关风险提示

15.1 技术迭代风险

15.2 供应链风险

15.3 需求不及预期风险

15.4 竞争加剧风险

15.5 政策执行落地风险

第十六章 市场规模前景预测（“十五五”期间）

16.1 全球市场规模预测（2026-2030年）

16.2 中国市场规模预测（2026-2030年）

16.3 细分市场预测

第十七章 技术趋势与市场趋势

17.1 技术趋势

17.1.1 从“算力堆叠”到“极致能效”

17.1.1.1 液冷技术规模化普及时间点

17.1.1.2 先进封装（Chiplet）应用深化

17.1.2 互联技术演进

17.1.2.1 光退铜进趋势

17.1.2.2 全光交换技术产业化

17.1.3 绿色算力要求

17.2 市场趋势

17.2.1 推理算力超越训练算力

17.2.1.1 需求占比变化预测

17.2.1.2 对服务器架构的影响

17.2.2 边缘AI服务器增长潜力

17.2.3 一体化解决方案成为主流

17.3 国产化趋势

17.3.1 国产芯片生态建设

17.3.1.1 华为昇腾CANN生态

17.3.1.2 海光DCU生态

17.3.2 供应链安全视角

17.3.2.1 核心器件国产化替代时间表

17.3.2.2 应用牵引技术迭代模式

第十八章 投资机遇与策略

18.1 投资机遇

18.1.1 核心芯片国产化机遇

18.1.2 液冷散热产业链机遇

18.1.3 高速互联（光模块/连接器）机遇

18.1.4 PCB与封装基板高端化机遇

18.1.5 一体化解决方案服务商机遇

18.1.6 前沿性技术布局机遇

18.1.6.1 存算一体

18.1.6.2 光子计算

18.1.6.3 先进封装

18.2 投资策略

18.2.1 短期策略（1-2年）

18.2.1.1 关注供应链安全主题

18.2.1.2 聚焦液冷渗透率提升

18.2.2 中期策略（3-5年）

18.2.2.1 布局国产芯片生态

18.2.2.2 关注推理算力需求释放

18.2.3 长期策略（5年以上）

18.2.3.1 前沿技术前瞻布局

18.2.3.2 一体化解决方案能力

第十九章 研究结论与建议