从第一性原理到仓位

0.1 这份 primer 回答的三个问题

AI 算力产业链正在经历一轮大规模扩张：GPU 越来越密，机柜功率越来越高，网络速率一代接一代地翻倍，数据中心的用电量快速上升。围绕这条链，A 股里有几十家公司被贴上「AI 受益」的标签。这份 primer 试图回答三个层层递进的问题。

第一个问题是物理的：AI 计算在物理上到底在做什么，为什么它会在计算、内存、互连、能量与散热这几处撞墙。第二个问题是产业的：十三个环节，从芯片封装、高带宽内存、载板、光模块、电路板，一直到电源、液冷、电力与数据中心，每一环解决什么物理问题，为什么难，谁在做，超额利润落在哪一层，A 股能不能拿到。第三个问题是投资的：一套研究系统怎样把这些产业信息一步一步变成具体的仓位，怎样事先写下出错的条件，又怎样在数据出来时承认判断错了。

三个问题的顺序不能颠倒。不懂物理约束，就看不出哪一环真的稀缺；不懂稀缺落在哪一层，就会把行业景气误当成公司利润；不懂研究系统的边界，就会把一份研究文档误当成已经验证过的结论。

0.2 全书结构

第一篇三章，从第一性原理出发。第 1 章讲 AI 计算在物理上是什么；第 2 章讲计算、内存、互连与能量四堵墙，以及稀缺如何变成租金；第 3 章把十三个环节放回一台机柜、一座数据中心里，给出全书的地图。

第二篇十三章，每个环节一章，骨架统一：产业链位置与边界、物理问题与成本来源、自建推演、逐个拆解子环节、需求推导、供给约束、价值与租金归属、A 股映射、系统读数与未解决问题、对投资判断的含义、本章术语。

第三篇七章，按「六类输入、三步消化、三样输出、事件回流」这张系统总图展开，最后用四只持仓把整套系统走一遍，并逐格说明这张图今天走到了哪一步。附录收录全书术语总表，以及出处、证据等级与版本说明。

0.3 数字与提示框的读法

全书对数字有两条纪律。第一条是证据等级：每个数字第一次出现时，后面跟一个等级标签。hard 表示公司公告、财报或官方文件原文；est 表示卖方或第三方的估算与转述；待核表示有出处但主语或口径还没确认；方法表示研究团队自己算的、方法可以复现；假设表示研究团队自己定的取值。第二条是主语：数字要写清是全行业还是单家、全产品还是某一代、产能还是出货、铭牌产能还是实际可用、期间是季度还是全年。两个数字差几倍时，先查主语，再查谁算错。

0.4 三条阅读路线

不同读者关心的东西不同。下面三条路线可以按需要选择，每一条都能独立读完。

0.5 数据截至日与版本

全书数据截至 2026-09-14。产业部分的主要依据是研究团队 2026 年 9 月 7 日至 8 日完成的环节记分卡、供给带宽、瓶颈篮子呈报件与十三环节母表，以及各公司的定期报告；系统部分的主要依据是研究袖套真账、限额与现金页、采纳台账、call sheet、预测记分本与系统说明。原始材料之间有冲突时，按日期取新；已经被裁定的，以裁定为准；有实质影响的冲突，都写进了「口径提醒」。

研究系统本身仍在快速变化。附录 B 列出了主要原始文件、它们的日期与用途，以及几处已知的版本问题。其中最需要注意的是：共享盘上的系统镜像由每天的发布任务生成，截至 2026-09-14 这个任务还在用两仓合并前的代码，涉及采纳、成交与复核这类记录时，镜像可能滞后于实际状态。

1.1 token 是模型读写文字的最小单位

大语言模型不直接处理汉字或字母。文字进入模型之前，先由分词器按一张固定的词表切成片段，每个片段叫一个 token，并被换成词表里的整数编号。词表是训练之前从大量文本里统计出来的：经常一起出现的字节组合被合并成一个条目，少见的词被拆成更短的片段。随词表不同，一个常用词可能整体只占一个 token，一个生僻字也可能被拆成几个 token。

整数编号本身没有含义，模型的第一步是拿它去查一张嵌入表。嵌入表是一个矩阵，行数等于词表的条目数，每一行是一串固定长度的浮点数，这个长度叫隐藏维度，记作 d。查表之后，一段文字就变成一串向量，后面所有的计算都在这些向量上进行。模型最后一层再把向量乘回词表大小，得到每个候选 token 的得分，按得分选出下一个 token，把它接到输入末尾，然后开始下一轮。

这个循环决定了 AI 计算的计量单位。回答越长，循环轮数越多；输入越长，每一轮要参考的上文越多。云服务按百万 token 计价，芯片厂商按每秒 token 数标注推理性能，原因都在于 token 是算力、内存与电力消耗共同的计数单位。上下文窗口指模型一次能参考的最大 token 数，它直接决定 1.4 节要讲的 KV 缓存占多少内存。

1.2 模型权重是存放在内存里的一组浮点数

一个训练好的模型，在计算机里是一组数字加一份结构说明。结构说明写明有多少层、每层有哪些矩阵、每个矩阵多大；数字就是这些矩阵里的每一个元素，叫参数或权重。「千亿参数」指这些矩阵里一共有一千亿个数。模型文件本质上是把这些数按顺序写进磁盘，运行时再整体读进加速器旁边的高带宽内存。

权重用浮点数存放，是因为训练要对它们做连续的微小调整。浮点数是二进制的科学计数法：一位符号，若干位指数，若干位尾数；指数决定数的量级，尾数决定刻度有多细。位数越多，能表示的范围越宽、刻度越细，每个数占的内存也越多。这个取舍在 1.5 节展开。

以目前主流的 Transformer 结构为例，模型由几十层结构相同的模块堆叠而成，每层主要有两组矩阵。注意力部分有四个投影矩阵，负责让当前 token 参考上文；前馈网络部分有两到三个矩阵，负责对每个 token 单独做非线性变换。若隐藏维度为 d，注意力的四个 d×d 矩阵约有 4d² 个参数，前馈网络先把向量升到 4d 维再降回 d 维，约有 8d² 个参数，每层合计约 12d²方法。假设 d＝8,192、共 80 层假设，每层约 8.05 亿个参数，全模型约 644 亿个方法；这个假设模型在本章反复使用，下文简称「644 亿参数模型」。

还有一种结构叫混合专家模型，英文缩写 MoE。它把前馈网络复制成许多份，每一份叫一个专家，每个 token 只交给其中少数几个专家计算。这样总参数量可以做得很大，而每个 token 实际参与计算的参数只占一小部分。这个区别在后文很关键：内存要装下全部专家，计算只花在被选中的专家上，内存需求与计算需求从此脱钩。

1.3 矩阵乘法是 AI 计算的基本动作

矩阵乘一个向量，就是用矩阵的每一行与向量逐项相乘再求和。一个 m×n 的矩阵乘一个 n 维向量，要做 m×n 次乘法和差不多同样多次加法，得到一个 m 维向量。把一批 B 个 token 的向量排成矩阵一起乘，运算量变成 B 倍，但矩阵本身只需要从内存里取一次。运算量随批量增加、取数量不随批量增加，这一点是 1.7 节区分「计算受限」与「访存受限」的出发点。

衡量运算量的单位是浮点运算次数，记作 FLOPs；每秒能完成的浮点运算次数记作 FLOP/秒。每个参数在前向计算中大约参与一次乘法和一次加法，所以一个有 N 个参数的稠密模型，处理一个 token 的前向运算量约为 2N 次方法。644 亿参数模型每处理一个 token，约需 1.29×10¹¹ 次浮点运算方法。这个估算忽略了注意力分数本身的运算，那部分随上下文长度增长，1.7 节会收回这个简化。

矩阵乘法有两个物理性质，决定了后面所有硬件的形态。第一，它可以拆开同时算：输出向量的每个元素只依赖矩阵的一行和输入向量，彼此之间不需要等待，这正是并行处理器擅长的事。第二，它要不停地读数据：每做一次乘法，都要把矩阵元素从内存搬到计算单元，参数越多，搬运的字节越多。前一个性质引出 GPU，后一个性质引出内存带宽与 HBM，两者在芯片封装里挨在一起，是同一个需求的两个侧面。

1.4 训练与推理做的是两件不同的事

训练是让模型从数据里学到权重的过程，每一步分三段。前向计算把一批训练文本送进模型，算出预测与真实下一个 token 之间的差距，这个差距叫损失。反向传播从最后一层往回，用链式法则算出损失对每个权重的偏导数，叫梯度；每一层既要算对输入的梯度以便继续往回传，又要算对权重的梯度以便更新，运算量约为前向的两倍。优化器再按梯度调整每个权重，常用的 Adam 优化器还要为每个参数额外保存两个滑动统计量。

三段加起来，每个训练 token 的运算量约为 6N 次浮点运算，其中前向 2N、反向 4N方法。训练总运算量因此约为 6×N×D，D 是训练用的 token 总数。以 644 亿参数模型、假设用 15 万亿个 token 训练假设为例，总运算量约 5.8×10²⁴ 次。再假设每颗加速器实际发挥出每秒 10¹⁵ 次的有效运算假设，需要约 160 万个芯片小时：一万颗芯片连续跑约一周，一千颗要两个多月方法。参数量和数据量同时扩大 10 倍，总运算量扩大 100 倍，训练算力需求按倍数增长的算术来源就在这里。

推理是用训练好的权重回答请求，只有前向计算，但分成性质完全不同的两段。第一段叫预填充：把用户输入的整段提示词一次性送进模型，所有 token 在同一批矩阵乘法里并行处理，同时为每个 token 在每一层留下注意力要用的键向量 K 和值向量 V。第二段叫解码：模型每一步只生成一个新 token，新 token 要与之前所有 token 的 K、V 做注意力计算，算完再把自己的 K、V 追加进去。用户感受到的「第一个字多久出来」由预填充决定，「后面的字出得多快」由解码决定。

保存这些 K、V 的内存区域叫 KV 缓存。没有它，每生成一个 token 都要把整段上文重算一遍；有了它，重算变成读取，代价是内存占用随上下文长度线性增长。注意力计算把向量分成若干组并行处理，每组叫一个头；较新的模型让许多查询头共用少数几组键值头，以压缩缓存。KV 缓存大小等于 2×层数×KV 头数×每头维度×每个数的字节数×token 数方法。假设 644 亿参数模型采用 8 个 KV 头、每头 128 维假设，以 FP16 存放时每个 token 约占 0.33 MB，12.8 万 token 的上下文约占 42 GB方法，一个长对话的缓存就能占掉一块显存的相当部分。

1.5 精度决定每个数占几个字节

浮点格式用总位数、指数位和尾数位来描述。FP32 共 32 位，占 4 个字节，是传统科学计算的默认格式。FP16 与 BF16 都占 2 个字节，区别在位数分配：FP16 给指数 5 位，能表示的最大值只有约 6.55 万，训练中容易溢出；BF16 给指数 8 位，范围与 FP32 相同，刻度更粗。FP8 占 1 个字节，E4M3 格式用 4 位指数、3 位尾数，最大值只有 448；E5M2 格式用 5 位指数、2 位尾数，范围更宽、刻度更粗方法。

FP4 只有 4 位，占半个字节，E2M1 格式一共只能表示 0、0.5、1、1.5、2、3、4、6 这几档及其负数。刻度这么粗，直接把权重四舍五入到这几档，误差会大到模型失效。实际做法是分块缩放：把一长串数切成小块，每块共用一个缩放因子，块内的数先除以缩放因子再取整。开放计算项目（OCP）定义的 MXFP4 格式，每 32 个 4 位数共用一个 8 位缩放因子，平均每个数占 4.25 位方法。AMD 为其 Helios 机柜标注的峰值算力就是按 OCP MXFP4 格式计的hard。

降低精度的收益近乎线性：字节数减半，同样的显存装下两倍的参数，解码时每一步要搬的字节也减半。代价有三条。其一是精度损失，位数越少，输出偏离原模型越多，需要校准、微调，或把部分层保留为高精度来弥补。其二是离群值：激活里少数特别大的数会把整块的缩放因子拉大，其余数被挤进少数几个刻度，FP8、FP4 训练比推理难得多，原因主要在这里。其三是硬件支持：芯片内置了对应格式的乘法电路，低精度才能同时省下运算时间；否则只省内存，运算前还要先还原成高精度。AWS 标注 Trainium3 每颗提供 2.52 PFLOPs 的 FP8 算力，即每秒 2.52×10¹⁵ 次 FP8 浮点运算hard，厂商按格式标注算力，道理就在这里。

1.6 显存容量决定模型放不放得下

推理时，加速器的显存里要同时装三样东西：权重、KV 缓存，以及计算过程中的临时数据。权重的大小等于参数量乘以每个参数的字节数，644 亿参数模型用 FP16 存放约 129 GB，用 FP8 约 64 GB方法。KV 缓存按 1.4 节的公式随用户数和上下文长度增长。一颗加速器装不下时，只能把模型拆到多颗上，拆开就要通信，1.9 节的几种并行方式由此而来。

训练时显存压力更大。常见的混合精度训练，每个参数要存 BF16 权重 2 字节、BF16 梯度 2 字节、FP32 主权重 4 字节，外加 Adam 的两个统计量各 4 字节，合计约 16 字节方法，这还没有算前向时每层留给反向用的中间激活。644 亿参数模型光是训练状态就要约 1.03 TB，远超任何单颗加速器的显存，训练因此天然是多卡协作。

加速器的显存由 HBM 提供。HBM 是把多层内存芯片垂直堆叠成塔、紧贴 GPU 放置的高带宽内存，一座塔叫一个 stack，物理结构在第 5 章展开。厂商规格表把显存放在最显眼的位置：AMD 官网标注 MI400 系列每颗配 432 GB HBM4，由 12 座塔组成，峰值内存带宽 23.3 TB/s；同一公司的 Helios 机柜 72 颗 GPU 共配 31 TB HBM4hard。AWS 标注 Trainium3 每颗 144 GB HBM3e、内存带宽 4.9 TB/s，容量是上一代的 1.5 倍、带宽是 1.7 倍hard。微软标注 Maia 200 配 216 GB HBM3e、带宽 7 TB/shard。

按 432 GB 计算，只装权重时，FP16 能放约 2,160 亿参数，FP8 约 4,320 亿，MXFP4 约 8,130 亿；若用于训练，按每参数 16 字节只能放约 270 亿方法。同一块显存，用途和精度不同，能容纳的参数量相差 30 倍。Helios 整柜 31 TB 若按 FP8 只装权重，可放约 31 万亿参数方法，这是厂商把几十颗 GPU 连成一个共享高速互连的整柜来卖的原因之一：整柜的显存可以当作一个大池子用。

1.7 解码受内存带宽限制，预填充受计算能力限制

把一颗加速器看成一座工厂：计算单元是工位，显存是仓库，内存带宽是仓库通往工位的传送带。工位每秒能完成多少道工序，对应 FLOP/秒；传送带每秒能送来多少字节，对应内存带宽。工厂的产量取决于两者中较慢的一个。判断一项任务卡在哪一边，要看它每搬一个字节做多少次运算：搬一次数据能做很多运算的任务受计算限制，搬一次数据只做少量运算的任务受搬运限制，后者叫访存受限。

预填充属于前者。一段 1 万个 token 的提示词假设，所有 token 共用同一份权重，读一次权重就能完成 1 万个 token 的矩阵乘法，工位忙、传送带闲。解码属于后者。批量为 1 时，每生成一个 token 都要把全部权重从显存读一遍，却只做一个 token 的运算，传送带满负荷，工位大部分时间在等料。

用同一颗芯片的官方规格可以把差距算出来。Trainium3 每秒可做 2.52×10¹⁵ 次 FP8 运算，内存带宽 4.9 TB/s，显存 144 GBhard。把 644 亿参数模型以 FP8 放上去，权重约 64 GB。只看算力，每秒可处理约 1.95 万个 token；只看带宽、批量为 1，每秒只能把权重读约 76 遍，即生成约 76 个 token方法。两者相差约 260 倍，这颗芯片在单用户解码时，绝大部分算力闲置。

提高批量是解码的主要对策。同时服务 B 个请求时，每读一遍权重产出 B 个 token，吞吐随 B 上升，直到另一个约束先到。先到的通常是显存容量，因为每个请求都要自己的 KV 缓存。沿用 1.4 节的假设结构，FP8 下每个 token 的 KV 缓存约 0.16 MB，每个请求保留 4,096 个 token 的上下文假设时约占 0.67 GB；144 GB 扣掉 64 GB 权重，最多同时放下约 118 个请求。此时每一步要读权重加全部缓存共约 144 GB，每秒约 34 步，总吞吐约 4,000 token/秒，算力只用掉约五分之一方法。

结论是解码吞吐由显存容量和内存带宽共同封顶，算力要到很大的批量才用得满。批量也不能无限加：批量越大，每个用户等待下一个 token 的间隔越长，服务商要在吞吐与交互体验之间取舍。把更多内存、更宽的带宽贴近计算单元，是提高推理产出最直接的手段，HBM 塔数一代代增加、厂商推出整柜共享的显存池，都是对这条约束的回应。

前文把每 token 运算量写成 2N、把解码说成单纯受搬运限制，这是为讲清主线做的简化，这里收回三处。第一，注意力要让新 token 与全部历史 token 逐一比对，这部分运算与上下文长度成正比；预填充时整段输入两两比对，运算随长度的平方增长，长上下文的预填充可以比权重乘法本身更耗算力。第二，混合专家模型每个 token 只激活少数专家，运算量按激活参数算，读取量却取决于被选中的专家放在哪几颗芯片上，计算与访存的比例与稠密模型不同。第三，推测解码让一个小模型先猜几个 token、大模型读一遍权重同时验证几个，相当于提高每次读取的运算量，把解码往计算受限的方向推。受限类型取决于批量、上下文长度、模型结构与调度方式共同形成的工作点，同一个模型换一种用法就可能换一种瓶颈。

1.8 GPU 适合并行，是因为矩阵乘法可以拆开同时算

中央处理器 CPU 的设计目标，是让一条接一条的指令尽快执行完。它把大量芯片面积花在分支预测、乱序执行和多级缓存上，用来应对跳转频繁、前后依赖的程序，核心数量少而每个核心复杂。操作系统、数据库、网页请求这类负载，下一步做什么取决于上一步的结果，依靠的正是这种能力。

图形处理器 GPU 走的是另一条路。它把面积花在成千上万个结构简单的计算核心上，让同一条指令同时作用于大量数据，这种方式叫单指令多数据。图形渲染要对几百万个像素做同样的运算，AI 的矩阵乘法要对海量元素做同样的乘加，两者在计算结构上是同一类问题。GPU 芯片面积的大头是几十上百组重复的计算核心阵列，片上缓存只有几十 MB，真正的数据放在芯片之外、封装之内的 HBM 里待核。

对矩阵乘法而言，GPU 的优势来自三处叠加。一是并行度：几千个核心同时计算矩阵的不同行，CPU 的几十个核心无法相比。二是内存带宽：GPU 把 HBM 放在同一块封装里，数据路径以毫米计；CPU 通过主板上的内存插槽取数，路径以厘米计，通道数也少得多，这条差距的物理来源在第 2 章讲。三是软件生态：矩阵运算库、编译器和训练框架围绕 GPU 优化了多年，新架构要追上的不只是芯片本身。

这条路的代价在两端。往通用方向，GPU 要保留相当的可编程性，无法把每个晶体管都花在某一种模型结构上。往专用方向，云厂商自研的专用加速器，如 Google TPU、AWS Trainium、微软 Maia，为自家负载定制电路，在固定任务上每瓦性能可以更高，代价是灵活性与软件生态。无论哪一种，设计取舍都落在同一张账上：芯片面积分给计算、片上存储、高速接口各多少，而这张账的上限由第 2 章的功耗与光罩面积决定。

1.9 上万颗加速器靠四种并行方式协作

1.6 节算过，644 亿参数模型的训练状态约 1 TB，一颗加速器装不下；1.4 节算过，同一次训练要一千颗芯片跑两个多月。把任务拆到多颗芯片上有四种基本切法，区别在于切的是什么、切完之后芯片之间交换什么数据、多久交换一次。交换的频率与数据量，决定这一刀必须落在机柜内的高速互连上，还是可以跨到机柜之间的网络上。沿用工厂的说法，这相当于决定哪些工序必须在同一个车间里完成，哪些工序可以分到不同厂房。

数据并行把完整的模型复制到每颗芯片上，把一大批训练数据分给各颗芯片各算一份梯度，每一步结束时把所有梯度求平均再发回每颗芯片，这个动作叫全归约。它每步只通信一次，但一次的数据量等于全部梯度：644 亿参数模型以 BF16 计约 129 GB，按常用的环形算法，每颗芯片每步要收发约两倍于此的数据方法。数据并行对带宽要求高、对延迟相对宽容，适合跨机柜铺开；模型大到单卡放不下时，还要把权重、梯度和优化器状态分片存放，通信随之增加。

张量并行把每一层里的大矩阵按行或按列切开，分给几颗芯片同时计算，每算完一个注意力块或前馈块，就要把各颗芯片的部分结果合并一次。按常见切法，每层前向有两次全归约、反向再有两次，80 层的模型每训练一步要做 320 次方法。这类通信次数多，而且每次都卡在计算路径上，任何延迟都直接变成芯片空等，所以张量并行几乎只在机柜内一跳直达的高速互连里做。这类机柜内互连叫 scale-up 网络，物理上主要走铜线，原因见第 2 章。

流水线并行把模型的层按顺序切成几段，每段放在一组芯片上，前一段算完把中间结果传给下一段，像装配线一样接力。它只在段与段之间点对点传数据，通信量小，可以跨机柜。代价是等待：后一段在前一段交出结果之前无事可做，这段空闲叫流水线气泡。把一批数据切成更多的小批次可以压缩气泡，常用估算是空闲比例约等于（段数－1）÷（小批次数＋段数－1），8 段、32 个小批次时约 18%方法。

专家并行专门用于混合专家模型：不同的专家放在不同的芯片上，每个 token 算到专家层时，要被发往它选中的那几颗芯片，算完再收回来。这种多对多的收发叫全对全，每个专家层都要做一次，数据量随 token 数增长，对带宽和延迟都敏感。专家越多、放得越散，越需要一个足够大的 scale-up 域，让每一次收发只经过一跳。

实际集群把几种方式叠在一起用：张量并行与专家并行放在机柜内，流水线并行与数据并行跨机柜铺开，处理超长上下文时还会按序列长度再切一刀。机柜之间的连接叫 scale-out 网络，由交换机和光模块组成，把几十到上万个机柜连成一张网。集群越大，交换机要叠的层数越多，平均摊到每颗 GPU 的光模块也越多：一份卖方拆分表给出，1 层网络（不超过 144 卡）每颗 GPU 约配 1.5–2.0 只，2 层（288–9,216 卡）约 2.50–2.56 只，3 层（18,432–73,728 卡）约 3.27–3.48 只，均已剔除机柜内的 NVLink 连接est。NVLink 是英伟达用于 GPU 之间高速直连的专用互连，属于 scale-up 网络，不经过光模块。

1.10 规模定律让算力需求按倍数增长

过去几年大模型研究得出的一条经验规律是：在很宽的范围内，模型的预测误差随参数量、数据量和训练算力的增加按幂律下降，这条规律叫规模定律。幂律意味着误差每下降同样的比例，投入要乘上同样的倍数。要把模型再做好一截，算力不是多加一点，而是翻几倍。训练总运算量约为 6×N×D，参数量和数据量同步放大时，算力按两者的乘积放大，这是 1.4 节那条算术在需求端的含义。

需求的第二个来源在推理端。模型能力提升之后，同一个模型被更多用户、更多场景调用；推理型模型在给出答案之前先生成一长串中间推理，一次回答消耗的 token 数成倍增加；代理式应用让模型自己调用工具、多轮往返，每个任务再乘上若干轮。按 1.3 节的算术，推理总运算量约等于 2N 乘以全部服务的 token 数，这个乘数不像一次训练那样有终点。

推理占比上升，改变的不只是算力总量，还有算力的构成。1.7 节说明解码受访存限制，推理 token 越多，对显存容量与内存带宽的需求增长越快；长上下文让 KV 缓存成为显存里的大头；专家并行的推理部署要求更大的 scale-up 域。训练阶段的主要约束是算力与集群通信，推理阶段的约束更偏向内存与互连，需求结构的迁移会让不同硬件环节在不同时间变紧。

研究系统把全部硬件需求追溯到一个物理量：全球 AI 加速器的实际出货颗数。系统使用的年度锚点为 2024 年 740 万颗、2025 年 1,020 万颗、2026 年 1,650 万颗、2027 年 2,400 万颗est，三年增长约 3.2 倍方法。13 个环节中有 11 个的需求从这个数出发，乘以每颗芯片或每个机柜的用量得到，推导方法在第 3 章展开。

1.11 每 token 成本由折旧、电费与吞吐共同决定

加速器的经济产出是 token，把成本摊到每个 token 上，公式只有一行：每小时总成本除以每小时产出的 token 数。分子里通常最大的一项是硬件折旧，其次是电费，再次是机房租金与运维；十万卡规模的数据中心里，电费是仅次于购买芯片的第二大成本待核。分母是每秒 token 能力乘以 3,600 秒，再乘以利用率。利用率指加速器实际在干活的时间占比，训练中断重启、网络故障、调度空档都会把它拉低。

分母上的每秒 token 能力由 1.7 节的三件事决定：算力决定预填充快不快，显存容量决定一次能服务多少请求，内存带宽决定解码快不快。跨芯片部署时还要加上互连：张量并行和专家并行每一层都在等通信，互连慢一分，吞吐就降一分。利用率由可靠性决定：一个上万卡的训练任务，任何一颗芯片、一只光模块、一个快接头出故障，都可能让整个任务停下来回退到上一个存档点。分子上的「IT 功率 × PUE」对应第 2 章的能量墙：芯片功耗决定 IT 功率，散热方式决定 PUE，PUE 是数据中心总耗电与 IT 设备耗电之比。

这条公式的弹性可以直接读出来，不需要任何价格假设。每秒 token 能力翻倍，每 token 成本减半；利用率从 50% 提到 80%，成本降到原来的 62.5%；PUE 从 1.5 降到 1.15，电费一项降到约 77%方法。作为参照，风冷设施的 PUE 约 1.4–1.6，大型液冷机房约 1.10–1.15est。硬件投入一次付清、按年摊销，吞吐和利用率每提高一点，都在摊薄分子里最大的那一项，客户愿意为更大的显存、更快的互连、更可靠的部件付溢价，道理在此。

电费背后的物理量也可以直接算。一颗 1,000 W 级的芯片满负荷运行一年，耗电 1,000 W×8,760 小时，即 8,760 千瓦时方法。英伟达 GB200 NVL72 是一柜装 72 颗 GPU 的整柜产品，设计功耗约 132 kWest，满负荷一年约 116 万千瓦时，再乘以 PUE 才是从电网取走的电量方法。芯片功耗与单柜功率为什么一路上升，在第 2 章展开。

1.12 AI 资本开支最终买的是一条把电变成 token 的生产线

把 1.11 节的公式倒过来读，就能看清资本开支买了什么。分母要大，就要买更多、更快的计算芯片，更大、更宽的显存，更快的互连；分子里的电费要低，就要买更高效的供电与散热；利用率要高，就要为每一个会坏的部件买冗余和质量。落到实物上，一笔 AI 资本开支依次流向芯片层、系统层、网络层和设施层，另外还有两层间接的上游。

芯片层是 GPU 或专用加速器本身，包括前道制程做出的计算裸片、紧贴它的 HBM、把两者拼在一起的 CoWoS 先进封装，以及把封装接到电路板上的 ABF 载板，分别在第 4、5、6 章展开。系统层把芯片装成可以运行的机柜：高层数电路板与覆铜板、从机柜电源架到芯片的多级供电、冷板与冷却液循环、柜内铜缆与连接器，以及整机组装与测试，对应第 8 至 12 章。网络层是机柜之间的交换机与光模块，对应第 7 章。设施层是接好电网、装好变压器与制冷系统的数据中心，对应第 13 章。上游的材料与半导体设备不出现在客户的采购单上，而是通过晶圆厂和封装厂的扩产被间接买走，对应第 14、15 章；出口管制之下另有一条国产算力链，对应第 16 章。

资本开支在各层的分布，与利润在各层的分布并不相同。服务器整机厂把 GPU 板卡和其他部件组装成柜，一台 GB200 服务器售价的七八成是 GPU 板卡，这部分收入只是从组装厂账面过一遍，组装厂毛利率约 5–10%待核。收入流过的地方不一定是利润留下的地方，利润留在稀缺且难以替代的位置上，这个机制在第 2 章最后两节讲清。研究系统据此把服务器整机设为阴性对照：它的营收规模最大，却在记分卡上得 0 分。

看这笔开支有两个角度。产出侧的角度是 token：一个机柜每小时能产出多少 token、每个 token 能卖多少钱，决定客户愿意为这个机柜付多少。投入侧的角度是实物用量：每颗 GPU 配几座 HBM 塔、多大面积的载板、几只光模块，每个机柜配多少价值的电路板、多大功率的供电与散热，每兆瓦 IT 负载要多少电网容量。前者决定资本开支的总盘子能有多大，后者决定这个盘子怎样切给十几个环节。以电路板为例，摩根士丹利 2026-05-22 的估算经 BigGo 转引，单柜高端 PCB 价值量从 GB300 的约 3.5 万美元升到 VR200 的约 11.7 万美元est，同样一个机柜，切给电路板的金额在一代之内变成三倍多方法。

2.1 四堵墙是同一个需求撞上的四种物理极限

第 1 章把 AI 计算归结为几件事：做更多的矩阵乘法，搬更多的字节，让更多的芯片像一台机器一样协作，并且全年不停地运行。沿用第 1 章的工厂说法，工位要更快，仓库到工位的传送带要更宽，车间之间的运输要更快、更远，整座工厂要有足够的电送进来、足够的热排出去。这几件事各自撞上一种物理极限，本书把它们称为四堵墙：计算墙、内存墙、互连墙和能量墙。

四堵墙之间是一条因果链。计算墙在最前面：单颗晶体管不再随缩小而省电，性能增长只能靠更多、更大的芯片并行。并行把压力传给内存和互连：芯片越多，要喂进去的数据越多，芯片之间要交换的数据也越多。为了缩短连线，芯片被尽量挤在一起，功耗与发热集中到更小的空间里，于是撞上能量墙。每一堵墙都催生了一类硬件：多芯片封装回应计算墙，HBM 回应内存墙，铜缆背板与光模块回应互连墙，高压供电与液冷回应能量墙。

墙的物理位置决定钱的位置。一堵墙越难翻，翻墙用的部件就越难造，合格供应商越少，扩产越慢，这些部件正是第二篇 13 个环节的主体。整条链的产出最终由最慢的那一环决定；而稀缺能不能变成利润，还要看供给有多集中、有没有替代品。

2.2 晶体管是一个用电压控制的开关

计算芯片里最基本的元件是晶体管。它有源极、漏极和栅极三个端子，栅极下面隔着一层极薄的绝缘层；给栅极加上高于阈值的电压，源极与漏极之间的硅里形成一条导电沟道，电流通过，代表 1；撤掉电压，沟道消失，代表 0。一颗先进的计算芯片上有几百亿个这样的开关待核，矩阵乘法里的每一次乘和加，最终都落成成千上万次开关动作。

开关每动作一次都要耗能。栅极和它连着的导线构成一个小电容，从 0 翻到 1 要给电容充电，从 1 翻回 0 要放电，一充一放消耗的能量是 C×V²，C 是电容，V 是电压方法。芯片的动态功耗因此约等于 α×C×V²×f，α 是每个时钟周期里实际翻转的比例，f 是时钟频率。另一部分是漏电功耗：开关关着的时候，仍有少量电流从源极漏到漏极，漏电流乘以电压，就是芯片什么都不算也在消耗的功率。

这两个公式决定了芯片设计的基本取舍。电压出现在平方项里，降电压是省电最有效的办法；频率与翻转次数成正比，算得越快越耗电；电容随尺寸缩小而变小，这是缩小晶体管能够省电的根源。晶体管的形状也一直在变：早期是平躺在硅表面的平面结构，后来改成栅极从三面包住沟道的鳍式结构，再到从四面包住的环栅结构，目的都是在更小的尺寸下让栅极牢牢控制住沟道、压住漏电。

2.3 Dennard 缩放终结之后，性能只能靠并行和更大的芯片

1974 年，IBM 的 Robert Dennard 等人提出一套缩放规则：把晶体管的长、宽、绝缘层厚度和工作电压同时缩小为原来的 1/κ，电容随之缩为 1/κ，开关速度提高 κ 倍，每个晶体管的功耗降为 1/κ²，而单位面积上的晶体管数增加 κ² 倍。两者相乘，单位面积的功耗保持不变。每一代制程把尺寸缩小到约 0.7 倍，面积减半方法，芯片可以在同样的面积、同样的功耗下多放一倍晶体管，同时跑得更快，这是此后几十年处理器性能快速提升的物理基础。

这套规则在 2000 年代中期失效，卡住它的是电压。晶体管要关得住，阈值电压就不能太低：室温下，阈值电压每降低约 60 毫伏，关断时的漏电流就增大约 10 倍方法，这个比例由电子的热运动决定，靠改进工艺绕不开。阈值电压若再降 300 毫伏，漏电流会增大约 10 万倍方法。于是工作电压停在 1 伏上下，今天 GPU 的核心电压在 0.6–1.0 V 之间待核。电压不再随尺寸缩小，每个晶体管的功耗只随电容缩小，单位面积功耗随密度上升，芯片很快撞上散热能力的上限。

结果是时钟频率自 2000 年代中期起基本停止增长，处理器改用多核，性能提升从「每个核更快」变成「核更多」。晶体管密度仍在提高，但每一代带来的省电与降本在收窄：先进制程要用极紫外光刻机，这种机器全球只有 ASML 一家能造，每片晶圆的加工成本随之上升。算力增长的主要来源因此转向四处：更多的并行核心、更专用的电路、更低的数值精度，以及更大的芯片和更多的芯片。

