2026全球及中国算力基础设施市场独立行业研究报告

FROST心SULLIVAN方法论沙利文于1961年在纽约成立，是一家独立的国际咨询公司，在全球设立45个办公室，拥有超过3,000名咨询顾问。通过丰富的行业经验和科学的研究方法，我们已经为全球1,000强公司、新兴崛起的公司和投资机构提供可靠的咨询服务。作为沙利文全球的重要一员，沙利文中国团队在战略管理咨询、融资行业顾问、市场行业研究等方面均奠定了良好的基础。在市场行业研究方面，沙利文布局中国市场，深入研究10大行业，54个垂直行业的市场变化，已经积累了近50万行业研究样本，完成近10,000多个独立的研究咨询项目。√沙利文依托中国活跃的经济环境，从材料化工、半导体设备、消费电子、汽车等领域着手，研究内容覆盖整个行业的发展周期，伴随着行业中企业的创立，发展，扩张，到企业走向上市及上市后的成熟期，沙利文的各行业研究员探索和评估行业中多变的产业模式，企业的商业模式和运营模式，以专业的视野解读行业的沿革。√沙利文融合传统与新型的研究方法，采用全面的测算模型，结合行业交叉的大数据，以多元化的调研方法，挖掘定量数据背后的逻辑，分析定性内容背后的观点，客观和真实地阐述行业的现状，前瞻性地预测行业未来的发展趋势，在沙利文的每一份研究报告中，完整地呈现行业的过去，现在和未来。√沙利文秉承匠心研究，砥砺前行的宗旨，从战略的角度分析行业，从执行的层面阅读行业，为每一个行业的报告阅读者提供值得品鉴的研究报告。市场范围：研究时间：·基准年份：2025年·历史年份：2021年至2025年·预测年份：2026年至2030年区域范围：·全球市场1.算力产业发展概览 61.1.算力的定义、战略属性和分类 61.2.算力产业分析 61.3.全球及中国人工智能资本开支规模与增长趋势分析 71.4.全球及中国算力市场规模与增长趋势分析 2.算力基础设施产业发展概览 2.1.算力基础设施的产业定位与构成 2.2.算力基础设施市场规模与增长趋势分析 2.3.算力基础设施产业发展的驱动因素和未来趋势 2.4.算力基础设施产业的进入壁 2.5.算力基础设施产业的机遇与风险 2.6.AI加速卡及模组 202.6.1.AI加速卡及模组的定义、分类与核心作用 202.6.2.AI加速卡及模组的市场规模 212.6.3.AI加速卡及模组的结构组成及设计制造技术特点 2.6.4.AI加速卡及模组设计制造的战略地位 232.6.5.中国AI加速卡及模组市场竞争格局 2.7.服务器 2.7.1.服务器的定义、分类与核心作用 2.7.2.服务器的市场规模 272.7.3.服务器行业的产业链地位 2.7.4.服务器市场竞争格局 312.8.交换机 342.8.1.交换机的定义、分类与核心作用 2.8.2.交换机的市场规模 352.8.3.交换机行业的产业链地位 2.8.4.交换机市场竞争格局 392.9.算力中心基础设施及解决方案 2.9.1.算力中心基础设施及解决方案的定义、构成与核心作用 2.9.2.液冷成为高密度算力基础设施的核心技术路线和重要增长方向 41Sullivan.Nopartofitmaybecirculated,quoted,copiedorotherwisereproducedwithoutthewrittenapprovalofFrost&Sullivan.2.9.3.算力中心基础设施及解决方案的市场规模 422.9.4.算力中心基础设施及解决方案的产业链地位 442.9.5.算力中心基础设施及解决方案市场竞争格局 442.10.算力基础设施产业主要企业介绍 4Sullivan.Nopartofitmaybecirculated,quoted,copiedorotherwisereproducedwithoutthewrittenapprovalofFrost&Sullivan.算力系集信息计算力、网络运载力、数据存储力于一体的新型生产力，是数字经济时代支撑技术创新、产业升级和经济社会数字化转型的基础性资源。随着人工智能、云计算、大数据、工业互联网、具身智能等新技术规模化应用，数据计算、传输、存储和处理需求持续提升，全球算力需求呈现指数级爆发式增长。面对全球算力需求的爆发式增长和日益复杂的国际环境，习近平总书记指出：“要加强数字基础设施建设，加快数字转型，努力弥合'数字鸿沟’,推动数字经济全面发展。”在此背景下，算力作为数字基础设施的重要组成部分，已逐步成为长周期支撑经济高质量发展的重要基石。从类型看，算力通常分为通用算力、AI算力和超级算力。其中，通用算力主要面向传统数据处理、企业信息系统等场景；AI算力主要面向人工智能模型训练、推理及相关智能化应用场景；超级算力则主要用于基础科学研究、航空航天等大规模超高性能计算场景。近年来，受大模型技术迭代、Agent应用扩展以及企业智能化投入增加等因素影响，AI算力需求爆发，并推动算力产业从单一计算资源建设向大规模集群式的综合基础设施体系演进。算力产业是围绕算力资源形成的综合性产业体系，除底层芯片性能以外，其发展水平也取决于计算单元的部件化、整机化、集群化和场景化落地能力，算力产业竞争的本质，是系统级架构与综合解决方案能力的比拼。按照产业链环节划分，算力产业链前端主要为芯片与零部件环节，中端为算力基础设施环节，后端为通用大模型、Agent智能体、算力中心、具身智能等行业应用环节。其中，公司核心业务算力业务属于中端算力基础设施环节，主要包括AI加速卡及模组，服务器、交换机等算力整机，算力配套设施和解决方案等，是连接前端芯片资源与后端行业应用需求的关键环节，也是将芯片算力转化为可部署、可调度、可稳定运行的系统级算力资源的重要载体。该环节直接影响算力资源的供给效率、运行稳定性、集群扩展能力、能效水平及交付周期等，在算力产业由单点硬件性能竞争向系统化、工程化、场景化能力竞争演进的过程中扮演着日益关键的角色。算力基础设施算力基础设施AI加速卡及模组·PCle卡/OAM/UBB/DPU卡/智能网卡·AI服务器/通用服务器/存储服务器交换机·数据中心交换机/园区交换机/工业交换机智算中心配套基础设施和解决方案·液冷/供配电/机柜通道/智能监控运维芯片与关键零部件存储芯片高速互联器件·光模块/连接器/线缆电源与热管理·VRM/电源模块/散热器件及材料算力使用场景·大模型训练/推理·互联网云服务/智算服务·智慧医疗/生命科学·汽车电子/具身智能/边端智能人工智能技术的快速发展持续推动全球科技企业加大算力基础设施投入，大模型训练、推理服务及智能体应用等场景成为人工智能相关资本开支增长的重要驱动力。从下游需求端看，人工智能技术的快速发展正在显著推升全球科技企业对算力基础设施的资本投入。大模型训练、推理服务，智能体应用，云计算平台升级等场景均需要持续建设大规模数据中心和智算中心，并充分带动算力全产业链环节的需求增长。近年来，全球及中国头部云厂商持续加大资本开支，尤其围绕AI算力基础设施的投入呈现快速提升趋势，成为算力产业景气度提升的重要需求侧验证。美国及中国云厂商人工智能资本开支规模，2023年至2028年预测中国云厂商(4家)美国云厂商(5家)中国云厂商(4家)美国云厂商(5家)中国云厂商(4家)中国云厂商(4家)85.2%22.8%02027预测2028预测来源：BERNSTEIN,BofA,弗若斯特沙利文2023至2025年期间，美国云厂商(5家)的人工智能资本开支由11,449.1亿元增长至31,784.1亿元，年复合增长率达66.6%;同期，中国云厂商(4家)的人工智能资本开支由994亿元增至3,408亿元，年复合增长率高达85.2%。