AI 服务器 ODM、机柜级系统、液冷与数据中心电源基础设施深度研究

核心结论

• AI 算力扩张的资本开支，已经不再只是“买 GPU”这么简单。以微软、Alphabet、Amazon、Oracle 为代表的买方，公开披露的支出结构都显示：新增资本同时流向服务器/机柜、网络、数据中心建筑与长周期基础设施。微软 FY25 Q4 资本开支为 242 亿美元，其中超过一半投向支持未来 15 年以上变现的长周期资产，其余主要用于 CPU/GPU 服务器；Alphabet 在 2025Q3 的 CapEx 为 240 亿美元，技术基础设施投资中约 60% 投向服务器、40% 投向数据中心与网络设备；微软还披露“所有 Azure 区域都已 AI-first，并可支持液冷”。这意味着 AI CapEx 传导链条已经从“芯片中心”走向“机柜与设施中心”。

• 真正具备订单确定性与利润弹性的，不是所有“AI 服务器相关公司”，而是那些能把云厂商/模型公司预算，直接转化为整机交付、机柜级集成、热管理、电力系统、验证与运维收入的公司。当前最清晰的主线是：台系 ODM 中的 Quanta、Wiwynn、Hon Hai/Foxconn、Wistron；品牌侧的 HPE、Supermicro、Dell；设施侧的 Vertiv、Eaton、Schneider Electric、Delta；互连侧的 Amphenol；以及部分中国液冷与数据中心基础设施公司，如英维克、曙光数创。

• 纯 ODM/EMS 环节的收入增长确定性通常高于利润率确定性。原因在于：AI 服务器 BOM 过高、GPU/HBM 等昂贵部件往往由客户供料或采用代理采购，ODM 往往赚的是制造、集成、测试、NPI、供应链管理，而不是 GPU 本体价差。Hon Hai 已明确表示会在 buy-and-sell 与 consignment 之间灵活切换；Wiwynn 也在 2026 年起将部分存储器采购切换为 agency/procurement model，内存收入不再并表，但实际机架出货和利润率改善。收入口径因此会被“压缩”，但现金流、库存风险和利润质量反而可能改善。

• 从单台 GPU 服务器走向 GB200/GB300/NVL72、再到 Rubin NVL144/Ultra NVL576 这类 rack-scale 系统，价值量重分配正在发生。过去利润池高度集中在 GPU/HBM/网络芯片；现在冷板、CDU、manifold、quick disconnect、power shelf、busbar、rack PDU、系统 burn-in、整柜交付的重要性显著上升。NVIDIA 自己也开始公开推动 800VDC 架构与 AI factory 电力重构，TrendForce 亦认为下一代 AI 架构全面采用液冷，并推动 HVDC/集中供电路线加速。

• 高收入弹性最大的环节，当前集中在 AI 机柜级系统、液冷基础设施、数据中心电力分配、以及为 hyperscaler 提供机柜级集成的 ODM。TrendForce 预计 2026 年全球 AI 服务器出货将同比增长超过 28%；Dell’Oro 统计全球数据中心 CapEx 在 2025 年同比飙升 57%，并可能在 2026 年超过 1 万亿美元；Dell’Oro 还披露 2025Q4 全球数据中心物理基础设施市场同比增长约 20%。这些增量并不会全部落到整机厂，更大一部分将流向机柜与设施侧。

• 利润率最好的往往不是整机出货量最大的公司，而是那些掌握高压/高流电力拓扑、冷却控制算法、系统级验证、现场交付与服务能力的公司。Vertiv 2025 年净销售达到 102 亿美元、调整后营业利润率 20.4%；2026Q1 销售同比增长 30%，调整后营业利润率提升到 20.8%。Amphenol 2025Q4 调整后营业利润率 27.5%。与之相比，Foxconn 管理层公开目标是在 AI 服务器高增长下维持整体营业利润率高于 3%，这已经清楚地说明“谁在放量、谁在赚钱”并不相同。

