摘要
海外大厂Capex指引乐观，26年算力景气度持续上行。微软、谷歌、Meta、亚马逊等海外大厂对2026年资本开支指引乐观，我们预计2025年、2026年四家大厂资本开支总和分别为4065、5964亿美元，分别同比+46%、47%，且用于投资AI算力及基础设施的比例有望持续提升。目前，海外大厂仍以采购英伟达AI芯片为主，2026年AMD、海外大厂自研芯片有望快速放量。互联侧：光摩尔定律，单卡价值量代际增加。1）光模块：一方面，端口速率按“1–2年一代”从10G/40G-100G/400G-800G/1.6T；另一方面，数据中心网络从“少量跨机柜光互连”走向leaf-spine扁平化、东西向流量主导，叠加AI训练集群由几十卡扩展到数百卡规模，使得光模块的用量、规格与单点价值量同步抬升。未来，800G将加速规模化部署、1.6T进入导入期；同时LPO/CPO、硅光、AOC等路线让网络向“更低功耗、更高密度、更高可靠”演进。2）PCB：行业进入AI驱动的新周期，需求结构发生根本性转变。AI服务器集群建设带来算力板卡、交换机与光模块的同步升级，推动PCB需求量和单价双升。随着算力架构从GPU服务器向正交化、无线缆化演进，信号链条更短、对材料损耗更敏感，PCB成为AI硬件中最核心的互联与供电载体之一。本轮AI周期不同于5G周期的“高峰—回落”型特征，而呈现“技术迭代带动持续渗透”的长周期属性。冷却侧：功率密度持续提升，液冷大势所需。 根据Vertiv数据显示，AI GPU机架的峰值密度有望从2024年的130kW到2029年突破1MW，采用液冷技术是大势所趋。海外机柜算力密度提升直接带来二次侧及ICT设备侧价值量的提升，其中，CDU、冷板价值量占比较高。供电侧：AIDC供配电路径演变，关注HVDC、SST领域。随着AI服务器功率的持续提升，传统供配电架构下配电房占地面积大幅提升、电能传递损耗大幅增长，迫切需要通过供配电架构升级减少占地面积、提升系统效率、减少用铜量、提升分布式能源接入能力。我们预计，AIDC供配电方式将遵循UPS-HVDC-SST路径演变，2026年行业催化有望持续。投资建议：2026年海外大厂资本开支持续上行，算力侧建议关注
海光信息，互联侧-光模块建议关注
光迅科技、
华工科技，互联侧-PCB建议关注
生益科技、
胜宏科技、
沪电股份、
鹏鼎控股、
东山精密、
景旺电子、
世运电路、
芯碁微装，冷却侧建议关注
英维克，供电侧建议关注
麦格米特。风险提示：互联网大厂资本开支不及预期风险；英伟达及头部AI ASIC厂商技术路劲变化风险；AI应用活跃用户数增长不及预期风险；行业内部竞争加剧，进而导致毛利率下滑风险。海外大厂Capex指引乐观，26年算力景气度持续上行互联侧：光模块+PCB持续迭代，量价齐升冷却侧：功率密度持续提升，液冷大势所需供电侧：AIDC供配电路径演变，关注HVDC、SST领域风险提示海外大厂Capex指引乐观，预计2026年Capex持续上行n 海外大厂Capex指引乐观，预计2026年Capex持续上行。微软：3Q25公司Capex（包含融资租赁）为349亿美金，同比+75%、环比+44%，且根据电话会议披露信息，预计FY2026（本季度3Q25为微软FY1Q26）资本开支增速高速FY2025，此处假设4Q25 Capex环比微增，为360亿美金，则2025全年资本开支为1165亿美金，同比+54%，假设2026年Capex增速为60%，则2026年资本开支为1864亿美金。谷歌：3Q25公司资本开支为240亿美金，同比+84%、环比+7%，且根据电话会议披露信息，2025年Capex指引上调至910-930亿美金（前值为850亿美金），则4Q25 Capex预计为294亿美金；且指引2026年资本开支将显著增长，假设2026年资本开支增速为50%，则2026年资本开支为1395亿美金。亚马逊：3Q25公司资本开支为342亿美金，同比+61%、环比+9%，且根据电话会议披露信息，2025年Capex指引1250亿美金，则4Q25 Capex预计为351亿美金，且指引2026年资本开支持续增长；此外，亚马逊在电话会议披露，为满足公司对AI需求，过去12个月中增加了3.8GW电力容量（目前是22年2倍），预计4Q25新增1GW，且2027年电力容量预计翻倍；假设2026年资本开支增速为30%，则2026年资本开支为1625亿美金。Meta：3Q25公司资本开支为194亿美金，同比+110%、环比+14%，且根据电话会议披露信息，2025年Capex指引上调至700-720亿美金（前值为660-720亿美金），则4Q24 Capex预计为219亿美金，且指引2026年资本开支增长将显著高于2025年，假设2026年资本开支增速为50%，则2026年资本开支为1080亿美金。图1：海外大厂Capex及预期1Q252Q253Q254Q252025E2026E微软同比83%53%27%75%59%54%60%环比-5%13%44%3%谷歌同比63%43%70%84%106%77%50%环比20%31%7%23%亚马逊同比67%63%91%61%26%55%30%环比-13%29%9%3%脸书同比38%104%101%110%48%87%50%环比-8%24%14%13%合计同比80%62%64%73%54%46%47%环比-29%24%17%9%微软-2026年芯片需求测算n 微软2026年芯片需求测算：主要购买英伟达芯片，其次为AMD和自研Maia芯片。GPU服务器资本开支：根据前文测算，2026年资本开支为1864亿美金，根据微软3Q25电话会披露数据，约50%资本开支用于购买GPU、CPU服务器，且预期比例持续提升；我们假设用于购买GPU、CPU服务器的资本开支占比为60%，且GPU服务器在其中占比为90%（由于GPU服务器ASP大幅高于CPU服务器），则2026年用于购买GPU服务器的资本开支为1007亿美金。采购英伟达芯片：考虑到芯片性能、运行稳定性、兼容性等维度，微软仍以采购英伟达芯片为主，假设2026年采购英伟达GPU服务器资本开支占比为85%，则对应购置英伟达服务器资本开支为856亿美金，假设AI芯片占服务器价值量为70%，对应英伟达GPU芯片价值量为599亿美金，分别假设采购英伟达B300（包括GB300）、R200（包括VR200）资本开支占比为55%、45%，假设B300、R200单价分别为3.5、4.5万美元（考虑到性能提升、HBM及晶圆成本提升等因素），对应B300、R200采购量分别为94、60万颗。采购AMD芯片：AMD芯片快速迭代发展，MI400系列芯片性能表现出色，预计2026年微软将采购部分AMD芯片作为补充，此处假设采购AMD GPU服务器资本开支占比为10%，且用于购置MI355、MI400资本开支占比分别为5%、95%，且假设MI355、MI400芯片单价分别为2.5、3.5万美金，对应MI355、MI400采购量分别为1、19万颗。自研ASIC芯片：2026年微软自研芯片Maia200、Maia300有望放量，此处假设自研ASIC服务器资本开支占比为5%，ASIC芯片占服务器价值量为50%，对应自研ASIC资本开支为25亿美金，假设购置Maia200、Maia300资本开支占比分别为25%、75%，假设Maia200、Maia300单价分别为0.5、0.7万美金，对应Maia200、Maia300采购量分别为11.6、27.5万颗。