未来，AI算力基础设施投资预计继续扩张。美国云厂商(5家)人工智能资本开支将由2026年的58,109.8亿元增至2028年的93,390.1亿元，年复合增长率为26.8%;中国云厂商(4家)人工智能资本开支则将由4,189亿元增至6,319.0亿元，年复合增长率为22.8%。总体来看，美国头部云厂商在人工智能资本开支规模方面保持显著优势。2023年至2025年，中国头部云厂商资本开支增速高于美国样本企业；2026年至2028年，美国样本企业的预计增速则略高于中国厂商，整体趋势反映出中国AI算力和基础设施建设正处于加速投入阶段。1.4.全球及中国算力市场规模与增长趋势分析随着人工智能、云计算及各行业数字化应用持续发展，全球计算资源需求不断增长，通用算力、智能算力及超级算力呈现差异化发展趋势，其中智能算力成为近年来算力规模增长的主要驱动力。在下游资本开支持续增长、数字经济持续发展、人工智能技术快速演进以及各行业数字化、智能化应用不断深化的背景下，全球算力需求保持快速增长趋势。据统计，基于FP32计算，2025年全球算力市场规模达3,424.4EFLOPS,2021年至2025年的年复合增长率为54.5%;预计至2030年，全球算力市场规模将进一步增长至19,917.3EFLOPS,2026年至年的232.0EFLOPS增长至2025年的2,763.1EFLOPS,年复合增长率为85.8%,显著高于同期整体算力市场增速。预计至2030年，全球智能算力规模将增长至18,587.2EFLOPS,2026年至2030年年复合增长率为40.7%。随着大模型训练和推理需求持续释放，AI算力在全球算力市场中的占比预计将持续提升，成为推动全球算力市场增长的重要力量。全球算力市场规模，2021年至2030年预测0智能算力规模(基于FP32计算)通用算力规模(基于FP32计算)15,929.32027预测2028预测2026预测2027预测2028预测来源：IDC、弗若斯特沙利文年年复合增长率为53.4%;预计至2030年，中国算力市场规模将进一步增长至3,637.9EFLOPS,2026年至2030年年复合增长率为23.5%。在政策支持、应用场景拓展及国产AI生态加速发展的共同推动下，中国AI算力市场蓬勃发展，2025年中国智能算力规模达到1,037.3EFLOPS,2021年至2025年年复合增长率为60.8%,显著高于同期整体算力市场增速。预计至2030年，中国智能算力规模将增长至3,442.9EFLOPS,2026年至2030年年复合增长率为23.9%,保持持续性的高速增长。中国算力市场规模，2021年至2030年预测中国总计02028预测2030预测2026预测2027预测2029预测来源：中国信通院、浪潮信息、工信部、弗若斯特沙利文综上，算力已成为数字经济时代支撑技术创新、产业升级和经济社会数字化转型的关键基础性资源，AI大模型、智能体及各类智能化应用的快速发展，正在推动下游科技企业和行业客户持续加大算力投资，并带动全球及中国算力市场保持高速增长。2.算力基础设施产业发展概览2.1.算力基础设施的产业定位与构成算力基础设施是算力产业的核心物理载体，是将芯片算力转化为实际生产力的关键环节。若将算力是数字经济时代的“电力”,算力基础设施即是承载这一“电力”的“发电站”与“输电网”,其不仅决定了算力的供给规模，更直接影响算力的交付效率、使用成本与应用边界。随着全球AI大模型训练与推理需求的爆发式增长，算力基础设施正经历从“通用计算”向“AI加速计算”的深刻变革，成为全球科技竞争与数字经济发展的战略制高点。从产业链构成来看，算力基础设施并非单一硬件产品，而是由AI加速卡、算力整机(服务器、交换机、存储设备等)、算力配套设施和解决方案共同构成的综合体系。其中，AI加速卡是AI芯片实现工程化落地和算力释放的重要部件载体；算力整机是算力承载与网络互联的核心形态，主要包括服务器、交换机及存储设备等；算力配套设施和解决方案则围绕高密度算力部署需求，进一步延伸至液冷机柜、UPS、智能监控、智能温控以及AI智算中心整体建设等环节。上述各环节相互衔接、协同配合，共同构成了支撑AI训练、推理及各类智能化应用落地的完整算力基础设施产业链。UBB模组DPU卡机柜通道服务器交换机存储设备来源：公开资料、弗若斯特沙利文近年来，在AI算力需求的强劲驱动下，全球算力基础设施市场呈现出"总量高增、结构升级”的发展特征。根据弗若斯特沙利文数据，2025年全球算力基础设施市场规模已达到4.3万亿元，2021年至2025年复合增长率达31.7%;预计到2030年，全球算力基础设施市场规模将进一步增长至13.7万亿元，2026年至2030年复合增长率保持在24.0%左右的高位水平。全球算力基础设施市场规模，以营收计，2021年至2030年预测单位：万亿元人民币年复合增长率2021-20252026预测-2030预测来源：GCC中国作为全球数字经济发展最快的主要经济体之一，算力基础设施市场保持着高于全球平均水平的增长速度。根据弗若斯特沙利文数据，2025年中国算力基础设施市场规模达到了8,378.4亿元，2021年至2025年复合增长率达30.7%;预计到2030年，中国算力基础中国算力基础设施市场规模，以营收计，2021年至2030年预测单位：万亿元人民币年复合增长率2021-20252026预测-2030预测来源：中国信息协会、专家访谈、弗若斯特沙利文尤为值得关注的是，在国家"算力国产化"战略的推动下，中国算力基础设施市场正经历深刻的国产替代进程。一方面，"东数西算"、"全国一体化算力网络"等国家战略的持续推进，为国内算力基础设施建设提供了强劲的政策驱动力；另一方面，在国际地缘政治格局变化与供应链安全考量的背景下，算力基础设施的自主可控已成为行业共识。从AI加速卡及模组，到服务器、交换机等整机设备，再到算力基础设施解决方案，全产业链的国产替代正在加速推进，为国内算力基础设施厂商带来了历史性的发展机遇。同时，政府投资与大型国有企业资本开支共同推动算力基础设施建设。2026年，中国对算力基础设施的资本投入力度进一步加大，并呈现出政府投资牵引与大型国有企业资本开支同步倾斜的特征。国家发改委明确将算力网纳入“六张网”建设体系，并预计2026年“六张网”及相关重点领域投资规模将超过7万亿元，同时通过中央预算内投资、超长期特别国债及政策性金融工具形成政府资金引导、社会资本跟进的投资机制。在企业端，三大运营商虽然整体资本开支均趋于收缩，但算力投入逆势提升：中国移动2026年计划算力网络投资约378亿元；中国电信计划算力基础设施投资255亿元，同比增长26%,占总资本开支约35%;中国联通计划资本开支约500亿元，其中算力投资占比超过35%,对应超过175亿元。三大运营商算力投资合计已超过800亿元，反映出资本开支正由传统通信网络加速向AI算力、AIDC及算力网络迁移。整体来看，算力基础设施已由单一产业投资方向上升为国家新型基础设施建设的重要组成部分，在政策资金、央国企资本开支及社会资本共同推动下，中国正在形成千亿元级直接算力投入与万亿元级基础设施投资协同推进的资本投入格局。