• 真正的瓶颈，已经从“只有 GPU/HBM/CoWoS”扩展到“电力接入 + 配电设备 + 液冷验证 + 交付协同”。Uptime Institute 认为高机柜密度仍是直接液冷采用的首要驱动，但 adoption 在整个已安装数据中心基盘里仍然是渐进的；Schneider 公开讨论了数据中心面临的 power supply constraints；Eaton 披露 2026Q1 Electrical Americas 数据中心订单同比大约增长 240%，收入增长约 74%，说明电力配套需求正处于供需错配阶段。

• “收入增长快但利润弹性不足”的环节，主要是通用机柜、部分标准 PSU、低壁垒结构件、传统风冷机房设备、以及缺乏系统级认证和大客户绑定的泛 EMS。相反，CDU、冷板、QD/Manifold、高功率连接器、rack power、commissioning、现场服务，更容易出现供给稀缺、认证周期长、客户粘性强的特征。Schneider 的 Motivair、CoolIT Systems、Vertiv、nVent、Amphenol、部分高端中国液冷厂都更接近后者。

• NVIDIA 生态短期仍是利润池中心，但 AMD MI 系列与云厂商自研 ASIC 反而会扩大 ODM 与机柜系统机会，而不一定削弱它。原因是：一旦 CSP 用 Trainium/TPU/Maia/custom XPU，芯片厂的品牌控制力往往弱于 NVIDIA，系统设计、机柜电力、液冷与制造协同更容易外溢给 ODM/EMS 和设施商。AWS 的 Trainium2 UltraServer 将 64 颗 Trainium2 芯片连成一个系统，Project Rainier 已启用近 50 万颗 Trainium2；Google Ironwood TPU 使用第三代 CDU 并延续 TPU v3 以来的液冷路线；微软 Maia 200 面向推理、单芯片集成 216GB HBM3e。这些都说明 ASIC 服务器不是削弱系统价值链，而是把价值从“GPU 生态”重新分发到“机柜与设施生态”。

• NVIDIA 的下一代平台正在把液冷和供电从“配套件”推向“必选项”。TrendForce 指出，B200/B300 等 AI 处理器 TDP 已从 H100/H200 的约 700W 抬升到 1,000W 以上，预计 2026 年液冷机架使用率可达 47%；但 Uptime 同时提醒，整个数据中心 installed base 的液冷 adoption 仍较慢。这两者并不矛盾：新增 AI 厅和高密度机架将高度液冷化，但老旧通用机房不会同步切换。

• 当前估值已经较充分反映 AI 预期的公司，集中在美股高景气设施链与互连链。按 2026-05-15/16 附近收盘口径，Vertiv 约 93 倍 PE，Broadcom 约 106 倍，AMD 约 139 倍，Arista 约 48 倍，Amphenol 约 34 倍，Eaton 约 39 倍，Comfort Systems 约 58 倍，Celestica 约 43 倍。相对而言，Supermicro 约 15 倍 PE、Dell 约 32 倍，HPE 的 trailing PE 因 EPS 失真而不具可比性，仍需要结合前瞻盈利与 backlog 判断。

• 未来 12–24 个月最重要的催化剂，不是单纯 GPU 出货，而是GB300 机柜交付节奏、Rubin 架构资格认证、液冷渗透率、800VDC 试点、云厂商 CapEx 兑现、短周期电力设备交期是否再次拉长。HPE 已披露 AI backlog 超过 50 亿美元且 64% 累计订单来自企业/主权客户；CoreWeave 披露 2025 年末 backlog 达 668 亿美元、活跃电力容量超过 850MW；Oracle 披露 OCI 收入加速与大量新数据中心建设。这些指标比“行业故事”更接近收入兑现。

• 最大风险有三层：第一层是云厂商与模型公司 CapEx 节奏放缓；第二层是电力接入、变压器/开关柜/并网许可延误；第三层是液冷可靠性和供应链协同不及预期。对投资研究最关键的不是判断“AI 会不会继续增长”，而是识别哪些公司在涨收入时也能保住毛利率、回款和资本回报率。

产业链全景与资金流向

从买方视角看，AI CapEx 的资金流向已经可以概括为五步：算力预算立项 → GPU/ASIC 与 HBM 锁定 → 服务器/机柜系统设计与制造 → 液冷/配电/网络/机柜部署 → commissioning 与长期运维。其中，Alphabet 给出了罕见的公开拆分：技术基础设施投资中约 60% 去服务器、40% 去数据中心和网络设备；微软则明确说超过一半的花费是长期资产，其余主要给 CPU/GPU 服务器。也就是说，越往 rack-scale 走，设施链权重越高。