图2：微软-2026年芯片需求测算2026年资本开支（亿美金）假设：用于购置英伟达GPU服务器资本开支占比85%假设：用于购置AMD-GPU服务器资本开支占比10%假设：用于购置自研ASIC服务器资本开支占比5%用于购买（GPU+CPU）服务器资本开支占比60%用于购置英伟达GPU服务器资本开支（亿美元）用于购置AMD-GPU服务器资本开支（亿美元）用于购置ASIC服务器资本开支（亿美元）购买（GPU+CPU）服务器资本开支（亿美元）英伟达GPU价值量/服务器价值量70%AMD-GPU价值量/服务器价值量70%自研ASIC价值量/服务器价值量50%其中：资本开支GPU服务器/（GPU+CPU）服务器90%购置英伟达GPU资本开支（亿美元）购置AMD-GPU资本开支（亿美元）购置自研ASIC资本开支（亿美元）GPU服务器资本开支（亿美元）其中：用于购置B300（包括GB300）资本开支占比55%其中：用于购置MI355资本开支占比5%其中：购置Maia200资本开支占比25%购置B300（包括GB300）资本开支（亿美元）购置MI355资本开支（亿美元）购置Maia200资本开支（亿美元）假设：B300单价（万美元）3.5假设：MI355单价（万美元）2.5假设：Maia200单价（万美元）0.5B300采购数量（万颗）MI355采购数量（万颗）购置Maia200数量（万颗）11.6其中：用于购置R200（包括VR200）资本开支占比45%其中：用于购置MI400资本开支占比95%其中：购置Maia300资本开支占比75%购置R200（包括VR200）资本开支（亿美元）购置MI400资本开支（亿美元）购置Maia300资本开支（亿美元）假设：R200单价（万美元）4.5假设：MI400单价（万美元）3.5假设：Maia300单价（万美元）0.7R200采购数量（万颗）MI400采购数量（万颗）购置Maia300数量（万颗）27.5谷歌-2026年芯片需求测算n 谷歌2026年芯片需求测算：自研TPU为主，同时采购英伟达GPU主要供云客户使用。GPU服务器资本开支：根据前文测算，2026年资本开支为1395亿美金，根据谷歌3Q25电话会披露数据，约60%资本开支用于购买服务器，且预期比例持续提升；我们假设用于购买GPU、CPU服务器的资本开支占比为70%，且GPU服务器在其中占比为90%（由于GPU服务器ASP大幅高于CPU服务器），则2026年用于购买GPU服务器的资本开支为879亿美金。自研ASIC芯片：考虑到谷歌自研TPU芯片性能出色、性价比高，且谷歌主要AI任务（大模型训练、推理等）主要依靠自研TPU芯片，此处假设自研ASIC服务器资本开支占比为70%，ASIC芯片占服务器价值量为65%（谷歌TPU芯片性能强大，ASP相对较高），对应自研ASIC资本开支为400亿美金，假设购置Trillium、Ironwood、TPU v8p、TPU v8e资本开支占比分别为8%、65%、20%、7%，假设单价分别为0.8、1.2、2.0、0.9万美金，对应采购量分别为40、216、40、32万颗。采购英伟达芯片：谷歌采购英伟达芯片主要供云客户使用，假设2026年采购英伟达GPU服务器资本开支占比30%，AI芯片占服务器价值量为70%，对应英伟达GPU芯片价值量为185亿美金，分别假设采购英伟达B300（包括GB300）、R200（包括VR200）资本开支占比为60%、40%，假设B300、R200单价分别为3.5、4.5万美元，对应B300、R200采购量分别为32、16万颗。图3：谷歌-2026年芯片需求测算2026年资本开支（亿美金）假设：用于购置英伟达GPU服务器资本开支占比30%假设：用于购置自研ASIC服务器资本开支占比70%用于购买（GPU+CPU）服务器资本开支占比70%用于购置英伟达GPU服务器资本开支（亿美元）用于购置ASIC服务器资本开支（亿美元）购买（GPU+CPU）服务器资本开支（亿美元）英伟达GPU价值量/服务器价值量70%自研ASIC价值量/服务器价值量65%其中：资本开支GPU服务器/（GPU+CPU）服务器90%购置英伟达GPU资本开支（亿美元）购置自研ASIC资本开支（亿美元）GPU服务器资本开支（亿美元）其中：用于购置B300（包括GB300）资本开支占比60%假设：购置TPU v6（Trillium)资本开支占比8%购置B300（包括GB300）资本开支（亿美元）购置TPU v6（Trillium)资本开支（亿美元）假设：B300单价（万美元）3.5假设：TPU v6（Trillium)单价（万美元）0.8B300采购数量（万颗）购置TPU v6（Trillium)数量（万颗）其中：用于购置R200（包括VR200）资本开支占比40%假设：购置TPU v7（Ironwood）资本开支占比65%购置R200（包括VR200）资本开支（亿美元）购置TPU v7（Ironwood）资本开支（亿美元）假设：R200单价（万美元）4.5假设：TPU v7（Ironwood）单价（万美元）1.2R300采购数量（万颗）购置TPU v7（Ironwood）数量（万颗）假设：购置TPU v8p资本开支占比20%购置TPU v8p资本开支（亿美元）假设：TPU v8p单价（万美元）2.0购置TPU v8p数量（万颗）假设：购置TPU v8e资本开支占比7%购置TPU v8e资本开支（亿美元）假设：TPU v8e单价（万美元）0.9购置TPU v8e数量（万颗）亚马逊-2026年芯片需求测算n 亚马逊2026年芯片需求测算：主要购买英伟达芯片，其次为AMD和自研Trainium芯片。GPU服务器资本开支：根据前文测算，2026年资本开支为1625亿美金，根据亚马逊3Q25电话会披露数据，其资本开支主要由AI基建和电商物流基建驱动；我们假设用于购买GPU、CPU服务器的资本开支占比为50%，且GPU服务器在其中占比为90%（由于GPU服务器ASP大幅高于CPU服务器），则2026年用于购买GPU服务器的资本开支为731亿美金。采购英伟达芯片：考虑到芯片性能、运行稳定性、兼容性等维度，亚马逊仍以采购英伟达芯片为主，假设2026年采购英伟达GPU服务器资本开支占比为65%，AI芯片占服务器价值量为70%，对应英伟达GPU芯片价值量为333亿美金，分别假设采购英伟达B300（包括GB300）、R200（包括VR200）资本开支占比为55%、45%，假设B300、R200单价分别为3.5、4.5万美元（考虑到性能提升、HBM及晶圆成本提升等因素），对应B300、R200采购量分别为52、33万颗。采购AMD芯片：AMD芯片快速迭代发展，MI400系列芯片性能表现出色，预计2026年亚马逊将采购部分AMD芯片作为补充，此处假设采购AMD GPU服务器资本开支占比为12%，对应资本开支为61亿美金，且用于购置MI355、MI400资本开支占比分别为5%、95%，且假设MI355、MI400芯片单价分别为2.5、3.5万美金，对应MI355、MI400采购量分别为1、17万颗。自研ASIC芯片：亚马逊自研ASIC芯片启动时间较早，技术已经逐步成熟，预计2026年亚马逊自研芯片Trainium2.5、Trainium3快速放量，此处假设自研ASIC服务器资本开支占比为23%，ASIC芯片占服务器价值量为50%，对应自研ASIC资本开支为84亿美金，假设购置Trainium2.5、Trainium3资本开支占比分别为15%、85%，假设Trainium2.5、Trainium3单价分别为0.4、0.6万美金，对应Trainium2.5、Trainium3采购量分别为32、119万颗。