亿美元，年复合增长率约为43.6%;同期算力需求则由1,814.8亿美元增至16,285.3亿美元，年复合增长率约为44.2%。由于需求持续高于供给，全球算力需求满足率将由2024年的79%下降至2027年的71%,到2030年也仅回升至77%,供需缺口相应由389.1亿美元扩大至3,809.8亿美元，约为2024年的9.8倍。中国市场同样保持快速增长，人工智能算力市场规模预计由2026年的515亿美元增至2030年的1,501亿美元，2025年至2030年复合增长率约为31.8%。企业侧需求亦具有较强确定性：97.3%的受访企业预计继续扩大AI算力投入，其中37.7%需要显著增加推理资源，29.3%需要持续以大规模算力支持业务运行；供需趋紧已开始反映在价格端，2026年Token及云服务调价频率由一年一次加快至半年甚至更短，全年价格涨幅预计达到30%至50%。算力供给扩张受到高端AI芯片、HBM、服务器CPU、先进封装、网络设备、液冷系统及电力接入等多重制约，单一环节的短缺均会延长算力由设备采购到稳定运行的交付周期。与此同时，算力并非能够无差别替代的标准化资源：高端训练与复杂推理需要特定芯片平台、高速互联、存储带宽、软件生态和集群调优，东部地区需求旺盛但土地及能源约束较强，西部地区能源相对充足但客户、数据及低时延应用不足，进一步造成名义供给与实际可用供给之间的差异。图中材料显示，全国智算中心平均利用率不足40%,这一现象更多反映区域布局、芯片平台、软件适配、调度机制和应用需求之间的结构性错配，而不能简单等同于整体算力过剩，即市场可能同时存在部分低效算力闲置与高端有效算力短缺。未来，真正稀缺的将是能够匹配实际负载、稳定运行并持续输出Token的有效算力；具备稳定电力、高密度液冷、高速网络、多芯片适配、集群调度及一体化交付能力的算力基础设施仍将供不应求，行业也将由追求标称算力规模转向竞争单位投资、单位能耗下的Token产出效率。人工智能技术已成为推动算力基础设施行业发展的核心驱动力。过去，AI算力需求主要集中于大模型训练环节，具有算力集中度高、单次计算规模大、集群建设强度高等特点；随着大模型能力持续提升和应用生态不断完善，AI算力需求正进一步向推理服务、智能体运行、行业模型部署和端侧智能应用等场景扩展。相较于训练需求，推理需求具有调用频率高、持续时间长、服务场景丰富等特点，将推动算力基础设施从阶段性集中建设向常态化持续扩容演进。在智能体时代，人工智能应用将不再局限于单次问答或单点工具调用，而是逐步具备任务规划、工具调用和持续执行能力。由此带来的Token消耗和数据处理需求将显著提升，并推动算力需求从“模型训练驱动”进一步升级为“训练+推理+智能体应用”共同驱动。未来，随着AI在互联网、金融、政务、制造、医疗等领域加速落地，算力基础设施将成为各行业智能化升级的基础资源，行业需求有望保持长期增长。(2)算力基础设施向AI加速化、高性能化和高速互联方向持续升级能力和算力密度的要求，以GPU、NPU、ASIC等为代表的AI加速芯片正在成为智能算力的核心载体，带动AI加速卡、AI服务器、高速网络设备和配套基础设施快在产品层面，AI加速卡和AI服务器需要实现更高算力密度、更高带宽互联、更强系统稳定性和更优能效表现；数据中心交换机需要适应大规模集群内部数据流量快速增长，向更高速率、更低时延、更高可靠性方向持续演进。未来，算力基础设施的竞争将不再只是单点硬件参数竞争，而是围绕计算、网络、存储、散热、供电和管理等多维能力的系统级竞争，具备系统级优化能力的企业将在行业竞争中更具优势。(3)白牌化与定制化成为算力整机行业的重要发展方向随着互联网云厂商、AI科技企业、电信运营商及大型政企客户持续加大智算中心和数据中心建设投入，其对服务器、交换机等算力整机的需求已由标准化采购逐步转向场景化、定制化和规模化部署。不同客户在算力需求、业务负载、算力架构、机房条件、能耗控制、国产化要求和总体拥有成本等方面存在显著差异，对整机配置、系统架构、网络拓扑、散热方式、运维适配和交付周期等均提出了更精细化、差异化和个性化的要求。传统标准化品牌机产品更强调通用性、品牌体系内一致性和标准服务模式，难以充分满足头部客户在大规模AI算力场景下的综合需求。在此背景下，白牌定制化产品逐步成为算力整机行业的重要产品形态。白牌化和定制化系以客户业务场景为导向，通过客户深度参与产品定义，并联合开展研发设计、样机验证、批量交付和迭代优化，实现对具体应用场景的深度适配。尤其在大规模AI集群建设中，客户更加关注单位算力成本、系统稳定性、交付周期和长期扩展能力，具备定制化研发、供应链整合、规模化制造和快速交付能力的整机厂商，有望在行业竞争中获得更重要的市场地位。未来，算力整机行业将进一步从“标准化产品销售”向“客户共创、场景定义、系统交付”方向演进。(4)大规模集群化、超节点化和一体化交付成为算力基础设施建设主线AI大模型训练和推理需求持续提升，推动算力基础设施由单机、单柜部署向千卡、万卡甚至十万卡级乃至更大规模集群部署演进。在大规模AI集群中，算力资源的有效供给并非单台服务器性能的简单叠加，而取决于计算节点、网络互联、存储系统、供配电、制冷系统、机房环境和运维管理等多环节能否在统一架构下高效协同。因此，行业竞争重点正在从单一硬件性能竞争，升级为集群化架构设计、系统集成、工程部署和持续运维能力的综合竞在产品形态上，整机柜、超节点、集装箱式数据中心等新形态不断发展。整机柜交付模式将计算、网络、供电、散热等能力在柜级进行预集成，有助于缩短部署周期、提升交付效率并增强系统可靠性；超节点是大规模智算集群的重要新型形态，其通过高速互联将多个计算节点聚合为高性能计算单元，提升集群内部的通信效率、协同计算能力和整体算力利用率；集装箱式一体化交付模式正在成为算力基础设施快速建设的重要方向，其将算力产品和配套设施进行预集成，能够缩短现场建设周期，降低系统联调复杂度，并提升异地部署和统一运维效率。未来，具备贯穿算力产品和解决方案的一站式产品服务能力，并能够实现规模化制造、批量交付的企业，将更有能力满足客户对大规模集群建设的综合需求。行业价值也将从单一设备销售，进一步延伸至架构设计、系统集成、运维优化和持续升级等全生命周期服务环节。(5)Token工厂推动算力基础设施向有效智能产出导向演进随着大模型训练与推理需求快速增长，算力基础设施的评价标准正由芯片数量、峰值算力等硬件指标，逐步转向单位时间内可稳定输出的有效Token数量。“Token工厂”以Token输出能力作为算力建设和运营的标准单位，并结合单位Token成本、能耗、时延及服务稳定性等指标，更直接地衡量算力基础设施对AI应用的实际支撑能力，推动行业从“算力资源堆在此趋势下，下游客户对算力基础设施的关注重点正由单一服务器产品及硬件参数，逐步转向服务器、交换机、液冷系统、高速互联及集群管理软件的一站式交付能力。采购要求也由分别指定服务器、交换机和液冷设备的型号配置，向围绕整体集群性能、稳定性、能效和部署效率提出综合需求转变。(6)AI芯片和算力架构多路线并行，开放适配能力成为产业链关键能力人工智能产业仍处于快速技术迭代阶段，AI芯片、高速互联、存储和软件生态等环节均呈现多技术路线并行发展态势。