更大的芯片很快撞上第二个上限。光刻机一次曝光的最大视场约 26 毫米×33 毫米，即约 858 平方毫米est，单颗裸片不能比这更大。即使在这个面积之内，大芯片的良率也会迅速下降：晶圆上的缺陷随机分布，芯片面积越大，一颗芯片上落到至少一个缺陷的概率越高。按常用的泊松良率模型，良率约等于 e 的负（面积×缺陷密度）次方。假设缺陷密度为每平方厘米 0.1 个假设，一颗 858 平方毫米的芯片良率约 42%，一片 300 毫米晶圆能切出约 59 颗，其中好片约 25 颗；把同样的功能拆成两颗 429 平方毫米的芯片，每颗良率约 65%，好片约 86 颗，够拼 43 组方法。

这组算术说明了芯片为什么从「做大一颗」转向「拼多颗」：把一颗大芯片拆成几颗小芯片，良品数上升，再用先进封装把它们和 HBM 高速连在一起。代价是封装本身变得昂贵而复杂：小芯片之间要用硅中介层或桥接做微米级布线，拼装之前每一颗都要确认是好片，一次拼装失败会报废已经做好的全部芯片，第 4 章展开。性能增长的主战场由此从前道制程的缩小，部分移到了后道封装的拼接。

2.4 内存带宽跟不上算力，HBM 由此出现

内存墙指处理器算得越来越快，内存把数据送到处理器的速度却跟不上。根源在两种芯片的设计目标不同。计算芯片追求速度，每个晶体管都尽量快；内存芯片追求容量与每比特成本，主流的 DRAM 用一个晶体管加一个电容存一个比特，电容里的电荷会慢慢漏掉，需要定期重新写入，这个动作叫刷新。DRAM 按密度优化，读写速度的提升长期慢于计算芯片。

更大的限制在距离与通道数。传统服务器的内存条插在主板上，离处理器几厘米，数据要经过插槽和电路板走线，每一路信号都要为反射、串扰和时序余量让步；处理器能引出多少路内存通道，又受封装引脚数限制。内存带宽等于并行通道数乘以每条通道的速率，两个因子都被这几厘米卡住。AI 解码每一步都要把全部权重读一遍，这在第 1 章 1.7 节已经算过，带宽不够，计算单元再快也只能等。

HBM 的解法是同时改距离和通道数。它把 8 层或 12 层 DRAM 裸片磨薄到几十微米后垂直堆成一座塔，层与层之间用穿透硅片的垂直导电孔直连，这种孔叫 TSV；塔底是一颗负责对外通信的逻辑裸片。整座塔放在 GPU 旁边几毫米处，两者坐在同一块硅中介层上，中间走几千条微米级的并行导线待核。AMD 官网标注 MI400 的 12 座 HBM4 塔提供 432 GB 容量、23.3 TB/s 峰值带宽hard；独立拆解报告写到每座塔经 2,048 位宽的接口与 GPU 相连est。

贴近与堆叠换来了带宽，代价落在制造上。TSV 要在每层裸片上占用面积，每层都要减薄，堆叠键合的每一步都有良率损失，任何一层出问题整座塔报废。三家卖方给出的口径是，按比特计，做 HBM 消耗的晶圆约为普通 DRAM 的 3–4 倍est。同样一片 DRAM 晶圆，做成 HBM 能卖出的比特少得多，HBM 扩产因此直接挤占普通内存的产能。

容量与带宽是两件事。容量决定放不放得下，带宽决定搬得快不快；给 GPU 外挂更多普通内存能解决前者，解决不了后者。HBM 的每一代都在同时推进两件事：层数与每层密度提高容量，接口位宽与信号速率提高带宽。第 1 章说解码受访存限制，落到硬件上对应的正是这两个数。

2.5 互连把许多颗芯片连成一台计算机

第 1 章讲过，张量并行与专家并行每一层都要在芯片之间交换数据，数据并行与流水线并行按训练步或小批次交换。通信要同时满足三个量：带宽决定一次能传多少，延迟决定要等多久，距离决定能连多远、连多少颗芯片。三者在物理上互相牵制：速率越高，同样的铜线能传的距离越短；距离越长，越要换成光，就要为电光转换付出功耗与成本；经过的交换机越多，延迟越长，拥塞越难控制。

业界的应对是分两层组网。第一层叫 scale-up，把几十颗 GPU 用专用高速互连连成一个整体，任意两颗之间一跳直达，对上层软件看起来像一颗超大的加速器。以英伟达 NVL72 机柜为例，72 颗 GPUhard 分装在 18 个计算托盘里，柜子中部是装有 NVSwitch 交换芯片的托盘，负责在 GPU 之间转发 NVLink 流量，NVLink 是英伟达 GPU 之间的专用高速互连；柜背是 5,000 多条、总长约 3 公里的铜缆，把每颗 GPU 与每颗交换芯片直接相连待核。交换托盘放在柜子中部，是为了让最上层和最下层的 GPU 到交换芯片的铜缆都尽量短。

第二层叫 scale-out，用网卡、交换机和光模块把成百上千个 scale-up 域连成集群。它的距离从几米到几百米，要穿过多层交换机，单条链路的带宽低于 scale-up，延迟也更长，所以只承担数据并行、流水线并行这类通信频率较低的流量。两层之间的分界线由物理决定：铜线在高速率下能可靠传输的距离约 2 米待核，超过这个距离就要换成光。

延迟有一个常被忽略的物理事实：信号无论在铜缆里还是光纤里，每米都要走约 4–5 纳秒；光纤的折射率约 1.47，光在其中的速度只有真空光速的三分之二左右方法。光纤并不比铜线更快，它的好处是能把高带宽传得更远。跨机柜的延迟主要来自距离本身、交换机的排队与转发，以及打包、校验的处理时间；scale-up 把最频繁的通信锁在 2 米以内、一跳之内，就是同时压缩这几项。

2.6 铜线的损耗随频率上升

铜线传高速信号，传的其实是沿导线表面行进的电磁波。比特率越高，信号里包含的频率成分越高。高速链路普遍用 PAM4 编码，每个符号用四个电平表示 2 个比特；每通道 224 Gbps 的链路待核每秒要发约 1,120 亿个符号，衡量信道损耗的基准频点叫奈奎斯特频率，等于符号速率的一半，约 56 GHz方法。PAM4 把奈奎斯特频率比两电平编码降低一半，代价是相邻电平的间距只剩三分之一，抗噪能力下降约 9.5 分贝方法，第 7 章展开。铜线对高频信号的衰减更大，原因有两个：趋肤效应与介质损耗。

趋肤效应让电流只走导体表面的薄层

交流电流会被自身产生的变化磁场挤向导体表面，频率越高，电流集中的表层越薄，这个厚度叫趋肤深度，等于 √(ρ÷(π×f×μ))，ρ 是电阻率，μ 是磁导率。按铜的电阻率 1.68×10⁻⁸ 欧姆·米计算，50 Hz 市电的趋肤深度约 9.2 毫米，1 MHz 时约 65 微米，1 GHz 时约 2.1 微米，56 GHz 时只剩约 0.28 微米方法。电流可用的截面越来越薄，交流电阻随频率的平方根上升，导体损耗也按频率的平方根增长。

趋肤深度缩到零点几微米之后，导体表面的微观粗糙度变得要紧。电路板上的铜箔为了与树脂粘牢，表面做过粗化处理，起伏高度与趋肤深度相当甚至更大，高频电流被迫沿着起伏爬行，走过的路程变长，损耗再增加。高速电路板因此改用表面更平滑的低轮廓铜箔，行业称 HVLP 铜箔，代价是铜箔与树脂的结合力变弱、加工窗口变窄，第 8 章展开。

介质损耗把一部分信号能量变成绝缘材料里的热

介质损耗发生在导线周围的绝缘材料里。绝缘材料的分子带有电偶极，高频电场每振荡一次，偶极就被来回拉扯一次，一部分电场能量变成热。每米的介质损耗约与 f×√Dk×Df 成正比方法：Dk 是介电常数，决定信号走多慢、线要做多细；Df 是介质损耗因子，决定每振荡一周损失多少能量。介质损耗随频率线性增长，比导体损耗的平方根增长更快，频率越高，它越成为主项。高速电路板要换用低 Dk、低 Df 的树脂与玻纤布，高速铜缆要用充满微小气泡的发泡绝缘层，道理都在这里：空气的介电常数接近 1、损耗接近 0，发泡等于把一部分绝缘材料换成空气。

两种损耗叠加，结果是能传的距离随速率缩短。接收端芯片能补偿的损耗有一个上限，通常以分贝计，整条信道的总损耗必须落在这个预算之内；每米损耗越大，同样的预算能覆盖的长度越短。若损耗主要来自介质，频率翻倍，每米损耗约翻倍，可传距离约减半；若主要来自导体，频率翻倍，可传距离约缩到原来的 1/√2方法。每通道速率从 112G 升到 224G 时，无源铜缆的可传距离缩到 1 米级；业界用加粗线规、改进材料、在线缆两端加信号整形芯片做成有源铜缆等办法把距离往回赎，有源铜缆的射程可续到 3–7 米待核。

2.7 光纤传得远，代价是电光转换的功耗、成本与可靠性

光纤里传的是光。玻璃纤维的纤芯折射率略高于外面的包层，光在界面上反复全反射，被约束在纤芯里前进；单模光纤的纤芯直径约 9 微米待核。在数据中心的距离尺度上，光纤的衰减几乎不随调制速率上升，跑一公里的损耗可以忽略，也不受电磁干扰。距离与速率在光纤里基本脱钩，这是机柜之间必须用光的物理原因。

代价出在两端的转换上。每条光链路两端各需要一只光模块：发送端用驱动器和激光器把电信号变成光，接收端用光电探测器和跨阻放大器把光变回电，高速模块里还有一颗数字信号处理芯片 DSP，负责编码、均衡与纠错。这些器件都耗电，一只 800G 光模块功耗在 15 W 以上待核，一台插满模块的交换机，面板散热本身就成了难题。成本上，业内经验是在铜够用的距离内，用铜比用光便宜约十倍待核。

可靠性是第三个代价。激光器是用磷化铟材料做的半导体芯片，要在高温下常年稳定发光、波长不漂移；耦合对准要把几微米的光斑对进纤芯，误差在亚微米级，而且在多年寿命里经受震动和温度变化也不能松动。一个上万卡的集群里有数以万计的光模块，任何一只失效或链路闪断，都可能拖慢甚至中断整个训练任务，第 1 章成本公式里的利用率就这样被拉低。

铜与光的分界线随速率而移动。速率每升一代，铜能传的距离就缩一截，分界线向机柜内侧推进，光模块在每颗 GPU 上的用量有上行压力，柜内铜缆则要靠机柜数量增长去对冲单柜铜距的缩短。为了少付光的代价，行业在两个方向上改进：一是去掉模块里的 DSP、由交换芯片直接驱动光器件的线性驱动可插拔光模块 LPO，省电，但对链路质量要求更严；二是把光器件直接封装到交换芯片旁边的共封装光学 CPO，电信号路径最短，代价是维修难、良率风险集中。CPO 放量较慢，累计仅约 5 万套演示量，良率偏低est。

2.8 芯片功耗上升把机柜推向两百千瓦级

计算墙之后，性能增长靠更多晶体管同时工作、更宽的内存与更快的接口，每一项都耗电，单芯片功耗随之一代代上升。研究系统记录的主流加速器单芯片功率，2024 至 2027 年依次为 700 W、1,000 W、1,200 W、1,800 W待核。1,000 W 本身不算大，家用微波炉就是这个量级；难处在于它集中在一块指甲盖大小的硅片上，而且一个机柜里有几十颗。

机柜功率上升还有一个来自互连墙的原因。scale-up 要求几十颗 GPU 之间的铜缆尽量短，GPU 只能挤进同一个机柜，功率随之集中。传统数据中心一个机柜约 6–10 kWest。研究系统的单柜 IT 功率口径从 2024 年按八卡 HGX 服务器折算的等效柜 80 kWest 起步；GB200 NVL72 整柜设计功耗约 132 kW，出自研究机构 SemiAnalysisest；2027 年取 220 kW，出自卖方 Bernstein 2026-06-08 转述的厂商额定值「the Vera Rubin NVL72 rack is rated for 220 kW」est。一个 220 kW 的机柜，功率约为传统机柜的 22–37 倍方法。

把机柜乘起来就是数据中心的量级。按每柜 72 颗 GPU、每柜 132 kW 计，10 万颗 GPU 约需 1,389 个机柜、约 183 MW 的 IT 负载，乘以 1.15–1.5 的 PUE，从电网取电约 211–275 MW；满负荷运行一年，仅 IT 负载就耗电约 16 亿千瓦时方法。这个量级的负荷要单独申请并网、新建变电站，电网接入排队约 4 年est，是 13 个环节里前置期最长的一项，第 13 章展开。

功耗高之外，AI 负载还有一个传统数据中心少见的特征：同步波动。训练任务是几万颗 GPU 步调一致地计算一步、同步一次，整柜功耗在毫秒级时间里在 30% 与 100% 之间来回跳动待核，成千上万个机柜同时起落，扰动能沿配电系统一路传回电网。供电系统要在极短时间内接住这种冲击，从芯片旁的电容阵列到机柜级储能都在做缓冲，第 9 章展开。

2.9 电流越大损耗越大，供电因此走向更高电压

电功率等于电压乘以电流，P＝V×I，同样的功率，电压越低，电流越大。电流流过任何导体都会发热，损耗功率等于电流的平方乘以电阻，即 I²×R。两式合起来，同一根导体上损耗占传输功率的比例等于 P×R÷V²方法：电压提高到 n 倍，电流降到 1/n，损耗降到 1/n²。换一个角度，若允许的损耗比例不变，导体电阻可以放大到 n² 倍，所需铜截面缩小到 1/n²。

机柜里的电要从高压一路降到芯片需要的 1 伏上下。一条典型路径是：电网 10 kV 经变压器降到约 400 V 交流，机柜电源架整流成 48 V 直流，经柜背的铜母排分到各计算托盘，托盘内再降到 12 V，最后由紧贴 GPU 的电压调节模块降到 0.8 V 左右。用 48 V 给 132 kW 的机柜供电，母排电流约 2,750 安培，而家用插座的额定电流通常只有 10 安培待核。电源架因此分装在柜顶和柜底，各喂半根母排，把大电流走的路程砍半。

单柜功率继续上升，48 V 母排难以为继。把供电改成 800 V 高压直流，同样 132 kW 的电流从 2,750 安培降到 165 安培，同一根导体上的损耗降到约 1/278；若保持损耗比例不变，所需铜截面也可缩小到约 1/278方法。高压直流改造的代价同样来自物理：直流电没有交流电那样周期性的过零点，断开时电弧不会自然熄灭，开关与连接器要重新设计；高电压对绝缘距离、人员安全与运维规程的要求更严；电源架、母排和配电设备要整体换代，第 9 章展开。

电压最终必须降到 1 伏上下，这由 2.3 节的晶体管物理决定，于是最后一段不可避免地是低电压、大电流。一颗 GPU 在 0.8 V 下要吸 1,200 安培以上待核，这段路径上 1 毫欧的电阻就会产生 1,440 W 的损耗和 1.2 V 的压降，比芯片本身的功耗和工作电压还大；即使电阻只有 0.1 毫欧，也要损失 144 W、压降 0.12 V，占 0.8 V 的 15%方法。所以最后一级降压必须贴着芯片做，由 20–30 相并联的电压调节电路分担电流待核，行业还在把降压模块搬到芯片封装的正下方，让电流从背面垂直送入，把这段距离压到最短。

每一级转换都有损耗，损耗全部变成热。电源架里钛金级电源的转换效率约 97.5%待核，余下的 2.5% 在一个 132 kW 的机柜里就是约 3.3 kW 的热方法，相当于在柜里多放了两三台电暖器。提高电压、减少转换级数、把最后一级做到离芯片最近，同时在降低电费和散热负担。

2.10 热流密度超过空气的搬运能力之后，只能用液体

芯片消耗的电能几乎全部变成热，一颗 1,000 W 的芯片就是一个 1,000 W 的发热体，一个 132 kW 的机柜就是一台 132 kW 的暖风机。热必须以产生的速度被搬走，否则芯片温度上升，先降频，再关机。散热的难处不在总热量，在于热从多小的面积上冒出来、允许的温差有多小。

热流密度是单位面积上流出的热功率。B200 这类芯片的热集中在约 8 平方厘米的硅片上，平均热流密度约 125 W/cm²，局部热点可到 200–300 W/cm²；作为对照，电熨斗底板约 5 W/cm²、电磁炉面板约 10 W/cm²、烧红的电炉丝约 30 W/cm²待核。大气层外的太阳辐照强度只有约 0.14 W/cm²，芯片表面的平均热流密度是它的近千倍方法。

允许的温差很小。硅芯片的工作温度上限约 90–105 °C，冷却液进入冷板时就有约 40 °C待核，热要在五六十度的温差内依次穿过芯片、导热界面材料、封装盖板和冷板，最后进入液体。从芯片到冷却液的总热阻必须不超过温差除以功率：温差按 60 K 计假设，1,000 W 的芯片要求总热阻不超过 0.06 K/W，1,800 W 的芯片要求不超过约 0.033 K/W方法。芯片功耗每涨一截，允许的热阻就按比例收紧，每一层材料、每一个接触面都要做得更好。

热最终要靠流体带走，带走的热等于体积流量乘以流体的体积热容，再乘以温升。水的体积热容约 4.17 MJ/(m³·K)，空气约 1.19 kJ/(m³·K)，同样体积的水带走的热约是空气的 3,500 倍方法。以一个 132 kW 的机柜为例，若全部用空气带走、允许空气升温 15 °C假设，每秒要吹过约 7.4 立方米空气；若用水、允许水温升 10 °C假设，每秒只需约 3.2 升方法。空气还有第二个短板：它与固体表面之间的对流换热能力比水差得多，要搬走同样的热，需要大得多的散热片面积和风速，风扇自身的功耗与噪声先到极限。风冷的单柜极限约 30–40 kW待核，NVL72 这一代机柜因此按液冷设计。

主流方案是冷板式液冷：在芯片顶部贴一块内部带有细密流道的金属冷板，冷却液在流道里取热，液体不接触芯片；柜背的分水管和快速接头把各托盘的冷板连成回路，冷量分配单元把柜内回路的热交给机房的冷冻水，最后经冷却塔排到大气。另一种方案是浸没式，把整台服务器泡进不导电的冷却液，散热上限更高，但运维体系要整个重建。液冷的代价是漏液风险：几千个接头、几公里管路要做到近乎零泄漏，快接头要在上万次插拔之后仍不滴漏待核，这是第 10 章要讲的可靠性壁垒。

液冷的回报体现在 PUE 上。风冷设施 PUE 约 1.4–1.6，大型液冷机房约 1.10–1.15est，也就是机房在 IT 负载之外额外消耗的电，从 IT 负载的 40–60% 降到 10–15%方法。第 1 章的成本公式里，PUE 直接乘在电费项上，同样的芯片、同样的电价，液冷机房每个 token 分摊的电费更低。

2.11 最慢的一环决定整条链的产出

一颗 AI 加速器从晶圆到上线，要依次经过前道制造、HBM、先进封装、载板、电路板、供电、散热、互连、数据中心和电网。每一环都有自己的产能，整条链每个季度真正能交付的算力，等于各环节所能支撑的数量中最小的那一个。沿用工厂的说法，整条流水线的节拍由最慢的工序决定，其他工序再快，也只是在它前面堆出半成品，或在它后面空转。卡住产出的那一环叫绑定约束。

这条式子有一个直接推论：各环节分别计算的紧张度不能同时兑现。如果三个环节各自显示需求超过供给，真实产出只会被其中最紧的一个压住，另外两个的缺口不会全部兑现，因为上游交付已经被那一环削减了。研究系统的做法是先让需求不受约束地往下推，看压力积在哪里，再单独判断哪一环在绑定产出。2026-09-07 的总裁定据此规定：利用率不再以单点进入任何打分或仓位，除 CoWoS 外，任何环节的利用率只能引用方向与区间。

瓶颈会迁移。最紧的一环扩产成功，产出上升，下一个最弱的环节就成为新的绑定约束，好比流水线上最慢的工位提速之后，第二慢的工位开始决定节拍。研究系统对国产算力链的建模把这一点显式写了出来：每个季度在晶圆、封装、内存三条约束里取最紧的一条，模型给出的绑定顺序是先晶圆、后封装、再内存，2027 年第三季度切换到内存方法。这条链上三条约束的产能量级都是占位估计，只有轮动顺序可以引用，第 16 章展开。

迁移的节奏由各环节的扩产前置期决定，前置期指从决定扩产到新产能真正出货的时间。按研究系统登记的口径，光模块成品约 3–6 个月，电路板约 6–9 个月，CoWoS 新产线约 18–24 个月，HBM 新建晶圆厂约 2 年est；Ibiden 有价证券报告书列出的 5 个电子事业扩产项目在 2026 年 2–3 月动工、全部计划 2029 年 6 月完工hard，折合 3 年多方法；电网接入排队约 4 年est。前置期短的环节，紧张来得快也去得快；前置期长的环节，今天的产能上限几年前就已写定，需求一旦超过它，缺口会持续整个前置期。

前置期还要连着上游一起看。光模块成品扩得快，但它用的 DSP 芯片交期从 26 周拉长到 45 周再到 50 周est，激光器上游的外延与光刻设备交期超过 18 个月est，成品端的弹性被上游的刚性封顶。一个环节自己的前置期短，不代表它不会缺货，要看它的卡口落在哪里。

2.12 稀缺变成租金，要看集中度与可替代性

经济学里的租金，指一项投入的收入中，超过「让它留在这个用途上所必需的最低回报」的那部分。产能在短期内加不出来的时候，价格由需求决定而不由成本决定，卖方就收到租金；产能能很快追上来的时候，高价会引来扩产，价格回落到成本附近，租金随之消失。稀缺是租金的前提，却不保证租金：稀缺还要落在一个集中、难以替代的位置上，并且持续得比扩产周期更长。

判断一个环节能不能收租，要看四件事。第一，供给在需求窗口内扩不扩得出来，也就是 2.11 节的前置期，再加上认证周期：进入大型云厂商与芯片厂的供应商名单要一年以上的认证待核，新厂商有产能也未必马上能卖。第二，合格供给集中不集中：几家甚至一家公司掌握合格产能，才有议价的底气。第三，有没有替代品：客户能不能改设计、换材料、换技术路线绕开它。第四，它在客户总成本里占多大：占比小而不可或缺的部件，涨价阻力最小，客户宁可多付也不愿停线。

租金最终要在报表上看得见。研究系统用分部利润率的方向做定价权证据：收入与分部利润率同期同向扩张，说明涨价落地，而且不只是成本转嫁；量在涨而毛利率在退，说明产能跟上了，钱没有留在这一环。ABF 载板是前一种：FY3/26 财年，Ibiden 电子事业营业利润率由 13.6% 升到 18.6%，下一财年指引 29.3%，味之素电子材料事业利润率由 52.5% 升到 54.2%hard，两家都是这个环节最上游、最集中的公司。服务器整机是后一种：工业富联 2026 年上半年 GPU AI 机柜出货增长 3.2 倍，而台系六家整机厂毛利率五家在下行hard。

同一个环节里，租金也只落在卡点上。先进封装环节里，台积电公司整体毛利率 59.9%，三家 A 股封测厂毛利率分别为 14.15%、14.59% 与 30.99%hard，卡点在只有少数厂商能做的硅中介层，不在后段封测。光模块环节里，模块厂毛利率在上升，但成品扩产前置期只有约 3–6 个月est，龙头中际旭创的产能一年内增加约 54%hard，真正的卡口在上游 DSP 芯片与磷化铟激光器，模块厂收到的是二层租。电路板环节里，沪电股份 2026 年上半年数据通讯板毛利率 43.26%、同比提高 4.60 个百分点，同一份报表里智能汽车板毛利率 18.97%、同比下降 6.22 个百分点hard，租金按产品档次分配。

这套判断还要分两层看。一个环节在物理上是不是瓶颈，与投资者能不能买到收租的公司，是两个问题。研究系统自 2026-09-08 起规定两者分层、不得互相反推：ABF 载板与 HBM 在记分卡上乘积并列第一，租金却全在 Ibiden、味之素和三家海外存储厂，A 股一股都买不到；电路板是唯一乘积不低于 18、A 股又能收租的环节。某个环节 A 股买得到，不能成为调高它瓶颈等级的理由。

3.1 一台 AI 机柜是一条长流水线的最终产品

投资讨论里说的「AI 算力」，在物理上是一座数据中心里成排的机柜。每台机柜装着几十颗加速器（GPU 或云厂商自研的定制芯片），加速器之间用铜缆和光纤连成集群，机柜从电网取电，再把几乎全部电能变成热排到室外。第 1 章讲了算力在计算上是什么，第 2 章讲了计算、内存、互连与能量四堵墙；本章换一个角度，从一粒沙子开始，把一台能开机的机柜正向拼出来，看清它由哪些工序、哪些公司、按什么先后次序组成。

本章用流水线打比方，全章只用这一个喻体。一台能开机的机柜，是一条跨越多个国家、几十家公司的长流水线的最终产品：晶圆厂、封装厂、存储厂、载板厂、板厂、光模块厂、电源厂、液冷厂、整机厂、数据中心运营商和电网，各自是一个工位。每个工位有自己的产能和扩产速度，整条线的产出由最慢的工位决定，这就是第 2 章讲过的瓶颈。

各工位扩产所需的时间差别很大，这是瓶颈会迁移的物理原因。按系统里登记的前置期表，光模块成品扩产要 3–6 个月，PCB 要 6–9 个月，CoWoS 先进封装建线要 1.5–2 年，HBM 新厂要 2 年，电网接入排队要 4 年est。这张表来自口述转述，没有独立的一手锚，只能读量级。ABF 载板那一行已经被一手文件替换：Ibiden 在有价证券报告书里列出的五个电子事业扩产项目，着手时间是 2026 年 2 月和 3 月，计划完工时间全部是 2029 年 6 月hard，按这两个日期算，一手口径下的前置期是三年出头。

前置期短的工位，需求一涨，几个季度就能追上；前置期长的工位，今天看到的缺口要两三年后才能被新产能填平。同一轮需求上行里，最紧的位置因此会从一个工位移到另一个工位。第二篇的 13 章各讲一个工位，本章负责画出它们在机柜和数据中心里的物理位置、交付上的先后依赖，以及把它们放在同一张记分卡上比较的方法。

3.2 前道制造把沙子变成一片片裸片

流水线的第一个工位是晶圆制造。石英砂提纯成电子级多晶硅，熔化后拉成单晶硅锭，再切成直径 300 毫米的薄片，抛光到接近原子级的平整度。一片晶圆厚约 775 微米，最后承载全部晶体管和布线的只是表面 5–10 微米的一层est。晶圆本身只是空白的底座，价值全部来自此后在它表面反复进行的加工。

前道制程分两段。第一段在硅表面做出几百亿个晶体管，也就是计算用的开关；第二段在晶体管上方逐层做金属互连，把这些开关按电路图连起来，先进芯片的布线层有 15–20 层est。每做一层都要走一遍相同的循环：沉积一层薄膜，光刻把图案印上去，刻蚀去掉不要的部分，填入金属，再用化学机械抛光（CMP，用抛光液和抛光垫把表面磨平）磨平。一颗先进芯片要经过几百道工序，耗时约三个月est。

这个循环同时养活了两个上游环节。循环里每一步都要消耗材料：沉积消耗靶材和特种气体，刻蚀消耗刻蚀气体，CMP 消耗抛光液，这是第 14 章「材料与耗材」。每一步又对应一类机器：光刻机、刻蚀机、沉积设备、抛光机和量测设备，这是第 15 章「半导体设备」。一座先进晶圆厂的投资里约 75–80% 是买设备的钱est，所以设备订单跟着晶圆厂的资本开支计划走，时间上领先于芯片出货。

印最细的几层图案需要极紫外光刻（EUV），能造 EUV 光刻机的只有荷兰 ASML 一家。没有 EUV 的工厂只能用上一代的深紫外光刻（DUV），把一层密集图案拆成几次曝光，工序成倍增加，有效产能随之被吃掉。这一条是第 16 章国产算力链的第一道约束。

前道完成后，晶圆先在探针台上逐颗测试，再切割成一颗颗裸片（die），挑出已知良品裸片进入封装。光刻机一次曝光的最大面积约 858 平方毫米est，这叫光罩极限，单颗裸片不可能做得比它更大。AI 训练需要的硅面积和内存容量远超一颗裸片所能提供，只能把多颗芯片在封装里拼到一起。裸片面积越大，一片晶圆切出的颗数越少，边缘浪费也越多，所以晶圆厂和封装厂的产能都按晶圆片数计量，常用单位是 kwpm（千片晶圆每月）。

3.3 封装把裸片、内存和载板拼成一颗加速器

切好的 GPU 裸片还不能直接用，有三道坎。第一是尺寸不匹配：裸片上的接点间距是微米级，服务器电路板上的焊点是毫米级，相差上千倍。第二是 GPU 必须紧挨着大容量内存：第 2 章讲过，AI 计算常常卡在数据搬运上，内存离计算芯片越远，走线越长，带宽越低、功耗越高。第三是散热和供电都要穿过封装进出芯片。先进封装就是为同时跨过这三道坎而出现的工序。

内存这一侧由 HBM 承担。HBM（高带宽内存）把 8 到 12 层 DRAM 裸片磨薄后竖着叠起来，层与层之间用硅通孔（TSV，打穿硅片再灌铜的垂直导线）直连，最底下是一颗负责接口的底层裸片。HBM 由 SK 海力士、三星、美光三家存储厂自产，按 2026 年 HBM4 份额计分别约 54%、28%、18%est，做好的堆叠成品运到封装线参加拼装。到 HBM4 这一代，底层裸片开始交给逻辑工艺制造：SK 海力士和美光用台积电 12 纳米逻辑工艺，三星用自家 4 纳米逻辑工艺est，细节见第 5 章。

把 GPU 和 HBM 拼到一起的是 CoWoS（Chip on Wafer on Substrate，台积电的 2.5D 封装工艺）。名字按工序读：先在一整片中介层晶圆上贴装 GPU 裸片和 HBM 堆叠，这是 CoW 段；再切开，把每一块装到载板上，这是 oS 段。中介层是夹在芯片和载板之间的一层精细布线板，CoWoS-S 用整块硅做中介层，CoWoS-L 在有机重布线层里嵌入局部硅桥，GPU 与 HBM 之间成千上万条并行导线都走在这一层。CoWoS 的产能按中介层晶圆计，单位也是 kwpm。台积电在中介层环节占约 85% 份额est，并且从不披露 CoWoS 绝对产能，市面上的产能数字都是第三方推算。

中介层下面是 ABF 载板。载板以芯板为地基，一层 ABF 绝缘膜、一层铜线路交替往上积层，激光打出微孔连通上下层，把中介层底部的凸点一层层扇出，放大到电路板焊球的间距。ABF 是味之素积层膜（Ajinomoto Build-up Film）的缩写，这种树脂膜能打出极细的孔、承载极细的铜线，味之素在这种膜上的份额超过 95%est。加速器越大，载板越大：系统登记的单颗载板面积从 H100 的 3,025 平方毫米到 GB200 的 5,625 平方毫米，再到 Rubin 的 12,000 平方毫米est，所以载板需求按面积算，不按块数算。

从上往下，一颗加速器里有三级「球」：连接裸片与中介层的微凸点只有几十微米，连接中介层与载板的 C4 凸点约 0.1 毫米，连接载板与电路板的 BGA 焊球是零点几毫米est。每一级都是一次尺寸放大。各层材料的热膨胀系数又各不相同，芯片发热时整个叠层会翘曲，封装面积越大，把几万个焊点同时焊好的难度越高。

这三件东西在系统里是三个独立环节，因为它们分属不同公司、不同产线、不同的扩产节奏。英伟达自己不造一克硅，它能交付的加速器颗数同时受台积电的 CoWoS 产能、三家存储厂的 HBM 产能和载板厂的 ABF 产能约束，取三者里最小的那个。封装段三件东西任何一件交付不上，另外两件做得再多也只能进仓库。

3.4 机柜把 72 颗 GPU 连成一台机器

封装好的加速器焊到计算板上，计算板装进计算托盘（tray，机柜里一层抽屉式的服务器单元），托盘插进机柜。以英伟达 GB200 NVL72 为例，一台机柜装 72 颗 GPUhard，分布在 18 个计算托盘里，每个托盘 4 颗est；托盘上还有 Grace CPU、网卡和板上供电电路。机柜中部是 9 个 NVLink 交换托盘est，里面的 NVSwitch 芯片负责柜内 GPU 之间的通信。

72 颗 GPU 要像一颗大加速器那样协同计算，任意两颗之间都需要高带宽、低延迟的直达通路，这就是第 2 章讲的 scale-up。柜内距离在两米以内，走铜线最便宜、延迟最低，也省掉光电转换的功耗。机柜背后是一条铜缆背板，五千多根高速铜缆、总长约 3 公里est，把每颗 GPU 连到每颗交换芯片。交换托盘放在柜腰，是因为这个速率下铜线的有效距离只有约 2 米est，放在中间，到最顶和最底托盘的走线都最短。

这一层牵出三个环节。托盘里的计算板、交换板都是高多层 PCB，AI 服务器的板子有 20–30 层est，要用低损耗覆铜板才能让每秒上百吉比特的信号少衰减，这是第 8 章。铜缆、背板连接器和托盘接口是第 11 章。把板卡、托盘、电源、液冷管路装成整柜并完成烧机测试，是 ODM 整机厂的活，这是第 12 章。

板和缆的价值量随机柜代际变化。系统引用的卖方数据显示，每柜高端 PCB 价值量从 GB300 的约 3.5 万美元升到 VR200 的约 11.7 万美元est。VR200 把一部分柜内线缆换成 PCB 中板（midplane），价值从线缆转到板上，这是转移，不是消失，两个环节合算时要防止重复计价。