图4：亚马逊-2026年芯片需求测算2026年资本开支（亿美金）假设：用于购置英伟达GPU服务器资本开支占比65%假设：用于购置AMD-GPU服务器资本开支占比12%假设：用于购置自研ASIC服务器资本开支占比23%用于购买（GPU+CPU）服务器资本开支占比50%用于购置英伟达GPU服务器资本开支（亿美元）用于购置AMD-GPU服务器资本开支（亿美元）用于购置ASIC服务器资本开支（亿美元）购买（GPU+CPU）服务器资本开支（亿美元）英伟达GPU价值量/服务器价值量70%AMD-GPU价值量/服务器价值量70%自研ASIC价值量/服务器价值量50%其中：资本开支GPU服务器/（GPU+CPU）服务器90%购置英伟达GPU资本开支（亿美元）购置AMD-GPU资本开支（亿美元）购置自研ASIC资本开支（亿美元）GPU服务器资本开支（亿美元）其中：用于购置B300（包括GB300）资本开支占比55%其中：用于购置MI355资本开支占比5%其中：购置Trainium 2.5资本开支占比15%购置B300（包括GB300）资本开支（亿美元）购置MI355资本开支（亿美元）购置Trainium 2.5资本开支（亿美元）假设：B300单价（万美元）3.5假设：MI355单价（万美元）2.5假设：Trainium 2.5单价（万美元）0.4B300采购数量（万颗）MI355采购数量（万颗）购置Trainium 2.5数量（万颗）其中：用于购置R200（包括VR200）资本开支占比45%其中：用于购置MI400资本开支占比95%其中：购置Trainium 3资本开支占比85%购置R200（包括VR200）资本开支（亿美元）购置MI400资本开支（亿美元）购置Trainium 3资本开支（亿美元）假设：R200单价（万美元）4.5假设：MI400单价（万美元）3.5假设：Trainium 3单价（万美元）0.6R200采购数量（万颗）MI400采购数量（万颗）购置Trainium 3数量（万颗）Meta-2026年芯片需求测算n Meta 2026年芯片需求测算：主要购买英伟达芯片，其次为AMD和自研MTIA芯片。GPU服务器资本开支：根据前文测算，2026年资本开支为1080亿美金，根据Meta 3Q25电话会披露数据，其资本开支主要由AI基建驱动；我们假设用于购买GPU、CPU服务器的资本开支占比为60%，且GPU服务器在其中占比为90%（由于GPU服务器ASP大幅高于CPU服务器），则2026年用于购买GPU服务器的资本开支为583亿美金。采购英伟达芯片：考虑到芯片性能、运行稳定性、兼容性等维度，Meta仍以采购英伟达芯片为主，假设2026年采购英伟达GPU服务器资本开支占比为80%，AI芯片占服务器价值量为70%，对应英伟达GPU芯片价值量为327亿美金，分别假设采购英伟达B300（包括GB300）、R200（包括VR200）资本开支占比为55%、45%，假设B300、R200单价分别为3.5、4.5万美元（考虑到性能提升、HBM及晶圆成本提升等因素），对应B300、R200采购量分别为51、33万颗。采购AMD芯片：AMD芯片快速迭代发展，MI400系列芯片性能表现出色，预计2026年Meta将采购部分AMD芯片作为补充，此处假设采购AMD GPU服务器资本开支占比为15%，对应资本开支为61亿美金，且用于购置MI355、MI400资本开支占比分别为5%、95%，且假设MI355、MI400芯片单价分别为2.5、3.5万美金，对应MI355、MI400采购量分别为1、17万颗。自研ASIC芯片：Meta自研ASIC芯片启动时间较晚，预计2026年亚马逊自研芯片MTIA 3将小规模放量，此处假设自研ASIC服务器资本开支占比为5%，ASIC芯片占服务器价值量为50%，对应自研ASIC资本开支为15亿美金，假设MTIA 3单价分别为0.5万美金，对应采购量分别为30万颗。图5：Meta-2026年芯片需求测算2026年资本开支（亿美金）假设：用于购置英伟达GPU服务器资本开支占比80%假设：用于购置AMD-GPU服务器资本开支占比15%假设：用于购置自研ASIC服务器资本开支占比5%用于购买（GPU+CPU）服务器资本开支占比60%用于购置英伟达GPU服务器资本开支（亿美元）用于购置AMD-GPU服务器资本开支（亿美元）用于购置ASIC服务器资本开支（亿美元）购买（GPU+CPU）服务器资本开支（亿美元）英伟达GPU价值量/服务器价值量70%AMD-GPU价值量/服务器价值量70%自研ASIC价值量/服务器价值量50%其中：资本开支GPU服务器/（GPU+CPU）服务器90%购置英伟达GPU资本开支（亿美元）购置AMD-GPU资本开支（亿美元）购置自研ASIC资本开支（亿美元）GPU服务器资本开支（亿美元）其中：用于购置B300（包括GB300）资本开支占比55%其中：用于购置MI355资本开支占比5%其中：购置MTIA 3资本开支占比100%购置B300（包括GB300）资本开支（亿美元）购置MI355资本开支（亿美元）购置MTIA 3资本开支（亿美元）假设：B300单价（万美元）3.5假设：MI355单价（万美元）2.5假设：MTIA 3单价（万美元）0.5B300采购数量（万颗）MI355采购数量（万颗）购置MTIA 3数量（万颗）其中：用于购置R200（包括VR200）资本开支占比45%其中：用于购置MI400资本开支占比95%购置R200（包括VR200）资本开支（亿美元）购置MI400资本开支（亿美元）假设：R200单价（万美元）4.5假设：MI400单价（万美元）3.5R200采购数量（万颗）MI400采购数量（万颗）其他厂商-2026年芯片需求测算n 其他厂商2026年芯片需求测算：以购买英伟达芯片为主，购买AMD和自研芯片为辅。GPU服务器资本开支：根据2Q25英伟达电话会议披露信息，2025年全球AI相关Capex约为6000亿美金，预计2年内翻倍，随着中国等地区加大对AI投入，我们假设2026年全球AI相关Capex增长至9600亿美金（同比+60%），则四家大厂之外的AI相关Capex为3636亿美金，假设其中80%用于购买GPU服务器，则对应Capex为2909亿美金。采购英伟达芯片：考虑到英伟达芯片稳定性好、生态成熟，目前全球其他厂商仍以采购英伟达芯片为主，假设2026年采购英伟达GPU服务器资本开支占比为75%，AI芯片占服务器价值量为70%，对应英伟达GPU芯片价值量为1527亿美金；考虑到R200系列服务器前期调试难度较大，以头部云厂商采购为主，所以假设其他厂商分别假设采购英伟达B300（包括GB300）、R200（包括VR200）资本开支占比为60%、40%，假设B300、R200单价分别为3.5、4.5万美元（考虑到性能提升、HBM及晶圆成本提升等因素），对应B300、R200采购量分别为261、138万颗。采购AMD芯片：AMD芯片快速迭代发展，MI400系列芯片性能表现出色，预计2026年其他厂商将采购部分AMD芯片作为补充，此处假设采购AMD GPU服务器资本开支占比为5%，对应资本开支为104亿美金，且用于购置MI355、MI400资本开支占比分别为19%、81%，且假设MI355、MI400芯片单价分别为2.5、3.5万美金，对应MI355、MI400采购量分别为8、24万颗。其他GPU+自研ASIC芯片：国内海光信息、
摩尔线程、沐曦等GPU厂商快速发展，同时华为、