不同芯片厂商在架构路线、封装形态、功耗水平、接口协议、软件生态和应用场景等方面存在差异，下游客户也会根据不同需求选择不同算力配置和平台。因此，算力基础设施行业正在从单一硬件平台竞争，逐步转向多元算力适配能力、异构系统协同能力和开放生态整合能力的竞争。在多元化算力并行发展的背景下，算力基础设施企业的价值进一步凸显。例如，AI芯片只有通过加速卡设计、整机适配、网络协同和应用调优等环节，才能转化为稳定可用、可规模部署的算力资源。具备开放适配能力的企业，能够面向不同芯片路线、不同客户场景和不同系统架构，提供灵活的算力解决方案，帮助上游芯片实现产品化落地，也满足下游客户个性化的需求。开放、兼容、包容的产业生态能力，已成为算力基础设施厂商参与AI产业链竞争的重要基础。(7)绿色低碳和液冷散热成为高密度算力基础设施的重要发展方向随着AI服务器算力密度、单柜功耗和集群规模持续提升，数据中心能耗和散热问题日益突出。高密度AI集群在持续运行过程中会产生大量热量，对机房供电能力、制冷效率、能效水平和运行稳定性提出更高要求。由于传统风冷和供电方式面临一定局限，液冷散热、模块化供配电、能耗监测、余热利用和绿色电力协同等技术正成为算力基础设施升级的重要方向。绿色低碳并非单纯的节能要求，而是影响算力中心建设成本、运行效率和长期可持续运营能力的重要因素。液冷系统能够提升散热效率，支持更高功率密度部署，并有助于降低数据中心整体能耗；高效供配电和智能能耗管理能够提高能源利用效率，改善算力基础设施的运行经济性；绿色电力与算力设施协同布局，则有助于推动算力资源向能源条件更优、运行成本更低的区域集聚。未来，具备高密度部署、液冷散热、绿色供电和系统级能效优化能力的企业，将更好满足AI算力基础设施向高性能、低能耗和可持续运营方向发展的需求。(8)国产化和自主可控持续推进，国产算力生态从试点验证走向规模应用在全球人工智能产业竞争加剧、供应链安全重要性提升的背景下，算力基础设施的国产化和自主可控已成为行业发展的重要方向。国产AI芯片、操作系统和基础软件等环节持续发展，为国产算力生态建设奠定了产业基础。随着政策支持、客户需求及产业协同不断增强，国产算力基础设施正从试点验证逐步迈向规模化部署，但多路线并行也对产业链的兼容适配和协同整合能力提出了更高要求。国产化趋势不仅体现在单个核心器件的替代，更体现在从AI加速卡及模组、服务器、交换机到智算中心解决方案等的全链条协同。由于不同国产芯片在架构、接口、软件栈及应用生态等方面存在差异，适配能力已成为连接多元技术路线与实际应用需求的关键。未来，具备国产芯片适配能力、国产整机设计能力和系统级解决方案交付能力的企业，将在国产算力生态建设中承担更重要角色，推动国产算力从“可用”走向“好用”,从单点突破走向规模应用。(9)AI赋能智能制造变革，推动行业研发效率、制造质量和交付能力持AI时代，算力基础设施产品具有技术迭代快、产品复杂度高、客户需求差异大、交付周期紧和可靠性要求高等特点，对企业研发、制造、供应链和质量管理能力提出了更高要求。随着AI技术在研发设计、生产制造、质量检测和供应链管理等环节的加速应用，算力基础设施行业的研发和制造模式正在由传统经验驱动，向AI驱动的智能化研发和智能化制造升级。在研发端，AI可辅助企业开展设计评审、仿真验证、工艺优化、知识检索和问题定位，提升复杂硬件产品研发效率和研发质量；在制造端，智能制造系统能够实现生产过程数据采集、工艺参数监控、质量检测、设备预测性维护和供应链协同，提高产品一致性、制造良率和交付效率；在供应链端，AI和数据分析能力能够提升需求预测、物料计划、产能排布和风险预警能力，增强企业面对客户需求波动和产品快速迭代的响应能力。对于算力基础设施行业而言，AI赋能智能制造不仅是提升生产效率和降低运营成本的手段，更是支撑高复杂度产品快速迭代、大规模稳定交付和持续质量提升的重要能力。未来，具备数字化研发体系、AI智能制造能力和柔性生产组织能力的企业，将更好适应AI时代算力基础设施“小批量快速验证、大批量稳定交付、持续迭代升级”的行业特征，并在产品质量、交付效率和客户响应能力方面形成竞争优势。综上，算力基础设施行业正处于人工智能需求爆发、国产化加速推进、产品形态快速演进和产业链价值重构的关键阶段。未来，行业竞争将不再局限于单一产品参数或制造成本，而是围绕AI算力性能释放、系统级架构设计、多元芯片适配、白牌定制化交付、大规模集群建设、绿色低碳运营、国产化生态协同和智能制造能力展开。在此基础上，算力基础设施行业将保持长期成长趋势，并推动具备系统化一站式产品能力、规模化交付能力、开放生态协同能力和智能制造能力的企业获得更广阔的发展机遇。2.4.算力基础设施产业的进入壁垒(1)技术与工程化能力壁垒算力基础设施行业属于技术和工艺密集型行业，相关产品包括AI加速卡及模组、算力整机以及算力配套设施和解决方案。该类产品并非单一硬件加工制造，而是涉及底层硬件适配、系统架构设计、性能调优和可靠性验证等多环节的复杂系统工程。尤其在AI大模型训练和推理场景下，算力基础设施需要在高密度、高功耗、高带宽和长时间连续运行等条件下保持稳定工作，对企业的研发设计能力、工程化落地能力和问题闭环能力提出较高要求。新进入者通常难以在短期内完成底层技术积累、工程经验沉淀和产品稳定性验证，因此行业具有较高的技术与工程化能力壁垒。(2)多平台适配与生态协同壁垒当前AI芯片和算力架构呈现多路线并行发展特征，不同芯片平台、硬件架构和软件生态在接口标准、功耗水平、运行环境和应用场景等方面存在差异。算力基础设施厂商需要围绕不同客户需求，完成产品定义、平台适配、兼容性验证和系统调优，才能将上游核心硬件能力转化为可部署、可稳定运行的算力资源。尤其在国产算力生态加速发展的背景下，相关企业需要与上游芯片厂商、核心部件供应商和下游客户形成稳定协同关系。上述能力依赖长期项目积累和生态合作基础，对新进入者构成较高壁垒。(3)客户准入与协同开发壁垒算力基础设施产品主要面向互联网云厂商、AI科技企业、电信运营商和大型政企客户等下游客户。该类客户通常对产品性能、可靠性、安全性、交付周期和持续服务能力要求较高，供应商进入其采购体系前往往需要经历严格的方案评审、样机测试、小批量试用和供应商准入等流程，验证周期较长。另外，在白牌化和定制化趋势下，头部客户通常会从产品定义阶段即与供应商开展深度协同，双方在产品规格、系统架构、接口标准和后续迭代等方面形成较强绑定关系。一旦供应商通过验证并形成稳定合作，客户替换成本较高，新进入者较难在短期内完成客户导入并建立信任关系。(4)供应链整合与规模化交付壁垒算力基础设施产品涉及核心物料种类多，产品迭代快，客户交付节奏紧，对供应链组织能力提出较高要求。行业企业需要具备稳定的供应商资源、较强的采购协调能力、物料计划能力和成本控制能力，才能在保障产品质量的同时满足客户定制化和规模化部署需求。特别是在AI算力需求快速增长、核心物料供需波动较大的背景下，上游供应商通常更倾向于与具备规模采购能力、长期合作基础和稳定交付记录的企业建立合作关系。新进入者在供应稳定性、成本控制和交付响应方面通常存在劣势，因此行业具有较高的供应链整合与规模化交付壁垒。算力基础设施通常部署于数据中心、智算中心等连续运行场景，下游客户对产品稳定性、一致性和可维护性要求较高。相关产品需要在高负载、长周期运行环境下保持稳定性能，因此企业必须建立覆盖研发、生产、测试、交付和售后支持的质量管理体系。