AI服务器全面爆发！算力核心基础设施，龙头强者恒强

服务器是生产算力的关键基础设施，传统服务器主要由CPU提供算力，采用串行架构，擅长逻辑计算，算力提升主要依靠堆核实现。

随着云计算、大数据、AI等新技术应用，数据量呈指数级增长，算力需求持续释放带动算力基础设施产业迎来增长新周期，CPU服务器处理能力已接近极限，AI服务器应运而生。

根据IDC数据，2022年全球服务器出货量突破1516万台，同比增长12%，产值达1216亿美元；预计2026年全球服务器出货量将达1885万台，5年CAGR 6.8%，产值将达1665亿美元，5年CAGR 10.2%。#服务器##人工智能##AI服务器#

关注乐晴，洞悉产业格局！

服务器行业概览

服务器是算力的基本载体和硬件根基，通常是指那些具有较高计算能力，能够提供给多个用户使用的计算机。

服务器的逻辑架构和普通计算机类似。但是由于需要提供高性能计算，因此在处理能力、稳定性、可靠性、 安全性、可扩展性、可管理性等方面要求较高。

服务器核心硬件包括CPU、以GPU为代表的加速卡、内存、硬盘、网卡、电源、主板等。

主要硬件包括处理器、内存、芯片组、I/O (RAID卡、网卡、HBA卡) 、硬盘、机箱 (电源、风 扇)。以一台普通的服务器生产成本为例，CPU及芯片组大致占比50% 左右，内存大致占比 15% 左右，外部存储大致占比10%左右，其他硬件占比25%左右。

服务器与主机不同，主机是通过终端给用户使用的，服务器是通过网络给客户端用户使用的，所以除了要拥有终端设备，还要利用网络才能使用服务器电脑，但用户连上线后就能使用服务器上的特定服务了。

随着大数据、云计算不断发展，服务器的种类形式也益加多样化，并不断演化出新的功能。

从机箱结构来看，服务器经历了从塔式、机架式、刀片式到整机柜的发展历程。

整机柜服务器作为面向大型数据中心的定制化产品在近年兴起。

资料来源：sevethehome

AI服务器行业概览

AI服务器是一种能够提供人工智能（AI）计算的服务器。

它既可以用来支持本地应用程序和网页，也可以为云和本地服务器提供复杂的AI模型和服务。

行行查 | 行业研究数据库 资料显示，服务器产业链上游为电子元件及软件提供商，中游为服务器厂商向上游采购核心零部件后，根据客户需求设计主板、管理软件等，并完成整机组装测试后向下游客户出货交付,下游客户覆盖运营商、互联网、政府机构等各类企业。

服务器产业链结构图：

资料来源：行行查

AI服务器按应用场景可分为训练和推理两种，其中训练对芯片算力要求更高，推理对算力的要求偏低。

目前AI服务器通常选用CPU和加速芯片组来满足其庞大算力需求，其中加速芯片包括GPU、FPGA、ASIC等逻辑芯片，其中GPU由于其具有最强的计算能力同时具备深度学习等能力，目前成为服务器中加速芯片的首选。

英伟达DGX A100服务器：

从硬件架构上看，AI服务器是指采用异构形式的服务器，通常为CPU＋GPU、CPU＋FPGA、CPU＋TPU、CPU＋ASIC或CPU＋多种加速卡；GPU采用并行计算模式，擅长处理密集型运算，如图形渲染、机器学习等。

根据IDC数据，2022年国内AI服务器市场规模达67亿美元，同比增长24%，其中GPU服务器占据主导地位，市场份额达89%；预计到2027年国内AI服务器市场将达164亿美元，CAGR 16.1%，其中非GPU服务器市场份额超13%。

AI服务器芯片

根据IDC数据用于运算和存储的芯片占服务器成本结构约70%，其中在机器学习型服务器中GPU成本占比达72.8%。

资料来源：ARK、华经情报网、行行查

AI芯片是算力的核心。AI芯片也被称为AI加速器或计算卡，即专门用于处理人工智能应用中的大量计算任务的模块（其他非计算任务仍由C P U负责）。

伴随数据海量增长，算法模型趋向复杂，处理对象异构，计算性能要求高，A 芯片在人工智能的算法和应用上做针对性设计，可高效处理人工智能应用中日渐多样繁杂的计算任务。

不同类型的服务器成本结构存在差异，以CPU和GPU为代表的算力芯片是服务器主要成本项，占比随着服务器性能的提高而逐渐上升。

GPU架构为主流加速架构，是服务器核心成本构成。