寒武纪等均推出AI芯片方案，此外海外OpenAI、xAI有望发布自研ASIC芯片；此处，假设其他GPU+自研ASIC芯片资本开支占比为20%，对应579亿美金。图6：其他厂商-2026年芯片需求测算2025年资本开支（亿美元）2026年资本开支（亿美元）微软谷歌亚马逊Meta加总：微软+谷歌+亚马逊+Meta全球AI相关资本开支预期（亿美元）yoy60%四家海外大厂Capex/全球AI相关Capex68%62%大厂之外AI Capex（亿美元）假设用于购置GPU服务器占比80%购置GPU服务器资本开支（亿美元）购置英伟达GPU服务器占比75%购置英伟达GPU服务器资本开支（亿美元）英伟达GPU价值量/服务器价值量70%购置英伟达GPU资本开支（亿美元）其中：用于购置B300（包括GB300）资本开支占比60%购置B300（包括GB300）资本开支（亿美元）假设：B300单价（万美元）3.5B300采购数量（万颗）其中：用于购置R200（包括VR200）资本开支占比40%购置R200（包括VR200）资本开支（亿美元）假设：R200单价（万美元）4.5R200采购数量（万颗）购置AMD-GPU服务器占比5%购置AMD-GPU服务器资本开支（亿美元）AMD-GPU价值量/服务器价值量70%购置AMD-GPU资本开支（亿美元）其中：用于购置MI355资本开支占比19%购置MI355资本开支（亿美元）假设：MI355单价（万美元）2.5MI355采购数量（万颗）其中：用于购置MI400资本开支占比81%购置MI400资本开支（亿美元）假设：MI400单价（万美元）3.5MI400采购数量（万颗）其他GPU+自研ASIC服务器占比20%其他GPU+自研ASIC服务器资本开支（亿美元）（主要包括OpenAI、xAI、国内互联网大厂自研ASIC+国产AI芯片）汇总-2026年芯片需求测算n 2026年芯片需求测算：以英伟达芯片采购为主，海外大厂自研ASIC、AMD有望放量。英伟达：2026年各厂商仍以英伟达芯片采购为主，根据上文测算结果，预计2026年英伟达芯片出货量一共770万颗，其中B300为490万颗（包括GB300系列），R200为280万颗（包括Rubin VR200系列）。AMD：由于AMD MI400性能出色，预计2026年部分厂商会对AMD GPU进行采购，根据上文测算结果，预计2026年AMD芯片出货量一共为88万颗，其中MI355为12万颗，MI400为76万颗。自研芯片：2026年大厂自研ASIC芯片预计快速放量，根据上文测算结果，预计2026年谷歌TPU合计出货量为328万颗，亚马逊Trainium出货量为151万颗，微软Maia出货量为40万颗，Meta MTIA出货量为30万颗。图7：汇总-2026年芯片需求测算采购量（万颗）微软谷歌亚马逊Meta其他厂商加总（万颗）AI GPU（2026年）英伟达B300Rubin R200AMDMI355MI400AI ASIC（2026年）谷歌TPU v6（Trillium)TPU v7（Ironwood）TPU v8pTPU v8e亚马逊Trainium 2.5Trainium 3微软Maia 20011.6Maia 30027.5MetaMTIA 3海外大厂Capex指引乐观，26年算力景气度持续上行互联侧：光模块+PCB持续迭代，量价齐升目录冷却侧：功率密度持续提升，液冷大势所需供电侧：AIDC供配电路径演变，关注HVDC、SST领域风险提示图8：可插拔光模块图9：GPU单卡光模块价值量数据中心互联-光模块：光摩尔定律，单卡价值量代际增加n 光摩尔定律，速率代际升级每1-2年一次。一方面，端口速率按“1–2年一代”从10G/40G-100G/400G-800G/1.6T；另一方面，数据中心网络从“少量跨机柜光互连”走向leaf-spine扁平化、东西向流量主导，叠加AI训练集群由几十卡扩展到数百卡规模，使得光模块的用量、规格与单点价值量同步抬升。n AI芯片领军企业英伟达等加速迭代其AI芯片性能，推动智算中心互联快速发展。英伟达芯片P/V/A/H/B等系列芯片架构由早期的每4年升级一次加速到每两年迭代升级一次，过去3年间，AI算力集群也从64个AI芯片组成的机柜发展到256个乃至288/576个AI芯片集群，芯片之间的网络连接速率也随之从400G演进至目前使用的1.6T。n 价值量变化：单张AI加速卡对应的光模块价值量已进入千美元级（例如B200/B300约2100美元，更高代际方案可>4000美元；TPU v6/v7与Meta MTIA2/3亦在3000美元以上），光互连在单柜/单Pod里的投入代际翻倍增加。n 未来趋势：光模块核心变量：“速率×端口密度×网络层级渗透率×集群规模”，量增和结构升级并存。800G将加速规模化部署、1.6T进入导入期，网络速率迭代快于芯片迭代；同时LPO/CPO、硅光、AOC等路线让网络向“更低功耗、更高密度、更高可靠”演进。英伟达GoogleAWSMeta型号B200/B300/RubinTPU V5/v6/v7Tranium2/3MTIA2/3光模块速率800G(B200/B300)/1.6T800G（v5）/1.6T(v6/v7)200G/400G800G光模块配比(B200/B300): GPU:800G:1.6T=1:1:1.5-2.5(R200) GPU:800G:1.6T=1:2:3-5（v5）GPU:800G = 1:4（v6/v7）GPU:1.6T = 1:4（tr2）GPU:400G = 1:2.5（tr3）GPU:800G = 1:2.5GPU:800G = 1:10单卡价值量（美元）(B200/B300): 约2100(R200)：>4000v5: 约1500v6/v7: >3000（tr2）>500（tr3）>1000>3000图10：机柜内PCB价值量图11：单GPU对应PCB价值量数据中心互联-PCB：Rubin新架构推动PCB价值量数倍增长GB200 NVL72GB300 NVL72VR 200 NVL144Computer Tray规格5阶22层5阶26层、M8供应商欣兴胜宏、欣兴、定颖胜宏、欣兴、定颖单机柜价格14~15万元23~24万元NVSwitch Tray规格24层 HLC32层 HLC、M8供应商沪电、TTM、胜宏胜宏、沪电、TTM胜宏、沪电、TTM单机柜价格7万元10~11万元CPX子卡规格5阶22层 HDI、M9供应商胜宏价格18~20wMidplane规格44层 HLC、M9供应商胜宏、广合单机柜价格6~6.5w对应单芯片价值量(元/颗)约2900约8000GB300 NVL72 PCB量价拆解：1）Bianca板：使用M8级别覆铜板，规格为5阶22层HDI，单价约4000~4500元/块，单个GB200 NVL72机柜中需要18个Compute Tray，共36块Bianca板，合计单rack价值量约14~16万元；2）Switch板：根据Semianalysis，Switch tray通过集成多颗NVSwitch芯片，构建低延迟、高带宽的GPU通信网络，使用M8级别覆铜板，规格为24层高多层PCB，单价约8000~8500元/块，单个GB200 NVL72机柜中需要9个Switch Tray，合计单rack价值量约7~7.5万元；3）配板：包括ConnectX-7网卡板及DPU板等，对PCB要求较低，预计价值量单rack不超过3万元。根据上述测算，我们预计GB200 NVL72单机柜PCB价值量约23~25万元，单GPU对应PCB价值量为3000+元。Vera Rubin CPX系列PCB量价拆解：以NVL144 CPX为例（价值量最高的架构），1）Computer Tray仍包含两块类似GB300的Bianca板，预计规格为5阶26层HDI，单机柜23~24万元；2）Switch Tray预计使用M8级覆铜板的32层HLC，预计单机柜价值量为10~11万元；每个托盘内含有8个CPX GPU，放在4个子卡上，预计为5阶22层HDI，单柜价值量约18~20万元；3）Midplane用于替代GB300 Tray中的跳线，连接Bianca主板、CX-9网卡和Bluefield DPU，由于其对于信号传输速率要求较高，我们认为其或将采用M9材料层高多层板，价值量约6~6.5万元。