质量管控能力并非单纯依靠生产设备即可形成，而是依赖长期测试数据、项目经验和问题处理机制的持续积累。新进入者较难在短期内建立成熟的验证体系和质量闭环能力，因此行业存在较高的质量与可靠性壁垒。(6)一站式产品服务与解决方案壁垒随着算力基础设施由单台设备采购向大规模集群建设、一体化交付和持续运维升级，下游客户更加关注算力系统的整体架构设计、设备协同、交付效率和长期运营成本。具备AI加速卡、算力整机以及算力配套设施和解决方案等多产品线协同能力的企业，能够更好满足客户从产品选型、系统部署到后续扩容的一站式综合需求。相比仅具备单一产品供给能力的企业，具备一站式产品服务和系统化解决方案能力的厂商更容易在大型算力项目中获得客户认可。该类能力需要跨产品研发、项目管理等多方面积累，形成较高的综合能力壁垒。(7)复合型人才与行业经验壁垒算力基础设施行业对复合型人才依赖度较高，既需要理解底层硬件和系统工程的研发人员，也需要熟悉客户场景、项目交付和运维支持的综合型团队。由于行业技术迭代快、产品复杂度高、客户定制化需求强，企业需要通过长期项目实践形成工程经验、知识库和组织协同机制。新进入者在核心团队搭建、技术经验积累和客户项目验证方面通常需要较长周期，因此行业存在较高的人才与经验壁垒。(8)Token高效产出与系统协同壁垒Token工厂的竞争力并非取决于单一芯片性能或硬件规模，而在于面向不同模型及应用负载，对芯片、服务器、网络、存储、软件栈、集群调度和散热供电进行端到端协同优化，从而持续提升Token吞吐量并降低单位Token成本、时延与能耗。相关能力需要长期积累软硬件适配经验、性能调优数据和规模化集群运维能力，具有较强的工程实践与技术迭代壁垒，难以通过单纯采购设备快速复制。人工智能应用加速落地，推动全球算力基础设施进入长期扩张周期。随着AI大模型能力持续提升，人工智能应用由模型训练逐步向智能体、AI推理及各行业智能化应用加速延伸，算力需求正在由少数头部模型厂商的集中式训练需求，进一步扩展至互联网云厂商、AI科技企业、电信运营商以及金融、制造、科研等广泛行业客户。相比传统计算场景，AI训练及推理对计算密度、内存带宽、高速互联、散热和供电能力提出了更高要求，推动算力基础设施由传统通用服务器持续向AI加速卡及模组、高密度算力整机、高速网络以及配套算力设施等更加复杂的产品体系演进。与此同时，随着模型参数规模扩大、推理调用频率提升以及AI应用覆盖范围增加，算力需求具有较强的持续性和扩展性。因此，算力基础设施作为承载AI训练、推理和应用部署的关键底座，其产品价值和产业链重要性有望持续提升，并为具备研发、工程化及规模化交付能力的产业链企业打开长期成长空间。政策支持与自主可控需求共同推动中国算力基础设施国产化加速，并由单点产品替代逐步走向完整生态建设。近年来，中国围绕数字经济、人工智能、全国一体化算力网络、新型数据中心及“人工智能+”等方向持续强化政策支持，并将算力基础设施作为人工智能产业发展的重要底层支撑。在政策引导、供应链安全需求和国产技术能力持续提升的共同作用下，中国算力基础设施国产化正由核心芯片和单项设备的局部替代，向覆盖CPU及GPU、NPU等AI加速芯片，AI加速卡及模组，服务器、交换机与存储设备，以及基础软件、集群管理和智算中心建设运营的全栈协同与规模化应用演进。与此同时，国产算力生态呈现多技术路线、多芯片厂商并行发展的特征，不同产品在芯片架构、互联接口、功耗、散热及软件生态等方面存在较大差异。随着国产AI芯片从早期验证逐步进入规模商业化阶段，下游客户对于国产算力平台的关注重点也将由“能否使用”进一步转向性能稳定性、规模部署能力和整体使用效率，从而持续提升对具备国产平台适配、系统研发和规模交付能力的算力基础设施供应商产品及服务的需求。下游需求由单一硬件采购向定制化、集群化和系统化交付升级，拥有全栈式产品、一站式技术服务能力的平台型企业的产业价值持续提升。大规模智算中心的建设并非简单增加服务器数量，而需要实现芯片、AI加速卡、服务器、网络、存储、散热及供电等多环节协同，使底层芯片的理论算力能够稳定、高效地转化为可实际使用的系统算力。因此，互联网云厂商、AI科技企业、电信运营商及大型政企客户在采购算力基础设施时，越来越关注算力性能释放、单位算力成本、系统稳定性、交付周期以及后续扩容能力，推动行业由标准化硬件销售向白牌化、定制化和系统化交付演进。尤其在国产算力生态中，由于芯片厂商数量较多、产品迭代速度较快，单一芯片厂商通常难以独立覆盖从芯片到板卡、服务器再到规模部署的全部工程化环节。因此，能够独立服务多个芯片平台，并提供硬件设计、适配验证、工程化开发、规模制造及系统集成服务的平台型企业，事实上承担着连接上游芯片创新与下游规模化部署的重要作用。其既能够帮助国产芯片企业降低自行建设完整硬件产品体系和制造体系的成本、缩短产品产业化周期，也能够帮助下游客户降低导入不同国产算力平台的工程复杂度，是国产算力生态由多元芯片创新走向规模商业化的重要基础性环节。因此，多平台适配能力正成为算力基础设施供应商的重要综合能力之一。根据对行业主要参与者公开产品、兼容认证及合作信息的梳理，在目前可验证的信息范围内，云尖信息是算力基础设施市场量产适配平台范围最广、产品品类最全的企业。云尖信息已在AI加速卡及模组、服务器及交换机等多个产品层级形成较为广泛的平台量产适配基础，尤其对国产算力平台的覆盖较为丰富。·在AI加速卡及模组方面，云尖信息适配平台覆盖国内外多家主要AI芯片及数据处理芯片企业。其中，已实现量产适配的代表性平台包括NVIDIA、AMD、Intel、华为昇腾、昆仑芯、沐曦股份、壁仞科技、天数智芯、燧原科技、曦望、清微智能、瀚博半导体、登临科技、中科驭数、云豹智能及奕斯伟等。相较于其他企业，云尖信息持续深耕国产AI算力生态，深入参与国产芯片平台的模组设计、系统调优及规模化验证。凭借长期积累的多平台适配经验，公司能够更快将芯片能力转化为稳定、可规模交付的算力产品，缩短产品开发和客户导入周期，形成行业领先且难以快速复制的生态协同优势。云尖信息目前的平台适配覆盖广度行业第一，使其能够参与不同国产AI芯片由研发验证向标准化硬件和规模化部署转化的过程。·在服务器方面，云尖信息同时覆盖国际主流CPU平台及多种国产CPU架构，平台适配覆盖广度行业第一，体现出较强的异构平台兼容能力。云尖信息已实现对Intel、AMD及NVIDIAGrace等海外CPU平台的量产适配，并覆盖华为鲲鹏、海光信息、飞腾、龙芯中科、兆芯及申威等主要国产服务器CPU平台。相较之下，根据公开产品资料，工业富联、纬颖等大型ODM厂商的已披露服务器平台更多集中于Intel、AMD、NVIDIAGrace及Ampere等国际主流生态。而随着自主可控需求提升和国产化进程加速，国产算力产品成熟度与市场渗透率持续提高，进一步推动服务器厂商扩大国产平台适配范围，带动国产算力产品由项目验证向标准化、规模化部署发展。因此，相较于行业内部分长期绑定单一服务器平台的厂商，云尖信息具备广泛覆盖国际及国产主流服务器平台的跨平台适配能力，构建了更具开放性、兼容性与包容性的产业生态。·在交换机方面，云尖信息的平台覆盖进一步由计算侧延伸至算力网络侧。云尖信息已实现对Cisco、NVIDIA、Marvell、盛科通信等交换芯片或网络平台的量产适配，覆盖国际及国产网络技术生态，平台适配覆盖广度行业第一。