机柜数量和 GPU 数量也不是固定比例。系统里每柜 GPU 数从 NVL72 的 72 颗升到 2027 年的 96 颗（两代机柜各半混合后的调和平均）est，同样多的 GPU 塞得越密，需要的机柜越少，模型算出的等效机柜数在 2027Q1 达到 67.37 千柜，到 2027Q4 回落到 61.54 千柜方法。所有按机柜计价的环节都受这个数影响。这个 96 把按计算裸片计数的 NVL144 与按封装计数的出货放在了一起，计数口径待核，见第 12.8 节的口径提醒。单柜功率随代际抬升：GB200 NVL72 的热设计功耗约 132 千瓦，2027 年的厂商额定档是 220 千瓦est。

3.5 机柜之间的网络靠光模块

一台机柜只有 72 颗 GPU，训练大模型要把成百上千台机柜连起来，这是 scale-out。机柜之间的距离从几十米到几百米，每秒几百吉比特的电信号在铜线里跑不了这么远，必须转成光在光纤里传。计算托盘上的网卡把数据交给光模块，光模块把电信号调制到激光上，经光纤送到叶交换机，再经脊交换机转到其他机柜，对端的光模块把光还原成电信号。

光模块是一个拇指大小的收发器：发送端有驱动芯片、激光器和调制器，接收端有光电探测器和跨阻放大器，中间由 DSP 芯片负责编码、均衡和纠错，结构细节见第 7 章。系统把整张网络需要的光模块数平均分摊到每颗 GPU 上，只算 scale-out、剔除 NVLink 之后，这个系数从 2.56 升到 3.48est。集群越大、网络层级越多，这个系数越高。

光模块成品这个工位本身扩产很快，成品端前置期只有 3–6 个月，龙头中际旭创的产能一年内增加约 54%hard。紧的是它的上游：DSP 芯片交期从 26 周拉长到 45 周再到 50 周（专家原话，2026-08-04）est；做激光器的磷化铟衬底和 EML 芯片，海外两家 2026 年产能已被全部预订est；外延用的 MOCVD 与电子束光刻设备交期超过 18 个月est。

3.6 电与热决定机柜能不能开机

机柜装好之后还要解决两件事：把电送进去，把热搬出来。电网送来的是上万伏的高压交流电，GPU 的晶体管工作在 1 伏以下的低压直流。中间要逐级降压：数据中心配电室的变压器把 10 千伏降到约 400 伏est，经 UPS 和配电单元送到机柜；机柜里的电源架把 400 伏交流变成 48 伏直流，一个 1U 电源架插 6 个电源模块、五用一备，合计约 33 千瓦est；48 伏电经柜背的铜母排送到每个托盘，托盘上的 DC-DC 转换器降到 12 伏，最后由紧贴 GPU 的多相电压调节模块（VRM）降到约 0.8 伏。

电压为什么要一路降、又为什么尽量晚降，第 2 章讲过：同样功率下电流与电压成反比，导线损耗与电流的平方成正比。一台 120 千瓦的机柜，在 48 伏母排上的电流约 2,500 安方法；一颗 B200 在 0.8 伏下要吸 1,200 安以上的电流est，只能用二三十相 VRM 并联分担。行业正在推进的 800 伏高压直流，把同样功率下的电流降到 48 伏时的约 6%，同一根导体上的损耗随电流平方下降方法。这条从变压器到 VRM 的功率链是第 9 章。

进入机柜的电能最后几乎全部变成热。风冷的极限约为每柜 30–40 千瓦est，NVL72 这一代出厂就是液冷。热的路径与电的路径方向相反：贴在 GPU 和 CPU 顶上的冷板用内部微通道里的冷却液取热；冷却液经柜背歧管和快接头流出托盘；在 CDU（冷量分配单元）里通过换热器把热交给设施水，柜内回路和设施水回路物理隔离，互不混流；设施水再经冷却塔、干冷器或冷水机组把热排到大气。这条链是第 10 章。

3.7 数据中心与电网是整条链的地基

所有机柜最后都要放进一栋接了电的楼。数据中心在物理上是一座把电变成 token 的工厂：园区从电网接入高压电，经自建或共用的变电站降压，由中压开关柜和变压器配到各个机房模块；UPS 和电池在市电中断后的几秒到几分钟内续电，柴油发电机组在更长的停电里接管负载；冷却塔、干冷器或冷水机组承担整座楼的排热。

衡量设施自身耗电的指标是 PUE（电能使用效率），等于数据中心总耗电除以 IT 设备耗电，服务器每用 1 度电，PUE 为 1.2 的机房要从电网取 1.2 度。风冷机房约 1.4–1.6，采用液冷的超大规模机房可以降到 1.10–1.15est。系统把 PUE 做成随液冷渗透率变化的公式，逐季从 1.39 降到 1.15方法，避免出现液冷普及了而 PUE 不动的自相矛盾。

这一环的供给算不出来，原因是物理和制度的。电网接入要评估负荷、扩容变电站、架设输电线，系统登记的前置期是 4 年，而且是行政排队，排队长度不因资金充裕而缩短。电又不能跨区调运，德州富余的电供不了弗吉尼亚的机柜，把全球装机加总当分母是最弱的口径。系统因此不为这一环建全球供给曲线，只读运营商的上架率、在建工程和分部毛利率。

数据中心运营商出租的是「已通电、可上架的机位」。新供给被电网排队锁住时，手里已有并网容量、排在队列前面的运营商，持有的正是稀缺物。润泽科技 AIDC 业务的分部毛利率为 48.50%，高于其传统 IDC 业务的 44.10%hard。这一环是第 13 章。

3.8 十三个环节在这条线上各占一个位置

把前面几节串起来，本书的十三个环节可以按物理位置分成五组。最上游是喂给晶圆厂和封装厂的材料与设备；第二组是封装段的 CoWoS、HBM 和 ABF 载板，决定一颗加速器能不能做出来；第三组是 PCB 与覆铜板、连接器与线缆、服务器整机，把加速器装成机柜；第四组是光模块，把机柜连成集群；第五组是电源、液冷、电力与数据中心，决定机柜能不能开机。国产算力链是第十三个环节，它是出口管制下复刻出来的一整条平行链，不在这五组中的某一个位置上。

图 3.6 列出每个环节的物理功能、系统计量单位和对应章节。计量单位各不相同，有的按晶圆片数，有的按只数或面积，有的只能按美元价值量。单位不同的环节之间不能直接比较紧张程度，能横向比较的只有 3.10 节记分卡上的无量纲分数。

环节之间的依赖有先后。封装段三件东西齐套，加速器才出得来；加速器、板和铜缆齐套，机柜才装得出来；电、液冷和机位齐套，机柜才开得了机。任何一件缺货，已经做好的上游部件只能在仓库里等。一个工位扩产成功以后，紧张并不会就此解除，它会移到下一个最慢的工位。这一点在国产算力链上表现得最完整，第 16 章会用它演示一次瓶颈接力。

3.9 需求、供给与租金用同一套框架计算

需求从同一个出货数乘出来

十三个环节的需求共用一个源头：加速器出货。系统登记了 15 个加速器型号（英伟达、AMD 和云厂商自研芯片）的逐季出货表，再乘一个校准系数 k，把模型口径的颗数拉回到公开可查的真实出货总量。k 逐季变化，2024Q1 为 1.1666，2027Q4 为 0.8035方法。乘上 k 以后，这套模型做的事是把外部给定的出货总量传导到整条产业链，并指出压力会积聚在哪里；它不宣称自己能独立预测 GPU 会卖出多少颗。

按颗配的环节有四个：CoWoS 用出货除以每片中介层晶圆能切出的颗数，得到中介层晶圆需求；HBM 乘每颗加速器配的 HBM 堆叠数；ABF 载板乘单颗载板面积；光模块乘每颗 GPU 分摊的模块数。按柜配的环节有六个：PCB、电源、液冷、连接器按每柜价值量计，电力按每柜 IT 功率和 PUE 计，整机就是等效机柜数本身。材料环节从中介层晶圆出发再乘 CMP 道次；设备环节取晶圆厂资本开支，国产链用独立的国产需求序列，这两个都不从加速器出货推导。

需求的增长有时主要来自单价而不是数量。PCB 环节 2024 到 2027 年的需求增长 15.95 倍，按对数口径拆分，55% 来自单柜价值量上升，只有 45% 来自机柜数量增加方法；按物理量看的峰值在 2027Q1，按金额看的峰值在 2027Q3。读到「某环节需求翻 N 倍」时，要先分清涨的是物理量还是价值量，价值量上涨可以来自涨价，而涨价恰恰是下文要单独检验的定价权。

供给只认合格产能

合格产能有三层含义：通过了下游客户的认证，按良率折算过，并且在需求发生的那个季度已经投产。铭牌产能、已宣告产能、洁净室空间都不等于合格产能。十三个环节里，只有 CoWoS、HBM、ABF 载板和光模块四个拉得出供给曲线；其余九个环节，系统裁定不算产能，理由各不相同。PCB 拿到的是产值和产量，样本又是全品类，与 AI 口径的需求分子分母双错配；电源和液冷的产能在共线切换下不是良定义的量；连接器的物理量纲（万套、亿米）与美元口径的需求对不上；电力不能跨区调运；设备的出货本身就是需求的实现；整机是阴性对照；国产链的产量是三条约束的联合结果。

删掉假的供给曲线，是框架里一次关键的方法修正。电源、液冷、铜缆三个环节的旧供给曲线曾写成「需求滞后若干季度 × 假设扩产倍数」，化简后利用率恒等于需求增速除以一个人手选定的常数，供给端没有任何独立信息。2026-08-05 这三条曲线按铁律作废删除，留空本身就是结论。2026-09-07 的总裁定又规定，利用率不再以单点进入任何打分或仓位：除 CoWoS 外，任何环节的利用率数值都只能引用方向与区间。

租金落在稀缺且难替代的一层

租金是超过竞争性回报的那部分利润。它的出现需要两个条件同时成立：供给稀缺，并且难以被替代。只稀缺、不难替代，价格一涨就有新产能涌入，稀缺很快消失；只难替代、不稀缺，客户仍有议价空间。落到一条产业链上，租金集中在集中度最高、替代成本最高、扩产前置期最长的那一层，可观察的证据是这一层的分部毛利率与收入同期同向扩张。

3.10 记分卡给十三个环节排出先后

记分卡是 2026-09-08 手工打分的结果，每个环节六格。前三格各 0–3 分：① 供给刚性看扩产前置期、合格供应商数、集中度和认证壁垒；② 紧张方向看近 6–12 个月价、量、订单三类信号在变紧还是变松，打的是方向，不是水平；③ 定价权证据看分部毛利率方向、价量是否同向、合同负债与预收款。三格相乘得到排序。④ 缓解时点只给季度和出处，⑤ 市场分歧只标有、弱、缺，⑥ A 股能否收租单列一栏，三者都不进乘积。

用乘法，是因为三个条件缺一不可。供给再刚，价格和订单若在变松，紧张也会过去；方向再紧，若没有任何一家公司的利润率跟着扩张，稀缺就没有变成钱。任一格为 0，乘积就是 0。服务器整机三格都是 0，它是有意放进来的阴性对照：哪天它的分数变高，说明记分卡本身失真了。

相对上一版（2026-09-07），本轮只有两个环节的乘积变了，两处都由新取到的公司原件驱动。ABF 载板从 18 升到 27，升的是 ③：Ibiden 电子事业和味之素电子材料两家最上游公司的收入与分部利润率同期同向扩张。国产算力链从 18 降到 12，降的也是 ③：寒武纪 2026 年半年报把「毛利率几乎不动」变成了连续两期小幅下行。其余十一个环节乘积未动，但 HBM 与 CoWoS 两张卡的证据基座整体换掉，不再引用利用率水平。

3.11 A 股能收到的租集中在三个环节

第六格问的是：这个环节的租金，在 A 股买得到吗。判据分三档。「能」要求 A 股有公司坐在瓶颈位上，并且它的分部毛利率在公司原件里可以识别；「只能收二层租」指 A 股公司在环节里，但不在卡点上，赚的是份额或制造利润；「收不到」指租金全在 A 股之外。

十三个环节的分布是能 3 个、只能收二层租 6 个、收不到 4 个。排在最前面的 ABF 载板和 HBM，第六格都是收不到：载板的租在 Ibiden 与味之素，存储的租在 SK 海力士、三星、美光。能收租的三个环节乘积分别是 18、12、12。PCB 与覆铜板是唯一一个乘积不低于 18 且能收租的环节；电力与数据中心的「能」缺少与市场共识不同的判断；国产算力链的「能」带着租金正在退的一手读数。

把公司层的判断叠上去，结论一致。26 家 A 股候选公司里，判为「在卡点上」的 5 家是沪电股份、生益科技、寒武纪、润泽科技和高澜股份（最后一家为弱判断），恰好分布在第六格为「能」的这三个环节。环节级判断和公司级判断用的是同一对判据：持有的是不是稀缺物，分部毛利率在不在一手件里。

物理瓶颈有多严重、租金落在哪一层、某只股票值不值得买，是三道独立的闸，任何一道关上，前面的分数都不兑现。最硬的物理瓶颈恰好长在 A 股买不到的地方，这是产业事实，与研究是否充分无关。反过来也要守住：不能因为某个环节在 A 股买得到，就调高它的物理瓶颈等级；也不能因为买不到，就调低它的等级。

4.1 产业链位置与边界

CoWoS 是台积电的一种 2.5D 先进封装工艺，全称 Chip on Wafer on Substrate。它做的事情可以用一句物理描述说清：把一颗 GPU 裸片和围在它四周的几座 HBM 存储塔，并排贴到同一块硅片上，再把这块硅片装到 ABF 载板上，成品是一颗可以焊上服务器主板的加速器。这块承上启下的硅片叫中介层（interposer），它本身不做计算，只负责在芯片之间走线。

名字要按工序的时间顺序读。名字里的 Wafer 指制造过程中尚未切开的整片中介层晶圆，一片上排着几十个中介层；CoW（Chip on Wafer）是趁晶圆还是整片时把裸片逐格贴上去，切开之后再做 oS（on Substrate），把每一块装上载板。成品里没有「晶圆」，只有从晶圆上切下来的那一小片中介层，就像烤盘上一次排几十个挞皮，买到手的蛋挞底下有挞皮，却不会带着烤盘。

在全书的地图里，CoWoS 的上游是三类已经做好的硅：台积电前道制造的逻辑裸片（第 3 章）、三家存储厂的 HBM 塔（第 5 章）和载板厂的 ABF 载板（第 6 章）；下游是把加速器装进计算托盘和机柜的整机厂（第 12 章）。研究系统把 CoWoS 当作全链需求的节拍器：每个季度封装线放行多少颗加速器，另外 12 个环节就只能处理多少颗。

集中度决定这一环的性质。按记分卡的记录，台积电在全球中介层环节约占 85% 份额est，NVIDIA 又占台积电 CoWoS 产能的约 80%est；台积电从不披露 CoWoS 的绝对产能，市面上所有产能数字都是第三方推算。另一个「85%」来自完全不同的主语：盛合晶微招股书写的是 2024 年中国大陆 2.5D 封装收入的市占约 85%hard。两个数字相同，一个是全球中介层份额，一个是大陆 2.5D 收入份额，不能互相替换。

边界要划清三条。CoWoS 不是前道制程，3 纳米、5 纳米说的是在晶圆上印电路的精细程度，那一段在第 3 章和第 15 章；它也不是给普通芯片做引线键合、塑封的传统封测，那一类产能便宜且不稀缺；它更不是 HBM 或载板本身，这两样是它的来料。前道印得出来而后道拼不过来，是这一轮 AI 硬件与过去十年的主要区别。

4.2 物理问题与成本来源

GPU 与 HBM 必须在硅上挨着走线

内存墙的来龙去脉见第 2 章，这里只取结论：大模型的每一步矩阵乘法都要先把权重和中间结果从存储搬进计算核心，搬运的速度常常比计算本身更慢。搬运带宽等于并行导线的根数乘以每根线的速率。导线越长，寄生电容越大，每根线能跑的速率越低、耗电越多；导线越粗，同样宽度能排下的根数越少。主板内存插槽隔着几厘米铜线，而 HBM 塔贴在 GPU 旁边几毫米处，两者之间的几千根并行线只有在硅上才排得下：中介层的线宽精度在一微米以下，载板是几微米，主板更粗。

光罩极限逼出拼装

光刻机一次曝光的最大区域约 858 平方毫米est，单颗芯片的面积物理上不可能超过这个上限。AI 加速器要的计算面积和存储容量远超一次曝光能容纳的范围，于是只剩一条路：把多颗裸片分别造好，再拼到同一块硅上。拼的距离决定带宽，拼的精度决定良率，这两件事就是先进封装的全部技术内容。普通封装解决的是接口太小、硅片太脆、需要散热供电这三件事，所有芯片都要，便宜而充足；多颗裸片在硅上直连，才是稀缺的那一部分。

一颗加速器里有三级「球」

从上往下看，裸片底面几万个微凸块（几十微米，灰尘大小）连到中介层；中介层底面的 C4 凸块（约 0.1 毫米）连到载板；载板底面的 BGA 焊球（零点几毫米，肉眼可见）连到主板。每下一层，接点间距放大一个量级，这个逐级放大叫扇出。中介层之所以要打几十万个硅通孔（TSV），是因为芯片之间的横向走线在中介层上表面，而供电和对外信号必须穿透硅片到达下面的载板。

没有中介层会怎样

设想把 GPU 和 HBM 直接倒扣在载板上。载板的线宽是几微米，比中介层粗一个量级以上，同样一条边能排下的并行线少得多，内存带宽随之下降；想补回带宽，就得提高每根线的速率，功耗和误码一起上升。再退一步把存储放回主板插槽，距离从几毫米变成几厘米，带宽差距是数量级的。所以在硅上直连（整片中介层或嵌在有机层里的硅桥）是目前多颗大芯片共享高带宽内存的量产做法，这也是 CoWoS 产能能直接限制加速器出货的原因。

成本主要花在四个地方

第一是中介层本身。硅中介层要在晶圆厂里用光刻、刻蚀、镀铜、化学机械抛光做出走线层和几十万个 TSV，再把晶圆减薄到约 100 微米，设备与工艺都属于晶圆厂而不是传统封测厂。记分卡里的在账断言写得直白：长电是用前道晶圆厂级别的资本强度，换回个位数百分比的产能份额。

第二是良率。进入 CoW 线的物料是已经完工的 GPU 裸片和 HBM 塔，贴歪一次、翘裂一次，报废的是别人最贵的成品。按专家纪要的估价，一座 12 层 HBM4 塔约 576 美元est，8 座就是约 4,600 美元方法，这还没算 GPU 裸片。第三是设备折旧：建一条线从下单到放量要 1.5–2 年est，折旧从装机那天开始计。第四是测试与客户认证：每颗裸片上线前要测成已知良品，每个新型号要和芯片设计方逐项联调。

4.3 自建推演

假设一家自研 ASIC 的云厂不想排台积电的队，决定自己把芯片封起来。它会按规模从小到大依次撞上四堵墙，每一堵都把它往「交给少数几家晶圆厂级封装线」的方向推。

第一步是几十颗样品。实验室里买一台倒装贴片机、借一间洁净室，把裸片一颗颗对准贴上中介层，可以做出能点亮的样品。这一步撞上的是物料代价：每贴坏一颗，报废的是一颗完工的 ASIC 裸片和几座 HBM 塔，样品阶段良率低，钱烧得比设备还快。

第二步是几千颗试产。它发现自己没有中介层晶圆可用：硅中介层要在晶圆厂里做光刻、刻蚀 TSV、镀铜、抛光，云厂没有这条线，只能向晶圆厂买片。能卖硅中介层的厂很少，联电的硅中介层产能约 6 kwpm（每月 6 千片晶圆）且明确不扩est，台积电的中介层优先供自家 CoWoS。

第三步是几十万颗量产。大中介层在回流焊时会翘曲：中介层磨到约 100 微米，上面的硅裸片、下面的有机载板、中间的硅，三者受热膨胀的幅度各不相同，芯片越大翘得越厉害。解决翘曲要改凸块布局、改供电走线、改载板叠层，封装必须和芯片一起设计，谁同时掌握裸片工艺和封装工艺，谁的迭代就快一轮。

第四步是几百万颗规模。已知良品测试成为硬约束：用 FormFactor 2022 年案例里的假设，GPU 裸片良率 60%、每座 HBM 塔 80%est，如果不先测就把 1 颗 GPU 和 8 座塔贴在一起，整体全好的概率只有 0.6 × 0.8⁸ ≈ 10%方法。测试探针、测试机台和测试时间都要提前备好；同时一条线从下单到放量要 1.5–2 年，预测错了折旧自己扛。到这一步，单一买家很难摊薄这些固定成本，只有同时服务多家芯片公司的晶圆厂级封装线算得过账。

推演的结论可以收回成一句可检验的判断：CoWoS 的集中不是偶然的先发优势，它由中介层必须在晶圆厂里做、封装必须与芯片协同设计、测试与折旧必须靠多客户摊薄这三件事共同决定。反过来，外包封测厂能切进来的，主要是不需要中介层工艺的 oS 段，以及已经有晶圆级工艺积累的少数全流程产线。

4.4 2.5D、3D 与三种中介层

2.5D 是并排走线，3D 是上下叠放

2.5D 封装把几颗裸片并排放在同一块中介层上，信号沿中介层的横向走线在芯片之间传递，距离是毫米级。3D 封装把裸片上下叠放，用 TSV 或者两颗裸片表面的铜直接对铜键合穿过去，距离缩短到几十微米。HBM 本身就是 3D：8 层或 12 层 DRAM 叠成一座塔（第 5 章）。两种做法在同一颗加速器里可以同时出现，AMD 官网对 MI455X 的描述就是计算裸片用 3D 混合键合叠起来，再放在 CoWoS-L 封装上与 HBM 并排hard。

代价各不相同。3D 的路径最短，但下层芯片的热要穿过上层才能散出去，两颗裸片必须同时设计、同时测好，任何一颗坏了整叠报废；2.5D 的路径长一些，却能把不同工厂、不同工艺的芯片拼在一起，比如台积电的逻辑裸片和存储厂的 HBM，散热也容易处理。所以 AI 加速器在计算与存储之间用 2.5D，在存储内部和部分计算裸片内部用 3D。

三种中介层是在走线密度和面积之间换

硅中介层（对应 CoWoS-S）是一整块硅，走线精度在一微米以下，能打 TSV，布线密度最高。代价是硅要用晶圆厂工艺加工，面积大到超过一次曝光时要拼接曝光，面积越大良率越低、翘曲越重，而且硅与有机载板的热膨胀差异最大。

RDL 中介层（对应 CoWoS-R）用有机聚合物加铜再布线层代替硅，便宜、柔顺、容易做大，但线宽是几微米级，同样宽度排下的线更少，适合带宽要求没那么极端的组合。

桥接（对应 CoWoS-L）把一小块局部硅互连（LSI）只埋在 GPU 与 HBM、GPU 与 GPU 相邻的边缘下面，其余面积用有机再布线层。它把昂贵的细线硅只用在真正需要的几毫米宽的地方，封装面积因此可以继续放大，代价是桥的定位精度、多种材料混合带来的翘曲管理和更长的组装流程。英特尔的 EMIB 走的是同一思路，只是把硅桥埋进载板而不是中介层。

型号的边界在卖方口径里并不清楚。JPM 的产能分配表把台积电之外的产能写成「CoWoS-L、FoCoS、EFB」一行，也就是把日月光自家的扇出型封装和桥接封装都算进了 CoWoS；联电则判断客户会转向真正的 3D 叠放，把当下 CoWoS-S 的紧张看作暂时现象。读任何「CoWoS 产能」数字之前，都要先问它算的是哪几种型号。

4.5 微凸块、TSV 与 CoW、oS 两段工序

微凸块决定能铺多少根线

微凸块是裸片底面一排排几十微米高的铜柱，顶上带一层焊料，一颗大裸片底下有几万个。贴片时这几万个凸块要同时对准中介层上的焊盘，容差只有几微米，好比从十楼扔下一副扑克牌，每张都要落进地面上对应的信封；贴好之后再往缝隙里灌底部填充胶，把焊点周围的应力分散掉。凸块间距越小，同一条芯片边上能引出的信号线越多，GPU 与 HBM 之间的带宽越高，但对位精度、焊料体积控制和翘曲的要求也同步变严，任何一个焊点虚连或短路，整颗封装就要报废。

TSV 是在硅里打几十万口竖井

中介层上表面有横向走线，供电和对外信号却要穿过硅片到达下面的载板，所以要在硅里刻出几十万个直径几微米到十几微米的竖孔，孔壁先做绝缘和阻挡层，再灌满铜，然后从背面把晶圆磨薄到约 100 微米，让铜柱露出来。孔要细而深，几十万个一个都不能堵；铜和硅受热膨胀的幅度不同，温度一变，孔周围全是应力。深孔刻蚀、镀铜和背面减薄都是晶圆厂的设备与工艺，传统封测厂既没有机台也没有工艺积累，这一条把中介层制造锁在了晶圆厂里。

CoW 与 oS 是两段不同性质的活

完整流程可以拆成五步：做中介层晶圆，在整片晶圆上贴片（CoW），背面减薄露出 TSV 并植 C4 凸块后切开，把每一块装上载板（oS），最后终测。前三步用的是晶圆级设备与洁净度，精度要求最高，长期由台积电自己做；后两步是封装厂熟悉的回流、填胶、加盖板，可以外包给日月光、矽品、Amkor。图 4.1 把 CoW 段画成台积电一家，是为了看清分工做的简化，更准确的说法是台积电占绝大部分。外包段近两年在往前延伸：UBS 明确把日月光 2026 年末约 20 kwpm、2027 年末约 50 kwpm 的产能标成全流程est；Nomura 则估计 2026 年日月光先进封装收入里 oS 段仍占 59%，全流程只占 10%est。

已知良品测试是良率经济学的闸门

已知良品裸片（KGD）指上线贴装之前已经逐颗测过、确认能工作的裸片。前面算过，1 颗 GPU 加 8 座 HBM 如果不先测，全好的概率只有约一成；先测再贴，报废只发生在贴装本身。所以测试分三道：GPU 裸片在晶圆上探针测试，HBM 塔在存储厂出厂前测试，CoW 之后与 oS 之后再各测一次。测试机台、探针卡和测试时间是封装产能里容易被忽略的一段，做晶圆测试的京元电和做存储封测的力成都在这条链上。

市场读数显示同一环节里冷热不均。最近三个月的月营收同比增速减去前三个月（台积电与日月光取 5–7 月，京元电与力成取 6–8 月），台积电和日月光分别加速 19 和 18 个百分点，京元电减速 3 个、力成减速 7 个hard；按 2025 年第四季合并财报口径，毛利率台积电 56.1% 升到 59.9%、日月光 16.3% 升到 17.7%、京元电 34.8% 升到 35.8%，力成则从 19.1% 降到 17.0%hard。紧的是 CoWoS 与高阶封装那一档，封测整体并没有一起变紧。

4.6 产能单位与每片中介层晶圆的产出

CoWoS 产能用 kwpm 计，意思是每月处理多少千片中介层晶圆。工厂按晶圆算产能，因为设备的节拍、洁净室的面积、曝光与刻蚀的机时都以片为单位；一片晶圆上能排几颗封装，则由产品决定。连接两者的量叫每片产出颗数（dpw），芯片越大、带的 HBM 越多，中介层越大，dpw 越低。

引擎登记的 dpw 是：H100 与 H200 为 27.8est，谷歌 TPUv6e 与 TPUv7 为 17.3est，AWS Trainium2 为 17.0est，B200、GB200、GB300 为 15.4est，Trainium3 与其他 ASIC 为 15.0est，AMD MI300 系列为 14.4est，Rubin 与 AMD MI400 为 12.5est。一片 300 毫米晶圆的面积是 70,686 平方毫米，除下来，H100 每颗封装平均占用约 2,543 平方毫米的晶圆，B200 约 4,590，Rubin 约 5,655方法，两代之间封装占用的硅面积翻了一倍多。

dpw 下降对需求的放大可以直接算。100 万颗 H100 加 100 万颗 B200，要吃掉 100 万 ÷ 27.8 + 100 万 ÷ 15.4 = 100,906 片中介层晶圆；同样 200 万颗全部是 Rubin，要 160,000 片，多出 59%方法。如果先把颗数加总再除以平均 dpw 21.6，会得到 92,593 片，少算 8%，所以需求必须按型号逐个除完再加总。

4.7 台积电自有、外包封测厂与 A 股三家

台积电自有产能全部来自卖方推算

台积电从不公布 CoWoS 的绝对产能，所有数字都是卖方根据设备订单、客户排产和供应链访谈推算的。按各家对台积电自有产能的年末估计，2025 年是 70–75 kwpm，2026 年是 110–145 kwpm（中位 130），2027 年是 165–200 kwpm（中位 195）est。这组数里有三处要带着读：Macquarie 那一列报告没有印明是不是只算台积电，Nomura 的 110 是 2025 年 12 月的旧版本，花旗的 200 是把一季度时的旧预期原样搬进了七月的报告。

外包封测厂在 oS 段起家，正向全流程延伸

日月光与子公司矽品是外包段最大的一家，卖方对它 2026 年末 CoWoS 类产能的估计是 15、20、35 kwpm，2027 年末是 45、50、75 kwpmest；Amkor 2026 年末 10–20 kwpm、2027 年末 20–33 kwpm，只有两家卖方印出了它的单列数est。联电约 6 kwpm 的是硅中介层晶圆，不是组装线，而且明确不扩。三星的 I-Cube 与 SAINT、英特尔的 EMIB、力成和京元电，在 26 万份研报库里都查不到产能数字，英特尔一家有「积极扩产」的叙事但没有数量。

A 股三家做的是国产 2.5D，服务的主要是另一条轨道

长电科技是综合封测厂，全球委外封测排第三、大陆第一，XDFOI 芯粒扇出型异构封装已量产；2026-08-11 系统按三份独立访谈确认其 2.5D 已量产，有海光、寒武纪、昆仑芯的具名订单。高端产线所在的子公司长电微电子 2025 年仍亏损 1.92 亿元hard，UBS 预测它 2026–2028 年收入年复合增速 97%est。

通富微电的第一大客户占营收 52.29%hard，这个客户是 AMD，Third Bridge 的专家口径是约 60%；槟城工厂的 3 纳米多芯片封装已通过验证，凸块与晶圆测试 2025 年 10 月投产。它在问询函回复里披露，南通厂「高性能计算及通信」封测线 2025 年产能利用率 78.88%，上半年 70.27%、下半年 87.14%hard，这组数有三条限定：高性能计算及通信比 CoWoS 宽、只含南通不含苏州与槟城、单位是万块而不是千片晶圆。

盛合晶微做中段凸块、晶圆级封装和 2.5D/3D 芯粒集成，是大陆 2.5D 收入第一、12 英寸凸块产能最大的一家，芯粒多芯片集成封装收入 2025 年上半年 17.82 亿元、占主营 56.24%，2022 年只占 5.32%hard。它与华为深度绑定量产出货，但招股意向书披露 2025 年上半年各产线利用率只有 57.04%、63.42%、64.20%、79.09%hard，专家纪要说它 2026 年不再扩 2.5D、转向扇出封装，因为现有约 10 kwpm 还没用满est。国内先进封装的紧，更多是特定客户拿不到合格产能：专家的定性说法是，若国内 2.5D 总产能 20 kwpm，华为可能占走 18 kwpm。国产轨道的供需在第 16 章展开。

4.8 需求的推导

CoWoS 是研究系统里唯一自下而上加总需求的环节。需求的物理含义是：要封装这么多颗加速器，每月需要处理多少片中介层晶圆。它不区分由谁封装，台积电、日月光还是 Amkor 做的都算在内。

公式里的 k 是一把换算尺。型号出货网格来自参考基准模型，它的年度合计与公开可查的真实出货不是同一把尺，k 等于真实出货除以模型口径合计，逐年一个值、季度之间线性过渡。四个年度锚是 2024 年 740 万颗、2025 年 1,020 万颗、2026 年 1,650 万颗、2027 年 2,400 万颗est，对应 k 为 1.140、0.979、0.818、0.805方法。引擎把前两年的锚登记为 hard，但它们来自摩根大通与瑞银的测算，按本书分级都是 est；2027 年的 2,400 万颗名义上有三家支撑，其实摩根大通与摩根大通亚洲是同一家，独立机构只有两家，区间是 2,330 万到 2,760 万。

以 2027 年第一季度为例，逐个型号除完再加总：

把同一套算法铺开到窗口里，行业需求从 2025 年一季度的 44.0 kwpm 升到 2026 年四季度的 110.8 kwpm，2027 年二季度达到 138.7 kwpm 后小幅回落，四季度为 135.4 kwpm方法。九个季度里需求涨到原来的三倍多，同期真实口径的加速器颗数约涨到 2.6 倍，多出来的部分来自上一节的 dpw 下降。

这条需求线有三处软肋要随数字一起带走。第一，k 只校正总量不校正结构：模型网格里 2027 年 ASIC 约占 63%、英伟达约 27%，而真实出货锚的构成是英伟达约 51%、ASIC 约 41%，2026-08-06 的源头表测算过，按锚的结构重算，中介层晶圆需求会高约 3.6%方法。第二，出货量是外生给定的，不会因为 HBM 或载板不够而被削减，它回答「压力在哪、多大」，不回答「最终出多少货」。第三，记分卡的全篮警告同样适用：需求系数里实质 hard 的一条也没有。

4.9 供给的约束与口径冲突

刚的是中介层与 CoW 线，前置期 1.5–2 年

记分卡给 CoWoS 的供给刚性打了满分 3 分，依据是三条：建线前置期 1.5–2 年，台积电在中介层环节约占 85% 份额，台积电从不披露绝对产能。前置期这一条只有口述来源，没有独立的一手锚，但它与 4.3 节推演出的约束一致：中介层和 CoW 需要晶圆级设备、洁净室和良率爬坡，今天没下单的设备，两年内变不成产能。相对有弹性的是 oS 段，它用的回流炉、填胶机和贴盖设备更通用，能做的厂也多；但 oS 扩得再快，也绕不过前面中介层与 CoW 的产能。