1,0002,0003,0004,0005,0006,0007,0008,0009,000HopperBlackwellGB200GB300ASIC(T2为例)VR NVL144ASIC(T3为例)VR NVL144 CPX单GPU对应PCB价值量（人民币）海外大厂Capex指引乐观，26年算力景气度持续上行互联侧：光模块+PCB持续迭代，量价齐升目录冷却侧：功率密度持续提升，液冷大势所需供电侧：AIDC供配电路径演变，关注HVDC、SST领域风险提示图12：单机柜功率密度与适宜的散热方式图13：单颗GPU及单KW对应液冷价值量测算冷却侧：当前北美液冷价值量达到单KW 1千美金以上液冷将是智算中心高功率密度散热主要方案。智算训练需要建立高度集中化的GPU集群，而智算中心GPU芯片的算力在不断提升，英伟达B200芯片TDP功耗已达1000W，由一颗Grace CPU与两颗Blackwell GPU组成的GB200超级芯片达到了2700W；其GPU架构从Blackwell继续进化为Rubin Ultra，Vertiv数据显示，AI GPU机架的峰值密度有望从2024年的130kW到2029年突破1MW，采用液冷技术是大势所趋。单颗GB200、GB300对应液冷价值量分别为1110/1409美元，当前可按照1-1.1k美元/kw计算北美液冷空间。GB200与GB300单机柜均72个GPU，经测算单机柜液冷价值量分别为79930美元和101420美元，对应单颗GB200/GB300液冷价值量分别为1110美元/1409美元。考虑到GB200和GB300的单GPU功耗分别为1000w/1400w，得出当前海外液冷价值可基本按照1-1.1k美元/kw计算。R200功耗为1.8-2.3kw，单卡对应液冷价值量或达到2400美元。GB200GB300单机柜液冷价值量（美元）79930101420GPU个数单GPU对应液冷价值量（美元）GPU功耗（KW）1.4单KW对应液冷价值量（美元/KW)平均值（美元/KW）图14：英伟达GB200/GB300液冷方案成本对比液冷系统分为机房侧和ICT设备侧两部分，机房侧包括一次侧和二次侧，一次侧是连接冷却塔到CDU，全液冷机柜的循环水系统，也称为一次管路或室外侧；二次侧是连接CDU到全液冷机柜中的液冷元器件的冷却循环水系统，也称为二次管路或室内侧。ICT侧主要系机柜内部零部件如冷板、UQD等。海外机柜算力密度提升直接带来二次侧及ICT设备侧价值量的提升，CDU、冷板价值量占比较高。二次侧包括CDU、液冷机柜、列间空调、冷热气流隔离及封闭组件、动环系统，ICT侧包括机柜内部的冷板、UQD、柜内manifold等零部件：CDU：传统CDU功率在200-300kw，对应2000kw需要7个CDU，价值量占比ICT侧约30%;随着算力密度持续提升，CDU功率需求提升至接近单台2MW，在GB200及GB300中价值量占比提升至35%以上；冷板：常用材料为紫铜、铝等，冷板设计需要考虑的关键指标包括冷板内部流道、内部流速、额定流量、冷板热阻以及冷板流阻，在NV GB200/GB300中占比约30%；未来MLCP（微通道水冷板）的应用有望使得冷板价值量提升3-5倍；Manifold及UQD：整体占比为30%左右。冷却侧：液冷零部件价值量拆分：冷板、CDU价值量占比较高GB200GB300机架ASP(美元)数量（个/对）价值（美元）占比机架ASP(美元)数量（个/对）价值（美元）占比CPU/GPU冷板2340029%CPU/GPU冷板2592026%Switch冷7%Switch冷6%UQD8%UQD1485015%manifold130001300016%manifold180001800018%CDU300003000038%CDU350003500035%软管2%软管2%合计79930合计101420图15：英伟达GB200/GB300液冷方案液冷产业链：上游为液冷系统零部件，中游为集成商图16：上游液冷系统零部件示意图图17：液冷全产业链液冷产业链分为上中下游：上游：主要为一次侧、二次侧、ICT侧的液冷零部件，包含冷却塔、冷水机组、CDU、Manifold、UQD、液冷板等；中游：通常采购或自产上游液冷零部件，对接下游客户提供机房侧或者服务器侧的系统级液冷方案；下游：数据中心服务商、运营商、互联网大厂等。冷却侧：从英伟达液冷产业链看各环节竞争格局英伟达冷板、NVQD、Manifold等柜内零部件基本由AVC、CoolerMaster、双鸿供应，尤其是AVC和CoolerMaster在价值量较高的冷板环节占据主要份额。CDU环节：Vertiv为核心供应商，占据主要份额。图22：英伟达液冷核心供应商核心组件已确认/领先供应商优秀供应商冷板AVC（奇宏）、Auras（双鸿）、Cooler MasterBoyd（宝德）、Coolit、Delta（台达）、Foxconn（富士康）、Lead Wealth（
比亚迪电子）、Pinda（品达）、Readore（立敏达） 等ManifoldPinda（品达）、Delta（台达）、Foxconn（富士康）、Lead Wealth、LiteOn（光宝） 等UQD/NVQDBeehe（比赫）、Cooler Master、Danfoss（丹佛斯）、Envicool（英维克）、Lead Wealth（比亚迪电子）、lotes（嘉泽）、Readore(立敏达) 等CDUVertiv、台达、光宝、CoolIT Systems宝德、nVent、DCX、Trane、Nidec图18：英伟达产业链供应链结构图19：英伟达液冷Manifold主要供应商展示图20：英伟达液冷冷板主要供应商展示图21：英伟达液冷快接头主要供应商展示图24：台企厂商对比图23：台企电子散热器件厂商海外和台资企业：在北美零部件环节仍占据主导电子散热等零配件市场集中度高，以海外及台资企业为主。全球热管主要生产企业有 Honeywell、 Fujkura、双鸿科技、奇鋐科技等。奇宏，双鸿，台达电子等台资热管理厂商早期为台企ODM服务器厂商提供风冷散热解决方案，同时在液冷批量应用前，就配合英伟达做液冷散热预研。随着液冷转为主流，早期配合英伟达开发液冷产品的台资厂商迅速拿下批量订单，所以台资液冷组件公司成为本轮人工智能的液冷需求最大受益方，预计占据全球70%以上的液冷组件市场份额。但随着北美液冷需求迅速扩张，多个环节预计存在产能瓶颈，且以谷歌、Meta为代表的CSP并没有和台资深入绑定，部分大陆厂商有望凭借低成本、定制化服务等优势抢占市场。公司介绍液冷产品双鸿科技（AurasTechnology）全球液冷散热龙头，原以笔电散热起家，现转型为全链条液冷方案商，客户覆盖英伟达、微软、Meta及服务器代工厂（如Supermicro）。冷板：适配GB200/GB300服务器的微通道冷板，热阻低至0.043°C/W（1.1KW工况）。支持1400WGPU散热，热密度达35W/cm²。CDU：单机柜配2-3台，单价2-3万美元，支持200kW级散热，GB300机柜需3台。快接头：送样英伟达，尺寸缩小至原型号1/3，插拔寿命＞10万次，漏液率≤0.01mL/min。分歧管：为微软、甲骨文供应，优化冷却液分流效率。奇宏科技（AVC）液冷技术全球领先，首发两相浸没式方案，散热效率提升50%。英伟达GB300最大冷板供应商，合作AWS、Google及富士康。浸没式方案：全球首推两相浸没式氟化液，适配NVLink全互联架构，散热效率提升50%。冷板与歧管：耐压≥10bar，适配GB300的6片冷板模组设计。冷板模组：GB200主力供应商，占冷板市场近50%。NVLink交换器托盘：垄断性供应。快接头与CDU：通过英伟达认证，GB200机柜需252对快接头。酷冷至尊（CoolerMaster）1992年成立，未上市但技术实力强，GB200冷板模组份额65%（英伟达“一供”）。消费电子散热巨头，切入GB300供应链，聚焦冷板与快接头。NVUQD03快接头：GB300首批验证厂商，主导GB300初期量产，单价降至40-50美元（较前代低30%）。冷板模组：GB200/GB300核心供应商，定制黄铜模块适配高压系统，采用第三代双腔水头设计，EPDM密封材质耐高温。