在交换机领域，行业主流产品主要围绕NVIDIA、Marvell及盛科通信等国内外交换芯片平台开发。云尖信息的突出优势体现在具备覆盖多个主流交换芯片平台的产品开发与适配能力，能够根据客户在产品性能、网络架构及供应链自主可控等方面的需求提供差异化产品。结合其在计算侧的多平台适配能力，公司已形成从计算节点到算力网络的广泛平台覆盖，进一步增强了计算与网络基础设施的协同设计和整体交付能力。Sullivan.Nopartofitmaybecirculated,quoted,copiedorotherwisereproducedwithoutthewrittenapprovalofFrost&Sulivan.总体而言，云尖信息的核心差异化优势在于构建了“横向覆盖多技术路线、纵向贯通多产品层级”的跨平台适配体系：横向覆盖不同AI加速芯片、服务器CPU及交换芯片平台，纵向贯通AI加速卡及模组、服务器、交换机和智算中心解决方案。在国产算力生态进入多芯片、多架构、多路线并行发展的阶段，公司能够更快完成产品开发、平台适配和规模交付，将单点适配经验沉淀为可复用的系统级能力，形成较为稀缺且难以快速复制的竞争优势。AI加速卡及模组是面向人工智能计算场景的专用算力产品，通过将若干计算单元、高带宽存储、电源管理、信号处理、散热系统、高速互联接口等关键组件进行系统级集成与协同优化，并以PCle板卡、OAM模组和UBB载板等标准化产品形态接入服务器整机系统，为AI模型的训练与推理以及高性能计算等各类计算场景提供高效、稳定的算力支撑。AI加速卡产品形态丰富，可覆盖从训练到推理的不同场景，可适配不同芯片类型，具体分类维度如下：从形态规格来看，AI加速卡及模组主要包括标准PCle卡、OAM模组与UBB基板、DPU卡等不同形态。其中，标准PCle插卡兼容通用服务器的插槽，部署灵活，广泛应用于各类推理和中小规模训练场景；OAM(OCPAcceleratorModule)模组是主要面向AI训练场景的高密度加速卡形态，通过统一的接口标准实现多卡高速互联；OAM模组通常配合颗),并提供统一的供电、散热和互联接口，形成一个标准化的算力子系统。OAM+UBB的组合方案能够显著提升AI服务器的算力密度和互联效率，是大型AI训练服务器采用的标准化硬件架构之一。此外，DPU卡是以DPU芯片为核心形成的板卡级产品，通常通过PCle接口接入服务器，主要承担网络、存储、安全及虚拟化等数据处理任务，并通过相关板卡设计与系统适配，将DPU芯片能力转化为可部署、可稳定运行的服务器基础设施产品。从应用场景来看，AI加速卡可以分为训练型加速卡和推理型加速卡两大类。训练型加速卡主要面向AI大模型训练场景，对算力、显存容量、互联带宽等指标要求极高，通常采用高端计算芯片和复杂的板卡设计，单卡价值量较高；推理型加速卡主要面向AI模型部署与推理场景，根据不同应用场景对算力、时延、功耗、成本等指标有不同的优化侧重，产品形态更加多样化，覆盖从云端到边缘端的广泛场景。从适配的芯片类型来看，AI加速卡可以适配GPU、NPU、ASIC、FPGA等多种技术路线的AI芯片。不同技术路线的芯片在架构、接口、功耗、散热等方面存在显著差异，需要专业的AI加速卡厂商进行针对性的设计和优化，才能充分发挥各类芯片的性能优势。分类维度主要类型简要说明按产品形态按应用场景训练型加速卡、推理型加速卡训练型更强调高算力和高带宽；推理型分类维度主要类型简要说明按芯片路线GPU、NPU、ASIC、FPGA等热和软件生态等方面存在差异来源：公开资料、弗若斯特沙利文在AI算力需求快速增长、算力资源由单机部署向集群化部署演进的背景下，AI加速卡及模组已成为AI芯片实现产品化交付和系统级部署的重要载体，也是AI服务器和智算集群形成有效AI算力的核心部件之一。AI产业竞争正在从单纯的“芯片算力”比拼，升级为“芯片能力、板卡设计、整机适配和集群部署”共同作用的系统级能力竞争。全球AI算力需求的爆发式增长，推动AI加速卡市场进入高速发展期。根据弗若斯特沙利文的数据，2025年全球AI加速卡及模组市场规模达到16,553.6亿元，2021-2025年期间年复合增长率为62.4%,市场规模保持高速增长，并预计于2030年达到61,125.9亿元，2026年至2030年期间预计年复合增长率为29.1%。AI大模型训练与推理需求的持续释放、各行业智能化转型的加速推进，以及智能算力基础设施的大规模建设，共同构成了AI加速卡市场增长的核心驱动力。全球AI加速卡及模组市场规模，以营收计，2021年至2030年预测单位：亿元单位：亿元20222023202420252026预测2027预测2028预测2029预测2030预测年复合增长率全球AI加速卡及模组2026预测-2030预测来源：中国人工智能产业发展联盟、中国半导体行业协会、专家访谈、弗若斯特沙利文中国市场增速更为显著。在国家“人工智能+”战略的推动下，我国AI产业实现快速发展，AI加速卡及模组市场规模呈现快速增长态势。根据弗若斯特沙利文的数据，我国AI加速卡及模组市场规模从2021年的348.7亿元增长到2025年的2,648.6亿元，年复合增长率高达66.0%,预计到2030年将达到12,956.3亿元，预计年复合增长率达到37.2%,成为全球AI加速卡及模组市场增长的核心引擎。国产替代进程的加速、国产大模型的快速迭代、以及智算中心的大规模建设，共同推动中国AI加速卡及模组市场保持高速增长。单位：亿元单位：亿元2021-20252026预测-2030预测2026预测2027预测2028预测2029预测2030预测年复合增长率中国AI加速卡及模组来源：中国人工智能产业发展联盟、中国半导体行业协会、专家访谈、弗若斯特沙利文AI加速卡及模组是一个涉及多学科交叉、多组件协同的复杂系统工程，其最终性能不仅取决于各组件的单体参数，更取决于系统级的设计、集成与优化能力。当前，AI芯片种类和厂家日益多元化，AI算力需求日益集群化和场景化，AI加速卡及模组的设计与制造能力，已成为决定算力产品最终性能、可靠性和成本效益的关键因素。从产品构成看，除计算单元与高带宽存储构成算力执行载体以外，电源管理模组负责为计算、存储等各组件提供稳定、高效的电力供应，需要在有限的板卡空间内实现高精度的电压调节和高效的能量转换，是保障加速卡稳定运行和能效比的基础；信号处理与高速互联单元负责实现计算单元与存储之间、加速卡与主机之间、以及加速卡与加速卡之间的高速数据传输，其信号完整性设计直接影响数据传输的效率和稳定性，对于多卡集群的性能发挥至关重要；散热系统包括风冷、液冷等不同技术路线，负责将计算和存储组件运行时产生的大量热量及时导出，是保障加速卡性能持续释放和长期可靠运行的关键；此外，AI加速卡还包括PCB载板、固件、管理模块等配套组件，共同构成完整的产品体系。散热系统计算单元高带宽存储电源管理模组一管理模块信号处理与高速互联单元来源：公开资料、弗若斯特沙利文图：AI加速卡及模组结构图AI加速卡的设计制造是一项复杂的系统工程，需要综合运用硬件设计、信号完整性仿真、电源完整性仿真、热仿真、高速互联设计、可靠性设计等多方面的专业技术，同时需要具备强大的供应链整合能力和严格的质量管控体系。一块优秀的AI加速卡，不仅要充分释放核心元器件的理论性能，还要在可靠性、能效比、兼容性、可维护性等方面满足数据中心大规模部署的严苛要求。