已宣告的增量里，台积电自有产能从 2025 年末的 70 kwpm 升到 2026 年末 130 kwpm、2027 年末 180 kwpm（UBS）；日月光与 Amkor 在 2026 年末各 15 kwpm、2027 年末分别 45 与 25 kwpm（广发）est。窗口之外，广发给台积电 2028 年 220 kwpm，高盛给出含苹果手机芯片所用 WMCM 封装在内的年均约 290 kwpm，这两条只有两家来源。

引擎曲线的登记口径与它的水平不一致

CoWoS 是 13 个环节里唯一允许引用利用率绝对水平的环节，所以它的供给分母必须先对清口径。引擎那条供给曲线登记为「台积良率后＋外包」，但水平逐年等于「台积自有」：与台积自有产能中位数相比，2025Q4、2026Q4、2027Q4 分别高 6.1%、高 1.8%、低 2.3%；与台积电加外包的行业中位数相比，分别低约 19%、22%、24%方法。需求侧算的是全部加速器，不区分谁封装，分母本应是行业合计。

这是两个不同的量，引用时必须说清是哪一个。前者回答「引擎离行业中位差多远」，后者回答「行业口径比台积口径大多少」。旧写法「偏高 20–24%」错在两层：那组数其实是引擎比行业低多少的向下差，拿它当补量用会少补约一半；按每家卖方用自己的两条腿配对重算，2027 年的差距是 +39%，五家里只有 JPM 一家落在 20% 附近。把外包补回分母，供给变大，利用率变低，这个环节的紧张度水平是更松而不是更紧。为什么没有补，还要回原始月度供给序列核，状态是待核。

行业口径三情景，窗口内不短缺

把每家的行业合计当作一个样本，最低一家（JPM）作 Tight，中位作 Base，最高一家（美银，外包取区间中值）作 Loose，年末锚之间按季度线性插值，这一步是显式假设。结果是：2027 年末行业产能 215–280 kwpm，约 ±13.1%，等于台积电中位 180 加外包 35–100方法。三情景的峰值利用率在 0.850 到 0.962 之间，都出现在窗口第一季 2025Q1，整个 2025Q1–2027Q4 窗口不短缺方法；按专家纪要，全球先进封装产能与数据中心需求约在 2029 年前后达到平衡est。UBS 自建模型里的行业稼动率 2026 年 82%、2027 年 95%est，说的也是 2026 年产能跑在需求前面，2027 年回紧。

不确定性几乎全部来自外包段。五家卖方对 2027 年末外包产能的估计从 35 到 105 kwpm，差 3 倍，并列不取均值est；台积电那条腿只在 165–195 kwpm 之间，约 ±9%，外包的分歧被大而稳的台积电腿稀释，所以行业合计只差三成多。JPM 那条低线与其余四家无法调解：它自己的分配表推出外包 2027 年稼动率只有 66%，说明它认为铭牌本身就低，但同一张表又把日月光的扇出型与桥接封装计入 CoWoS，自相矛盾。剔掉 JPM，Tight 峰值会从 0.962 退回 0.863；保留它，行业口径自己的 Tight 角已经贴近 1。

4.10 价值量、成本结构与租金归属

从产出侧看，封装是加工闸门，价值大头在来料

从一颗加速器的物料看，价值最大的是 GPU 裸片本身，其次是 HBM 塔，再次是 ABF 载板，CoWoS 封装是把它们拼起来的那道加工。以 Rubin 为例，8 座 HBM4 12 层塔按专家估价约 4,600 美元，已经是封装之前的来料。库内没有 CoWoS 的一手报价，价格腿全空，所以本章不给每颗封装的金额。能确定的是结构：封装费在整颗加速器价格里占比不高，但它决定这颗加速器能不能被造出来，稀缺时的价值体现在分配权和工艺溢价上，而不一定体现在看得见的涨价公告里。

从利润侧看，毛利率差距正好落在工序分界线上

把同一环节里几家公司的毛利率放在一起，分界线很清楚。台积电毛利率从 56.1% 升到 59.9%，这是公司合并口径，台积电不单独披露 CoWoS 的毛利率，研究系统用它作中介层这一层的代理；三家 A 股封测厂 2025 年毛利率 14.15% / 14.59% / 30.99%，分别是长电科技、通富微电和盛合晶微hard。盛合那 30.99% 来自利用率从低位回升与 2.5D 单位成本下降，公司自述不是因为产能吃紧。台系封测里只做测试的京元电和做存储封测的力成，一个小升一个下降。

从投入侧看，订单在前置而毛利率没有跟上

三家 A 股封测厂的合同负债 2025 年同时大增，长电 +69.3%、通富 +112.5%、盛合 +74.8%hard，这是客户提前付款锁产能留下的现金痕迹。投入也在加码：长电资本开支 +37% 到 63 亿元，而固定资产只增加 9%，大额投入尚未转固；通富在建工程 −36% 转入固定资产，固定资产 +33%，资本开支仍 +36%，公司规划 2026 年资本开支 91 亿元；盛合在建工程 +36%hard。同一时期毛利率长电只回升 1.09 个百分点、通富反降 0.26 个百分点，订单和资本开支在涨，定价没有跟着涨，通富那一侧是典型的以量补价。

租金归属因此可以从两个角度对上。从投入侧看，资本强度、TSV 与对位工艺、良率学习和客户协同设计全部压在中介层与 CoW 段，台积电在这一段占约 85% 份额，客户短期内无法换厂，这些条件同时满足，稀缺才变成租金。从产出侧看，这份租体现在台积电约 60% 的公司毛利率和分配产能的权力上；oS 段和国产 2.5D 线的供应商多、部分产线用不满，毛利率停在加工费水平。

4.11 A 股映射与公司读数

记分卡对 CoWoS 的第六格判定是「只能收二层租」：A 股有三家公司在这个环节里，都不在卡点上。卡点是中介层与 CoW，台积电占约 85% 份额且不披露产能；三家 A 股的毛利率在 14%–31% 之间，与台积电约 60% 的差距对应的正是工序分工。四道门的读数来自引擎 2026-08-31 的快照，门 1 查 AI 收入能否拆出，门 2 查客户认证有无实证，门 3 查产能有无真投，门 4 查产品价格与毛利有没有上去。

长电科技是三家里唯一四门全过的一家，也是估值分位最高的一家。它的先进封装收入口径有分歧：引擎和记分卡按「先进封装收入 270 亿元、占 69.5%」计门 1，公司速览却注明年报分产品表只列芯片封测一项、未单列先进封装金额，这一格记待核。更要紧的是传导：系统 2026-08-11 的重写判定指出，国内 2.5D 需求被华为链占满、非华为链产能过剩，长电的 2.5D 产能「等米下锅，米在中芯手里」，真正的卡口在中芯的先进制程晶圆，不在封装环节。

通富微电的门 1 不过，因为年报只列集成电路封装测试一项；它的弹性来自 AMD 的出货与槟城工厂的新制程封装，单一大客户占比高，涨价弹性拿不到。盛合晶微是三家里财务改善最快的一家，毛利率一年升 7.45 个百分点，但产线用不满、明确不扩 2.5D，且未纳入互联互通，外资通道建不进；它所在的其实是国产链的封装约束，与台积电体系的 CoWoS 缺口没有直接关系。

估值分位有两套口径，结论不一致，不许取平均：引擎 D4 的三年分位长电 96.9、通富 82，每日估值盘按前瞻市盈率算的三年分位长电 89、通富 68（2026-09-06）。8 月初旧模型曾给长电 10M 的建议仓位，2026-08-10 引擎补乘 k 之后 CoWoS 缺口峰值移到 2024Q4，长电随即退出；按 2026-09-07 裁定后的真账，本环节三家都是 0M。

4.12 系统读数与未解决问题

这一环的证据结构有一个特点：方向读数很硬，水平读数全部是估计。合同负债、毛利率、月营收都来自公司财报和交易所申报，属于 hard；而供给侧九条产能锚全部是卖方建模的计划或期末铭牌产能，台积电与外包厂都不披露，没有一条能升到 hard；需求系数里实质 hard 的一条也没有；价格腿完全空白。记分卡因此规定，本卡的 ①② 不引用任何利用率绝对水平，只写「行业口径下三情景全期无短缺，口径待核」。

在账的判断有四条。一是「2027 年全年不再触及 2024Q4 的峰值」，它的基准值要等口径核完再定。二是一家卖方 2026-03-16 给出 2027 年末约 140 kwpm，我方押注实际落点不低于 165 kwpm。三是市场引用的 CoWoS 产能数字全部是第三方推算。四是长电用前道晶圆厂级别的资本强度换回个位数百分比的产能份额，在国产 CoWoS 里并列第三而不是龙头。

尚未解决、会改变结论强度的问题按影响排序：

• 引擎那条唯一可引用水平的供给曲线，登记为「台积良率后＋外包」，水平却落在台积自有上；外包是否进分母仍待回原始月度序列核实，状态为待裁。核实之前，本环节引用绝对水平时必须同时写明用的是引擎口径还是行业口径。
• 外包段的五家估计差 3 倍，JPM 的低线与其余四家不可调解，并列保留；它决定 Tight 峰值是 0.962 还是 0.863。
• 外包数字里有多少只是 oS 段而不是中介层段，没有任何一家卖方说清，这是行业口径最大的一条不确定。
• 2024 年只有一个来源、2025 年只有两个来源，这两年的「带」实际上不是带；带只在全部是预测值的 2026–2027 年才真正张开。
• 封装良率三组口径（0.96 与 0.90、0.65 与 0.58、中介层 98%）主语不同，未核；长电先进封装收入 270 亿元、占 69.5% 的口径待核；两套估值分位对长电、通富给出不同答案。

4.13 对投资判断的含义

CoWoS 是一个「物理上刚、窗口内不缺、租金在 A 股之外」的环节。它对研究系统的意义大于对 A 股选股的意义：它是全链需求的源头，也是唯一允许引用利用率水平的环节，先把分母口径核清楚，比挑哪一家封测厂更要紧。落到尽调，可以按四个问题收尾。

领先多少

台积电在中介层环节约占 85% 份额，毛利率约 60%，外包封测里最大的日月光毛利率约 18%；2027 年末台积电自有产能的卖方估计是 165–200 kwpm，外包合计 35–105 kwpm。要问的是：外包全流程产能从 2026 年末约 20 kwpm 到 2027 年末约 50 kwpm 的爬坡，有多少已经通过英伟达和主要 ASIC 客户的认证，又有多少只是 oS 段在扩。

领先来自哪里

来源是三件事的叠加：中介层与 TSV 的晶圆级工艺；与前道逻辑裸片同厂带来的协同设计与良率数据；紧缺期的产能分配权。要问的是：CoWoS-L 与载板内硅桥普及之后，大面积硅加工的比重下降、组装与测试的比重上升，领先会不会部分迁移到对位与测试能力上；联电押注 3D 叠放、英特尔扩 EMIB，这两条路线在库内都只有叙事没有产能数字，何时能看到可验证的量产数据。

能维持多久

按行业口径，2026 年产能跑在需求前面，2027 年回紧，平衡点约在 2029 年。要问的是：外包铭牌产能有多少是在产的；每一代封装面积变大，dpw 继续下降，会不会把 2027 年的回紧提前或放大；型号结构在英伟达与自研 ASIC 之间怎样变化，因为同样的颗数，型号结构不同，吃掉的中介层晶圆能差近四成。

规模是否强化优势

封装面积越大，翘曲控制与良率学习越依赖批量，台积电同时拥有裸片和封装两段的数据，规模会继续强化它的位置。对 A 股，问题要换成国产链的问题：国产 AI 芯片的量产节奏能否把盛合、长电、通富的 2.5D 产线用到八成以上；中芯先进制程晶圆的配给是否放宽；长电与通富的全流程能力能否拿到海外主流客户的认证。这些信号出现之前，A 股封测厂在这一环只能收二层租。

5.1 产业链位置与边界

HBM（High Bandwidth Memory，高带宽存储）在物理上就是 DRAM，也就是服务器内存条里那种靠电容存数据的芯片，只是换了一种形态：把 8 层、12 层乃至 16 层 DRAM 裸片垂直叠成一座塔，层与层之间用硅通孔（TSV）打通，塔底再垫一颗负责接口的 base die。一座塔叫一个 stack，本书写作「塔」。成品塔运到台积电，与 GPU 裸片一起贴在 CoWoS 的硅中介层上（第 4 章），离 GPU 只有几毫米。

HBM 的供应几乎只有三家：SK 海力士、三星、美光。它们都是从 DRAM 设计、晶圆制造到叠塔测试一条龙自己做的存储厂，不找代工，也不给别人代工。按记分卡记录，HBM4 在 2026 年的份额是 SK 海力士 54%、三星 28%、美光 18%est。HBM4 开始出现一处分工变化：塔底的 base die 改用逻辑工艺，SK 海力士和美光交给台积电 12 纳米代工，三星用自家 4 纳米逻辑线est。

边界有两条最容易划错。HBM 不是 GPU 的一部分，也不由台积电代工，GPU 裸片是英伟达设计、台积电制造，HBM 塔是存储厂自产，两者只在封装线上会合；所以英伟达一颗加速器的产量同时受台积电 CoWoS、存储厂 HBM、载板厂 ABF 三家产能约束，研究系统把它们拆成三条独立的供需线。HBM 也不是服务器上插的 DDR5 内存条，内存条上用的接口芯片与 HBM 无关，这一点决定了 A 股映射的结论（5.13 节）。

5.2 物理问题与成本来源

带宽墙逼出 HBM

内存墙的原理见第 2 章。简单说，大模型推理时每生成一个 token，都要把整套权重从存储里读一遍送进计算核心，GPU 的算力增长快于存储的吞吐增长，计算核心越来越多地在等数据。带宽等于并行线的根数乘以每根线的速率，而线的根数与长度受制于物理位置：插在主板上的内存条隔着几厘米铜线，线少且长；HBM 塔贴在 GPU 旁边几毫米处，走的是中介层上微米级的导线，一座塔与 GPU 之间可以铺开几千根并行线。

厂商原文给出了带宽的量级。AWS 写明 Trainium3 每颗芯片配 144 GB HBM3e、内存带宽 4.9 TB/shard；AMD 写明 MI455X 配 432 GB HBM4、分 12 座塔、峰值内存带宽 23.3 TB/shard，一篇独立拆解文章写每座塔通过 2,048 位的并行接口连到计算裸片est。

成本花在晶圆面积、叠层良率与测试上

HBM 的成本结构与普通 DRAM 不同，差别来自四处。第一是晶圆面积：每颗核心 die 要预留 TSV 区域和额外的供电与信号通道，面积比同容量的标准 DRAM die 大，同一片晶圆切出的 die 更少。第二是良率的连乘：一座 12 层塔要 12 颗核心 die 全好，再加每一层键合都成功，单层的小损失被放大成整塔的大损失。第三是工艺步骤：刻 TSV、把晶圆磨薄到几十微米、逐层键合，都需要额外的设备和机时。第四是测试与认证：每颗 die 叠上去之前要测，叠完要测，还要按 GPU 厂商的规格逐代认证。

这些成本最后体现在价格上。按专家纪要，HBM4 每 Gb（千兆比特，8 Gb 等于 1 GB）约 2.00 美元，一座 12 层 36 GB 的塔约 576 美元；HBM3E 每 Gb 约 1.50 美元，一座约 400 美元est。一颗 Rubin 配 8 座 HBM4，存储这一项约 4,600 美元方法。

5.3 自建推演

假设一家 GPU 公司想绕开三家存储厂，自己解决内存。它会按规模依次撞上五道约束，每一道都把门槛抬高一个量级。

第一道是带宽。最省事的做法是继续用服务器上的 DDR5 内存条，容量够、价格便宜，但几厘米的铜线把带宽限制在远低于需求的水平，GPU 大部分时间在等数据，这条路走不通。

第二道是面积。把普通 DRAM 裸片直接平铺在中介层上，距离问题解决了，可中介层面积有上限，GPU 裸片自己占掉一大块，留给存储的只有几条边，平铺能放下的容量远远不够，只能往上叠。

第三道是叠层工艺。要叠，就得在每颗 DRAM 裸片里打 TSV，这意味着要重新设计 DRAM 裸片、在 DRAM 工艺里加入深孔刻蚀和镀铜，再把晶圆磨到几十微米薄。这些步骤必须在 DRAM 工厂里做，而领先制程的 DRAM 工厂全球只有三家，新建一座厂的前置期约 2 年est。

第四道是良率与测试。12 层叠在一起，任何一层坏了整塔报废，每颗 die 必须先测后叠，每一层键合必须可控；良率每提高几个百分点，都要靠几代产品的量产数据积累。第五道是 base die：到 HBM4，塔底接口芯片改用逻辑工艺，GPU 公司还得同时协调一家逻辑代工厂。

推演到这里，结论从问题里长出来：HBM 的供给天然集中在同时拥有领先 DRAM 工艺、叠层良率经验和客户认证的少数存储厂手里，新进入者要同时补齐三样，窗口内做不到。国产 HBM 的处境在第 16 章讨论，公开信息有限，研究系统标为待核。

5.4 DRAM 的物理原理

DRAM 的一个存储单元由一个晶体管和一个电容组成。电容里存着电荷记为 1，没有电荷记为 0；晶体管是开关，由横向的字线控制开合，打开时电容与纵向的位线接通，外部电路就能读出或写入电荷。一颗 DRAM 芯片就是几十亿个这样的单元排成的阵列，外加读写放大电路和接口。

电容存在两个物理麻烦。其一，电荷会慢慢漏掉，几十毫秒量级之后就可能分不清 1 和 0，所以芯片要周期性地把每个单元读出来再写回去，这叫刷新。其二，读出本身会把电荷放掉，读完必须写回。刷新与读后写回让 DRAM 永远在耗电、在占用读写电路，这也是 DRAM 的访问速度和功耗管理始终是系统设计难点的原因。

DRAM 的进步主要靠把单元做小：电容越做越细越高，同一颗 die 上塞下更多比特，工艺代号从 1a、1b 走到 1c，卖方报告里也写作 1Beta、1Gamma。标准 DRAM 按行业统一的接口规范生产，不同厂家的产品可以互换，价格像大宗商品一样随供需大幅波动：常规 DRAM 合约价 2026 年二季度环比上涨 74%，三季度的指示涨幅收窄到 8%–13%est。HBM 则按某一代 GPU 的规格定制、逐代认证，更接近按合同锁定的长约供货，但它吃的是同一批 DRAM 晶圆。

5.5 HBM 的结构与层数

一座 HBM 塔自上而下是这样：若干颗 DRAM 核心 die 叠在一起，每层都被磨薄到几十微米，层与层之间是键合层，几千个 TSV 纵向贯穿全部核心 die，把电源和信号送到每一层；最底下是 base die，负责与 GPU 之间的物理接口、信号缓冲和测试电路；base die 底面的微凸块再落到中介层上。层数有 8 层、12 层、16 层几档，塔的总高度要与封装里的 GPU 顶面配合，层数越多，每层就得磨得越薄。

单塔容量由层数和每颗 die 的容量决定。按研究系统的裁定口径，HBM3E 与 HBM4 的 12 层塔都是 36 GB，8 层 HBM3E 是 24 GB，16 层的 48 GB 属于 HBM4Eest；早期 HBM3 与 HBM2E 的 8 层塔是 16 GB。英伟达 Rubin 配 8 座 HBM4 12 层塔，共 288 GBest，这条规格是英伟达的一次披露被至少 15 份卖方报告转述，只算一个数据点。

每颗加速器配几座塔是公开规格，也是需求公式里唯一的专属乘数。英伟达 H100 配 5 座共 80 GB、H200 配 6 座 141 GB，B200 与 GB200 各 8 座 192 GB，GB300 与 Rubin 各 8 座 288 GB；谷歌 TPUv7 配 8 座 192 GiB，TPUv6e 配 4 座 32 GB；AWS Trainium2 配 4 座 96 GB，Trainium3 配 4 座 144 GB；AMD MI400 系列配 12 座 432 GBest。按本书分级，只有 AMD 与 AWS 的容量和塔数写在厂商官网原文里，其余是研究系统登记的公开规格，需求系数统一不标 hard。

5.6 HBM3E 到 HBM4 与 base die 转向代工

HBM4 与 HBM3E 最大的结构差异在塔底。HBM3E 的 base die 仍用 DRAM 工艺，在存储厂自己的晶圆上做；到 HBM4，base die 要承担更高速率的接口和更复杂的逻辑，改用逻辑工艺，SK 海力士与美光交给台积电 12 纳米，三星用自家 4 纳米逻辑线。一座 12 层塔仍是 13 颗 die，但吃掉 DRAM 晶圆的只有 12 颗。研究系统据此把每塔的 DRAM 晶圆消耗分三档：HBM3E 8 层记 9 颗，HBM3E 12 层记 13 颗，HBM4 12 层记 12 颗；若任何一家把 base die 搬回 DRAM 线，该家改记 13 颗，三星最可能，那样中位情景（Base，5.11 节展开）的峰值利用率会从 0.9765 升到 0.9946方法。

HBM4 的核心 die 也更大，卖方在这件事上分两派。JPM 认为面积从 120 平方毫米增到 125 平方毫米，约大 4.2%，Macquarie 给 121 到 126，约大 4.1%；华泰把每片 442 颗一路平推到 2027 年，等于不认为有惩罚；Nomura 则说 HBM4 die 至少大 15%，每片产出少 20% 或更多est。这是真分歧，它直接决定 HBM4 每片的毛 die 是 500 颗还是 419 颗。

代际切换的节奏同样有分歧。按出货比特计，HBM4 在 2026 年占 HBM 的 30%–34%，三家卖方收敛est；到 2027 年，单算 HBM4 是 35%、39%、64%，只有两家独立来源、跨度近 30 个百分点，连 HBM4E 一起算是 49%、59%、83%，三家口径不齐（两家看供给、一家看需求）est。新一代的良率还要从头爬：UBS 估计美光 HBM4 起步综合良率 42%，比同期 HBM3E 低 6 到 8 个百分点；JPM 估计 16 层 HBM4E 的 TSV 良率比同厂 12 层 HBM4 低 13 到 14 个百分点est。

5.7 键合方式与三家的良率差距

三种键合，是三种把层与层连起来的办法

热压加非导电薄膜（TC-NCF）是逐层做的：每叠一颗 die，先在它背面贴一层不导电的薄膜，再用加热加压的键合头把凸块压实，薄膜同时固化成层间填充。它对很薄的 die 翘曲控制得好，工艺成熟；代价是逐层加热加压，节拍慢，薄膜里容易留下空洞。华泰 2024 年的报告估计 TC-NCF 的良率在 40%–60% 之间est，这是较早年份的读数。

回流加模塑底填（MR-MUF）是先把各层对位叠好，一次回流把所有焊点同时熔接，再把模塑填料灌进层间缝隙。一次熔接的吞吐更高，填料的导热也更好；代价是薄而大的 die 在整体受热时更容易翘曲，窄缝里的填料流动和空洞要精细控制。业内公开的工艺路线里，SK 海力士以这条路线著称，三星与美光长期走热压加薄膜路线。

混合键合去掉了凸块，把两颗 die 表面的铜焊盘和介质层直接贴合，再退火形成铜对铜连接。层间几乎没有间隙，同样的塔高能叠更多层，电阻和热阻也更低，被视为更高层数的候选。代价是表面必须达到前道工艺级别的平整和洁净，一颗微粒就可能让整层失效，设备昂贵；26 万份研报库里没有任何一家给出 HBM 混合键合的良率数字，Bernstein 在 2026-08-28 的存储报告里只写了一句怀疑它的良率与成本是否已具备量产条件。

三家的键合良率差距，专家口径比卖方口径宽得多

研究系统按 2026-09-07 的裁定，把键合良率作为情景变量：SK 海力士取 0.80、0.85、0.90，三星取 0.30、0.45、0.60，美光没有任何实证，借用 SK 的值并逐字标注「not empirically anchored」。卖方给出的差距窄得多：JPM 估计 2026 年 12 层 HBM4 的 TSV 良率三星 77%、SK 83%；华泰给的 TSV 加键合良率三星 60%、SK 72%；摩根士丹利给的综合良率三星 55%、SK 65%est。引擎用的三星区间比任何一家卖方都悲观。

「80%」这个数在库里出现过四次，是四种不同的量：SK 海力士自述的 HBM3E 键合良率约 80%，经华泰转引；FormFactor 2022 年案例假设的 HBM 塔良率 80%，经 Bernstein 转引；摩根士丹利给 SK 海力士 2025 年的综合良率 80%；专家说 HBM4 的行业目标良率是 80%，现值 60%–70%。研究系统的在账判断是：HBM4 良率 60%–70% 才是限制出货的因素，键合设备并不是卡口，理由之一是美光能推迟设备订单；市场的流行说法则是某一家封装设备商是唯一能量产 HBM4 键合的供应商。

5.8 良率三层与双计陷阱

从一片晶圆到一座可售的 HBM 塔，损失发生在三个物理环节，研究系统在 2026-09-08 冻结的 v2f 版本里把它拆成三层相乘。第一层是毛 die：一片 300 毫米晶圆按 die 面积能排下多少颗，卖方带是 442–524 颗/片est。JPM 用它印出的净晶圆面积 62,879 平方毫米除以 120 平方毫米的 die，得到 HBM3E 524 颗、HBM4 503 颗，并注明未扣良率；Macquarie 给 HBM4 500 颗，同样未扣良率；华泰印的 442 颗其实等于理论值 491 乘以 0.9，已经扣过一次良率。

第二层是 die 良率：每颗 die 在晶圆上测试合格的比例，卖方给 0.85、0.90、0.95 三档est。0.85 来自 Bernstein 的原话「DRAM 的 die 良率大约 85%」与 Macquarie 的同值，0.90 来自华泰的隐含值与摩根士丹利 1Gamma 节点，0.95 来自摩根士丹利 1Beta 节点。两层相乘得到 die 级良品：Base 情景 HBM3E 每片 441.9 颗、HBM4 每片 450 颗方法。第三层是键合良率，已在上一节展开。

双计是这一环最昂贵的错误。Macquarie 在 2026-06-01 的报告里写 Rubin 用的 HBM 每片晶圆毛产出 1,500 GB、良率 50%、净得 750 GBest，这个 50% 是 die、TSV、键合三段合在一起的综合良率。若把它当成第二层 die 良率，再乘上第三层键合良率，同一段损失就算了两次：示范计算里 Base 峰值会变成 1.7577、连续短缺 8 个季度方法。华泰那个 442 也有同类问题，它已含一次 0.9，v2f 在 Tight 情景改用它的理论值 491，否则 Tight 峰值会被抬高 11.1%。

5.9 晶圆消耗与 trade ratio

把 HBM 与普通 DRAM 放在同一片晶圆上比，卖方有一个通行的换算叫 trade ratio：一片晶圆做 HBM 得到的有效比特，大约只相当于做普通 DRAM 的三分之一到四分之一。三家互相独立的来源给出同一量级：Macquarie 写换算比「从目前的 3 比 1 走向 4 比 1」，JPM 写「HBM die 惩罚 3–4 倍」，Mizuho 写「3 比 1 或更高」est。专家纪要给出 SK 海力士的一手描述：HBM 约占它晶圆投入的 40%，却只占产出的 20% 以下est。

惩罚来自四个物理原因叠加：die 为 TSV 和额外通道留出面积而变大；die 良率与叠层良率连乘；一座塔要吃掉 9 到 13 颗 die；HBM3E 的 base die 还要占用 DRAM 晶圆。Nomura 估计 HBM4 每片晶圆的净比特比 HBM3E 再少约 25%，其中约 20% 来自 die 变大，其余来自良率est。

这个换算比曾经造成过一次误读。一份专家纪要说「每片晶圆切约 180 颗 die」，与另一处「每片净得约 600 颗」差了三倍多。经卖方补数核查，180 是 600 除以 3.33 的换算量，不是 die 数：用 JPM 的净晶圆面积反推，每片 180 颗意味着每颗 die 有 349 平方毫米，比 2028 年 HBM5 的核心 die 181 平方毫米还大 93%方法，几何上不可能。这件事的判定理由改过两次，第一次用的「600 乘以三星键合良率 0.30 恰好等于 180」数值吻合却没有任何来源，已作废。

同一片晶圆做 8 层塔比做 12 层塔多出 44% 的塔（13 ÷ 9）。Base 情景下每片晶圆的出塔数从 2025 年一季度的 49.1 降到 2027 年四季度的 37.3，降幅 24.0%；Tight 与 Loose 分别降 28.9% 和 28.4%方法。三档降幅相近，说明代际吃掉产能这件事本身没有争议，有争议的是起点在哪一档，那取决于 die 良率和采信哪一家的毛 die。

5.10 需求的推导

HBM 需求按塔数计，公式里只有一个专属乘数：每颗加速器配几座塔。容量（GB）只作参考，不进需求公式。研究系统的设定是产能约束发生在塔上：一座塔不论 8 层还是 12 层，占用的产线时间与封装工序大致相当，这是简化，层数越多键合步骤越多，5.9 节的晶圆消耗口径会把层数的差别补回来。

需求表 v2.1 在 2026-09-08 按厂商原文改了两处规格。AMD 官网 MI455X 规格页写明 432 GB HBM4、「Stacks of Memory 12」，MI400 由 8 塔改为 12 塔hard；AWS 官网写明 Trainium3 每颗 144 GB HBM3e，按 12 层塔每座 36 GB 反算为 4 塔，另有 Wells Fargo 逐字写「4x HBM3E 12-Hi」佐证，由 6 塔改为 4 塔est。两处方向相反：只改 MI400，2027 年需求 +3.89%；只改 Trainium3，−5.52%；合起来 2026 年全年 −3.07%、2027 年全年 −1.63%方法。旧值并非凭空：Trainium3 的 6 塔与摩根士丹利 2026 年 4 月的估计一致，只是 AWS 在 2025 年 12 月的正式公告已经写了 144 GB，卖方预测没有跟上。

按同一公式铺开，v2.1 的 HBM 需求从 2025 年一季度的 1,487 万座升到 2026 年四季度的 3,409 万座，2027 年二季度达到 4,254 万座后小幅回落，四季度为 4,135 万座；全年口径 2026 年约 1.09 亿座、2027 年约 1.66 亿座方法。

这条需求线有四处软肋。第一，其他 ASIC 这个口袋 2027 年四季度占塔数需求的 17.88%，却没有任何一家公司原文支撑，它的 6 塔是按 Meta、微软、OpenAI 等成分加权得到的 4.6 到 6.9 之间的值，塔数每差 1 座，2027 年需求摆动约 3%方法；而且 2024–2025 年这个口袋里出货最多的 Meta MTIA 前两代用的是 LPDDR5，根本不用 HBM，早期的 6 塔是虚高的。第二，口袋的出货量与 UBS 同口径的估计差 3.6 倍，只能用来定塔数系数，不能用来校准出货。第三，k 只校正总量不校正结构，2026-08-06 的源头表测算过，按真实出货锚里英伟达过半的结构重算，HBM 需求会高约 7.2%方法。第四，出货是外生的，不因 HBM 不够而削减，这里的需求是「不受约束的需求」。

5.11 三家供给、合同预分配与 v2f 三情景

供给公式与一个季度的完整算例

以 Base 情景 2027 年二季度为例。三家季末产能按年末锚插值为 SK 海力士 229、三星 239.5、美光 105 kwpm，分别乘键合良率 0.85、0.45、0.85，加总为 391.7；乘以每季 3 个月和每片 37.07 座塔，得到约 43,560 千座；同季需求 42,538 千座，利用率 0.9765方法。若把 die 良率从 0.90 换成 0.85，每片出塔数按比例降到约 35.0，供给约 41,140 千座，利用率变成 1.0339方法。一格参数就把「不短缺」翻成「短缺」，这就是本环节「只引方向与带、不引水平」的原因。

三家产能锚全部是券商预测

产能锚是回原报告逐条核过的。Tight、Base、Loose 分别取各家卖方逐年估计的最低、中位、最高，与 CoWoS 同一规则；Loose 在 2026、2027 年封顶到卖方最高值，研究系统原来那组模型锚 680 与 870 落在卖方带之外，只作对照。2027 年末有六家卖方给出三家合计，从 580 到 690 kwpm，中位区间 605–610est。Base 2026 年合计 514 kwpm，与高盛独立给出的行业合计 515 kwpm 只差 0.2%。

这张表要带着三条限定读。第一，2027 年的产能值全部是券商预测，研究系统专门找过「2027 年已装机产能」，一家都没有，而同样的检索在 2025 年能拿到公司自述值，说明查法有效。第二，约 10% 的宽度是口径而不是分歧：美银写明后道 TSV 产能通常比前道晶圆产能大 10% 以上，有的卖方记前道、有的记后道。第三，洁净室空间不等于已装机产能：Nomura 给 2027 年末全 DRAM 洁净室 2,310 kwpm，UBS 同年三家 DDR 加 HBM 的产能合计 1,765 kwpm，差 24%est。

2027 年的产能已经被合同分配完

比产能测算更硬的是一条合同层面的证据。研究系统 2026-08-04 登记的原文是：美光、三星、SK 海力士三家主要 DRAM 厂已经预先分配了 2027 年的产能est。即使产能按计划扩出来，也已经名花有主。缓解时点逐条看：SK 海力士 M15X 从 2026 年初每月 2 万片爬到年底 4 万片，2027 年年中投入使用；三星新厂初期约每月 1 万片，2026 年底前扩到数倍；三家新厂 2027 年上半年完工，大规模设备投资在那之后才开始；三星平泽 P5 的 HBM 产能约 +50% 要到 2028 年，在窗口之外；新建一座厂的前置期约 2 年est。窗口内没有一条已宣告的增量能把 Tight 情景推回不短缺。

v2f 三情景只引方向与带

2026-09-08 冻结的 v2f 版本给出三条供给曲线，与需求 v2.1 相除。Tight 峰值 1.54，出现在 2027Q1，短缺 7 个季度；Base 峰值 0.98，全期不短缺，离 1 只差 2.3%；Loose 峰值 0.72方法。三情景同向，都在 2027 年一、二季度见顶，峰值带 0.72–1.54，宽 2.13 倍。