台达电子（DeltaElectronics）全球电源巨头，电源与散热综合方案商，GB300电源份额超50%，液冷绑定谷歌、Meta。CDU：1.5MW液对液CDU通过英伟达双认证，单价2-3万美元。微型CDU：为富士康定制，体积缩小40%，适配高密度机柜。电源+液冷集成方案：GB300电源份额超50%，液气冷却（L2A）方案支持高密度散热。富士康（Foxconn）GB200/GB300最大代工厂（全球份额40%），通过鸿佰科技切入液冷领域，深度整合英伟达MGX生态，转型液冷系统集成商。机柜级浸没式：主导GB300 NVL72机柜设计，覆盖GPU模组到系统集成，与广运联合开发，PUE压至1.08。冷板式方案：合作台达电子，适配NVL72机柜。冷板模组/UQD快接头：自研生产，进入GB300供应链维度双鸿科技奇宏科技酷冷至尊台达电子富士康核心优势全链条方案+石墨烯冷板浸没式技术+成本控制快接头密封工艺电源液冷协同+静音CDU系统集成+规模化制造GB300份额冷板15-20%、CDU 30-40%冷板30%、浸没式主导快接头30-40%CDU 20%、电源50%+代工40%产能重心泰国（30万片/月）越南（16万组/月）中国大陆越南/墨西哥郑州/墨西哥技术壁垒快速拆卸设3D封装集成10万次插拔认证磁悬浮泵热回收系统绑定客户Meta、甲骨AWS、富士
川环科技（供应链）谷歌、微软微软、英伟竞争格局—系统级：综合能力是关键，绑定芯片方案有先发优势液冷系统集成复杂难度成倍提升，考虑到设备温控稳定性，系统级能力要求高。由风冷技术向液冷技术的转化过程中，系统集成复杂难度成倍提升，主要体现在：1）设计难度增大：需要同时融合传热、流体、材料等学科；2）供应商零部件差异明显：各个零部件的供应能力与匹配接口皆有差异，拉长系统开发时间，且无法达到系统最优；3）采购难度加大：供应链需要协调多个供应商同时交付，增加采购负担；4）后期运维难度显著提升：单一供应商不具有故障的系统解决能力。因此综合前期设计、后期运维的系统级能力成为液冷时期的壁垒。温控的产品优势显现具有后验属性，长期的运行稳定依赖材料的选择、CDU冷量分配软件的优化设计、后期运维能力等综合系统及能力。由于液冷系统复杂度提升，各环节的沟通协同有望进一步加强。液冷相较于风冷而言，与服务器的匹配度要求进一步提升，无论是冷板式服务器（要求液冷冷板匹配服务器型号）还是浸没式服务器，都需要服务器、液冷厂商、IDC企业（业主）共同参与到设计等环节。而当前阶段，绑定加速卡芯片厂商的公司具备显著的先发优势。图26 ：液冷时期各环节配合度有望进一步加强服务器厂商IDC企业液冷厂商芯片厂商图25：液冷数据中心系统复杂度增大图28：CDU内部核心部件是水泵与换热板竞争格局—零部件：制造环节有一定壁垒液冷系统涉及零部件较多，不同零部件设计生产难度不同。以冷板式液冷为例，系统关键零部件包括冷板、快接头、Manifold、CDU等。制造角度，冷板的制造难点在于针翅、微通道等定制化设计以确定合适的流速、流量、热阻等指标，但本身为机加工件，壁垒较低；快接头难点在于控制漏液问题；Manifold可采用316不锈钢+无缝焊接工艺；CDU核心部件为水泵+换热板，软件控制需具备及时响应高功率机柜等能力。图27：冷板设计核心指标水泵换热板关键设计项设计参数描述说明冷板内部流道小功率器件冷板可直接采 用机加工流道、金属管嵌管等方案大功率器件（一般为＞100W）冷板一般采用铲齿工艺，齿厚一般为 0.1～ 1.0mm ， 齿间隙一 般为2～10倍过滤精度。例如，二次侧过滤为 50μm，齿间隙一般为 0.1～ 0.5mm散热模块为接液材料；一 体式冷板不区分散热模块 和固定模块冷板内部流速冷板内部流道内、管路内部流速＜1.5m/s可以根据该流速计算出不 同管径下的最大流量额定流量满足芯片散热要求基础上，流量越小越有优冷板所需流量小，单台 CDU 能承担的节点更多， 更节能冷板热阻冷板热阻是芯片表面温度与二次侧供液温度差值 后，与芯片功耗的比值。冷板流阻冷板流阻是冷板流体流动时前后压差值。图31：英维克的UQD产品已经进入英伟达供应链图30 ：数据中心精密空调市场格局国产厂商：在温控、服务器及CSP云厂相继布局图29：中游参与厂商对比厂商类别名称产品布局温控厂商英维克Coolinside全链条冷板式液冷解决方案
申菱环境天枢液冷温控系统
高澜股份冷板式和浸没式液冷服务器热管理解决方案服务器厂
曙光数创冷板式液冷C7000系列华为FusionServer Pro冷板全液冷系统
浪潮信息通用服务器NF5280M6、高密度服务器i24LM6联想海神温水水冷系统互联网阿里行业首款单相浸没液冷解决方案京东天枢冷板式液冷整机柜服务器百度天蝎 5.0 浸没式液冷机柜技术全球AI发展趋势下，国内液冷供应商包括服务器、互联网厂商、温控设备商以及零配件公司均有参与，各自环节有各自的优势：(1)温控设备厂商：深耕温控技术应用场景，对技术原理理解深厚，为客户提供定制化全链条解决方案及关键部件的设计制造，能够从系统角度出发提供整体解决方案。(2)服务器厂商：贴近客户，可利用客户关系向上集成。(3)互联网大厂：如阿里、华为，自身是客户或EPC，产业链位置领先，对具体应用场景需求更明确零配件公司：以某几类难度较高的配件进入到产业链中，逐步完善整体解决方案。国产公司市场占有率有望持续提升。数据中心液冷产品大大增加了后期运维的支出和维护成本（定期做腐蚀、密封性、可靠性等检测），相较于国外企业，国产品牌在服务响应效率、产品设计灵活度、运维服务等方面更具有优势，预计国内温控厂商未来有望占据主要地位。典型公司如英维克。同时，原先其它消费电子领域的公司，通过跨界，也参与到竞争中，在国产替代背景下，份额提升，如
飞荣达。总体来看，本土供应商前景可期。维谛15%英维克14%华为10%世图兹6%美的6%格力6%
依米康6%
佳力图6%申菱6%施耐德4%其它21%国产厂商：以英维克为代表的国产温控厂商有望突破全球市场专业温控厂商也有方案落地，呈现多方合作模式。目前，英维克、申菱环境和高澜股份已有液冷项目落地（字节马来西亚项目），是国内专业液冷温控供应商中的领先企业。曙光数创为
中科曙光系的温控厂商，主要客户为曙光系超算中心，以浸没式方案为主。英维克通过与如Intel等相关芯片方案形成绑定的形式，目前优势较为突出。申菱环境、高澜股份等均有机会。图32 ：数据中心液冷温控可比公司综合对比名称简介细分领域IDC策略产品技术客户英维克致力于为云计算数据中心、服务器机房、通信网络、电力电网、储能系统、电源转换等领域提供设备散热解决方案，为客车、重卡、冷藏车、地铁等车辆提供相关车用的空调、冷机等产品及服务，并为人居健康空气环境推出系列的空气环境机。数据中心、服务器机房、通信机房、高精度实验室、无线通信基站、储能电站、电动汽车充电桩、公交、通勤、旅运等产品直接或通过系统集成商提供给数据中心业主、IDC运营商、大型互联网公司，可根据项目情况提供模块化数据中心系统、数据中心基础设施等整体方案和集成总包服务风冷、间接蒸发冷、液冷腾讯、阿里巴巴、秦淮数据、万国数据、
数据港、
中国移动、
中国电信、
中国联通等申菱环境为数据服务产业环境、工业工艺产研环境、专业特种应用环境、公共建筑室内环境等应用场景提供人工环境调控整体解决方案数据中心、特种环境（核电、机场温控、油气回收等）、新能源（海上风电、储能、电池厂、发电厂等）、工业温控数据中心、特种环境（核电、机场温控、油气回收等）、新能源（海上风电、储能、电池厂、发电厂等）、工业温控提供IDC温控一体化解决方案间接蒸发冷、液冷华为、中国移动、曙光、浪潮、百度、世纪互联等高澜股份控股子公司高澜创新科技信息与通信（ICT）热管理产品主要为服务器液冷板、流体连接部件、多种型号和不同换热形式的CDU、多尺寸和不同功率的TANK，换热单元。工业、数据中心、新能源汽车、储能形成冷板液冷数据中心热管理和浸没液冷数据中心热管理的解决方案液冷为主终端客户如字节跳动等曙光数创以数据中心高效冷却技术为核心的数据中心 基础设施产品供应商，主营浸没相变液冷 数据中心基础设施产品，布局冷板式液冷聚焦数据中心/超算中心等提供浸没式方案为主，布局冷板式液冷为主曙光系、