资金流向的关键结论：如果站在买方角度，最先确认的是“算力预算”；如果站在卖方/投资角度，最先确认的却是谁拿到了可验收的整柜、液冷、电力、网络和部署合同。因此，AI 主题里最容易产生错配的地方，就是把“行业 CapEx 增长”误当成“公司利润增长”。

成本结构、价值量与利润池重分配

公开资料并不会给出完整 BOM，但通过 NVIDIA/AMD 平台规格、SemiAnalysis 的公开 TCO 模型、以及整机厂/ODM/设施商的财务披露，可以大致还原 AI 服务器与机柜的价值分布。需要强调的是：真正决定下游公司赚钱能力的，不是总价值量，而是它在价值量中占据的是“芯片 pass-through”还是“系统集成/控制/服务利润”。

SemiAnalysis 的公开口径显示，典型 hyperscaler 的 H100 服务器价格已降至约 19 万美元左右；若加上存储、网络等“all-in”项目，则单服务器前期 CapEx 约 25 万美元。这类单机结构说明：下游系统厂大多数情况下并不控制最大价值量的那部分，而是控制可重复交付与服务附加值。

GB200、GB300 与 Rubin 类机柜的价值量

SemiAnalysis 对 GB200 NVL72 的公开估算是：仅 rack-scale server 本体约 310 万美元，若计入网络、存储和其他项，典型 hyperscaler 的 all-in capex 约 390 万美元/柜。 同时，NVIDIA FY2026 数据中心业务同比增长 68%，表明市场确实在向更大系统单元迁移。

上表中，除了总机柜价值量锚来自公开材料，其余是基于公开系统配置与行业成本模型的推断，并非 OEM/ODM 官方 BOM。研究上最重要的不是把每一美元拆到个位，而是看到一个结构性趋势：从 DGX/HGX 时代到 NVL72/144 时代，供电、液冷、集成、验证、现场交付的相对权重都在上升。

ODM 赚什么钱

ODM 厂商的利润来源可以拆成四层：

Hon Hai 直言，AI 服务器高价值产品的 buy-and-sell 模式会暂时影响毛利率表现，但依靠规模效应，公司仍有信心在 AI 收入持续增长时维持营业利润率高于 3%；同时，公司会根据客户要求同时采用 consignment 与 buy-and-sell。Wiwynn 则披露，自 2026 年 4 月起，部分客户的内存采购改为 procurement agency 模式，内存收入不再计入报表，但服务器机架实际出货与利润率环比改善。换句话说，客户供料模式会压低“收入”，却可能改善“现金流和利润质量”。

机柜级交付如何抬高壁垒

机柜级交付相对单机有三类新增壁垒：

1. 跨域工程壁垒：服务器、电源、液冷、网络、机柜结构、楼宇水路、电气规范必须同时满足。Vertiv 在 2025 年年报中反复强调其差异化来自 power、thermal、service delivery 三者的系统级整合；Supermicro 也在 FY26 Q3 deck 中把 rack-scale integration、liquid cooling、DCBBS 作为制造扩张重点。

2. 验证与 burn-in 壁垒：单机测试转向整柜、整排、整 hall commissioning，意味着现场服务能力开始决定收入兑现速度。Comfort Systems 与 EMCOR 的 backlog 大幅增长、且都把数据中心列为核心赛道，反映了这一点。

3. 可靠性与维护壁垒：液冷带来的 leak-free、field-serviceability、运维工具链、备件与培训，都会把供应商从“零部件”抬升为“核心合作伙伴”。Schneider 通过收购 Motivair 强化液冷；Ecolab 以 47.5 亿美元收购 CoolIT，也正是押注这一层 service+fluid+hardware 组合价值。