这组数字必须与五句话同引。一，Base 不短缺是贴着线成立的：die 良率取 0.85 还是 0.90，两个值各有卖方原句，谁也没说自己对，0.90 得 0.9765 不短缺，0.85 得 1.0339、2027 年一二季度短缺两季，这一格不裁，作为显式不确定挂着。二，Tight 转短缺的第一季 2026Q2 利用率 1.001，只过线 0.1%，可以引用的是「2026 年中前后转短缺并持续到窗口末」，不是那个具体季度。三，水平不可单点引用是实测结论：同一套证据六次重算，Tight 峰值在 1.29 到 1.71 之间来回，Base 在 0.88 到 1.01 之间来回，「Base 不短缺、Tight 短缺」这两句一次没变。四，峰值季度不可分辨，Tight 的一季度和二季度只差 4.7%，正确说法是 2027 年一二季度平台。五，带变窄不等于确定性变高，AI 占比、爬坡形状、2027 年产能和晶圆消耗口径四个自由度是被裁定用显式假设钉死的，die 层又按同源成对取值，带本身偏窄。

5.12 价格、利润与租金归属

从产出侧看，HBM 是一颗加速器里仅次于计算裸片的物料

按专家纪要的单价，一颗 Rubin 的 8 座 HBM4 约 4,600 美元，一颗 AMD MI400 的 12 座约 6,900 美元。价格还在往上走：HBM4 的单位比特价格比 HBM3E 高 30%–45%est，专家预计 2027 年 HBM 价格再涨 20%–30%est；研究系统的在账判断是 2027 年 HBM 合约价同比上涨不少于 30%，这是待验证的断言，裁决日在 2027 年 4 月，不是已经发生的观测。唯一的松动信号来自标准 DRAM：合约价从二季度环比 +74% 放缓到三季度指示的 8%–13%，涨幅在减速，方向没有变。

从利润侧看，租金落在三家海外存储厂

存储厂的毛利率同期全面扩张。SK 海力士从 48.1% 升到 60.4%，三星从 38.0% 升到 39.4%hard；不生产 HBM 的台系利基 DRAM 厂同样受益，南亚科从 −1.2% 升到 22.5%，华邦从 29.4% 升到 34.9%hard。三星升幅最小，与它在 HBM 良率和份额上落后的读数方向一致。A 股两家与 HBM 相关的公司，毛利率讲的是另外的故事：澜起科技互连类芯片毛利率 65.57%，来自 DDR5 内存接口与 PCIe 芯片；香农芯创分销业务毛利率 2.86%，同比再降 1.13 个百分点hard。

从投入侧看，供给自律与良率学习是租金的底座

投入侧有三笔账。第一笔是晶圆的机会成本：一片晶圆做 HBM，放弃的是三到四倍比特的标准 DRAM，这笔成本在标准 DRAM 涨价时自动抬高。第二笔是良率学习：同样的晶圆，键合与 die 良率高的厂卖出的塔多出近一倍，单塔成本低，毛利率领先。第三笔是新增的代工费：HBM4 的 base die 交给台积电或走三星逻辑线，存储厂第一次在 HBM 物料里付出逻辑代工的成本。三家同时压着资本开支、2027 年产能又已被合同分完，稀缺是真实的；能提供合格 HBM 的只有三家、每一代都要重新认证，替代品不存在。这两个条件叠在一起，租金就落在存储厂身上。

5.13 A 股映射与公司读数

记分卡对 HBM 的第六格判定是「收不到」：A 股没有 HBM 制造商，挂在这个环节下的两家都不是租金的收取人。四道门读数来自引擎 2026-08-31 的快照。

澜起科技做的是内存条接口芯片，不在 HBM 里

澜起科技是无晶圆厂的芯片设计公司，主业是 DDR5 内存模组上的内存接口芯片和 PCIe Retimer 等互连芯片，2025 年互连类芯片收入 51.39 亿元、毛利率 65.57%hard，三星、SK 海力士、美光同时是它的主要下游客户，前五大客户占 77.24%。它的产品跟着服务器内存条的数量和 PCIe 通道走，HBM 焊在 GPU 封装里，中间没有澜起的产品。引擎的四道门机器判定四门全过，人工复核后确认它做 DDR5 内存接口与 PCIe 芯片，不做 HBM。

它的定价权证据也不来自 HBM：研究系统用年报数据逐年算出的单颗价格从 14.53 元降到 13.45 元，净降 7.4%，毛利扩张来自单位成本下降 22.8%方法；连看多的一方也承认，内存价格飙升期间内存接口芯片的价格没有上涨。8 月初旧模型曾把澜起归入 HBM 环节，它的卡点强度分一半来自这个错配，给出过全池第一的建议仓位；归属证伪之后，按 2026-09-07 的裁定维持 0M。它的三年估值分位，引擎 D4 口径是 39.7，每日估值盘的前瞻市盈率口径是 63，两套口径方向相反，不许取平均。

香农芯创是分销商，赚的是周转

香农芯创代理分销 SK 海力士等厂商的存储元器件，2025 年电子元器件分销收入 332.25 亿元、占营收 94.25%，毛利率 2.86%hard；它取得了 SK 海力士、联发科的代理权和 AMD 的经销商资质，自有品牌做的是 DDR4 与 DDR5 内存条，也不是 HBM。合同负债同比增长 136.6 倍，对应 6.98 亿元备货hard，这是存储紧张的现金痕迹，但轻资产分销在建工程接近零，价格上涨带来的是周转和备货收益，不是稀缺租金。四道门只过了门 4，门 1、门 2、门 3 都不过，三年估值分位 50。

5.14 系统读数与未解决问题

在账的判断有四条与本环节直接相关：峰值在 2027 年二季度，现落在 2027 年一二季度平台上，未被推翻；2027 年 HBM 合约价同比上涨不少于 30%，裁决日 2027 年 4 月；HBM4 良率 60%–70% 才是限制，设备不是卡口；三家卖方在同一窗口把目标市盈率一起抬高约三成。证据结构上，方向读数（毛利率、月营收、合同负债）是 hard，产能锚与 die 良率是 est-1，毛 die 是 est-2，键合良率只有专家口径，需求系数实质 hard 的一条也没有，价格读数全部是 est。

尚未解决、会改变结论强度的问题按影响排序：

• die 良率 0.85 还是 0.90。两个值各有卖方原句，这一格单独决定 Base 短不短缺，研究系统明确不裁、作为显式不确定挂着；补它需要一条明确按 HBM 晶圆给出的测试 die 良率，而不是标准 DRAM 或 LPDDR 的数。
• HBM3E 内部 8 层与 12 层的混合比例没有外部依据，补数单要的是 TrendForce 或存储厂业绩会给出的出货结构。
• Tight 档 HBM4 的毛 die 是两层推算，没有印刷值；美光的键合良率没有实证锚。
• 其他 ASIC 口袋占 2027 年四季度塔数需求 17.88%，权重最大的成分没有公司原文。
• 2027 年产能带里约 10% 是前道与后道 TSV 的口径差；「四家投行互相印证」的判词强度已被推翻，那张转述表里两家是跨版本拼接、一家认错了机构和年份。

5.15 对投资判断的含义

HBM 是一个「物理上最刚、合同上已锁、缺不缺卡在一格良率、租金在 A 股之外」的环节。它决定「AI 基础设施到底缺不缺」这句话能不能说出口，而它在瓶颈分档里的位置并不依赖那一格：供给刚性与市场读数都不由利用率决定。落到尽调，可以按四个问题收尾。

领先多少

SK 海力士 HBM4 份额约 54%、毛利率 60.4%，三星约 28% 与 39.4%，美光约 18%。专家口径的键合良率差距是 80%–90% 对 30%–60%，卖方口径只有 6 到 12 个百分点。要问的是：三星 HBM4 在主要 GPU 客户处的认证进度与良率实际落在哪一端，因为按专家口径，同一片晶圆能卖出的塔数可以差近一倍。

领先来自哪里

来源是领先制程的 DRAM 工厂、TSV 与键合的良率学习、与 GPU 厂逐代协同认证的客户关系，到 HBM4 又加上与台积电在 base die 上的合作。要问的是：16 层及以上用什么键合路线，混合键合的良率与成本何时具备量产条件，库内至今没有任何一家给出 HBM 混合键合的良率数字；路线切换会不会让落后的厂在新一代上重新起跑。

能维持多久

2027 年产能已被合同分完，三星平泽 P5 的 +50% 在 2028 年，窗口内没有可释放的量。要问的是：2027 年合约价的实际落点；三家 HBM4 良率的季度进展；标准 DRAM 涨幅减速会不会传导到 HBM 的续约价格；AI 占比按 100% 取是上界，若出现非 AI 去向，真实的紧张度会高于测算。

规模是否强化优势

良率靠批量学习，合同靠提前锁定，洁净室空间多的厂扩得更快，规模会继续强化在位者。市场的定价却与物理读数出现反差：每日估值盘（2026-09-06）上 SK 海力士、三星、美光的三年前瞻市盈率分位是 4、3、12，而同为「三维全满、A 股收不到租」的 ABF 两家上游是 91 和 90；这个反差可能来自存储的周期股属性，前瞻盈利被大幅上修会把市盈率分位压低，也可能另有原因，记分卡没有下结论。对 A 股组合，结论是明确的：这一环的租金只能在境外表达，A 股研究仓位为 0，间接受益者按各自的驱动因素单独判断，国产 HBM 的进展放在第 16 章跟踪。

6.1 产业链位置与边界

一颗 AI 加速器从上往下有三层“板”。GPU 裸片和 HBM 存储塔坐在硅中介层上（见第 4、5 章），中介层坐在载板上，载板再用焊球焊到服务器主板上（见第 8 章）。载板夹在中间：向上接住中介层底部的凸块，向下伸出焊球接主板。行业把用味之素积层膜（Ajinomoto Build-up Film，简称 ABF）做层间绝缘的倒装球栅阵列载板叫作 ABF 载板，AI 加速器、服务器 CPU、PC CPU 用的都是这一类，本章讲的是其中服务 AI 加速器的那一块。

这条链的上游是三种材料：味之素生产 ABF 膜，日东纺是 T-glass 低膨胀玻璃布的主力供应商，三井金属生产载体铜箔。本环节是载板厂，日本的 Ibiden 与 Shinko，台湾的欣兴、南电、景硕，奥地利的 AT&S，韩国的三星电机（SEMCO），臻鼎也在扩 ABF 产线。下游是把 GPU、HBM、中介层和载板装在一起的封装产线，主力是台积电的 CoWoS；再往下是 NVIDIA、AMD 以及自研芯片的 Google、AWS，最终用户是买整柜的云厂商。

边界要先划清。硅中介层从晶圆上切下来，线宽在微米以下，由台积电用前道光刻工艺制造，负责 GPU 与 HBM 之间横向的高速互连；载板由树脂膜和铜一层层堆出来，线宽在几微米，负责芯片与外部世界之间纵向的进出。服务器主板用玻纤布增强的覆铜板，线宽几十微米，属于第 8 章。存储芯片常用的 BT 载板是另一套树脂体系的产品，与本章的 ABF 供需曲线不是同一个量。

三层板的分工，决定了钱怎么在链上分布。越靠近芯片，线越细、能做的厂越少、换供应商越难；本章后面的一手数字显示，最上游那张膜的供应商事业利益率在五成以上，技术最领先的载板厂营业利润率接近两成且还在上修，而台系载板厂的毛利率方向有升有降。

6.2 物理问题与成本来源

芯片底部的接点和主板上的焊盘差得太远

GPU 裸片和 HBM 通过微凸块接到中介层，微凸块的尺度是几十微米；中介层再通过约 0.1 毫米的中凸块接到载板；载板底面的焊球是零点几毫米，才是主板能可靠焊接的尺寸。接点间距每放大一个数量级，同样面积里能排下的接点数就少两个数量级。一颗 AI 加速器要引出几千条信号和供电通道，这些通道必须在一块比芯片大得多的板子里逐层绕开、放宽，最后铺满整个底面，这个过程叫扇出。

可以把载板想成一座多层立交桥：芯片底部是密密麻麻的窄车道，主板是宽马路，立交桥一层层把车流分开、拓宽，再落到地面。载板要同时干三件事：一是扇出信号；二是给芯片输送大电流，几千颗焊球里有相当一部分只用来供电和接地（电流越大、损耗越高的道理见第 2 章）；三是给又薄又脆的硅当硬托盘，并缓冲硅和主板之间热胀冷缩的差异。

芯片不能直接焊到主板上

如果让主板直接接住芯片的凸块，整块主板都要按微米级线宽来做。主板用的玻纤布有编织纹理，树脂和玻璃的分布不均匀，刻不出几微米的线；即便能刻，把几十厘米见方的主板全部按封装精度制造，良率和成本都无法承受。温度也是障碍：硅受热几乎不膨胀，有机板材受热膨胀得多，芯片一发热，两者之间的焊点会被反复拉扯直到开裂。

工程上的解法是只在芯片周围做一块“刚好够大”的精细板：面积比主板小得多，线宽比主板细一个数量级，材料和结构专门用来匹配硅的热膨胀。这块板就是载板，它把精度要求和面积要求拆开，各自在最便宜的材料上实现。代价是链上多了一层需要单独扩产、单独认证的零件。

成本花在材料、良率和前置投资上

载板的成本可以拆成四块。第一块是材料：ABF 膜、铜、芯板用的玻璃布和载体铜箔，其中膜和低膨胀玻璃布都只有极少数合格供应商。第二块是良率：一颗大尺寸、十几二十层的载板，任何一层的开路、短路或孔位偏差都会让整颗报废，面积越大、层数越多，良品率越低（见 6.9）。第三块是设备折旧：激光钻孔、化学镀铜、曝光和电镀线都要重资产投入。第四块是测试与客户认证，每一代新 GPU 都要和芯片厂共同开发、逐项验证。

设备折旧在这一行有多重，Ibiden 的分部数给了刻度。它的电子事业（即载板业务）FY3/26 对外销售额 243,316 百万日元hard，同期分部折旧 55,202 百万日元、分部设备投资 58,066 百万日元hard，折旧约占分部销售额的 22.7%方法。这意味着稼动率每高一点，摊到每平方米上的折旧就少一点，利润率对产能利用率高度敏感。

6.3 自建推演

假设一家 GPU 设计公司或云厂商决定自己做载板，规模从小到大，会依次撞上四道墙。第一道在样品线阶段。ABF 膜可以买到，但激光钻孔参数、化学除胶、镀铜药水和压合温度曲线都要围绕这张膜重新调校，一条新线从能做出来到做得稳定，需要长时间的工艺积累。这一阶段的约束是经验，花钱买设备解决不了。

第二道在小批量阶段。AI 加速器的载板尺寸大、层数多，每颗载板占的大板面积多，任何缺陷都会报废整颗，良品率随面积和层数连乘下降。芯板还要用低膨胀的 T-glass 玻璃布控制翘曲，而这种布本身就是 2026 年全行业最紧的材料之一（见 6.7）。自建者即便工艺过关，也要先抢到材料。

第三道在量产阶段。Ibiden 在有价证券报告书里列出六个电子事业设备新设项目，投资总额合计 5,766 亿日元，其中五个的完工日期都是 2029 年 6 月，这五个里有四个在 2026 年 2–3 月才着手hard，从着手到完工三年出头；公司同时说明，完工后增加多少产能“难以计算，省略记载”。管理层在 2026-05-12 的问答里说，受人力资源和时间所限，到 2028 年度为止很难在现有计划之外再增加产能hard。钱之外，人和时间同样是约束。

第四道在代际切换。Ibiden 管理层描述过中介层型载板的份额形态：新一代产品刚上量时它能拿到接近 100% 的份额，三到六个月后份额会让出二到三成hard。领先者的优势需要在每一代重新赢一次，自建者每一代都要从头追赶。走完这四步，结论是自建不经济：载板必须由少数专业厂集中生产，而且扩产的钱要客户一起出。Ibiden 在问答里说明，扩产投资基本上由客户按合同承担相当的金额，其中一部分以预付款形式收取hard。

6.4 载板由芯板、积层、过孔和焊球组成

剖开一颗 ABF 载板，中间是芯板，上下对称地压着积层，顶面是接中介层的焊盘，底面是焊球。芯板是玻璃布浸树脂压成的硬板，两面覆铜，用机械钻出贯穿孔再镀铜，把上下两面连通；它提供刚性，决定整颗载板受热时翘不翘。积层是在芯板两面交替叠上去的“一层绝缘膜、一层铜线路”，绝缘膜就是 ABF。层与层之间用激光打出的微孔连通，微孔一层层叠起来，形成从顶面焊盘直通芯板的立体通道。

每加一层积层要走一整套工序：把 ABF 膜真空压合到上一层铜面上，用激光打出微孔，化学除去孔底残胶，化学镀一层很薄的铜作种子层，贴光阻、曝光显影出线路图形，电镀把线路和孔加厚，最后去掉光阻、蚀刻掉多余的种子层。这种先铺薄铜、只在需要的地方电镀加厚的做法叫半加成法（Semi-Additive Process，简称 SAP），它能做出几微米的细线，是 ABF 载板和普通 PCB 在工艺上的分水岭。Ibiden 在说明会上直接用“SAP 总需求”来描述这个市场的需求量。

整颗器件的封装形式叫 FC-BGA（Flip Chip Ball Grid Array，倒装芯片球栅阵列）：“倒装”指芯片正面朝下、用凸块直接贴到下一层上，省掉引线；“球栅阵列”指载板底面按网格铺满焊球，接点数按面积增长，而不是像老式封装那样只能沿四周排针脚。AI 加速器需要几千条通道，只有面阵排布放得下。

层数和芯板厚度是工艺能力的刻度

层数越多，能绕开的线和能铺的电源层越多，但每多一层就多一轮压合、钻孔、电镀，良率和对位误差都在累积。国内封装基板厂深南电路，2025 年上半年的能力边界是 20 层及以下批量生产，22–26 层还在研发打样hard。专家纪要称 20 层是当前 ABF 载板的技术极限、载板尺寸正向 150×150 mm 逼近，并受后段光罩尺寸制约est；卖方补数整理的口径里，层数更高的下一代 Rubin Ultra 载板到 26 层，同样一平方米成品占用的产能远多于 12 层的 Hopper 一代est。芯板本身也在变厚，专家纪要提到芯板层将从两层扩展到 4–6 层est。

6.5 ABF 膜决定了载板能做多细

ABF 是一种热固性树脂薄膜，出厂时是卷材，压合到铜面上加热固化后变成绝缘层。它要同时满足一串互相打架的要求：激光能打出干净的小孔，化学镀铜能牢牢咬住膜面，绝缘性好，受热膨胀率要尽量接近铜和硅，表面还要足够平整，才能在上面做几微米的线。普通 PCB 用的玻纤布有编织纹理，玻璃和树脂分布不均，激光打孔和细线都做不稳，所以高端载板的积层几乎只能用这种均匀的膜。

这张膜由味之素开发和生产，具体由子公司味之素精细技术（AFT）承担，公司已开始准备在 2027-04-01 把 AFT 吸收合并进母公司hard。卖方估计味之素在 ABF 积层膜上的份额约 95%est；另一家卖方的份额图给出接近 100%，同时把积水化学列为第二家供应商est。公司自己披露的数量结构显示，FY25 的 ABF 销量里服务器与网络等高端用途占 70%，PC 占 20%，公司预计 FY30 高端用途升到 75–85%hard。

一张小膜撑起食品集团三成利润

味之素的报告分部里没有“电子材料”，ABF 在“健康医疗等”分部下的功能材料子事业里。这个子事业 FY3/26（公司称 FY25）销售额 1,007 亿日元，同比增长 31.6%；事业利益 546 亿日元，事业利益率从 52.5% 升到 54.2%；FY26 第一季度单季事业利益率 57.7%，公司随后把全年指引上修到销售额 1,206 亿日元、事业利益 655 亿日元hard。它只占集团销售额的 6.4%，却占集团事业利益的 30.1%方法。

产能是这家公司明确不给的数。有价证券报告书明文写明不按分部披露生产规模和订单规模，全文里“增产”“生产能力”“新工厂”“稼动”等词出现次数为零hard；2026-06-30 的电子材料说明会上被当面问到产能数字，公司回答不提供具体数字、原则上会按需求应对est。同一场会上，公司自述仍有富余产能，现在每天开工 8 小时，只要人手够，两班、三班倒都可行；岐阜新厂预计 2030 年前后开始运转est。另一家卖方估计，2025 年中群马工厂扩产约 50%，折合全公司装机产能增加约 25%，公司对 ABF 相关年度资本开支的指引是 250 亿日元est。

6.6 GPU 变大把载板面积和层数一起推高

载板的面积由它上面托着的东西决定。CoWoS 中介层要同时放下 GPU 裸片和越来越多的 HBM 塔，中介层变大，载板必须更大；GPU 功耗升高，供电和接地的焊球更多，需要更多电源层和更厚的芯板。系统登记的单颗载板面积里，GB200 是 75×75 mm，即 5,625 mm²，下一代 Rubin 是 100×120 mm，即 12,000 mm²est；H100 按 3,025 mm²、AMD MI400 按 9,000 mm² 类推est。

面积变大的效果会被出货放量叠加。2024 年全球 AI 加速器真实出货的契约锚是 740 万颗est，2027 年是 2,400 万颗est（系统登记为最弱的一个锚），涨 3.24 倍；同期模型算出的 AI 载板需求面积从 24,261 m² 涨到 137,358 m²方法，涨 5.66 倍。两者相除，每颗加速器平均吃掉的载板面积从约 3,279 mm² 升到约 5,723 mm²方法，产品结构向大尺寸迁移贡献了 1.75 倍。

层数和材料用量随面积一起涨。专家在 2026-06-01 的研讨会上说，每片载板用的 T-glass 玻璃布张数从 4–6 张增加到 Blackwell 一代的 13 张est。同一颗 AI 加速器的单价也在跳档：专家纪要给出的单颗载板价格，GB200 约 150 美元，B300 为 180–200 美元，Rubin 约 300 美元est。

6.7 T-glass 低膨胀玻璃布控制大载板的翘曲

硅受热几乎不膨胀，铜和树脂受热膨胀得多。一颗载板在回流焊时要从室温升到焊料熔化的温度再冷却下来，上面托着一大块硅中介层和芯片，两者伸缩量不同，载板就会弯成弧形，中介层边缘的凸块被拉开或压碎。载板越大，同样的膨胀差在边缘累积出的位移越大，这就是 AI 大尺寸载板对翘曲格外敏感的原因。

压住翘曲最直接的办法，是让芯板本身的热膨胀接近硅。芯板里起增强作用的是玻璃纤维布，把普通玻璃布换成热膨胀系数更低的特种玻璃布，芯板整体的膨胀就小下来，这种布俗称 T-glass。卖方补数的整理里，日东纺 T-glass 的热膨胀系数约 2.8×10⁻⁶/°C，中材科技（Sinoma）在扩产的低膨胀玻璃为 3.2×10⁻⁶/°C，属于次一档est。代价是这种布的纺丝和织造工艺难，合格供应商很少，而每片载板用的张数又在增加（见 6.6）。

供给集中在日东纺，缓解从 2027 年上半年开始

四家卖方对日东纺扩产给出了相互印证的量纲，标 est-1est。JPM 2025-09-01 转述公司计划：T-glass 纱产能到 FY2026 末比 FY2023 末翻倍，福岛新厂若全部用于织布，布产能约为当时的三倍。BofA 2026-04-10 写明福岛新厂计划 2027 年 1–3 月投产、2027 年 7 月开始供货。GS 2026-07-06 转述公司预计台湾与福岛合计到 FY3/29 达到 FY3/24 下半年的约三倍，并说此后还需要继续扩。海通国际 2026-04-20 给出扩产速度每年 20–30%。Bernstein 2026-08-31 的判断是：T-glass 是今年载板行业的关键瓶颈，随日东纺新产能在 2027 年上半年爬坡会有所缓解。

竞争者也在追。Bernstein 2026-05-08 记录中材科技计划把低膨胀玻璃布月产量从 2025 年底的 5 万米提高到 2026 年二季度末的 20–30 万米est，单位是米，不能直接换算成载板面积。载板厂这一侧的读数同样在转松：Ibiden 2026-08-05 的问答说，玻璃布供应商过去是日本和台湾两家，第三家、第四家已经有望用于量产，日本供应商下一年度还计划扩产，材料采购风险在下降hard。另一个时间刻度来自 JPM：新产能通常要 12 个月建厂备机，再加 6–12 个月通过客户认证est，即 18–24 个月。

6.8 载体铜箔垄断度很高但稼动率只有七成

做几微米的细线，需要在绝缘膜上先铺一层极薄、厚度均匀的铜作种子。这么薄的铜箔单独拿不起来，于是先把它贴在一张较厚的“载体”铜箔上，中间隔一层剥离层；压合到载板上以后，揭掉载体，只留下超薄铜层。这种产品叫载体铜箔，三井金属的系列名是 MicroThin。它和第 8 章覆铜板用的 HVLP 低轮廓铜箔是两种产品，前者管细线路的种子层，后者管高速信号的导体损耗，不能混读。

三井金属在这一产品上的份额，BofA 给 98%、JPM 给接近 100%est，两家均为卖方估计，按计票规则标 est-2。BofA 转录的公司数据给出：上尾工厂 2,500 加马来西亚 2,400，合计每月 4,900（原文单位写作 km²），2027 年到 5,200，2030 年到 5,600；FY3/26 出货每月 3,400，稼动率 69.4%est。同一份报告写明，这种铜箔主要用于 DRAM、NAND 等存储封装，在处理器 FC-BGA 上的采用“近来有限”；Citi 则说询单增量主要来自光模块用 PCBest。

三条事实方向一致：不满产、主要用途不在 ABF 载板、增量需求指向别处。系统早先登记的“三井 4 月起涨价 15% 并停产常规箔转产”只有一份专家转述，在卖方语料里找不到对应，且与 69.4% 的稼动率方向相反，已降级为“与实测反向”。载体铜箔因此从上游约束的名单里退出。

6.9 面积越大良率越低，产能面积会高估良品颗数

载板上的缺陷是随机撒落的：一粒灰尘、一个镀铜空洞、一个没对准的微孔，落在哪一颗上，哪一颗就报废。一颗载板完全没有缺陷的概率，随它暴露的面积和层数按指数下降，这是半导体和封装行业通用的良率模型。面积翻倍、层数加几层，良率不是线性下滑，而是连乘下滑。

按这个模型可以估一张大板能出多少良品。系统登记的 ABF 大板尺寸是 510×515 mm，约 0.263 m²est；专家纪要给出的排版利用率是 70–85%，平均按 80%est。据此，一张大板能排约 37 颗 GB200 载板，或约 17.5 颗 Rubin 载板方法。再假设 GB200 良率为 90%假设，层数不变时 Rubin 良率约为 0.90 的 2.13 次方即 80%方法，每张大板的良品从约 33.6 颗降到约 14.0 颗，只剩 42%。面积涨了 2.13 倍，良品颗数却少了 2.4 倍。

这就是“产能多少平方米”这个数在 AI 载板上容易误导的原因。同一座工厂，排的产品越大、层数越高，每月能交付的良品颗数越少，按面积算的产能没变，按颗数算的产能在下降。卖方里也有两种口径：Bernstein 按面积算，AI 加速器 2025 年占 ABF 需求的 12%；DB 和广发证券（香港）把面积乘上层数再除以良率，算成“产能占用”，得到 20–30% 和 24%est。两个数都对，主语不同。专家纪要也提醒过，各家对外披露产能的层数和产品别口径不一，必须统一换算成同一产品别才可比est。

6.10 载板厂的份额取决于用哪个分母

全球能做 AI 加速器 ABF 载板的厂屈指可数。Ibiden 是 NVIDIA 的主力供应商，NVIDIA 占其全公司销售额的比例从 FY3/25 的 20.3% 升到 FY3/26 的 29.4%hard。欣兴按 ABF 载板收入是全球最大的一家。南电、景硕、三星电机、AT&S、Shinko 各有侧重，臻鼎是新进入者，公司对 2026 年 ABF 产值的指引是 100 亿新台币以上est。GPU 与自研 ASIC 走的是不同的供应商组合：专家纪要称 NVIDIA GPU 载板里 Ibiden 占 65–70%、欣兴占 20–25%，而 Google ASIC 载板以南电为主，Ibiden 没有分配产能给 Googleest。

谈份额必须先说分母。同一家券商、同一份报告、同一年，Ibiden 的份额可以是 18%，也可以是 9%：前者分母是 ABF 载板收入，后者分母是全部 IC 载板收入est。如果分母换成 AI 服务器载板，Bernstein 2025 年的估计是 Ibiden FY26/3 占 80%、FY27/3 占 70%；换成 NVIDIA 高端 GPU，欣兴 2026 年约占 35%，后被上调到 35–40%est。四种分母给出四组数，没有哪一组是错的，但不能横着比，更不能取平均。

扩产节奏各家不同

Ibiden 自己在 2026-05-12 的说明会资料里画出了产能扩张指数：以 FY24 为 1.0，FY25 到 1.4，FY26 到 1.7，FY27 到 2.0，FY28 到 2.3，FY28 末抬到 2.8hard。两座新厂的分工写得很具体：大野 Cell8 剩下的一半投资约 2,800 亿日元，做 AI GPU 用载板；河间 Cell6 投资约 2,200 亿日元，做 AI ASIC 用载板，两处都是 2027 年度起陆续稼动、开始量产hard。

其他家的节奏来自 Bernstein 2026-08-31 的扩产表和各家资本开支est：欣兴杨梅、光复两个厂的一期到 2026 年底满产，二期从 2027 年中到 2028 年底再加约 30% 产能，2026 年资本开支预算从 194 亿新台币上调到 537 亿；南电 7 月追加 196 亿新台币，全年资本开支约 400 亿；景硕二期 2027 年量产，产能增加约 25%；AT&S 重庆与马来西亚吉打两地都在 2027 年夏秋爬坡；三星电机越南二期投资约 1.8 万亿韩元，ABF 产能 2026 年下半年满载。专家纪要给过逐厂绝对产能：欣兴约每月 5 万 m²，南亚、Ibiden、三星电机各约 3.5 万 m²，但这是 16 层 AI 服务器载板的当量口径，与卖方的行业总产能不是同一把尺est。

6.11 需求按面积从加速器出货推出来

载板按平方米卖产能，所以需求也要算成平方米。算法分三步：先取每个型号加速器的季度出货颗数；再乘上这个型号单颗载板的面积，逐型号加总；最后乘一个校准系数，把模型网格里的出货换算成真实世界的出货。校准系数叫 k，等于“公开可查的真实出货 ÷ 模型网格的年度合计”，逐年各算一个，2024 年约 1.14，2027 年约 0.80方法；它下降，说明模型网格对后两年增速的假设偏快，需要往回压。

代入之后，季度需求从 2025Q1 的 9,339 m² 升到 2026Q4 的 24,469 m²，再到 2027Q4 的 36,009 m²方法。2027 年的需求面积里，Rubin 一个型号占 35.8%，AWS Trainium3 占 14.2%，其他 ASIC 占 12.7%，Google TPUv7 占 12.0%，AMD MI400 占 10.7%方法。除号里的 1,000 常被误读成单位错误：出货以千颗计已经带了一个 1,000，mm² 换 m² 要除以 1,000,000，两者相抵，净除 1,000。

四条交叉校验，验的都是形状或量级

第一条，台股三家载板厂的月营收对这条需求曲线做回归，欣兴、南电、景硕的 R² 分别为 0.865、0.813、0.895方法，13 个环节里只有两个环节有这种外部营收验证；它证明形状同步，不证明水平正确。第二条，用 Bernstein 自己的 NVIDIA GPU 载板市场规模反推：FY26/3 的 10.05 亿美元除以单颗 150 美元、再乘 5,625 mm²，得到每月约 3.14 千 m² 的净成品面积，本章需求表 2025 年是每月 3.49 千 m²，后者还包括 ASIC 与 AMD，量级和方向都对得上方法。

第三条是 Ibiden 自己的判断：它估计 SAP 载板的总需求面积以 CY24 为 100，CY25 为 119，CY26 为 140，CY27 为 180，CY28 为 220；AI 服务器用载板的生产负荷折合 SAP 口径，2026 年是 2024 年的 1.8 倍，2028 年是 2.5 倍hard。这是全品类 SAP 载板加生产负荷的口径，包含 CPU 等非 AI 产品并折进了层数，与本章只算 AI 加速器净面积的需求不是同一个量，只能看方向。第四条是卖方的面积份额。Bernstein 两个版本一致给出，按面积算 AI 加速器占 ABF 载板需求的比例 2025 年为 12%、2026 年为 15–17%、2027 年为 22%est，给面积口径的只有这一家，标 est-2；系统此前“AI 份额的直接测量不存在”一说因此撤回。这组份额不能直接乘进本章的需求：用它乘 Bernstein 自己的总需求，2025 年 AI 载板面积是每月 67.3 千 m²，约为本章净面积的 19 倍，差距已定位为它图上的“面积”并非净成品面积，本章需求并没有算小。

6.12 供给在 2027 年跨过满产线，窗口内看不到缓解

量载板供给有两个陷阱。第一个是单位同名不同物：同样写作“千平方米/月”，专家口径的四家合计 155 是 16 层 AI 服务器载板的当量，Bernstein 给的 2024 年行业总产能是 299，Macquarie 图上欣兴一家的纵轴就画到 1,000est，这个单位本身不携带层数和产品别。第二个是形状：引擎用来描述供给增长的产能指数 1.00、1.40、1.70、2.00，与 Ibiden 公布的自家扩产指数逐年一位不差，是一家公司的曲线；同期 Bernstein 估计行业供给每年只增长约 12%est，拿 Ibiden 的形状代表行业，到 2027 年底会把供给高估约 1.41 倍方法，三种算法落在 1.41–1.46 倍。

更早的引擎版本还有一个结构问题。它先把 2024 年的利用率规定为 0.90假设，再反解出一个折算系数，于是供给侧任何乘性常数都会被这个系数全额抵消：行业产能锚改大改小，利用率曲线一位不变，供给水平在数学上不可识别。系统在 2026-09-07 裁定，利用率不再以单点进入任何打分或仓位，改用供给刚性、紧张方向、定价权三个不需要分母的维度，利用率只保留区间。