润泽科技等依米康公司聚焦信息数据领域，完成环保业务剥离后，集中资源发展算力温控及数据中心相关业务，拥有液冷全栈解决方案聚焦数据中心基础设施全生命周期服公司已形成冷板式与浸没式液冷方案的技术储备，并成功应用于关键设备和智能工程业务中液冷为主阿里巴巴、字节、华为、秦淮等
川润股份为全球客户提供流体控制及系统、液冷温控、高端能源装备零碳数字能源整体解决方案产品与服务广泛应用于风电、核电、输变电、水电、光伏、光热、氢能、储能、算力数据、电站改造、冶金冶炼、石油化工、海工船舶、应急、军工等行业聚焦于高端能源装备领域，尤其是液压润滑系统及集成、液冷系统、储能温控系统等产品液冷系统GE、ANDRITZ、SIEMENS、EMERSON、
三一重工、金风科技、远景能源等数据来源：各公司公告，国信证券经济研究所整理图33：我国液冷产业链主要上市公司主营业务和相关液冷技术布局品类公司主营业务液冷相关技术和器件布局解决方案英维克国内精密温控节能解决方案和产品的头部供应商推出Coolinside 全链条液冷解决方案，UQD被英伟达纳入 MGX 生态系统合作伙伴申菱环境专业空调领域的龙头与多家单位合作开发定制液冷服务器与散热系统，液冷系列产品主要有冷源模块、一体化冷源、预制化管网、干冷器、CDU、Manifold、快速接头、液冷门、水力模块、整装式液冷模块、冷板等高澜股份焦热管理技术创新和产业化应用，将世界领先的传热、密封、材料、导热介质、流体连接、自动控制、智能诊断、能效管理等技术融合于整体解决方案之中公司目前可提供以冷板式和浸没式为主的多种信息与通信液冷解决方案，包括服务器液冷板、流体连接器、Manifold、多种型号的CDU、多尺寸和不同功率的TANK、管网系统、干冷器、冷却塔、制冷机组等信息与通信液冷系统的关键部件和产品，以及数据中心液冷系统的工程施曙光数创专注于数据中心领域，形成数据中心高效制冷系列化的解决方案浸没液冷数据中心基础设施产品（C8000液冷机柜）、冷板液冷数据中心基础设施产品（C7000系列）及模块化数据中心产品，同飞股份以数控装备、电力电子装置制冷为核心应用领域的工业制冷解决方案服务商公司推出了冷板式液冷和浸没液冷全套解决方案，产品包括液冷分配装置（CDU）、冷液分配管（Manifold）、预制化管路、室外干冷器、集成冷站以及浸没液冷箱体（TANK）的全系列产品依米康聚焦数据中心基础设施全生命周期服务公司已形成冷板式与浸没式液冷方案的技术储备，并成功应用于关键设备和智能工程业务中川润股份为全球客户提供流体控制及系统、液冷温控、高端能源装备零碳数字能源整体解决方案围绕液冷温控技术推出冷板式/浸没式液冷解决方案，广泛适用于数据中心、储能电站等高发热密度场景，推动该技术的标准化与规模化应用冷板鸿富瀚从事导散热及其他功能性器件公司正在加速布局液冷散热技术，巩固公司在高端制造领域的技术优势和市场地位飞荣达创新型专业电磁屏蔽及导热解决方案服务商单相液冷模组、两相液冷模组、3D-VC散热模组等科创新源提供通信、电力、矿产等行业的防水、密封、绝缘等解决方案具有数据中心用散热液冷板产品奕东电子横跨连接器行业和光电显示行业，形成了以产品与模具研究发展中心、模具开发与制造中心、产品制造管理中心为基本架构的研发制造体系热管理产品包含液冷板、散热模组等中石科技为智能电子设备提供散热一体化的整体解决方案具备液冷散热模组以及相关冷板产品硕贝德专业无线通信终端天线生产企业公司控股子公司东莞合众及惠州硕众主要从事导热、散热产品等研发、生产及销售，主要产品有热管、VC、液冷板及散热模组思泉新材以热管理材料为核心的多元化功能性材料提供商具备液冷散热模组等从材料到器件到模组的产品体系快接头中航光电专业从事中高端光、电、流体连接技术与产品的研究与开发为数据中心领域客户提供覆盖电源、光纤、高速及液冷产品的整套解决方案Manifold/软管川环科技为各大汽车整车制造厂商提供配套汽车橡胶软管产品将橡胶管+尼龙管+接头运用于液冷系统，有批量供货CDU科华数据为客户提供安全、可靠的智慧电能综合管理解决方案及服务打造满足不同应用场录的液冷CDU:适用通算、智算、超算等不同算力需求的液冷数据中心；现已推出了液冷数据中心全生命周期服务水泵飞龙股份汽车热管理领域,拥有传统机械水泵类；排气歧管类；涡轮增压器壳体类；电子产品类；冷却液温控阀、执行器类；热管理集成模块类；机械油泵类；支架、飞轮壳等八大类核心产品液冷领域热管理部件产品主要以电子泵系列产品和温控阀系列产品为主大元泵业从事各类泵的研发、生产、销售及提供相关服务液冷泵产品，与英维克、维谛技术、同飞股份、曙光数创、中兴通讯、中航光电等下游客户共同推进屏蔽式液冷方案的迭代与创新数据来源：各公司官网、Wind，国信证券经济研究所整理国内液冷产业链主要上市公司海外大厂Capex指引乐观，26年算力景气度持续上行互联侧：光模块+PCB持续迭代，量价齐升目录冷却侧：功率密度持续提升，液冷大势所需供电侧：AIDC供配电路径演变，关注HVDC、SST领域风险提示供电侧：北美云服务厂商资本开支超预期n 北美四大云厂资本开支持续超预期。根据三季度财报数据，北美四大云厂进一步提高其全年资本开支计划，预计2025年资本开支规模接近4000亿美元，同比增长超过60%，AI算力基础设施投入持续加大。其中，微软预计2025自然年Capex约1100亿美元，同比+46%；Meta上修2025年capex至700-720亿美元，同比+78%~+84%；谷歌全年Capex由850亿美元上修至910-930亿美元，同比+73%~+77%；亚马逊预计全年资本开支1250亿美元，同比+61%。n 在AI数据中心的期初投资中，电源设备仅次于IT设备（包括服务器、网络设备、存储设备等）以及工程建设，约占整体投资的5%（根据服务器类型或有所差异）。AIDC电源设备包括后备电源（以柴油发电机为主）、UPS（不间断电源）、配电设备及开关设备等，每GW的数据中心大概需要20亿美元以上的电源投资。图34：北美四大云服务厂商季度资本开支（亿美元）Meta谷歌亚马逊微软22Q122Q222Q322Q423Q123Q223Q323Q424Q124Q224Q324Q425Q125Q225Q32025Capex：700-720亿同比+78%~84%2025Capex：910-930亿同比+73%~77%2025Capex：1250亿同比+61%2025Capex：1100亿同比+46%预计2026年资本开支为800-850亿美元公司表示2026年资本开支将“大幅增加”2026年资本开支将进一步提高2026财年（25Q3-26Q2）的资本支出增长率将高于2025财年，即不低于1394亿美元图36：数据中心配电房占比面积与机柜功率关系图35：数据中心典型功能区分布图n 据统计，中压变配电设备、低压配电设备、电能质量处理设备、不间断电源设备、电池设备等及其辅助系统占地面积一般超过数据中心机柜面积的50%以上，且随着单IT机柜功率增加，配套供配电系统占地面积快速提升；减少数据中心供电系统的占地面积、提高数据中心空间利用率和土地资源利用率已经成为数据中心建设的重要指标。根据ODCC测算，在机房面积为1万m2的场景下，单机柜功率若从6kW提升至30kW，则配电房面积将从0.5万m2提升至2.5万m2，配电房将侵占数据中心大部分土地空间。n 此外，随着服务器功率的提升，AIDC用电量将快速提升，供配电链路效率对于项目经济性具有显著影响，提升效率成为AIDC的重要要求。