需求传导、瓶颈与情景推演

训练需求仍然是大机柜、高带宽互连、NVLink/NVSwitch 系统的核心推手，但 2026 年以后，推理和训练的驱动逻辑正在分化。Google 将 Ironwood TPU 明确定位为 inference 时代的 TPU，并延续第三代 CDU 液冷；微软推出 Maia 200，把重点放到 token generation economics；AWS 则把 Trainium2/Trn2 UltraServer 和 Project Rainier 作为训练与大规模推理的基础设施平台。换言之，训练把系统做大，推理把系统做广：前者驱动超大集群和 NVL72/144，后者驱动更多 region、更快扩容、更灵活的液冷与供电架构。

多模态、视频生成、AI Agent 和长上下文，会同时抬高三件事：显存需求、内存带宽需求和机架能耗。Google 对 Ironwood 的官方表述强调了 inference superpod 的大规模共享内存与能效；AWS 的 Trainium2 UltraServer 用 64 颗芯片构成单节点大系统；微软则在数据中心侧全面推动液冷和更灵活的 zonal cooling。这意味着未来 2 年里，“推理服务器是低功耗、风冷友好”的旧假设会明显失效。

液冷何时从可选变为必选

最实用的判断不是某一代 GPU 的名义 TDP，而是机柜密度与机房约束的交点。当前公开资料给出的重要信号是：

• TrendForce 指出，AI 处理器 TDP 正从 H100/H200 的约 700W，提升到 B200/B300 的 1,000W 以上，预计 2026 年液冷机架使用率达到 47%。
• Uptime 认为直接液冷 adoption 在整个 installed base 仍渐进，但高机柜密度仍是采用 DLC 的首要驱动。
• 微软已披露所有 Azure 区域都可支持液冷，并公开 HXU、microfluidics 等冷却路线。

据此，研究上可把临界点粗略分成三档：30kW 以下大多数仍可风冷；30–50kW 进入 air-assisted liquid 或 selective DLC 区间；50kW 以上开始显著偏向 D2C；100kW 以上新增 AI 机架基本进入液冷主导。 这不是行业统一标准，而是结合公开材料形成的实务判断。

当前最真实的瓶颈

从公开数据看，瓶颈确实在向设施侧迁移：Eaton 的数据中心订单和 backlog 高增长、Schneider 持续讨论 power constraints、Uptime 关注 grid limitations，说明“服务器生产出来却上不了电”已成为现实问题。

三种情景推演

对投资研究最有价值的情景，不是最乐观情景，而是“基准情景下谁的业绩兑现最不依赖单一客户和单一平台”。 从这个角度看，Vertiv、Eaton、Schneider、Amphenol、部分台系 rack-scale ODM 和液冷核心件厂，确定性往往优于单纯讲故事的“AI 概念服务器股”。

细分赛道与竞争格局

下表把用户要求的重点赛道压缩成一个“研究用矩阵”。评分为 10 分制，衡量的是订单确定性 + 利润弹性 + 客户壁垒 + 未来两年催化剂强度，不是股价评级。

这个矩阵有两条最重要的投资含义。

第一，不是所有高增长赛道都高利润。例如 PSU、结构件、部分铜缆与标准机柜，收入增长通常快，但如果没有定制化、认证壁垒和系统级绑定，毛利率未必同步提升。反过来，CDU、QD、高功率连接器、UPS/PDU/busway 等环节，单体规模并不一定最大，但更容易形成“少数玩家 + 长认证 + 高切换成本”的结构。

第二，品牌服务器商和 ODM 谁更容易获得利润弹性，答案不是单选题。企业/主权客户主导的项目，HPE 与 Dell 更容易拿到高附加值服务、软件与长期支持合同；hyperscaler 白牌和 custom rack 项目，则 Quanta、Wiwynn、Hon Hai、Wistron 更敏感于量的爆发。Supermicro 介于两者之间，既有整机品牌属性，也有强烈的 rack-scale / liquid-cooling 制造属性。

再往下看竞争格局，NVIDIA 的影响力依然压倒性强，但它对供应链的作用不是“所有利润都被 NVIDIA 吃掉”，而是通过平台定义把机柜级复杂度抬高，从而让电力、液冷、连接器、burn-in 和交付服务的价值都上升。AMD 与 CSP 自研 ASIC 则进一步削弱单一 GPU 生态对系统设计的垄断，给 Sanmina、ZT design team、台系 ODM、以及设施供应商更多议价空间。