三个互相独立的口径给出同一个区间

2026-09-08 的做法是把“供给总产能、AI 份额、AI 需求面积”三个量各自放进同一个宇宙，每个宇宙内部齐全、独立出一条利用率带，跨宇宙不搬运任何一个量，最后只看三者都同意的部分。宇宙 A 是本系统的沙盒，量的是 AI 这一段；宇宙 B 是 Bernstein 2026-05-29 的供需模型，正文写明行业利用率 2025 年为 80–85%、2027 年快速超过 100%、2028 年失衡继续恶化；宇宙 C 是 Morgan Stanley 2026-05-18 的供需比表，2026 年 93.3%，2027 年 102.2%，2028 年 105.8%，2030 年 122.3%est。

三家一致的结论有四条：2025–2026 年不缺；2027 年跨过利用率 1；2027 年的量级落在 0.94–1.11 的年值区间，把沙盒的季度峰值算进来上沿到 1.15，即 1.0±0.15方法，是“刚过 1”而不是“远超 1”；窗口末端仍在上行，缓解不在 2027 年以内。只在一个宇宙里成立的读数同步退役：沙盒 Tight 情景的“全期短缺、峰值 2.34”与两家卖方 2025–2026 年的读数直接冲突；“峰值在 2027Q2”只有沙盒有季度分辨率，两家卖方在自己的口径里窗口内根本没有峰。

前置期是三年，十八个月的旧说法已被一手件取代

系统早先引用的“ABF 扩产前置期 18 个月”来自一份口述性质的前置期表est，没有独立一手锚，2026-09-08 起被公司原件取代。Ibiden 有价证券报告书里的项目从着手到完工三年出头，管理层说 2028 年度以前在现有计划之外加不动产能hard；Macquarie 统计过，从空地建新厂到量产历来约三年；Morgan Stanley 说任何新宣布的扩产至少要两年才能上线，所以从现在起听到的新计划只影响 2029 年以后的供需；JPM 转述 Ibiden 管理层，下一轮扩产最迟 FY2026 内决定，但 FY2031 以前难以贡献业绩est。

刚性按层分布并不均匀。载板厂本身最刚，厂房、设备、人员、客户认证缺一不可；T-glass 次之，建厂 12 个月加客户认证 6–12 个月，缓解从 2027 年上半年开始；ABF 膜有弹性，现有工厂加开班次就能增产；载体铜箔有三成闲置产能。所以 2027 年起决定供给上限的，主要是载板厂自己的洁净室和工程师，不在更上游。

市场读数显示紧在 AI 这一档

价格腿最硬的一条来自 Ibiden 自己：2026-08-05 的问答把 FY3/27 增益归因于售价，并说在全行业供给不足的背景下，载板本身的平均价格涨得比预想更多hard。卖方与专家的观测同向：欣兴 2025 年四季度稼动率 90%，从 2026 年一季度起吃进首轮 ABF 涨价；专家纪要称 2026 年二季度的涨价函为 10–15%，散单涨 40–50%est。量的一侧，台系三家载板厂近三个月月营收同比中位数 +37.5%，加速度中位数 +8.8 个百分点，三家一致向上hard。

反向读数同样来自申报原件：台系三家的合同负债全部下滑，南电 −28.7%、景硕 −24.7%、欣兴 −14.8%，同期 Ibiden 是 +58.8%；景硕 FY2025 毛利率下降 7.3 个百分点hard。最可能的解释是 AI 那一档在紧，非 AI 载板那一大块还没有起来。卖方自己的判断也翻过面：Bernstein 2025-06-04 还判断 ABF 载板行业未来三年供给过剩，2026-08-31 已改为紧到 2027 年est，任何一家的 ABF 供需模型都必须带日期引用。

6.13 价值与利润集中在最上游的膜和最领先的载板厂

先看产出侧。Morgan Stanley 估计 2025 年全球 ABF 载板市场规模约 70 亿美元est；按窄口径，AI 加速器（GPU 加 ASIC）占 ABF 载板收入的 15–24%est，折合约 11–17 亿美元方法，与 Bernstein 估计的 NVIDIA GPU 载板市场 FY26/3 约 10 亿美元量级一致。按面积算，AI 只占 2025 年 ABF 需求的 12%est，收入占比大约是面积占比的两倍，差出来的部分就是大尺寸、高层数载板的单价溢价。把“服务器 CPU 与网络”也算进来的广口径，2025 年是 60%est，引用时必须说清是哪个口径。

再看投入侧，利润落在哪一层。最上游的味之素功能材料子事业，事业利益率 54.2%，最近一个季度 57.7%；技术最领先的 Ibiden 电子事业，营业利润率 18.6%，FY3/27 指引 29.3%hard。台系载板厂的毛利率方向分化：南电从 1.1% 升到 9.1%，欣兴从 14.1% 微降到 13.9%，景硕从 28.4% 降到 21.1%hard。载板紧，并不等于所有载板厂同步赚钱，利润集中在客户最换不掉的两个位置。

租金落在这两个位置，原因各不相同。味之素收的是锁定租：份额约 95%，产能有弹性，客户换膜要整线重调、重新认证（见 6.5）。Ibiden 收的是领先租：新一代产品上量时它的良率最先爬上去，份额接近 100%，客户愿意分担扩产投资并预付款项（见 6.3、6.9）；它的订单簿也在变厚，FY3/26 电子事业订单额 2,230 亿日元、同比 +20.7%，期末在手订单 391 亿日元、同比 +27.8%hard。台系厂的产品结构里 CPU、PC 与存储载板的比重更大，那一块的需求还没回来，所以它们只在 AI 订单的边际上分到价格。

6.14 A 股在这一层没有能收租的公司

记分卡第六格对 ABF 载板的判定是“收不到”：环节档案原文写着本环节暂无 A 股候选，引擎四道门打分的 26 家公司里没有一家在这一层方法。离这一层最近的 A 股公司有三类：做封装基板的深南电路和兴森科技，做覆铜板并开发封装用基材的生益科技，以及专家纪要里提到的积层膜、载体铜箔国产替代候选。它们都在“环节附近”，没有一家坐在卡点上。

深南电路 FY2025 封装基板收入 41.48 亿元、同比 +30.80%，毛利率 22.58%；外协费用同比 +79.28%，公司自述订单饱和导致内部产能瓶颈；但 2025 年上半年它的能力边界是 20 层及以下批量、22–26 层研发打样，同期封装基板毛利率 15.15%、同比 −10.31 个百分点，公司归因于广州新厂爬坡和金盐涨价hard。兴森科技 FY2025 IC 封装基板收入 16.70 亿元、同比 +49.71%，分部毛利率 −16.06%，拖累来自尚未量产的 FC-BGA 项目；到 2026 年上半年，FC-BGA 仍是量产准备就绪、尚未大批量生产hard。

A 股收不到这份租，原因在产业链位置，与选股水平无关。膜的锁定租在味之素，领先租在 Ibiden，两者都要靠多年配方积累或逐代的良率学习才能拿到；A 股公司即使扩产，也要先通过载板厂、封装厂、芯片厂三道认证，才可能进入 AI 加速器的供应名单。系统自己的采集覆盖也说明了这一点：A 股采集库 44 只股票、21,929 条抽取记录里，ABF、积层膜、T-glass、载体铜箔的命中数全部是零，原因是股票池里本来就没有这些上游材料商方法。

6.15 系统读数与未解决问题

本环节仍挂着几件没有裁决、或者裁了但证据不齐的事，引用时要随行：

• 引擎产能指数是 Ibiden 一家的曲线，这句口径和沙盒三档产能指数的具体取值，都还没有写进配置上盘；不连口径一起上盘，下一个人会再次把它当成行业曲线。
• Bernstein 需求图与产能图之间 2.03–2.15 倍的常数差，只证明了它是常数（同一个系数对得上 2021 年缺货、2023 年谷底、2025 年 80–85%、2027 年约 100% 四个锚），机制是投片面积、层数加权还是在制品，没有查清。
• 份额四源冲突已退出公式但没有裁：模型旧登记 Ibiden 35%、前五合计 82%；Bernstein 按收入给欣兴 26%、Ibiden 18%；Third Bridge 按 ABF 加 FC-BGA 产能给欣兴约 25%；专家纪要给欣兴约 24%、Ibiden 约 15%。任何自下而上的供给重建都要先裁这一格。
• Ibiden 川间工厂放量时点两家卖方冲突，Macquarie 判 FY3/28 起，BofA 判 FY3/29，已作为在账断言两行并立，2027-06 起逐季裁决。味之素岐阜新厂，公司答问是 2030 年前后，另一家卖方纪要写 2032 年，以公司答问为准。
• T-glass 的环节归属（本章还是第 8 章）只报不裁；“T-glass 交期 5–6 个月”在研报层无出处。

6.16 对投资判断的含义

ABF 载板是“物理上最紧、A 股最买不到”的一个环节，它对研究系统的价值主要在于划清边界：用 A 股表达 AI 基建瓶颈，天花板由 A 股在这条链上的位置决定。对准备研究 Ibiden、味之素或未来国产替代者的人，尽调要回答领先多少、来自哪里、能维持多久、规模是否强化优势这四个问题。

领先来自良率学习曲线与客户共同投资

Ibiden 在新一代 NVIDIA 载板上量时份额接近 100%，三到六个月后让出二到三成；管理层还称硅桥型载板至少到 2030 年保持技术优势hard。领先来自三处：大尺寸高层数载板的良率学习曲线，客户按合同分担扩产投资并预付款项，以及每一代与芯片厂的共同开发。尽调要核的是：新一代产品导入时的良率差距有多大，客户预付款与合同负债的增速（FY2025 为 +58.8%）能否持续，工程人力是否跟得上两座新厂同时爬坡。

供给时钟走到 FY2028，风险在代际切换

供给侧的时钟相对清楚：到 FY2028 为止 Ibiden 在现有计划之外加不动产能，行业新增产能大多压在 2027 年末到 2028 年，下一轮扩产 FY2031 以前难以贡献业绩，按这条时间表，2029–2030 年 Ibiden 没有新一轮产能释放est。需求侧，两家卖方都判断 2028 年比 2027 年更紧。削弱领先的变量主要有三个：T-glass 在 2027 年上半年缓解后，二线载板厂的材料瓶颈解除；代际切换时份额按管理层描述的节奏回落；专家纪要提到玻璃基板量产要到 2028 年est，这是更远期的技术替代风险。可以证伪当前判断的读数，是 Ibiden 在 2026 年 11 月中期决算上下修 FY3/27 电子事业 29.3% 的利润率指引。

规模强化客户绑定，护城河在良率与工程能力

客户出资扩产把产能和大客户绑在一起，规模越大、绑定越深，这一点强化了领先者。但人力资源约束和“每一代重赢一次”的份额形态说明，规模本身不是护城河，良率和工程能力才是；产能扩得再快，下一代导入时良率落后，份额照样让出去。膜的一侧逻辑不同：味之素产能有弹性、利润率稳定，它的护城河是换膜成本，扩不扩产对租金的影响有限。

回到 A 股，本章给出的是一张观察清单而非买入名单：国内封装基板厂何时实现 22 层以上大尺寸载板批量、何时进入 AI 加速器的供应认证，积层膜与载体铜箔的国产替代何时走出小批量。在这些读数出现之前，A 股能收到的租在下游的 PCB 与覆铜板那一层，见第 8 章。

7.1 产业链位置与边界

光模块是插在交换机和服务器网卡端口里的可插拔部件，外形像一支加粗的 U 盘。它在发送端把电信号转成光信号，经光纤送到隔壁机柜乃至机房另一端的设备，在接收端再把光转回电信号。一条光链路两端各插一只模块，所以这个环节按「只」计数，而不是按链路或按机柜计数。

它在链条上处于中游。上游是几类芯片与器件：做信号处理的 DSP 芯片来自 Marvell 与博通；激光器芯片来自 Lumentum、Coherent、三菱与博通，国产的源杰科技在追赶；接收端放大芯片与驱动芯片来自 Semtech 与 MACOM；透镜、光纤阵列等精密光学件与光引擎是天孚通信的主业；再往上是生长与刻画激光器芯片的 MOCVD 与电子束光刻设备。模块制造商有中际旭创、新易盛、Coherent、华工正源与光迅科技，Fabrinet 替 Coherent 与 Lumentum 代工，汇绿生态与环旭电子替 Coherent 补充产能。下游是交换机、网卡与服务器整机，最终用户是谷歌、亚马逊、Meta 与英伟达体系内的 AI 集群。

这一章讲的对象有清楚的边界。柜内 72 颗 GPU 之间的 scale-up 互联在 GB200 NVL72 里走 NVLink 铜缆，归第 11 章；交换芯片本身和光纤光缆不在本章。本书的需求口径只算 AI 集群 scale-out 网络里的模块，电信长途、城域网与普通数据中心网络用的模块不计，但卖方的行业出货数字里包含这些用途，7.9 节会看到这一点带来的口径差。共封装光学（CPO）把光引擎搬进交换芯片封装，产品形态不再是可插拔模块，它作为模块的替代路线在 7.7 节讨论。

对投资判断最要紧的一条边界是：光模块不是这条链上最稀缺的一环，它是稀缺芯片的组装、测试与交付者。环节整体确实紧，但紧的位置在模块厂的上游。

7.2 物理问题与成本来源

铜线在高速率下传不远，光纤几乎不受这类距离限制

数据在电路里是一串高低电平。速率越高，每个比特占用的时间越短，信号里包含的频率成分越高。铜线的损耗随频率上升：电流被挤到导体表层流动，有效截面变小、电阻变大（趋肤效应）；绝缘材料在高频电场里反复极化，把信号能量变成热（介质损耗）。两者的推导见第 2 章。结果是每秒几百吉比特的电信号在铜线里只能走一两米待核，而光在石英光纤里传一公里的损耗几乎可以忽略。

AI 集群把成千上万颗 GPU 连成一个整体，机柜之间、交换机之间的距离远超一两米，跨出机柜的链路只能转成光。这条分界线随速率移动：每一代速率翻倍，铜能走的距离再缩短一截。在单通道 224G 这一代，无源铜缆的可用距离已缩到 1 米级待核，有源铜缆靠两端的信号整形芯片把距离拉回 3–7 米待核，再往外就是光模块的范围。

把电变成光要付出功耗、延迟和钱三种代价

光的好处有代价。每条光链路两端各做一次电光转换和一次光电转换：发送端要一颗磷化铟（InP）激光器芯片发光，接收端要光电探测器把光变回微弱电流，再由放大芯片放大。转换本身耗电，一只 800G 模块功耗在 15 瓦以上待核，插满模块的交换机面板，散热成为约束之一。高速模块里还要一颗 DSP 芯片修复信号畸变，它增加功耗，也增加延迟。第三种代价是钱，一条光链路的成本远高于一根柜内铜缆，工程上的原则因此是能用铜的地方不用光（第 11 章）。

成本主要花在外购芯片、耦合良率与测试上

模块厂自己不造激光器芯片和 DSP，这两类芯片外购自海外少数几家公司。新易盛年报把主要原材料列为光器件、集成电路芯片、结构件与 PCB；中际旭创 2025 年第一大供应商一家占采购总额的 35.76%hard，新易盛第一大供应商占 23.87%hard。在器件层，天孚通信 2025 年营业成本里原材料占 74.56%hard。据一份 2026-08-10 的专家纪要，1.6T FR 模块售价约 1,100 美元，物料成本在四五百美元est。项目的技术讲解材料估计 DSP 是 800G 模块里最贵的单颗芯片，占模块成本的 20–30%待核。

外购芯片之外，成本花在三处。第一是耦合对准：激光光斑只有几微米，单模光纤的纤芯直径约 9 微米待核，把光注进纤芯需要亚微米级对位，还要在十年寿命里经受振动和温度变化不松动；800G 模块有八个通道、收发两个方向，一只模块有几十个对位点。第二是测试与老化：每只模块出厂前要做全速率、全温度的老化测试，测试台本身是重资产，良率与测试速度决定谁在放量期接得住订单。第三是认证：中际旭创年报写明，产品销售前须先通过客户的供应商认证和产品代码认证，每一代速率切换都要重走一遍。

7.3 自建推演

设想一家云厂商决定自己做 800G 与 1.6T 光模块。沿着规模从小到大走一遍，可以看清模块厂为什么存在，以及真正的约束在哪一层。

几千只时，难点是把光耦合进光纤

小批量阶段，芯片都能买到：DSP 从 Marvell 或博通买，激光器芯片从 Lumentum 或 Coherent 买，再委托代工厂贴装。门槛在耦合与测试。几十个亚微米对位点里任何一个偏移，整只模块报废，而到耦合这一步时 DSP 与激光器芯片已经焊在板上，报废的是整套物料。样品能做出来，良率和批次一致性却很难靠一两条调试线稳定下来。

几十万只时，难点变成测试产能与客户认证

量上到几十万只，需要自动化耦合线和成排的老化测试台，还要与交换机、网卡厂商反复做互通测试。按 7.8 节的拓扑表，一个 73,728 卡的三层网络集群、每 GPU 3.48 只模块，约需 25.7 万只方法。这一量级已经要占用一家专业厂整条产线的年产出，而每一代速率切换都要重做一轮认证，自建团队很难同时维护两代产品。

几百万只时，约束落到上游芯片的交期与配额

需求到几百万只，组装线本身反而不是瓶颈，龙头模块厂一年能把产能扩大五成以上（7.10 节）。这时撞上的是芯片。一位光模块公司首席技术官在 2026-08-04 的专家访谈中说，DSP 交期已从 26 周拉到 45 周、再到 50 周est，要在一年后建成数据中心，今天就得下单；中金 2026-06-01 的报告引述 Lumentum、Coherent 的业绩会称，两家 2026 年的产能已经 100% 被预订，订单排到 2027–2028 年est。新进入者即使建好组装线，也排不进芯片配额。已经在供应名单里的模块厂用资产负债表锁货：新易盛 2026 年 6 月末预付款项 8.70 亿元，上年末只有 0.17 亿元，增长约 51 倍hard。

推演的结论分两层。模块厂存在的必要性来自规模化的耦合、测试与交付能力，以及大批量采购换来的芯片配额，这是自建者在前两个阶段需要花几年补上的东西。真正无法靠资金快速补上的是第三阶段的上游芯片与芯片设备：组装端的约束以季度计，芯片端的约束以年计。本章后面的供给判断、租金判断都从这个分层出发。

7.4 光模块内部由发射链与接收链组成

光模块是双向的，行业名称是光收发模块（transceiver）。每只模块接一对或多对光纤，一路发、一路收，链路两端各插一只，构成全双工连接。模块内部的部件按信号走向排成两条链。

发射链把电信号刻到光上

电信号从交换机或网卡经模块尾部的金手指进入，先到 DSP 芯片。DSP 在发送方向做编码、预失真补偿和重新定时，把经过主板走线后变形的信号整理干净。之后驱动芯片把信号放大到足以驱动调制器的幅度。调制器负责把电信号刻到光上：低速时可以直接让激光器随信号亮灭，速率高了激光器跟不上，就改为激光器常亮、由调制器高速开关光路。800G 主流单模方案里的 EML 芯片把激光器和电吸收调制器做在同一颗磷化铟芯片上。光最后经光口耦合进光纤，800G 的八通道方案用 MPO 多芯接头，一个接头里并排走多根光纤。

接收链把光变回电

对端送来的光先照到光电探测器（PD）上，产生微安级电流，原理与太阳能电池相同。跨阻放大器（TIA）把这股微弱电流放大成可用电压，它自身的噪声水平直接决定接收灵敏度。时钟恢复电路从畸变的信号里找回节拍，重新对齐每一个比特；在高速模块里，这部分功能并入 DSP。最后信号经金手指回到主机。

七类部件的难度与价值差异很大

激光器芯片是全模块技术含量最高的部件。磷化铟是化合物半导体，产线与硅完全不同，芯片要在高温下常年稳定发光、波长不漂移，良率低、认证周期长，主要供应商是 Lumentum、Coherent、三菱与博通。DSP 由 Marvell 与博通供应，摩根大通 2026-07-10 估计 Marvell 一家在 800G PAM4 DSP 的份额超过 70%，在 1.6T DSP 为 60–65%est。TIA 与驱动芯片主要来自 Semtech 与 MACOM。透镜、陶瓷插芯、光纤阵列等精密光学件与光引擎是天孚通信的主业。模块厂自己完成的是把这些部件耦合、封装、测试成一只合格模块，并对客户承担交付和质量责任。

价值的分布与难度大体一致：DSP 与激光器芯片合在一起占物料的大头，TIA、驱动与光学件次之，结构件和 PCB 最少。材料里没有按部件拆分的完整物料清单，本节只给出方向，可引用的几个量化读数集中在 7.11 节。

7.5 PAM4 让每个符号携带两个比特

一只模块的速率等于通道数乘以每通道速率。把速率翻倍有三条路：增加通道数，提高每个符号的切换速度，让每个符号携带更多比特。增加通道意味着更多激光器、更多光纤芯和更大的模块；提高切换速度会让信号里的频率成分更高，主板走线和光电器件的损耗随之上升。800G 这一代普遍走第三条路，调制格式从 NRZ 换成 PAM4。

NRZ 用两个电平表示 0 和 1，一个符号携带 1 个比特。PAM4 用四个电平分别表示 00、01、10、11，一个符号携带 2 个比特。同样的比特率下，PAM4 的符号速率只有 NRZ 的一半，信号的主要频率成分也降一半，对走线和器件带宽的要求随之放宽。代价是抗噪能力：最大信号幅度相同时，四个电平之间的间隔只有 NRZ 的三分之一，噪声、反射和器件的非线性更容易把一个电平误判成相邻电平。PAM4 因此离不开 DSP 做均衡与纠错，这是 DSP 在 800G 这一代成为模块里最贵单颗芯片的物理原因。

800G 与 1.6T 的通道构成有多种组合

中际旭创 2025 年报列出的 800G 产品有 8×100G 与 4×200G 两种架构，1.6T 有 OSFP224 DR8 与 2×FR4 等型号；DR8 即 8 个 200G 光通道并行，每个通道各用一对单模光纤。新易盛在 2026 年 3 月发布了基于单波长 400G 技术的 1.6T DR4 模块，即 4 个 400G 通道。通道构成决定一只模块用几颗激光器芯片、几路 DSP 与 TIA：单通道速率越高，芯片颗数越少，但每颗芯片的带宽、线性度和良率要求越高。

7.6 激光器有四条路线，稀缺集中在 EML 与大功率连续光源

激光器芯片决定一条光链路能跑多快、多远、多便宜。四条主要路线的差别在材料、调制方式和适用距离，稀缺程度也不同。

EML 把激光器和调制器集成在一颗磷化铟芯片上

EML 的激光部分持续发光，旁边的电吸收调制器随信号改变对光的吸收，从而开关光路。发出的光波长稳定，适合在单模光纤上做高速传输，是 800G 与 1.6T 单模模块的主力。难点在磷化铟外延与芯片工艺：外延层要在 MOCVD 设备里逐层生长，激光器里的光栅结构依赖电子束光刻，两类设备的交期都在 18 个月以上est（7.10 节）。中金 2026-06-01 的策略报告测算，2026 年 200G EML 供给缺口约 20%，100G EML 缺口约 9%est。

DML 直接调制激光器电流，便宜但速率与距离受限

DML 省掉独立调制器，直接改变注入激光器的电流让它随信号亮灭。结构简单、成本低，但电流变化会让波长跟着抖动，速率越高、距离越长，信号越容易失真，因此主要用在较低速率或较短距离的链路上。材料里没有 DML 在 AI 集群中的份额与价格数据，本节只做定性说明。

VCSEL 从芯片表面垂直出光，配多模光纤做短距连接

VCSEL 从芯片表面垂直发光，可以在整片晶圆上直接测试，制造成本低，配合纤芯更粗的多模光纤使用，适合机柜内与相邻机柜的短距连接。一份 2026-08-10 的专家纪要给出的报价是 VCSEL 方案 700–800 美元、内置光源方案 1,100–1,200 美元est，纪要没有写明对应哪一速率，主语待核。「VCSEL 最紧缺」这一说法在研报库里没有量化读数，可以量化的缺口集中在 EML 与连续光源上。

连续光源加硅光把发光与调制拆开

硅光方案里，一颗大功率连续光（CW）激光器只负责稳定发光，调制交给用硅工艺做的调制器，一颗光源可以分光给多个通道使用。它在经济上有两个好处。第一，同一台 MOCVD、同样的时间，做 CW 激光器的产出比 EML 高，专家访谈给出的换算是 1:2 到 1:3est。第二，发射端成本低：一份 2026-08-25 的专家纪要估计 800G 硅光发射端成本约 39 美元，EML 方案为 110–120 美元est。高盛 2026-04-17 测算同为 1.6T，硅光路线用 4 颗 70mW 的 CW 光源，EML 路线用 8 颗 200G EMLest。专家预计硅光在 1.6T 中的占比由 2026 年约 50% 升到 2027 年约 60%、2028 年 65–70%est。

硅光的代价是它并没有摆脱磷化铟。大功率 CW 光源同样依赖海外厂商，中金测算 2026 年 400mW CW 光源缺口 17%est；硅光降低的是单只模块对激光器芯片的用量，缓解幅度取决于 CW 光源自身能扩多快。

7.7 LPO 与 CPO 用不同办法处理 DSP 的功耗与成本

DSP 修复高速链路上的信号畸变

信号从交换芯片出发，要经过交换机主板上的一段铜走线和连接器才到达模块，到模块时已经衰减、拖尾、混入反射。可插拔模块里的 DSP 在收发两个方向做同样的事：用数字均衡抵消信道造成的畸变，从畸变的信号里恢复时钟，重新定时后再发出去。有了这一步，交换机厂、模块厂和布线可以各自按规范设计，任意组合都能互通，传输距离也留有余量。代价是每只模块多一颗高速芯片，功耗、延迟和成本随之增加，而这颗芯片的供给集中在两家公司。材料里有一条供应风险的实例：一份 2026-08-10 的专家纪要称，谷歌因 Marvell DSP 的质量问题把 1.6T 的导入推迟到四季度初。

LPO 去掉 DSP，由主机芯片直接驱动光器件

线性驱动可插拔（LPO）模块保留可插拔外形，但去掉 DSP，模块里只剩线性放大的驱动芯片与 TIA，信号均衡交给交换芯片和网卡芯片自带的高速收发电路完成。好处是省掉最贵的单颗芯片，功耗和延迟随之下降。代价是链路预算变紧：主机侧电路的性能、主板走线质量、光器件的线性度都要同时达标，传输距离更短，不同厂商之间的互通测试更繁琐，出了问题也更难判断是哪一段的责任。新易盛年报自述是全球首个推出并规模量产 LPO 光模块的厂商，彭博行业研究 2026-07-22 也认为它在低功耗线性方案上位置更强；中际旭创年报称业界率先推出了 1.6T-DR8 OSFP224 LPO 产品。

CPO 把光引擎搬进交换芯片的封装

共封装光学（CPO）把光引擎放到交换芯片旁边、封装在一起，电信号只需走几毫米，可插拔模块这一产品形态随之消失。电走线大幅缩短后，均衡负担下降，功耗降低。代价有三项。其一是维护：光器件紧贴交换芯片，坏了不能像可插拔模块那样单独拔换，所以最容易失效的激光器通常外置成可插拔的外部光源（ELS），这需要大功率 CW 激光器，而 Lumentum 用于 CPO 的 400mW CW 光源 2027 年才投产、2026 年产量很少est。其二是良率：一颗交换芯片周围排着多个光引擎，任何一个失效都会拖累整颗封装。其三是分工：交换机厂、封装厂与光器件厂要重新划分责任与利润。

放量速度的读数偏慢。一份 2026-05-13 的专家纪要称 CPO 累计仅约 5 万套样机且良率低est；野村 2026-07-31 预计 CPO 在 2027 年的渗透率约 8%、约 5.4 万台，2030 年升到 20%est。模型登记的判断是 CPO 在 2027 年之前只用于柜与柜之间，不会分流柜内的 scale-up 铜连接。A 股公司里，天孚通信年报称 1.6T 光引擎已规模量产、CPO 配套光器件研发完成，产品清单包括外部光源方案；新易盛年报列出可插拔、LPO、NPO 与 CPO 并行的技术体系，并在 2026 年 3 月发布了 6.4T NPO 方案。

7.8 每 GPU 模块数随网络层数上升

AI 集群里有两张网。scale-up 网络把一个机柜里的 72 颗 GPUhard 连成一台大计算机，在 GB200 NVL72 里走 NVLink 铜缆，归第 11 章；scale-out 网络经由交换机把成百上千个机柜连在一起，跨出机柜后用光模块和光纤。两张网的分工见第 2 章，本章的需求只算 scale-out。

多一层交换，每颗 GPU 名下就多一段链路

scale-out 网络通常搭成多层的叶脊结构（也叫 Clos 结构）。第一层叶交换机直接连 GPU 服务器的网卡；GPU 数超过一台叶交换机的端口数，就在上面加一层脊交换机把叶交换机连起来；规模再大，再加第三层核心交换。要让任意两颗 GPU 之间的带宽不打折，每台交换机向上的链路总带宽要与向下相当。结果是每多一层，每颗 GPU 名下就多一段交换机到交换机的链路，而每段光链路两端各需要一只模块。实际配比不是整数，原因有三个：一个 800G 交换机端口可以经双口模块连接两块 400G 网卡；服务器到叶交换机这一段有时用铜缆；部分网络向上的带宽会按收敛比打折。

「每 GPU 模块数」因此不是装在 GPU 上的配件数，它是一个分摊系数，等于整个集群的光模块总数除以 GPU 总数。它由网络层数和端口配对方式决定，同一款 GPU 放进不同规模的集群，配比可以差很多。这也是模型不按 GPU 型号拆这个系数的原因。

模型用一张拓扑测算表把层数折成系数

模型的系数来自一份 2026-04-22 的中际旭创卖方深度报告图表 27，它按 GB300 NVL72 组网测算，11 行加总自洽，NVLink 已剔除：1 层网络（不超过 144 卡）每 GPU 1.5–2.0 只，2 层网络（288 到 9,216 卡）2.50–2.56 只，3 层网络（18,432 到 73,728 卡）3.27–3.48 只est。模型取各档上沿，并对每年的主流集群层数做了显式假设：2024 与 2025 年为 2 层，2026 年处于 2 层到 3 层的过渡、取 2.5 层，2027 年为 3 层假设。平滑到季度后，系数在 2025 年上半年为 2.56，此后逐季上升，到 2027Q3 达到 3.48。

这张表带两条警告。第一，它落款为 SemiAnalysis 与东财测算，与模型旧版阶梯同源，只是把算式摊开，不构成独立验证。第二，专家访谈里出现过「1:4」的口径，比表中极值高约 15%，但主语不清，可能指层数、可能含 scale-up、也可能是出货而非装机，模型裁定先定主语再用，目前不采。2026-08-11 之前模型用的是按年猜的标量 2.0、2.5、3.5、5.0，旧的 5.0 把比例本身的不确定和集群在变大这两件事叠加了两次，改成函数后 2027 年的值降到 3.48。

7.9 需求等于加速器出货乘以每 GPU 模块数

第一个乘数是加速器的真实出货。模型把各型号 GPU 与 ASIC 的逐季出货相加，再乘以校准系数 k，把年度总量钉到公开可查的真实出货上：2024、2025 年的真实出货锚为 740 万颗与 1,020 万颗est（系统登记为 hard，但出自卖方测算，见第 4 章），2026、2027 年为 1,650 万颗与 2,400 万颗est，其中 2027 年这一锚在系统里登记为最弱锚、敏感性首查项。第二个乘数是 7.8 节的每 GPU 模块数。HBM 与 ABF 按 GPU 型号逐个乘不同的系数，光模块只乘一个全局系数，原因是配比取决于网络怎么搭，不取决于芯片规格。

以 2027Q1 为例：该季真实出货 586.1 万颗，乘以当季每 GPU 3.308 只，得需求 1,938.5 万只方法。按年加总，需求从 2025 年的 2,680 万只升到 2026 年的 5,020 万只、2027 年的 8,220 万只方法。2025 到 2027 年需求增长约 3.07 倍，其中真实出货贡献约 2.35 倍，每 GPU 模块数贡献约 1.30 倍。需求在 2027Q2 与 2027Q3 走平、2027Q4 小幅回落，原因是真实出货在 2027 年下半年回落，而系数已经顶到 3 层网络的上沿。

需求口径不分速率，供给口径是 800G 以上

模型需求数的是所有 scale-out 模块，不区分 400G、800G 与 1.6T；供给侧三个产能锚标的却是 800G 以上。两边不同纲，要靠速率占比接起来。仓库里这个占比有两个口径，名字相近，含义不同。需求侧的口径是 800G 与 1.6T 占 AI scale-out 模块需求的比例，它的分母在仓库里不存在，因为没有任何材料说明行业高速模块里有多少进了 AI 集群。供给侧的口径是一家厂商的 800G 以上只数占其全速率年产能的比例，供给带页上名为 high_speed_share 的参数就是这一个，用来把旭创的全速率产能折成 800G 以上产能。

供给侧口径有三个年份的读数。2025 年只有量级参考：专家纪要里旭创 2025 年 800G 出货约 720 万只est，除以旭创年报的光通信模块生产量 2,376 万只hard，得 30.3%方法，这是专家估计除以年报硬数的混档运算，只作量级。2026-09-08 的卖方补数把三家卖方给出的旭创 800G 以上只数，除以旭创约 4,000 万只的全速率年产能est，2026 年分别隐含 0.32、0.53 与 0.49–0.58，系统取 0.32、0.48、0.58 作 Tight、Base、Loose 三个情景，Base 的 0.48 落在卖方带内est（三家互证，est-1）。2027 年由野村 2026-07-31 的行业预测乘旭创份额反推，得 0.645、0.699、0.753est（单一来源，est-2），其分母 5,886.7 万只是在 2026 年一季度年化产能与 2029 年目标之间线性内插出来的，没有出处。2026-09-07 的对账文件曾判断研究组自建模型第一版的 2027 年档位系统性偏高，依据是当时推出的可支持上沿 0.592；卖方对 1.6T 行业出货的预测在十个月里被单边上调约 3.7 倍之后，这个判断已经撤回。撤回有限度：2027 年这一格改成 est-2 的卖方带，并没有变成更硬的数。