2.6.4.AI加速卡及模组设计制造的战略地位AI加速卡及模组产业链上游主要包括AI芯片、高带宽存储、PCB、连接器、电源及散热等核心元器件；中游为AI加速卡及模组设计制造环节，负责将上游核心元器件通过板卡设计、系统集成、生产制造、测试验证和质量管控，转化为标准化、可部署的AI加速卡及模组产品；下游主要包括ICT厂商、互联网及云服务厂商、AI科技企业、电信运营商、政企客户和金融机构等，最终应用于AI训练、推理、高性能计算及智算中心建设等场景。从设计制造模式来看，AI加速卡及模组主要包括AI芯片厂商自主设计制造和AI加速卡及模组设计制造商承接设计制造两类模式。部分AI芯片厂商围绕自研GPU、NPU等核心芯片，自主完成PCleAI加速卡、OAM模组等产品的定义和开发，并主导芯片架构、参考设计、固件、驱动及软件生态建设；同时，部分AI芯片厂商亦会将板卡及模组的具体设计开发、工程验证和生产制造需求交由设计制造商完成。设计制造商通常基于芯片厂商提供的芯片、参考设计及技术规范，并结合服务器厂商、系统集成商或终端客户的实际需求，开展PCB及板级设计、电源及高速信号设计、散热和结构设计、固件适配、样品试制、可靠性验证及批量生产，最终将AI芯片转化为可在服务器及算力基础设施中部署的板卡及模组产品。在整个产业链中，AI加速卡及模组设计制造环节发挥着承上启下的重要作用，是连接上游芯片及核心元器件与下游算力需求的关键环节。AI芯片需要经过板级设计、供电、高速互联、存储、散热及系统验证等工程化过程形成可部署产品，下游不同服务器架构和应用场景亦对板卡及模组提出差异化适配需求。因此，多芯片平台适配、定制化研发、工程验证及规模化制造能力构成该环节的重要产业价值，具体主要体现在以下几个方面：第一，AI加速卡及模组设计制造是AI芯片性能释放的重要载体。AI芯片的理论算力需要通过板级电源管理、信号完整性控制、热管理、高速互联及系统测试等工程化环节转化为稳定可用的实际算力。板级供电能力影响芯片高负载运行状态下的稳定性，信号完整性影响高速数据传输质量，散热能力影响产品持续运行状态下的性能保持和可靠性，高速互联能力则影响多卡协同和集群扩展效率。因此，AI加速卡及模组设计制造是AI芯片由核心器件转化为可部署算力产品的重要环节。第二，AI加速卡及模组设计制造是产业链协同开发和产品定制化的重要环节。不同AI芯片在架构路线、封装形态、功耗水平、存储配置、接口协议及散热要求等方面存在差异；不同客户在大模型训练、推理部署、智算中心及边缘计算等场景下，对算力性能、功耗控制、产品尺寸、接口形态及部署方式亦具有差异化需求。因此，设计制造商通常需要在产品定义、方案设计、样品试制、测试验证、整机适配及批量交付等阶段，与AI芯片厂商、服务器厂商及终端客户开展持续协同开发。具备较强协同研发和工程化能力的企业能够缩短AI芯片从样品验证到规模量产的周期，提升产品稳定性、兼容性和交付效率，并形成较高的技术经验及客户协同壁垒。第三，AI加速卡及模组设计制造是推动国产AI芯片商业化落地和提升算力自主保障能力的重要环节。随着国产AI芯片加速发展，国内市场逐步形成多芯片厂商、多技术路线并行的算力生态。在全球高端算力芯片供应不确定性上升的背景下，提升核心算力基础设施的自主可控能力，已经不仅是产业升级需求，也关系到智算中心、云计算、关键行业数字化等领域的供应链稳定性和算力安全。不同国产AI芯片在接口、功耗、存储、高速互联及服务器架构等方面存在差异，对板卡级开发和系统适配能力提出更高要求。设计制造商能够围绕不同国产AI芯片开展PCIeAI加速卡、OAM模组等产品开发，并通过板卡设计、软硬件适配、系统验证及批量制造，加快国产AI芯片向成熟算力产品转化，扩大其在服务器、智算中心及不同下游应用场景中的覆盖范围，推动国产AI芯片由技术验证向规模化商业应用演第四，AI加速卡及模组设计制造是实现快速产品迭代和供应链协同的重要环节。AI加速卡及模组涉及芯片、存储、PCB、电源、连接器及散热等多类关键物料，对供应链协同、物料管理和质量管控能力要求较高。同时，AI芯片及下游应用迭代速度较快，相关产品呈现更新周期短、导入节奏快及验证复杂度高等特点。设计制造商需要在较短时间内完成方案承接、板卡开发、样品试制、工艺导入、测试验证和批量交付，并在产品持续迭代过程中保持稳定的产品质量和供应能力。通过建立多芯片平台适配能力和更加自主、可控的供应链体系，设计制造商亦有助于降低单一芯片平台及单一供应来源带来的供应风险，增强算力产业链整体韧性。当前，在算力自主可控、关键基础设施安全及国产算力生态加速建设的背景下，我国AI芯片产业呈现多技术路线、多主体共同发展的格局，国产AI芯片产品矩阵持续丰富。伴随国产芯片性能持续提升、产品迭代加快，以及智算中心、互联网厂商、电信运营商和关键行业客户对异构算力、多平台兼容及供应链安全需求不断提升，能够连接上游多元AI芯片平台与下游丰富应用场景，并具备快速定制研发、系统适配及规模化交付能力的AI加速卡及模组设计制造商，其产业链价值进一步凸显，成为推动国产芯片替代、增强算力自主保障能力及完善国产算力生态的重要力量。中国AI加速卡及模组市场参与者主要可分为两类：一类为AI芯片企业自主开发并组织生产的加速卡及模组，另一类为面向第三方AI芯片提供板卡及模组研发制造服务的独立设计制造商。前者通常围绕自有GPU、NPU或ASIC芯片构建PCle加速卡、OAM模组等产品体系。AI加速卡及模组设计制造商则通过板级设计、高速互联、电源与热管理、固件开发、整机适配、测试验证及规模制造，将不同AI芯片转化为可稳定部署的标准化或定制化硬件产品。AI加速卡及模组因此并非单纯的芯片承载载体，而是AI芯片实现产品化、产业化和规模部署的重要中间环节。独立设计制造商长期专注于AI加速卡及模组的研发与制造，其核心价值首先体现在专业化技术水平，以及在此基础上形成的多平台适配和产业化能力。相较于围绕单一自有芯片生态开发产品的AI芯片企业，独立设计制造商通常需要持续服务多个GPU、NPU及ASIC平台，并针对不同芯片在封装、接口、功耗、高速互联、散热和软件生态等方面的差异，积累板级设计、软硬件适配、可靠性验证及量产交付经验。长期专业化分工使其能够形成丰富且领先的跨平台工程经验，快速解决芯片从验证、板卡量产到整机适配和规模部署过程中的复杂问题。随着AI芯片技术路线日益多元，具备较高专业水准、广泛平台覆盖和快速导入能力的独立设计制造商，将帮助产业链客户降低适配成本、缩短产品周期，并进一步提升其在算力产业链中的重要性。国产AI芯片快速发展进一步提升了独立设计制造商的战略价值，其中国产平台适配能力正成为重要竞争维度。当前中国AI芯片市场呈现多厂商、多架构和多技术路线并行发展的特征，华为昇腾、昆仑芯、沐曦、壁仞、天数智芯、燧原等国产AI芯片持续推进产品迭代和规模化应用。相较于国际成熟芯片生态，国产芯片在产业化过程中通常需要与AI加速卡及模组设计制造商开展更深入的联合开发、适配验证和工程优化，因此，能够同时覆盖较多国产芯片平台、并具备从样品开发到批量制造能力的独立设计制造商，将成为国产AI芯片由技术研发走向规模商业化的重要合作伙伴。以云尖信息为例，其已与沐曦、昆仑芯、壁仞、燧原、天数智芯、云豹等多家国产AI芯片厂商开展合作，平台适配覆盖广度行业第一，并积累了共同研发、适配、验证及规模化交付经验。