目前数据中心供电链路中铜仍然作为主要导体，铜价持续上涨背景下减少用铜量也成为重要诉求。供电侧：智算中心供配电设备占地面积缩减、效率提升需求迫切供电侧：AIDC供配电方式演进路线市电(10kV AC)中压配电柜干式变压器低压配电柜UPS列头柜AC/DC电源末端配电蓄电池市电(10kV AC)中压配电柜干式变压器低压配电柜HVDC列头柜DC/DC电源末端配电蓄电池市电(10kV AC)列头柜DC/DC电源末端配电移相变压器AC/DC整流交流配电柜市电(10kV AC)列头柜DC/DC电源末端配电固态变压器备用电源备用电源蓄电池备用电源蓄电池传统UPS路线：备用电源HVDC路线：巴拿马电源路线：固态变压器路线：巴拿马电源380V AC220V AC380V AC240V/800V DC240V/800V DC800V DC48V/54V DC48V/54V DC48V/54V DC48V/54V DC①①②③⑦④⑤⑥①中-低压配电柜：单位价值量约4-6亿元/GW，国内主要标的包括明阳电气、金盘科技等；②干式变压器：单位价值量约1-2亿元/GW，国内主要标的包括金盘科技、明阳电气、顺钠股份（顺特电气）等；③不间断电源UPS：单位价值量约5-6亿元/GW，国内主要标的包括科华数据、科士达等；④高压直流系统HVDC：单位价值量约5-6亿元/GW，电压等级正向800V/1000V演进，国内主要标的包括科华数据、中恒电气等，盛弘股份、禾望电气、麦格米特等也在HVDC领域有所布局；⑤移相变压器：巴拿马电源的重要组成部分，单位价值量约0.8-1.2亿元/GW，主要标的包括伊戈尔、金盘科技等；⑥固态变压器SST：未来有望实现市电到机柜端的直接供电，占地小、效率高、用铜少，预计单位价值量约为10亿元/GW，目前布局领先企业包括四方股份、为光能源、中国西电、特变电工等；⑦柜内PSU：单位价值量与功率密度相关，3kw以下单位价值量约3-5亿元/GW，主要标的包括麦格米特、欧陆通、泰嘉股份、中国长城等。注：文中设备价值量均为国内电力设备功率口径n AIDC供配电方式的演进围绕减小占地、提升效率、减少用铜量三大核心目标展开，同时要兼顾电网友好性、分布式能源接入便利性、技术方案成熟度等因素。供电侧：800V直流供电方案逐步成为主流n 目前UPS是国内外IDC数据中心供电方案的主流，但随着服务器电源功率提高以大规模算力集群的建设，UPS方案转换损耗大、结构复杂易故障、占地面积大等缺点日益凸显。n 2024年10月，谷歌在 OCP（Open Compute Project）大会上介绍了应用于 AIDC 的±400Vdc 供电架构，其过渡期采用专用电源柜（Sidecar）方案，终极目标是将±400Vdc与电池备份整合至数据中心基础设施，与微电网、储能等结合，实现能效最大化（>96.5%）和计算密度跃升。Meta及微软也在推进±400Vdc供电方案。n 2025年5月，英伟达宣布将于2027年导入800V HVDC数据中心架构，以应对高功率AI服务器的需求。现行54V架构因铜缆过重、空间受限及能耗等问题，已无法支撑高密度运算。800V HVDC通过单步AC/DC转换，提升能效5%、功率传输量85%，并减少45%铜材用量，降低系统复杂度与维护成本。英伟达与多家产业伙伴合作推动标准化生态系，预计可将总体拥有成本（TCO）降低30%，为生成式AI提供稳定高效的电力基础。n 固态变压器（SST）也称为“能源路由器”或“电力电子变压器”，由电力电子变换器和高频变压器组成，可实现高压交流至低压直流/交流的电压变换及能量双向流动。固态变压器未来有望成为800V直流供电架构的核心组件，直接实现10kV交流到800V直流的转换，效率高达98%。图37：±400V DC供电架构图38：800V DC供电架构OCP 2025-P14，国信证券经济研究所整理n 固态变压器（SST）由电力电子变换器和高频变压器组成，可实现高压交流至低压直流/交流的电压变换及能量双向流动。相较于传统的工频变压器，电力电子变压器不仅具备电压等级变换和电气隔离功能，还能够提供不同电压等级的多个直流端口，以满足直流电网或交直流混合电网中直流设备的需求，从而实现更加灵活和高效的电能管理，潜在应用场景包括数据中心、电动汽车、铁路牵引、新能源并网、直流配网等。n 固态变压器具有几大突出优势：其一，取消工频变压器环节，占地节省50%以上，系统效率提升2%以上；其二，通过高频电力电子技术减少用铜量，最高可节省90%用铜量；其三，可实现直流设备灵活，是光伏、储能、充电的“能量路由器”；其四，可实现功率、电压、频率的精准实时控制，电网友好。n 固态变压器技术难点体现在以下几方面：其一，SST是电力电子装置和变压器原理相结合的产物，企业需要同时具备对于两者的深刻理解。其二，SST是解决方案不是单一设备，是电网和服务器之间的唯一屏障，需要企业具备对电网特性和算力负载特性的深度理解。其三，SST是中压（10-40kV）电力电子装置，与UPS/HVDC等低压装置存在较大差异。供电侧：固态变压器（SST）有望成为AIDC终局供配电方案图39：固态变压器原理示意图State Transformers in the Distribution System: From HighVoltage Power Components to the Field Application》-MDPI出版社《Symmetry》-P3、P4，国信证券经济研究所整理10kV市电输入高频变压器低压直流输出低压交流输出图40：数据中心SST方案与HVDC方案对比技术学会电控系统与装置专业研讨会-P7，国信证券经济研究所整理HVDC供电方案工频变压器空载损耗大设备数目多，配电面积占机柜面积50%以上低压整流环节效率低，限制整体效SST方案Ø 模块化结构，部署和维护简单Ø 大幅减少设备数目，配电面积减少63%Ø 整体效率提升2%-3%海外大厂Capex指引乐观，26年算力景气度持续上行互联侧：光模块+PCB持续迭代，量价齐升目录冷却侧：功率密度持续提升，液冷大势所需电源侧：AIDC供配电路径演变，关注HVDC、SST领域投资建议及风险提示投资建议n 算力侧：微软、谷歌、Meta、亚马逊等海外大厂对2026年资本开支指引乐观，我们预计2025年、2026年四家大厂资本开支总和分别为4065、5964亿美元，分别同比+46%、47%，且用于投资AI算力及基础设施的比例有望持续提升，2026年AI算力景气度持续上行，建议关注海光信息。n 互联侧：1）光模块：一方面，端口速率按“1–2年一代”从10G/40G-100G/400G-800G/1.6T；另一方面，数据中心网络从“少量跨机柜光互连”走向leaf-spine扁平化、东西向流量主导，叠加AI训练集群由几十卡扩展到数百卡规模，使得光模块的用量、规格与单点价值量同步抬升，建议关注光迅科技、华工科技。2）PCB：随着算力架构从GPU服务器向正交化、无线缆化演进，信号链条更短、对材料损耗更敏感，PCB成为AI硬件中最核心的互连与供电载体之一，建议关注生益科技、胜宏科技、沪电股份、鹏鼎控股、东山精密、景旺电子、世运电路、芯碁微装。n 冷却侧：根据Vertiv数据显示，AI GPU机架的峰值密度有望从2024年的130kW到2029年突破1MW，采用液冷技术是大势所趋，建议关注英维克。n 供电侧：1）中国HVDC渗透率提升+800V HVDC试点应用；2）2026年固态变压器国内外试点落地催化行业情绪；3）英伟达服务器电源订单逐步落地，市场份额及单机柜价值量有望提高，建议关注麦格米特。风险提示n 互联网大厂资本开支不及预期风险；n 英伟达及头部AI ASIC厂商技术路劲变化风险；n AI应用活跃用户数增长不及预期风险；n 行业内部竞争加剧，进而导致毛利率下滑风险；