卖方与专家的行业出货数高于模型的全部模块需求

卖方对行业出货的预测按各家最新版本计票：1.6T 光模块 2026 年中位数 2,360 万只、2027 年中位数 5,640 万只，800G 光模块 2026 年中位数 3,940 万只、2027 年中位数 5,780 万只est（均为三家以上互证，est-1）。2027 年 1.6T 的预测在十个月里被单边上调：花旗 2025-09 给 1,920 万只，野村 2026-07-06 给 7,150 万只，约 3.7 倍，没有一家往下修；野村三周后调到 6,880 万只，是同一家的小幅回调。

拿专家纪要里的行业数与模型对照，2026 年行业 800G 与 1.6T 出货合计在 6,200 万到 9,000 万只之间est，模型算出的全部 scale-out 模块需求约 5,020 万只；2027 年专家给出 800G 见顶约 5,500 万只、1.6T 出货约 6,000 万只，合计约 1.15 亿只est，模型约 8,220 万只。行业里的高速模块比模型的全部模块还多。2026-09-07 的对账找到两条能解释缺口的原因。第一条有直接证据：行业数字里混着订单与需求口径，专家纪要本身写着 1.6T 的需求折到实际出货约打八折。第二条只有方向：行业出货里有一部分进入电信、城域和普通数据中心网络，不属于 AI 集群 scale-out，这部分只要占行业的 19.1%（2026 年）与 21.8%（2027 年），缺口就能闭合方法，但材料里没有这个比例。

第二条缺的数，正是需求侧速率占比缺的分母：行业 800G 与 1.6T 里有多少进了 AI scale-out。同一个未知量同时卡住了需求口径与需求量级的校验，这是本环节需求端最该补的一个数。

7.10 成品端扩产以季度计，上游芯片与设备以年计

模块组装端是弹性的

成品端的扩产前置期约 3–6 个月est，是全篮最短的一档；这个数来自系统内部的口述转述，没有独立一手锚，花旗 2026-02-05 的报告给出 Coherent 从扩产到出货的传导期约 6 个月est，可以作为旁证。一手数据同样显示扩产快：中际旭创港股招股书披露，公司全速率设计产能从 2025 财年的 2,806.2 万只升到 2026 年一季度年化的 4,330 万只hard，一年多增加约 54%方法；新易盛光互联产品产能从 2024 年的 1,095 万只升到 2025 年的 1,747 万只hard。旭创海外产能 2023 年只有 207.3 万只，两年扩了约 9.6 倍，2025 年海外已占总产能的 71%hard。

实测利用率说明成品端没有被压到极限。旭创 2025 财年利用率 84.7%、2026 年一季度 86.2%hard，其中数通应用口径 85.4%、海外 87.1%、大陆 78.8%hard；公司在招股书里写明长期目标利用率约 80%hard。利用率已越过公司自设的目标，离满载仍有十几个百分点。扩产方向也很清楚：招股书称扩产资本开支超过 80% 投向 1.6T 及以上产品，港股募投计划到 2029 年把年产能从约 4,000 万只提到约 9,000 万只，其中逾 80% 为 1.6T 及以上hard。

新进入者在增加。花旗 2026-06-24 写到东山精密可能在 2026–2028 年出货 500 万、2,000 万、2,200 万只 800G 模块est，伯恩斯坦 2026-08-26 写到立讯精密到 2027 年中具备 1,200 万只光模块产能est，二线的汇绿生态公告三期合计新增 550–600 万只年产能est。国泰君安 2026-08-31 的扩产汇总表里，三家龙头（旭创、新易盛、光迅）的扩产公告都没有产能数字和投产日期，唯一同时给出万只与日期的是二线的汇绿生态。模型的供给曲线由旭创、新易盛、Coherent 三家各四个年份的产能数拼成，12 个数里只有 2 个有出处，产业原因就在这里：龙头不披露。

上游芯片与设备是刚性的

约束来自三处。第一是 DSP，交期从 26 周拉到 50 周，研报库里对此的解释是客户抢单，没有一条归因到晶圆厂；7.3 节引述的专家判断 DSP 长期偏紧，没有给出缓解时点。第二是磷化铟衬底与激光器芯片，Lumentum 与 Coherent 2026 年的产能已被订满；Coherent 计划到 2026 年底把磷化铟产能翻一倍、2027 年底再翻一倍，依托向 6 英寸晶圆转换est。第三是芯片设备，中金测算 MOCVD 与电子束光刻机交期超过 18 个月，光芯片扩产周期至少 2 年est。

缓解时点有冲突，系统并列登记、不取平均。同一位专家在同一段话里先判断磷化铟衬底、EML 与 CW 光源在 2027 年下半年会明显缓解，依据是 Lumentum 与 Coherent 转向 6 英寸晶圆；接着转述 Lumentum CEO 的说法，可能要到 2028 年才真正缓解，并补充这只是目前的估计est。这不是两份材料打架，是专家本人与他转述的客户 CEO 打架。激光器芯片能不能扩也有两派读数：一位专家 2026-04-08 称三菱和 Lumentum 都在尝试扩产 EML 但做不到，另一位专家 2026-03-05 称到 2026 年中 EML 可以自由采购、有五六家能扩产。旋光片、隔离器这类小器件属于季度性紧张，专家 2026-07-03 预计旋转器短缺持续 1–2 年，800G 价格最早 2027 年下半年才可能下跌est。

缓解路径有两条，速度都不快。硅光同样设备产出更高，但大功率 CW 光源自身有缺口；CPO 的样机累计量很小，所需的 400mW 光源 2027 年才投产。按系统裁定，上游约束只写进口径提醒与缓解时点，没有做成供给曲线里的最小值约束，所以 7.13 节的供给带反映的是模块组装能力，不反映芯片能否跟上。

7.11 租金落在上游芯片，模块厂收的是份额与结构升级带来的二层租

产出侧看，单价由速率档位和光源路线决定

一份 2026-08-10 的专家纪要给出的价格读数是：800G DR 模块 360–380 美元，FR 模块 460–520 美元并在年内降到 420–460 美元；硅光 800G 的 FR 为 360–370 美元、DR 为 320–330 美元，后续到 300 美元；1.6T 的 DR 约 1,000 美元；2027 年预期硅光 DR 约 300 美元、EML DR 330–340 美元、FR 400–420 美元est。这是单一纪要来源，只能看方向：同一速率的单价逐年下降，硅光比 EML 便宜一档，速率升一代单价跳一档。

公司层面的价格代理是新易盛：2026 年上半年光互联收入 208.83 亿元、销量 1,119 万只，单只均价约 1,866 元，上年同期约 1,498 元，上涨 24.6%方法。这一涨幅主要来自 1.6T 起量带来的结构上移，不是同规格提价。

投入侧看，物料成本压在外购芯片上

投入侧的读数零散，方向一致。1.6T FR 模块售价约 1,100 美元而物料四五百美元；800G 硅光发射端成本约 39 美元，EML 方案 110–120 美元；DSP 估计占 800G 模块成本的 20–30%；器件层的天孚通信原材料占营业成本 74.56%。模块厂的毛利率因此对芯片价格和配额高度敏感：芯片涨价或断供，最先被压缩的是模块厂的毛利。

毛利率分层显示租金的分布

三家 A 股公司的 2025 年分部毛利率可以逐层识别：天孚通信光互连元器件 53.62%，其中无源光器件 63.67%、有源光器件 46.63%hard；新易盛光互联产品 47.81%，同比提高 2.93 个百分点hard，2026 年上半年为 48.46%hard；中际旭创光通信收发模块 42.61%，同比提高 7.96 个百分点，同期该业务收入增长 63.67%hard。专家访谈给出的客户分层是：北美客户的 800G 与 1.6T 毛利率 30–40%，400G 约 20%，国内客户低于 10%est。材料里没有 Marvell、博通、Lumentum、Coherent 的分部毛利率，上游收租的判断依据是交期、预订率与缺口，不是利润率读数。

7.12 三家 A 股公司都在环节里，都不在卡点上

记分卡第六格对光模块的判断是只能收二层租：三家 A 股候选的分部毛利率都能在年报里识别，但卡点在 DSP、磷化铟激光器芯片与芯片设备，三处的收租人都不在 A 股。系统第三步的四道门检查（D4，2026-08-31 快照）看的是 AI 收入能否拆出、客户认证有无实证、产能有无真投入、产品价格与毛利有没有上去，三家的读数汇总如下。

中际旭创的读数最强，价格也最贵

旭创 2025 年收入 382.40 亿元、归母净利润 107.97 亿元hard，产品线覆盖 1.6T 到 10G，800G 与 1.6T 同时提供 EML 与硅光方案。它是材料里唯一披露实测利用率的模块厂，出处是 2026-07-30 在港交所上市时的招股书，这次上市募资 534 亿港元hard。在建工程由年初 0.53 亿元增到年末 14.22 亿元hard，即四道门里的在建 +2580%。经营现金流净额 108.96 亿元hard，与归母净利润之比约 1.01方法。前五名客户占销售额 75.98%，第一大客户占 24.06%hard；上游依赖也最集中，第一大供应商占采购 35.76%。它的问题在价格：D4 快照的三年估值分位 97，系统的出场条款规定分位不低于 90 时冻结新建仓建议，研究袖套在旭创上是 0M。

新易盛纯度最高，押注也最集中

新易盛 2025 年收入 248.42 亿元、归母净利润 95.32 亿元hard，光互联产品占收入 99.72%，境外收入占 96.16%hard；泰国子公司当年收入 219.09 亿元hard，泰国工厂二期 2025 年初投入运行。前五名客户占 72.34%，第一大客户占 22.97%hard，年报未披露客户名称。2026 年上半年收入 209.10 亿元，同比增长 100.34%hard，光互联分部毛利率 48.46%。它的弱点在现金：2025 年经营现金流与归母净利润之比约 0.81，2026 年上半年降到 0.2147方法，货币资金较年初减少 11.2%hard，现金去了原材料、预付款与设备款。它是研究袖套里最大的一笔仓位，读数见 7.13 节。

天孚通信在器件层，毛利率在下行

天孚做光模块上游的无源与有源光器件、光引擎和高精度封装组件，在「光芯片、光零组件、光器件、光模块」的分工里处在光零组件与高速光器件环节，是模块厂的供应商。2025 年收入 51.63 亿元、归母净利润 20.17 亿元hard，前五名客户占销售额 89.73%，其中 Fabrinet 一家占 63.31%hard，而 Fabrinet 正是替 Coherent 与 Lumentum 代工模块的公司。收入结构在从高毛利的无源器件转向毛利率较低的有源器件，有源器件收入占比由 50.91% 升到 58.06%hard，这是四道门里门 4 不过的直接原因。年报的产能三件套里，器件销量只有产量的 53.7%方法，内部自用于组装光引擎可以部分解释，但年报没有说明，属于必查项。

7.13 系统读数与未解决问题

峰值前移与在账断言方向不一致

系统为光模块画了 Tight、Base、Loose 三条供给曲线，合称供给带，三条曲线与需求相除得到三个情景的利用率。2026-09-08 的卖方补数对供给带做了三处修改：把 2026 与 2027 年的高速占比放回带里；把前三家份额，即旭创、新易盛、Coherent 合计占行业的比例（模型用它把三家产能折算成全行业产能），从常数改成下行路径，Base 由 2025 年的 0.70 降到 2026 年 0.66、2027 年 0.60假设；先扣除 Coherent 与汇绿、环旭之间的重复计数 3.0M 只/年假设。修改后 Tight 与 Base 的峰值都落在 2026Q4，Loose 落在 2025Q1，短缺季数由 12、12、11 季变为 12、10、6 季方法。成因单一：以 Base 为例，2027 年各季供给被上修约 40%–75%，2026 年各季只上修约 8%–23%，曲线最紧的位置从 2027 年初挪到 2026 年底。Base 在 2027Q3 与 Q4 回到 1 以下，原因是同样的产能里能做 800G 以上的部分比上一版假设的多，缓解来自产品结构，没有一条新宣告的产线。在账断言「峰值 2027Q1/Q2」按裁决日逐季裁，本轮不改，登记为方向不一致、待下次记分复核。

仍未解决的四处口径

• 前三家份额：四家卖方拼出的带是 0.62、0.69、0.78（est-1），0.70 站得住，0.775 是上沿；没有任何一家卖方印过前三家合计，下行路径的取值是本项目构造的。卖方对前三是哪三家也不一致，摩根士丹利的口径里 Fabrinet 排第二，而 Fabrinet 替 Coherent 与 Lumentum 代工，与 Coherent 并列会把同一批模块数两遍。
• Coherent 产能：从「永久不可验」降为 est-2 的出货量代理。花旗用自己的收入与均价隐含 FY2026E 出货 582–800 万只，把模型里的 720 万只夹在中间；它旁证的是出货量级，是产能的下界，且 Coherent 财年与日历年错开半年。
• 重复计数：美银 2026-08-05 写明 Coherent 依赖汇绿与环旭补充产能，而汇绿已作为二线厂单列在扩产表里，先修口径再修参数。
• 查无出处的读数：DSP 双寡头合计份额超过 85%，DSP 交期受限于台积电产能，光迅 2026 年产能目标的物料保障率只有六到七成，VCSEL 最紧缺；四条都不能当事实引用。

⑤ 市场分歧里，我方在账有三条可证伪的断言。第一，市场口传每 GPU 模块数从 2.0 升到 5.0，我方钉「到 2026-12-31，五家公开业绩会找不到官方配比数字」。第二，市场把新易盛的存货堆积读成牛鞭效应，即需求信号沿供应链逐级放大、下游层层加码备货，我方看的是存货结构：成品加发出商品占存货的比例为 14.91%、跌价准备率 4.90%，2025 年末分别为 24.62% 与 6.86%方法。第三，卖方一致预期隐含新易盛 2026 年下半年收入约 366 亿元est，我方点估计 330 亿元、区间 290–370 亿元方法。

7.14 对投资判断的含义

光模块是研究袖套最大单笔所在的环节，而它的第六格是只能收二层租。持有逻辑因此不能写成「光模块是瓶颈」，只能写成「在上游芯片紧缺期间，A 股模块厂靠规模、客户与产品结构收到的二层租还会延续」。13 环节母表的判断与此一致：这笔仓位收的是二层租，理由需要重写而不是删除。尽调问题落在二层租的厚度与期限上。

1. 领先多少。龙头与二线的差距体现在可观测的数字上：1.6T 批量出货与硅光占比，海外产能占比（旭创 2025 年为 71%），分部毛利率与二线厂的差距。新进入者的量产时点是差距开始收窄的日期，专家纪要给出立讯精密 2027 年四季度才规模量产、东山精密最早 2027 年下半年est。
2. 领先来自哪里。来自耦合与测试的良率、北美大客户的认证名单和芯片配额，这些都靠积累，都不是专利式的独占。检验办法是看芯片紧缺时谁的出货增速更高、谁在用预付款锁货。
3. 能维持多久。取决于上游何时缓解：磷化铟与激光器芯片最早 2027 年下半年，也可能到 2028 年；DSP 没有缓解时点；800G 价格最早 2027 年下半年才可能下跌。上游一旦放松，模块端的弹性会让价格和毛利先回落。技术路线是另一条期限线：LPO 省掉 DSP 对模块厂有利，CPO 放量会压缩可插拔模块的份额。
4. 规模是否强化优势。在芯片紧缺期是：大客户订单与预付款能换到更多配额，旭创第一大供应商占采购超过三成，说明它与关键供应商绑得很深。紧缺缓解后，规模优势从「拿得到货」退回「成本低一些」，优势变薄。

对研究袖套里的这笔仓位，2026-09-08 呈报件写明的出错线是产品结构与现金「共同失败」：结构的基线是光互联毛利率 2025 年的 47.81%，现金的基线是经营现金流与归母净利润之比 0.2147；2026-10-31 的三季报里两条同时向下，即按门的字面落到 18M 或 14M 以下的档位。另外两条独立的撤回线是 2027 年核心利润明显下修与重大重述。

8.1 产业链位置与边界

PCB（Printed Circuit Board，印制电路板）是拆开任何服务器都能看到的那块多层板：芯片、内存、连接器焊在上面，板里的铜线把它们连起来。它的基础材料叫覆铜板（Copper Clad Laminate，简称 CCL），是玻璃纤维布浸满树脂、两面压上铜箔的硬板；PCB 厂把多张覆铜板和粘结用的半固化片叠起来压合，再钻孔、镀铜、蚀刻出线路。本章的对象是 AI 服务器与 AI 交换机里的高端板，以及为它们供应高速覆铜板的材料厂。

这条链的上游是三种材料和几类设备：三井金属等厂的低轮廓铜箔，日东纺、南亚塑胶等厂的电子玻纤布，树脂，以及丰田的织布机。中游一层是覆铜板厂：中国大陆的生益科技，台湾的台光电、台燿、联茂，日本的松下，以及建滔、南亚。再往下是 PCB 厂：沪电股份、胜宏科技、生益电子、深南电路，台湾的金像电、健鼎、臻鼎，韩国的 ISU Petasys。下游是按 NVIDIA 机柜方案组装服务器的整机厂，最终用户是 Amazon、Google 这些云厂商。

边界同样要先划清。它不是第 6 章的 ABF 载板：载板贴在芯片封装底下，线宽几微米，用树脂膜做绝缘；PCB 是承载整块主板的板，线宽几十微米，用玻纤布增强的覆铜板。它也不是第 11 章的连接器与线缆，但两者正在交换价值：VR200 一代把机柜里的一部分铜缆换成 PCB 中板，价值从线缆转到 PCB，这是转移，不是新增。本系统的需求模型只算 AI 加速器机柜里的板，交换机与背板的需求路径目前缺失。

A 股在这一环的位置和 ABF 载板相反。全球 PCB 产能大头在中国大陆，高端 AI 板的主力供应商里有 A 股公司，覆铜板的全球第二大厂也在 A 股；记分卡给这一环的“A 股能否收租”判定是“能”，而且是 13 个环节里证据最硬的一个。

8.2 物理问题与成本来源

PCB 要在几十厘米的距离上把高速信号送到

一块 AI 服务器主板上，GPU、CPU、网卡、交换芯片之间每秒要来回传输海量数据，这些数据以电信号形式沿铜线传播。铜线和它下面的参考铜层之间夹着一层绝缘材料，信号的电磁场大部分走在这层绝缘材料里。频率越高，铜线本身和绝缘材料吃掉的能量越多（机理见第 2 章，本章 8.5 讲它在板上的具体表现）；信号走到终点时衰减得太多，接收端就分不清 0 和 1。

所以 AI 服务器板要同时解决三件事。第一，让信号少衰减：换更低损耗的树脂、玻纤布和更平滑的铜箔。第二，让几千条高速线互不干扰地走出来：一颗 GPU 周围要引出的线太多，只能往厚里叠层数，每层之间用铜平面隔开。第三，让电源大电流稳定输送：更多、更厚的电源层和接地层。三件事都指向同一个结果：层数更多、材料更贵、工艺更难。

成本主要花在材料、钻孔压合与良率上

一块高端 PCB 的成本可以拆成几块：覆铜板和半固化片等基材；铜、金等化学品；钻孔、电镀、压合的设备折旧和人工；最后是良率损失与测试。Bernstein 估计覆铜板约占 PCB 成本的 30%est，这意味着材料涨价会直接挤压 PCB 厂的毛利，除非它能把价格传导下去。层数越高，一块板需要的覆铜板和半固化片越多、压合轮次越多，良率损失越集中，单位面积的成本和售价都上一个台阶。

8.3 自建推演

假设一家云厂商决定自己做 AI 服务器主板。第一步最容易：买标准覆铜板、找一条普通多层板产线，做出上一代通用服务器 CPU 主板那样的 10–12 层板est，这是成熟工艺，全球有大量产能。难处从第二步开始：要把 GPU 计算板做到 22 层、用五阶高密度互连（HDI）结构est，每多一阶就多一轮压合与激光钻孔，层间对位误差逐轮累积，良率随轮次连乘下降（见 8.7）。这一步撞上的约束是工艺积累和良率。

第三步是材料。要让 GPU 之间的高速信号走得通，覆铜板必须用低损耗树脂、低介电玻纤布和低轮廓铜箔。这些材料不是有钱就能买到：专家纪要称 2026 年 HVLP4 铜箔严重短缺、优先保头部客户est；卖方纪要称高端织布机由丰田垄断、交期 18–24 个月est；生益科技在年报里写明，薄型玻璃布产能被低介电布需求挤占，价格每月以 10%–20% 跳升hard。自建者排在头部 PCB 厂之后拿料，材料交期决定了它上量的节奏。

第四步是认证与产能爬坡。AI 服务器板要通过芯片厂和整机厂的逐项认证，沪电在年报里披露，泰国工厂的数据通讯事业部已有超过 70% 的海外客户完成认证，其余还在推进hard。一座新厂从投产到被主要客户认证，本身就是以季度计的过程。

走完这四步，结论是：普通板谁都能做，AI 高端板的门槛在工艺、材料和认证三处叠加，而且 PCB 厂自己的扩产相对快，前置期约 6–9 个月est，真正刚的是上游材料与设备（18–24 个月）。这决定了本环节供给刚性只能打 2 分：紧是真的，但 PCB 这一层的产能比上游材料更容易追上来。

8.4 覆铜板由铜箔、树脂和玻纤布压成

覆铜板的制造从玻璃开始。玻璃熔成细丝、捻成电子纱，再用织布机织成很薄的玻纤布；玻纤布浸入树脂胶液，烘到半干，成为半固化片，生益科技的财报里把它叫作“粘结片”；把半固化片和铜箔叠在一起，高温高压压合、树脂完全固化，就成了两面覆铜的芯板，也就是狭义的覆铜板。玻纤布提供强度和尺寸稳定，树脂负责绝缘和粘合，铜箔是后面蚀刻线路的原料。

多层 PCB 是把多张芯板和半固化片交替叠起来压成的。PCB 厂先把每张芯板两面的铜蚀刻成信号线或电源、接地平面，再在芯板之间夹上半固化片，最外层放铜箔，一次或多次压合成整板；然后钻孔、孔壁镀铜把各层连通，做外层线路、阻焊和表面处理，最后电测。一块 8 层板大致由 3 张芯板、4 层半固化片和 2 张外层铜箔组成，层数越高，用到的芯板和半固化片越多。

覆铜板面积不等于 PCB 面积

这就是本环节第一个口径陷阱：覆铜板厂按平方米卖芯板，PCB 厂按平方米卖成品板，两个“平方米”不是同一个量。一平方米的 24 层成品板，里面叠着十几张芯板和同样多层的半固化片；层数越高，一平方米 PCB 消耗的覆铜板越多。系统在 2026-09-07 裁定，覆铜板到 PCB 的层数系数取 12、14、16 三档假设，约等于 24、28、32 层板层数的一半。

覆铜板这一层有全仓库最好的一条物理量序列。生益科技的覆铜板产量从 2022 年的 11,148.32 万平方米增加到 2023 年的 12,279.68 万、2024 年的 14,371.48 万、2025 年的 15,813.19 万平方米，2025 年同比 +10.03%，同年销量 16,062.79 万平方米hard。按 Prismark 的统计，生益刚性覆铜板销售额连续多年全球第二，2024 年全球份额 13.7%est。这条序列的局限是全品类：普通 FR-4 板材占大头，AI 高速覆铜板的切片没有拆出来。

8.5 高速信号的损耗来自导体和介质两处

一条高速信号线和它下面的参考铜层构成一对导体，中间夹着绝缘材料，这个结构叫传输线。信号以电磁波的形式沿传输线前进，电场和磁场大部分分布在绝缘材料里，所以材料的电学性质决定了信号能跑多快、跑多远。描述这层材料的两个参数，是 PCB 行业里最常出现的两个缩写。

第一个是 Dk，介电常数，衡量材料对电场的“拖累”程度。信号在材料里的传播速度与 Dk 的平方根成反比，Dk 越高信号越慢；线路的特性阻抗也取决于线宽、介质厚度和 Dk，阻抗必须全程一致，否则信号在变化处反射回去。玻纤布里玻璃丝和树脂的 Dk 不同，一对差分线如果一根压在玻璃束上、一根压在树脂缝上，两根线的速度就不一样，到达终点时错开，这叫玻纤布纹效应。

第二个是 Df，介质损耗因子，衡量电场每振荡一次有多大比例的能量变成热。单位长度上的介质损耗大致与频率、Df 和 Dk 的平方根三者的乘积成正比，所以频率翻倍，介质损耗也翻倍。导体一侧的损耗来自趋肤效应：频率越高，电流越往铜线表面挤，有效导电截面越小（见第 2 章）；为了让铜箔和树脂粘牢，铜箔表面做了粗化，高频电流只能沿着这些“齿形”绕行，路径变长，损耗再加一层。

其余两个问题也把板往“更多层”推。串扰是相邻线路之间的电磁耦合，线越密、并行越长，串扰越大，解决办法是拉开间距或在信号层之间插入接地层，两者都要更多层数。反射来自阻抗突变，过孔是最常见的突变点：一个贯穿整板的孔，如果信号只用到其中几层，剩下的孔段是一截开路的残桩，会在特定频率上把信号反射回去，所以高速板要把这段残桩从背面钻掉，这道工序叫背钻。

收发芯片能容忍的整条通道损耗有一个上限。单通道速率每升一代，信号的基础频率大约翻倍，介质损耗也随之翻倍；要守住同样的传输距离，只有三条路：换 Df 更低的材料，缩短走线，或者把一部分长走线换成损耗更低的线缆（见第 11 章）。前一条路是覆铜板和 PCB 行业这一轮升级的物理根源，后两条路决定了 PCB 和线缆之间价值怎么分。

8.6 材料等级从 M6 升到 M9 是一次整体换料

行业常用 M6、M7、M8、M9 这样的等级描述覆铜板的损耗档次（松下的 MEGTRON 系列就按 M6、M7、M8 命名），数字越大 Df 越低、能支持的速率越高。一个等级不是换一种原料就能达到的，树脂、玻纤布、铜箔三样要一起升级：树脂从环氧体系换成更低损耗的树脂体系，玻纤布从普通电子布换成低介电布乃至石英布，铜箔从普通箔换成表面更平的低轮廓箔。三样材料各有各的瓶颈。

树脂和整体方案一侧，专家纪要称 800G/1.6T AI 交换机约八成设计采用 M9 树脂加第二代低介电玻纤布，M10 还处在技术储备期est。玻纤布一侧，海通国际写明 M7、M8 用的第二代玻纤布主要由日东纺供应，日东纺扩产速度每年只有 20–30%，M7 级以上材料存在 6–12 个月的供需缺口est；石英布放量推迟到 2027 年，2026 年以第二代低介电布为主est；Third Bridge 2026-01-29 的专家访谈还提到石英布在覆铜板厂的良率只有 50–70%est。铜箔一侧，HVLP4 铜箔 2026 年严重短缺est，三井金属的 VSP 系列在 HVLP5 里占八成est，BofA 转录的三井 VSP 高频铜箔产能计划从每月 620 吨增加到 2028 年 9 月的 1,200 吨est。

材料升级让覆铜板的单价随代际走高。Macquarie 对斗山的覆铜板模型里，每层每平方米的覆铜板价格从 Hopper 一代的 60 美元，到 Blackwell 的 95–115 美元，再到 Rubin 的 170–180 美元est，涨到约三倍。上游材料本身也在涨：生益科技在 2025 年年报的展望里说，铜价快速攀升、铜箔厂转产高端导致普通铜箔紧缺、薄型玻璃布价格每月跳升，2026 年供给侧的影响因素“将出现前所未有的复杂”hard。

8.7 高多层、HDI 与背钻把难度压在工艺和良率上

AI 服务器板的层数由卖方拆解得相当一致。GB300 与 Blackwell 一代的 GPU 计算板是 22 层，Morgan Stanley、海通国际、Macquarie、Citi、广发证券五家的说法一致；Rubin 一代的计算板，Morgan Stanley、Macquarie 与海通国际给 26–28 层，中信证券给 36 层，是唯一的异议est。交换托盘的板，Citi 拆 GB200 一代为 24 层，中信证券给到 26 层与 40 层两档est。沪电在年报里转引 Prismark 的判断：2025 年 AI 相关的 18 层以上高多层板、HDI 板和封装基板增长尤为突出est。

高密度互连（High Density Interconnect，简称 HDI）是在普通多层芯板两面，用激光打微孔、逐层叠加细线路的做法。卖方写法“22 层 5+N+5”的意思是：中间一块 N 层的多层芯板，两面各顺序叠加 5 层；广发证券把 GB200 主板写成“22 层 5 阶 M7+ HDI”，即 5+12+5est。每叠一阶就要走一轮压合、激光钻孔、填孔电镀和线路制作，而每次高温压合时树脂流动、玻纤布收缩，板子的尺寸都会微微变化，上下层的孔和焊盘要靠逐层补偿才能对准。阶数越多，对位误差越容易累积到让孔打偏。

另外两道工序专门为高速信号服务。背钻前面讲过，是用略大的钻头从背面把不用的孔段钻掉，钻深要控制在很小的公差内，钻浅了残桩还在，钻深了伤到有用的连接。线宽更细的板要用改良型半加成法（mSAP），Third Bridge 的专家判断这一细分未来 2–3 年持续短缺est。板越厚、孔越深，孔壁均匀镀铜也越难，这些都直接表现为良率。

8.8 AI 服务器里的板正在替代一部分线缆

一个 GB200 或 GB300 NVL72 机柜里有 18 个计算托盘和 9 个 NVSwitch 交换托盘；每个计算托盘装 4 颗 GPU，合起来 72 颗（机柜结构见第 3、12 章）。Citi 拆解 GB200 一代的计算托盘：两块 22 层 5+N+5 HDI 计算板各约 400 美元，加桥接板约 80 美元、配件板约 20 美元，一个计算托盘约 900 美元；交换托盘用 24 层 6+N+6 板，约 800 美元；整柜 PCB 价值约 2.34 万美元est。广发证券逐块数过，一个 GB200 NVL72 机柜有 153 块板，整柜 PCB 价值在 2.02–2.83 万美元之间est。

到了 VR200，账变了。摩根士丹利估计每柜高端 PCB 价值量 GB300 约 3.5 万美元，VR200 约 11.7 万美元（摩根士丹利 2026-05-22，经 BigGo 转引）est；库内能读到的这份报告原件逐板列出了单价和数量：计算板从 22 层 HDI 升到 26 层，单块从 650 美元涨到 1,400 美元；交换板从 800 美元涨到 1,450 美元；新增 18 块中板，每块 1,500 美元；VR200 一列还列出 72 块网卡板和 18 块 DPU 板est。按单价乘数量复算，两列合计与报告的总数逐位吻合；每柜多出来的 81,630 美元里，62.5% 来自中板、网卡板和 DPU 板这三类新增板型方法。

中板出现的原因在机柜的互连方式。GB200 一代，NVSwitch 与每颗 GPU 之间靠机柜背后几千条铜缆连成全互联（见第 11 章）；VR200 把这部分连接改成 PCB 中板加板对板连接器，卖方测算每颗 GPU 对应的 PCB 价值因此从约 400 美元升到 880–900 美元，涨幅 113%est。这一块价值是从线缆环节转过来的，线缆那边同期会少一块；两个环节的需求模型如果各自独立地把新增算进去，就会重复计价。

8.9 需求由机柜数乘单柜价值量推出来

PCB 是按机柜配套的，需求从机柜数出发。先把 AI 加速器的真实出货颗数除以每柜 GPU 数，得到“等效机柜数”：2024–2026 年按 NVL72 当量每柜 72 颗计，72 颗是 NVL72 的产品规格hard；2027 年按 NVL72 与 VR200 NVL144 各半混合的调和平均 96 颗计假设。再乘每柜 PCB 价值量：2024 年 1.36 万美元（按 HGX 平台每颗 GPU 175–204 美元折算），2025 年 2.5 万（GB200），2026 年 3.5 万（GB300）est；2027 年 6.233 万，是 GB300 与 VR200 按柜数份额 2/3 与 1/3 加权的结果方法。

代入后，季度需求从 2024Q1 的 2.405 亿美元涨到 2027Q4 的 38.356 亿美元，涨 15.95 倍；全年合计 2024 年 15.81 亿、2025 年 35.49 亿、2026 年 82.61 亿、2027 年 151.88 亿美元方法。拆开看，等效机柜数从 1.769 万涨到 6.154 万，涨 3.48 倍；每柜价值量从 1.36 万美元涨到 6.233 万美元，涨 4.58 倍；按对数口径，55% 的增长来自单柜价值量，45% 来自物理量方法。

这带来一个容易被误读的时间差。每柜塞进的 GPU 越来越多，同样的出货需要的柜子越来越少，等效机柜数在 2027Q1 达到 6.737 万后回落；每柜价值量却还在涨，金额需求到 2027Q3 才见顶，为 39.384 亿美元方法。物理峰在 2027Q1，金额峰在 2027Q3，差两个季度；本系统给 PCB 定“最紧时点”用的是金额峰。柜数的这次回落来自每柜 GPU 数取 96，这个取值的计数口径待核，见第 12.8 节的口径提醒。

面积口径有了卖方数据，但系统仍按金额算

金额口径有一个结构缺陷：分子分母都随涨价膨胀，价格信号被抵消。把需求换成平方米需要两个桥之一：每柜 PCB 面积，或每平方米单价。2026-09-07 的裁定认为这条路不通，不买不找，缺口由记分卡的紧张方向维补；一天后，卖方补数在研报库里把两座桥都找到了：按中信证券与广发证券披露的单板面积与块数加总，GB200 NVL72 每柜 4.41–5.74 m²，GB300 为 4.81 m²，Rubin 为 5.62 m²（含 CPX 中板 6.52 m²）est；用整柜金额除以整柜面积，六家卖方的数落在每平方米 3,500、6,000、11,000 美元的低、中、高三档，标 est-1est。