因此，随着国产AI芯片渗透率持续提升，行业竞争预计将进一步由单一板卡制造能力转向国产平台覆盖广度、多平台快速适配能力以及规模化产业化交付能力的综合竞争。从竞争格局来看，适配国产芯片的中国本土AI加速卡及模组独立设计制造商排名前五的企业包括云尖信息、立讯精密、华勤技术、深南电路、深科技。其中，以2026年H1营收计，云尖信息位列第一位。排名背景介绍1云尖信息云尖信息成立于2020年，总部位于中国浙江省杭州市，是一家专注于数字化产品研发制造及技术服务的企业。公司聚焦AI智算基础设施领域，业务涵盖AI智算解决方案、定制化产品、自研白牌产品及相关技术服务，产品覆盖GPU服务器、存储设备、网络设备及其他ICT基础设施。公司具备较强的多算力平台适配及定制化开发能力，可围绕不同芯片平台和客户需求提供从产品设计、硬件集成到测试交付的一体化服务。2立讯精密20.1%立讯精密成立于2004年，总部位于中国广东省东莞市，是全球电子精密制造及系统集成服务商，业务覆盖消费电子、通信及数据中心、汽车和医疗等领域。在AI算力基础设施领域，公司围绕AI加速计算平台及数据中心硬件需求，提供高速背板互连、PCle高速连接、模块化电源、热管理及相关系统集成解决方案，具备面向AI计算节点及高密度算力集群的核心硬件配套能力。5深科技3.4%华勤技术成立于2005年，总部位于中国上海市，中心产品包括通用服务器、AI服务器、存储服务深南电路成立于1984年，总部位于中国广东省深圳市，是领先的电子电路技术与解决方案提供深科技成立于1985年，总部位于中国广东省深圳理及物流支持等全产业链服务，并持续推进来源：相关企业年报、专家访谈、弗若斯特沙利文注释：上述排名仅涵盖中国大陆背景的独立AI加速卡及模组设计制造商，并仅统计其基于国产AI芯片开展的AI加速卡及模组设计制造业务，不包括AI芯片企业自主开发并组织生产的相关业务。2.7.1.服务器的定义、分类与核心作用服务器是算力基础设施中承载计算任务和形成算力供给的核心整机产品，是支撑人工智能时代大规模算力部署、数字经济发展和各行业智能化升级不可或缺的基础设备。与普通计算机相比，服务器通常具备更强的计算能力、更高的内存及存储扩展能力、更大的数据吞吐能力、更高的运行可靠性和更完善的远程管理能力，能够在长时间、高负载、多任务环境下持续稳定运行。根据主要功能和应用场景的不同，服务器可分为通用服务器、AI服务器和存储服务器等类型。通用服务器通常以CPU为主要计算核心，侧重通用性、稳定性和兼容性，主要应用于企业信息系统、数据库及其他通用数据处理场景；存储服务器主要面向海量数据的集中存储、读取和管理，更加注重存储容量、数据吞吐、可靠性及扩展能力；AI服务器则主要面向人工智能模型训练、推理及各种高性能计算等场景，是服务器行业技术复杂度最高、系统复杂度最大和增长最快的重要产品类别。相较于通用服务器，AI服务器通常采用CPU与GPU、NPU、ASIC等AI加速芯片协同工作的异构计算架构，并通过搭载多张AI加速卡及模组形成大规模并行计算能力。AI服务器不仅需要具备较高的单机算力，还需要同时满足高带宽数据传输、高功率稳定供电、高热流密度散热以及多卡高速互联等要求，需要对整机架构、电源系统、散热系统、信号完整性、高速互联拓扑以及BMC、BIOS等软硬件进行系统级协同优化。2.7.2.服务器的市场规模在人工智能、云计算、大数据、数据中心建设以及各行业数字化转型持续推进的背景下，全球服务器市场保持增长。其中，随着大模型训练和推理需求快速释放，AI服务器逐步成为服务器市场增长最快、价值量最高的产品类别。亿元增长至2025年的人民币25,203.2亿元，年复合增长率为35.9%;预计至2030年进一步增长至人民币84,547.2亿元，2026年至2030年的年复合增长率为25.7%。从产品结构看，全球AI服务器市场增长显著快于服务器整体市场。按收入计，全球AI服务器市场规模由2021年的人民币2,105.3亿元增长至2025年的人民币13,026.3亿元，年复合增长率为57.7%;预计至2030年进一步增长至人民币60,652.5亿元，2026年至2030年的年复合增长率为33.6%。全球AI服务器收入占服务器市场的比例由2021年的28.5%提升至2025年的51.7%,预计至2030年进一步提升至71.7%,服务器市场正加速向AI计算方全球服务器市场规模，按主要应用功能划分，以营收计，2021年至2030年预测2026预测来源：EUDCA欧洲数据中心协会、专家访谈、弗若斯特沙利文生成式AI及大模型应用快速发展带动全球云服务商持续提高AI基础设施资本开支，Microsoft、Meta、Amazon、Google等大型云服务商不断扩充GPU及自研ASIC服务器部署规模。与此同时，大型云服务商具备较强的服务器自主设计及供应链管理能力，持续通过ODM厂商采购定制化AI服务器，带动白牌服务器需求及单机价值量同步提升。全球白牌服务器市场近年来保持快速增长。按销售收入计，全球白牌服务器市场规模由2021年的未来，随着AI训练算力持续扩张、AI推理应用加速普及，以及GPU、ASIC等多元化AI计算平台持续迭代，全球白牌服务器市场预计进一步增长。北美大型云服务商仍将是市场增长的主要来源，主权云、Tier-2数据中心及大型企业AI基础设施建设亦将形成增量需求；同时，Google、AWS等云服务商持续扩大自研ASIC部署，有利于推动服务器架构进一步定制化并提升ODM厂商参与程度。全球市场规模预计由2026年的16,183.6亿元人民币增长至2030年的46,359.3亿元人民币，2026年至2030年的复合年增长率为30.1%。全球白牌服务器市场规模，以营收计，2021年至2030年预测2021-20252026预测-2030预测20252026预测2027预测2028预测2029预测2030预测全球白牌服务器来源：相关企业年报、专家访谈、弗若斯特沙利文亿元增长至2025年的人民币4,662.6亿元，复合年增长率为33.6%;预计至2030年进一步增长至人民币21,714.6亿元，2026年至2030年的复合年增长率为34.5%。从产品结构看，中国AI服务器市场增长显著快于服务器整体市场。按收入计，中国AI服务器市场规模由2021年的人民币327.8亿元增长至2025年的人民币2,475.0亿元，复合年增长率为65.8%;预计至2030年进一步增长至人民币16,358.4亿元，2026年至2030年的复合年增长率为42.1%。中国AI服务器收入占服务器市场的比例由2021年的22.4%提升至2025年的53.1%,预计至2030年进一步提升至75.3%,服务器市场正加速向AI计算方中国服务器市场规模，按主要应用功能划分，以营收计，2021年至2030年预测AI服务器占比2028预测2026预测2027预测2030预测来源：中国计算机行业协会、专家访谈、弗若斯特沙利文历史期间，中国AI服务器采购仍以品牌服务器厂商为主，白牌模式的市场基础相较北美市场较小；随着字节跳动、阿里巴巴、腾讯等头部互联网及云服务企业持续扩大AI算力投入，客户对服务器架构自主定义、硬件定制及供应链协同的需求逐步增强，推动ODM厂商由传统制造环节向板级设计、系统集成及完整AI服务器交付延伸。中国白牌服务器市场进入快速发展阶段。按销售收入计，市场规模由2021年