这张表给出两件事。其一，单价本身在按代际涨，2024 到 2027 年约三倍，所以用一个常数单价把金额换成面积会系统性出错。其二，ISU Petasys 用公司营收除以出货面积得到的 2025 年实现价每平方米 3,200–3,660 美元，与机架反算的 GB200 低值 3,527 美元只差 1%，两条互相独立的路走到了同一个下限。按每柜 5 平方米上下、2027 年约 25.8 万个等效机柜算，AI 机柜直接用掉的成品板面积约 130–150 万平方米方法，还不到沪电黄石工厂一家全品类年产能 300 万平方米的一半（两者主语不同，只作量级对照）；它的价值集中在很少的面积上，这正是“AI 能用的产能只占全品类一成上下”（见 8.10）在需求侧的镜像。

8.10 供给算不出产能，紧张度要从市场读数里读

本系统不给 PCB 与覆铜板画供给曲线，理由是分子分母双错配。能拿到的最好的两条腿都是一手数，但都不是产能：沪电 FY2024 的 PCB 产值 132.05 亿元是金额，生益 FY2024 的覆铜板产量 14,371.48 万平方米是全品类实际产量hard；而需求是 AI 服务器口径。PCB 产线还是通用可切换的，同一条线可以做普通板，也可以降产出做高层板，“行业产能”本身不是一个良定义的量。金额口径还会把涨价同时乘进分子分母，价格信号被抵消。2026-09-07 的裁定因此是：面积口径不追，缺口由记分卡的紧张方向维补。

全行业产能大，AI 能用的那一片却很小，这件事有一手证据。沪电的公告里写着三个带 AI 或高端标注的产能数：新增 14 万平方米/年高端印制电路板，约 29 万平方米/年人工智能芯片配套高端印制电路板，以及已购设备折合 37.44 万平方米/年；对照黄石沪士全品类 300 万平方米/年，AI 高端切片占 4.67%、9.67%、12.48%hard，裁定按“单家样本”采用。沪电数据通讯事业部 2026 年一季度产能利用率已超过 90%，公司称针对性扩容预计 2026 年二季度有序释放；生益在 2026 年半年报里写道，头部厂商高端产能供不应求、订单排期至年末，行业启动百亿级扩产竞赛，公司在推动产品价格策略调整hard。

六条市场读数方向全同

量的一侧，台系六家 PCB 与覆铜板厂的月营收是全球唯一的月度强制披露。近三个月同比中位数 +80.9%，加速度（近三个月同比均值减去前三个月同比均值）中位数 +25.1 个百分点，六家无一例外正加速，联茂单家 +62 个百分点hard。8 月已申报的四家同比全部为正，其中三家比 7 月更高。现金的一侧，沪电 2026 年上半年购置资产预付款 24.06 亿元，比上年末增加 104%；在建工程 35.71 亿元，上年末为 24.60 亿元，期内投入 27.19 亿元、转固 15.53 亿元hard。价格的一侧，涨价已经扩散到普通料：建滔 FR-4 覆铜板 +10%、半固化片 +10–20%，南亚覆铜板与半固化片 +20–25%，松下普通覆铜板和封装材料 +30%est，卖方把这一轮的归因写成铜箔与铜价。

PCB 这一层扩产快，卡在上游材料和设备

扩产正在大规模发生。FY2025 胜宏科技资本开支同比 +694%、在建工程 +1,307%，生益电子资本开支 +286%，深南电路在建工程 +109%；生益科技期末在建工程 13.54 亿元、同比 +188%，江西生益二期 2025 年 6 月起分批投产，全部投产后新增年产 1,800 万平方米覆铜板和 3,400 万米粘结片hard。台系也在加码，Third Bridge 的专家称台光电 2027 年底到 2028 年初产能再加 50%、达到每月 1,000 万张，深南电路无锡厂扩 30%、南通新厂四季度释放est。

PCB 厂自己扩产的前置期约 6–9 个月est，这个数来自一份口述性质的前置期表，没有独立一手锚。上游慢得多：卖方纪要称高端织布机由丰田垄断、交期 18–24 个月，电子纱窑炉 18–24 个月，覆铜板新线在国内要 18 个月、在东南亚要 2 年，HVLP 铜箔的表面处理设备每年只能新增 6–8 台est。系统在账的判断是供给追上需求推后到 2027Q4–2028H1；Third Bridge 2026-04-24 的专家说“明年四季度起整体供需将不再像现在这么紧”，报告日期推算即 2027Q4，但同一位专家也说 mSAP 细分未来 2–3 年持续短缺est。

8.11 价值与利润按产品档次分配

先看产出侧。高盛估计 2027 年 AI 服务器 PCB 市场规模 380 亿美元，其中 GPU 相关 PCB 为 188 亿美元，交换机背板从 2.25 亿美元增长到 9 亿美元est；本系统模型 2027 年只算 AI 加速器机柜的板，为 151.88 亿美元，约为高盛 GPU 子集的 81%方法。两者同属需求侧推算，量级接近不构成验证。价值在板内部的分布，前面已经拆过：VR200 每柜 11.67 万美元里，计算板占 43%，中板占 23%，网卡板占 17%方法。

再看投入侧，利润落在谁手里。沪电 2026 年上半年数据通讯板收入 113.30 亿元、成本 64.29 亿元，毛利率 43.2579%，同比 +4.60 个百分点；同一份报表里智能汽车板毛利率 18.97%，同比 −6.22 个百分点，两个分部的毛利率差从上年同期的 13.47 个百分点拉大到 24.29 个百分点hard。上游的生益科技，2026 年上半年覆铜板和粘结片毛利率 29.1554%，同比 +5.47 个百分点hard。FY2025 的公司毛利率里，胜宏科技从 22.7% 升到 35.2%，生益电子从 22.7% 升到 31.2%，深南电路从 24.8% 升到 28.3%，台光电从 27.9% 升到 29.8%，台燿从 23.2% 降到 22.7%hard。

这一轮涨价的归因包含成本推动

市场上流行的看法是：覆铜板厂能借原料涨价向下游传导出超额利润，覆铜板收租、高端 PCB 被挤压，两份卖方报告（2025-11-27、2026-03-11）都这么写est。本系统在账的判断相反：两端同期同向扩张，租金由终端需求支付、上下游共享；传导能力由产品档次决定。沪电数通与汽车板一升一降、生益覆铜板同期扩张，是这条判断目前的一手支持。

但 2026-09-08 的记分卡给这条判断加了一处自我修正。本轮涨价的归因是铜价与铜箔普涨，而不是 M8、M9 高端料的档次溢价；如果涨价是成本推动，那么“两端同向扩张”也可能只是共同的成本传导，而不是共同分租。用第一性原理算一下传导的量级：Bernstein 估计覆铜板约占 PCB 成本的 30%，假设覆铜板涨价 20%假设，PCB 厂成本就上升约 6%方法；沪电数通毛利率在这种背景下仍扩张 4.60 个百分点，说明它在高端档有定价权，而汽车板被成本传导滞后挤压，公司自述“成本传导周期滞后，盈利能力受到挤压”hard。区分两种解释，需要一个报告期以上的连续读数。

还有一个问题要排除：涨价是不是靠给客户放账期换来的。沪电 FY2025 应收账款周转天数 106.10 天，FY2024 为 110.62 天，改善 4.52 天；应收账款净额同比 +36.20%，低于营业收入同比 +42.00%hard。涨价没有靠放账期换来，这一格补上了定价权证据里原先缺的一环。

8.12 A 股映射与公司读数

记分卡第六格对这一环的判定是“能”，而且是 13 个环节里最硬的一个：两家 A 股公司同时满足两个条件，一是坐在瓶颈位上，二是分部毛利率在一手件里可以识别。沪电的依据是数据通讯事业部稼动率超过 90% 和可逐格复算的数通分部毛利率；生益的依据是它自述高端产能供不应求、订单排期至年末，以及覆铜板和粘结片的分部毛利率。

沪电股份的收入口径敞口是产能口径的六倍以上

沪电 FY2025 营业收入 189.45 亿元，其中印制电路板 181.43 亿元，占 95.77%；数据通讯板 146.56 亿元，同比 +45.21%，毛利率 39.68%；智能汽车板 30.45 亿元，毛利率 22.84%；前五名客户合计占销售额 53.32%hard。四道门在 2026-08-31 的快照里全过：门 2 的证据是 Amazon 供应链内加 Google 直供，门 3 是在建工程 +20%、资本开支 +49%、固定资产 +42%，门 4 是合同负债 +128%方法。它的 AI 敞口有两种算法：按收入，数据通讯占 PCB 合计的 80.78%（FY2025）；按产能，AI 高端切片只占黄石工厂全品类的 4.67–12.48%方法，用哪个当敞口，结论完全不同。

它的弱点在现金。FY2025 经营现金流与归母净利润之比为 1.01，2026 年上半年降到 0.3936（上年同期 1.2464）；经营现金流除以扣非净利润为 41.18%，低于仓位门槛要求的 60%，自由现金流 −24.51 亿元（上年同期 +7.09 亿元），原因是 36.02 亿元的建厂支出hard。2026-09-07 的裁定把经营现金流与自由现金流算作同一个原因造成的一次独立失败，研究袖套里的沪电由 16.5M 降到 13.5M。

生益科技的 AI 归属还没有闭环

生益 FY2025 营业收入 284.31 亿元；覆铜板和粘结片收入 177.74 亿元，占主营业务收入 63.78%，毛利率 23.91%，同比 +20.17%；控股子公司生益电子做的印制线路板收入 91.44 亿元，同比 +103.93%，毛利率 28.61%hard。四道门过三道：门 1 不过，AI 收入没有单列；门 2 的证据是进入 Nvidia 合格供应商名单和对 AWS 批量供货；门 3 是在建工程 +188%方法。归属未闭环有两层意思：覆铜板本体的 AI 高速切片没有拆出来；合并利润的增量相当一部分来自生益电子，当年少数股东损益 5.58 亿元、同比 +332.12%，不归属于母公司股东hard。

候选池里这一环只有沪电和生益两家，两家都已在账。2026-09-08 的呈报件据此建议不开第二只：候选池里没有第三家 PCB 或覆铜板公司；生益升到 5M 需要高速覆铜板的独立毛利率，一手件里取不到；板材同链仓位 16.0M 已占组合 29.63%，距 30% 上限只剩 0.37 个百分点。

8.13 系统读数与未解决问题

这一环挂着的未决事项，大多是口径问题：

• 面积口径：2026-09-07 裁定“此路不通，不买不找”，一天后卖方补数在研报库里找到了每柜面积与分代际单价（est-1），但系统没有回填，需求仍按金额算。
• 覆铜板到 PCB 的层数系数：裁定取 12、14、16，约为层数的一半；Macquarie 与中信证券按全部层数算，差一倍。若按后者，覆铜板一侧的供给要砍一半，与面积口径的需求必须一起改，否则利用率双重失真。
• 需求模型没有交换机与背板路径；而 M9 树脂加低介电布的八成采用率，恰恰是交换机口径。
• 与第 11 章连接器环节的重复计价：VR200 中板替代铜缆的那部分价值，两个环节只能算一次。
• 涨价归因：成本推动还是档次溢价，需要一个报告期以上的连续读数；它决定“两端同向扩张”是共同分租还是共同转嫁成本。
• 仓位门 1 读收入还是读产能（沪电 80.78% 与 4.67–12.48%），以及同链 30% 上限（16.2M）与“PCB、覆铜板、ABF 合计不超过 24.5M”两条组合门相差 8.3M，都待一次口径裁定。

8.14 对投资判断的含义

PCB 与覆铜板是本系统在 A 股里唯一“排前三又收得到租”的环节，研究袖套非现金部分的近四成放在这里。它的判断能不能成立，要用领先多少、来自哪里、能维持多久、规模是否强化优势这四个尽调问题检验。

领先来自产品档次、工艺与认证

沪电数通分部 2026 年上半年毛利率 43.26%，同业 FY2025 的公司毛利率里胜宏 35.2%、生益电子 31.2%、深南 28.3%hard；两组期间与口径不同，只能看出档次差距的方向。领先来自三处：产品落在 AI 计算板与交换板这一档，工艺上能稳定做 20 层以上的 HDI 与背钻，客户认证覆盖 Amazon、Google 以及泰国工厂七成以上的海外客户。尽调要核的是：数通板内部，AI 服务器板与交换机板各占多少；泰国工厂的良率与剩余客户认证，能不能撑住公司所说 2026 年二季度起有序释放的扩容。

PCB 这一层的时钟比 ABF 快

PCB 厂自己扩产只要 6–9 个月，系统在账判断供给追上需求推后到 2027Q4–2028H1，专家给的缓解起点也是 2027Q4；金额需求在 2027Q3 见顶，物理需求更早，在 2027Q1。上游的玻纤布、HVLP 铜箔和它们的设备刚得多，这部分约束有利于已经拿到高端料和认证的覆铜板厂守住溢价。可证伪的读数有三条：2026 年三季报里生益覆铜板和粘结片毛利率跌破 29%（离当前只有 0.16 个百分点）；沪电出现与建厂支出不同源的第二个独立失败；台系六家月营收加速度由正转负。

扩产竞赛会先吃掉普通档的租金

这一环的规模会同时带来优势和风险。优势在于头部厂先拿到紧缺材料和客户认证；风险在于全行业正在进行百亿级扩产竞赛，胜宏资本开支 +694%、台光电计划再加 50% 产能，一旦上游材料在 2027 年松动，普通档的租金会最先被扩产吃掉。能留下来的是档次溢价，而档次溢价的证据在分部毛利率里，从行业总收入里看不出来。这也是本章反复强调“租金按产品档次分配”的原因：盯沪电，要盯数通与汽车两个分部毛利率的剪刀差；盯生益，要等它把高速覆铜板的毛利率单独披露出来。

9.1 产业链位置与边界

一座 AI 数据中心从电网取电，最后要把电送进每一颗 GPU。电网送来的是 10 千伏的中压交流电，GPU 核心吃的是 1 伏上下的低压直流电，两端之间隔着变压器、不间断电源、配电柜、机柜电源架、母排和板上电压调节模块。电源环节做的就是这一路的转换与分配。它的上游是功率半导体、磁性元件、电容和铜材，下游是把电源装进机柜的整机厂，再往后是数据中心运营商和云厂商。

整条功率链用一个水系统来理解最直接：电压相当于水压，电流相当于流量，导线相当于水管，导线发热相当于水流摩擦管壁的损失。电网用高水压、细管子长途输水；芯片只能接受极低的水压，于是越往末端，流量越大，水管越要短而粗。本章全程沿用这个比喻。

它与电力、散热两个环节的边界

电源环节不是电力环节。并网排队、变电站扩容和出租通电机房属于第 13 章的电力与数据中心，那里的稀缺物是已经接上电的机位；电源环节卖的是把电转换、分配给设备的硬件。两者对电网排队的敏感方向相反：排队越久，已通电机房越值钱，而新机房开工减少会让设备商订单受损。电源环节也不是散热环节，电转换时损失的每一瓦都变成热，交给第 10 章处理。

还有一条容易被忽略的边界。模型的需求口径只算机柜内的电源架与母排，不含机房侧的 UPS 与配电柜，理由是 UPS 与配电分项的每千瓦价格在研报检索中零命中待核。可 A 股三家候选里，金盘科技主要做柜外变压器，科华数据主要做机房级 UPS，只有中恒电气的高压直流与电力模组贴近机柜。需求用窄口径、证据用宽口径公司，两边对不齐，这一点贯穿全章。

9.2 物理问题与成本来源

电压必须一路往下降

芯片需要低电压，原因在晶体管本身。晶体管越做越小，栅极绝缘层薄到几个原子厚，加上高电压会被击穿，而且功耗随电压平方上升，所以先进制程的核心电压只有 1 伏上下。电网却必须用高电压输电：同样的功率，电压越高电流越小，导线发热随电流平方下降，这是第 2 章讲过的 I²R 损耗。两个要求方向相反，中间只能靠一级一级的转换来衔接。

把 GB200 NVL72 整柜的热设计功率 132 kWest 放进公式 I＝P／V，就能看出每一级的电流有多大。在 10 kV 三相交流上，这台机柜只需约 7.6 A；到 400 V 三相交流约 191 A；到柜内 48 V 直流母排是 2,750 A；一颗 1,000 W 的 GPU 在 0.8 V 核心电压上要吃 1,250 A方法。家用插座的额定电流是 10 A 量级，一根母排里流着几百个插座的电流。

钱花在转换、冗余和最后一厘米

电源设备的成本主要落在四个地方。第一是功率半导体与控制芯片，每一次交直流转换和电压变换都靠开关管高速通断完成。第二是磁性元件与电容，负责把斩碎的电流抹平、储存瞬时能量。第三是冗余，电源架按 N＋1 配置，多装一台模块专门等着坏，数据中心级的 UPS 与备用电池也是为「万一」付的钱。第四是认证与测试，进入 NVIDIA 或大型云厂商供应链要经过一年以上的认证待核。

另一笔看不见的成本是损耗。一台机柜里电源架的转换效率每少 1 个百分点，132 kW 的机柜就多出约 1.3 kW 热量，这些热又要额外的散热设备来搬走方法。材料中给出的电源模块效率目标约 97.5%待核，剩下的 2.5% 在一台机柜里约是 3.3 kW。对运营商而言，效率不是参数表上的装饰，而是二十四小时不停累积的电费与冷量。

9.3 自建推演

假设一家云厂商决定自己给 AI 集群供电，从一台机柜做起，规模逐步放大。它会依次撞上下面几道墙，每一道都对应电源环节里的一个子市场。每撞上一道墙，就多出一类必须外购的设备或能力。

第一台机柜撞上电流墙

传统服务器机柜功耗在 6–10 kW待核，用机柜内的普通服务器电源就能解决。换成一台 132 kW 的 AI 机柜，按 48 V 分配，母排里要走 2,750 A 的电流方法。导线发热随电流平方增长，粗细不够的铜排会烫到无法使用。这家云厂商只好把电源架拆成两组，分装在柜顶与柜底，各喂半根母排，让大电流走过的路程减半。距离在这里直接变成成本。

几十台机柜撞上负载心跳

单台机柜调通之后，训练任务跑起来，新问题出现了。几千颗 GPU 步调一致地「算一步、同步一次」，整柜功耗在毫秒尺度上于 30% 与 100% 之间来回跳动待核。GPU 核心电压只允许约 ±20 mV 的波动待核，跌出窗口，几千张卡的任务一起崩溃。云厂商必须在 VRM 旁边堆电容、在抽屉里放储能、在机柜里放超级电容或电池，层层设置蓄水池，接住每一次突然开大的水龙头。

十万卡集群撞上可靠性与电网

规模到十万卡量级，概率开始主导一切。电源模块故障率哪怕只有万分之一，在十万卡的数据中心里也几乎天天有模块坏掉待核，冗余、热插拔和故障预测从加分项变成标配。同一时间，整座园区的功率波动会反馈到上游电网，变压器、UPS 与配电系统的容量都要重新核算。这时自建团队发现，最难补的一课不是造出一台电源，而是积累足够多的 AI 负载运行数据，让客户敢把整座集群押上去。

五百千瓦机柜撞上电压墙

单柜功率继续上行，48 V 架构本身撑不住了。若机柜走向 500 kW，48 V 母排上的电流会超过一万安培方法，铜排的截面、重量和发热都无法接受。唯一的出路是把配电电压抬高：同样的功率改用 800 V 直流，电流降到 48 V 时的约 1／16.7，同一根导体上的发热降到约 1／278方法。这一步要把变压器、UPS、配电和电源架整体重做，是 9.7 节讲的整链改造。

9.4 机房侧的三个子环节

电从园区变电站出来，到机柜门口之前要经过三类设备：变压器与开关柜把中压降成低压，不间断电源保证断电的几秒到几分钟里负载不掉电，配电柜把电分到每一排机柜。国内数据中心还发展出一条把前几级合并的路线，即高压直流与巴拿马电源。这三类设备是 A 股电力设备厂的老本行，也是本环节 A 股候选最集中的地方。

中压变配电与干式变压器

变压器在物理上是两组绕在同一个铁芯上的线圈，交流电在一侧线圈里产生交变磁场，另一侧线圈按匝数比感应出更低的电压。数据中心室内多用干式变压器：线圈不泡在油里，而是用环氧树脂浇注或真空压力浸渍工艺做绝缘，后者英文缩写 VPI，指把线圈放进真空罐里浸透绝缘漆，防火性能好，适合放在楼里。它的难处不在原理，在于大容量产品的交付周期、温升控制和海外认证。四道门记录在金盘科技一行的备注里写着北美变压器交期已排到 2027 年待核，出处未注明。

A 股的代表是金盘科技。它 2025 年电气设备系列（变压器与成套）收入 62.73 亿元，占主营 86.74%，毛利率 28.17%hard；按下游领域口径，AIDC 及 IDC 数据中心收入 13.37 亿元，同比增长 196.78%，占营收 18.33%hard。两个口径不可相加。它的产线利用率是这个环节最硬的实测读数：成套系列 89.01%、产销率 107.5%，VPI 变压器 88.04%、产销率 108.90%，2025 年上半年液浸式产品扬州 89.09%、武汉 92.82%hard。产销率超过 100% 表示卖出去的比当期生产的多，公司在消化库存或靠加班外协交付。

不间断电源

UPS 是一台「整流器、电池、逆变器」串起来的设备。平时市电先被整流成直流给电池充电，再逆变成交流送出；市电一断，电池立刻接上，撑到柴油发电机起机。按水系统的比喻，UPS 是挂在主水管上的水塔，停水的一刻由水塔续上。代价是电要经过两次交直流转换，每次都有损耗，而电池占地、发热、需要定期更换。

科华数据是 A 股 UPS 的代表，产品覆盖模块化 UPS、预制电力模组与 240 V／400 V／800 V 高压直流。它 2025 年数据中心行业收入 35.23 亿元、占营收 43.17%，其中数据中心产品 22.39 亿元，毛利率 31.97%，IDC 服务 12.84 亿元；同期新能源行业收入 37.99 亿元、占 46.56%，仍高于数据中心hard。年报把高压直流产品列为「开发中」的研发项目，没有单独披露其收入hard。

巴拿马电源与国内的高压直流

国内互联网公司很早就在数据中心用 240 V 或 336 V 直流供电，省掉 UPS 里「直流再逆变成交流」那一步，电池直接挂在直流母线上。巴拿马电源更进一步，把中压配电、变压与整流合进一台一体化设备，从 10 kV 交流直接输出数据中心用的直流电，把传统的多级链路压成一级。转换级数越少，损耗与故障点越少，占地也越省；代价是设备高度定制，对供应商的系统集成与现场服务要求更高。

中恒电气在这条路线上最深。它 2025 年数据中心电源收入 7.76 亿元，占营业收入 36.30%，毛利率 20.71%，同比下降 1.40 个百分点hard；该科目同时包含高压直流、巴拿马电力模组、中低压与精密配电和服务器电源，年报未单独披露高压直流的收入、毛利或订单hard。四道门记录显示它是阿里巴拿马电源的主力供应商待核，材料备注另称它是字节 800 V 高压直流三家白名单之一待核。

9.5 机柜内的三个子环节

机柜内部是 AI 带来的真正增量。传统服务器每台自带一两个电源，功率几百瓦；NVL72 这类机柜把电源从服务器里拿出来，集中成柜顶与柜底的电源架，再用一根母排送到每个计算抽屉，抽屉里再降到芯片电压。电源架、母排和板上电压调节模块三个子环节，外加一个新出现的备用电池模块，构成了模型「每柜供电价值量」的主体。

电源架

电源架是一个 1U 高的抽屉，里面插着 6 个电源模块，按 5＋1 冗余、支持热插拔，合计输出约 33 kW；整柜配置多组电源架，分装在柜顶与柜底，材料记为 8 架待核。每个模块的功率密度是传统服务器电源的好几倍，手段是碳化硅与氮化镓器件，加上电源自身的液冷。效率与密度互相拉扯：挤得越密越难散热，而效率每让出一个百分点，机柜里就凭空多出一千多瓦热量。

前面为了好懂，把电源架写成「交流直接转 48 V」。更准确的版本是：三相交流先被整流成约 400 V 或更高的直流中间母线，再经隔离的直流变换器降到 48 V，配电单元把 48 V 分成多路。电源架内部本来就有一段高压直流，800 V 改造的本质，是把这段高压直流从架内延伸到整座数据中心。

这一层的主场在台湾。一份卖方个股深度估计台达在 GB200、GB300 及 Rubin 电源架中的份额约 60%est；台达 2025 年营收增长 31.8%，AI 占营收 20–30%，基础设施部门营收增长 82%hard。光宝 AI 占营收超过 20%，2026 年指引 40%est。A 股电源厂在这一层仍在追赶，本篮候选里没有一家以机柜电源架为主业。

备用电池模块

备用电池模块英文缩写 BBU，是装进机柜的一组锂电芯，加上电池管理电路和直流变换器。它做的事和 UPS 相同，都是在市电中断时续上负载，只是从机房中央搬到了机柜里，直接挂在直流母线上，省掉集中式 UPS 的一次逆变。按水系统的比喻，它是分散到每栋楼顶的小水箱。材料另记载了一类专门接瞬时冲击的超级电容储能架：电池擅长放出几秒到几分钟的能量，超级电容擅长在毫秒内吞吐大电流，两者分工不同。

BBU 的代价是把大量电池分散进计算机房，热管理、消防和寿命管理都要逐柜做。光宝的 BBU 业务两年翻倍est，这是原始材料里唯一的量化读数，BBU 在每柜价值量中的占比没有出处，本章只做定性讲解。若 BBU 在机柜内普及，集中式 UPS 的一部分价值会随之转移到机柜里。

母排

母排是一根贯通机柜全高的裸铜排，固定在柜背，每个计算抽屉推进去时，背后的夹子自动咬住母排取电。按 132 kW、48 V 计算，母排电流约 2,750 A方法，所以要把电源架拆到柜顶和柜底，各喂半根母排。抽屉推入的一瞬间，电、冷却液、高速信号三种接口要同时对准咬合，浮动导向结构负责吸收零点几毫米的错位待核。母排本身技术门槛不高，价值也小，原始材料里没有它的单列价格。

板上电压调节模块与垂直供电

电压调节模块英文缩写 VRM，是焊在 GPU 周围的一圈元件。它的原理是高速开关：把 12 V 以每秒几十万次以上的频率接通与断开，接通时间只占约 6.7%，平均下来就是 0.8 V方法；电感和电容把斩碎的电流抹平，像一只极快开合的水龙头配上一只小水池。每一路叫一相，由高边与低边两颗开关管和一个电感组成，控制芯片错开各相的开关节拍并动态均流。

一颗 1,000 W 的 GPU 在 0.8 V 上要 1,250 A 电流，单相元件只能扛几十安，于是要并联 20–30 相待核。VRM 必须贴着芯片放，因为在 0.8 V 下，每毫米铜箔的电阻都会造成可观的压降；功率继续上涨、电路板平面的地方不够用时，行业正在把 VRM 放到 GPU 封装的正下方，让电流从芯片背面垂直灌入，这叫垂直供电。本章开头说芯片吃「约 1 V」，严格说一块板上并存着七八个电压域，每一路都要独立调节，配电的复杂度在板级达到最高。

这一层的控制芯片与功率级主要由海外模拟芯片厂供应，例如 MPS 与英飞凌，A 股基本无份。原始材料没有 VRM 在每柜价值量中的拆分，也没有厂商份额，本节不给数字。AI 机柜里电流最大、调节最快的这一段供电，恰好是 A 股电源公司参与最少的一段。

9.6 功率器件、磁性元件与电容

无论是变压器之后的整流、电源架里的变换，还是板上 VRM，所有转换都由同一套元件完成：开关管负责通断，磁性元件与电容负责储存和平滑能量。这三类元件不在 13 个环节的名单里，但它们决定了电源的效率与功率密度，也是电源成本的主要来源。电源价值量里有多少流向上游器件厂，取决于这三类元件的集中度与议价力。

碳化硅与氮化镓开关管

开关管每通断一次都有损耗，频率越高，损耗越大。碳化硅与氮化镓是禁带比硅更宽的半导体材料，可以承受更高的电场，同样耐压下器件更薄、导通电阻更低、开关更快。开关频率提高后，电感和变压器可以做小，这正是电源架能在 1U 空间里输出几十千瓦的原因。两者分工大致是：碳化硅擅长高电压、大功率的前级整流，与 800 V 直流天然匹配；氮化镓擅长高频的中低压变换。

代价同样清楚。宽禁带器件单价高于硅器件，驱动电路更复杂，长期可靠性数据的积累年份也短于硅。全球代表厂商有英飞凌、安森美（碳化硅）与英诺赛科、Navitas（氮化镓），均不在本篮候选内。原始材料没有它们在电源架成本中的占比，这一层只做定性讲解。

磁性元件

电感和隔离变压器靠磁芯储存能量，把开关管斩出的脉冲变成平稳电流，同时在输入与输出之间提供电气隔离。磁性元件的体积大体随开关频率升高而缩小，但频率越高，磁芯本身的发热越大，材料与绕组结构就成了电源工程师的主要战场。它们是电源里最重、最占体积的部件，常常决定整台模块能做多薄。全球厂商有 TDK、村田等，国内有顺络电子等，均未进入本篮分析，原始材料也没有给出它们的价值占比。

电容

电容是离负载最近的蓄水池。VRM 旁成排的陶瓷电容与高分子电容负责吸收纳秒到微秒级的电流波动，电源架与抽屉里的大容量电容负责毫秒级，超级电容与电池负责更长的时间尺度。AI 负载的毫秒级跳变让每一层蓄水池都要加大，这也是电源价值量随代际上升的一部分原因。代表厂商同样是村田、TDK 等日系被动元件公司。

9.7 800V 高压直流改造

物理理由写成一行公式

第 2 章讲过，传输同样的功率，电流与电压成反比，导线发热与电流平方成正比。把机柜配电从 48 V 抬到 800 V，电流降到原来的约 1／16.7；在同一根导体上，发热降到约 1／278方法。换一个角度，如果允许的损耗不变，导体截面可以大幅缩小，母排和线缆的铜用量、重量、占用的柜背空间随之下降。

改造去掉两级转换

今天的主流链路是：10 kV 交流经变压器降到 400 V 交流，进 UPS 做一次整流、一次逆变，经配电柜进机柜，电源架再把交流整流并降到 48 V，最后由抽屉里的直流变换器和 VRM 降到芯片电压。800 V 架构把整流前移到园区或机房一端，直接产生 800 V 直流母线，电池挂在直流母线上，机柜里只剩直流对直流的降压。UPS 的逆变级和机柜里的交流整流级被省掉，转换级数减少，每一级的损耗与故障点随之消失。

代价与适用边界

800 V 直流的难处在安全与生态。交流电每个周期两次经过零点，断路器可以借零点熄灭电弧；直流没有过零点，分断大电流时电弧更难熄灭，需要专门的直流断路器或固态开关。高电压要求更大的绝缘与爬电距离，运维人员的操作规程要重写，连接器、保护器件、测试标准都要重新认证。对单柜几十千瓦的普通机房，这些代价换不回多少收益；只有单柜功率走到数百千瓦，48 V 母排的电流与铜量变得不可接受时，改造才划算。

谁在做与时间表

卖方材料称 800 V 高压直流自 2027 年起随 Rubin Ultra 采用est。模型据此把 2027 年每柜供电价值量从 58 千美元跳到 150 千美元est，这个值取自 2026-08-07 的批注正文，契约文件本体尚未收录。国内厂商里，中恒电气做 240 V／336 V／800 V 直流的时间最长，科华数据的产品线同样覆盖 800 V，但年报把高压直流列为在研项目。台达等台系厂商在电源架层有认证积累，是这次改造里天然的候选者。

9.8 需求的推导

电源需求沿机柜路径推导。每一台机柜都要供电，不存在「部分机柜不用电源」的问题，所以公式里没有渗透率，只有两个乘数：机柜数与每柜供电价值量。机柜数由 GPU 出货除以每柜 GPU 数得到，与 PCB、液冷、连接器、整机共用同一个分母；每柜供电价值量是本环节专属的乘数。

第一个乘数是机柜数

模型采用的 GPU 真实出货锚为 2024 年 740 万颗、2025 年 1,020 万颗、2026 年 1,650 万颗、2027 年 2,400 万颗est。每柜 GPU 数 2024 至 2026 年取 NVL72 官方规格 72 颗hard，2027 年取 96 颗，这是 GB200／GB300 NVL72 与 VR200 NVL144 各占一半 GPU 时的调和平均est。因为每柜塞进更多 GPU，等效机柜数在 2027Q1 见顶于 67.37 千柜，之后回落到 2027Q4 的 61.54 千柜est，96 这个取值的计数口径待核，见第 12.8 节的口径提醒。机柜规格一旦变化，所有「每柜价值量」系数必须按同一个代际比例同步改，只改一边，分母用新机柜、分子用旧机柜，模型立刻失真。

第二个乘数是每柜供电价值量

这一格是一条逆推链。只有下一代机柜有卖方给出的直接数：摩根士丹利 2026 年 1 月给出 VR200 每柜供电约 7.6 万美元est。GB300 按「VR200 比 GB300 高 32%」逆推为约 5.8 万美元，GB200 再按「GB300 比 GB200 高 30%」逆推为约 4.4 万美元est。2024 年一格由中金的推导链重算为 2.18 万美元：DGX H100 单台服务器约 22 万美元、电源模块占 1.1%、每等效柜 9 台服务器est；同一份报告按 1.5 元／瓦乘 198 kW 交叉验算，GB200 约 4.1 万美元，与 4.4 万美元的锚差 7%方法。2027 年取 15 万美元，依据是 800 V 高压直流跳档est。

把 2027Q1 完整算一遍

模型把每年的锚放在该年第二季度末，季度之间线性内插。2027Q1 位于 2026 年锚（58）与 2027 年锚（150）之间 62.5% 的位置，每柜供电价值量为 115.5 千美元方法。乘以当季 67.37 千柜，电源需求约 7,781 US$M／季；到 2027Q4 价值量升到 150、机柜数降到 61.54 千柜，需求约 9,231 US$M／季方法。机柜数在减少而需求还在上升，全部来自每柜价值量那一格。

每柜 IT 功率可以用一道恒等式检查：每柜功率 ＝ 单芯片功率 × 每柜 GPU 数 ＋ 非 GPU 开销。2026 年 145 kW 减去 1,200 W × 72 颗，非 GPU 开销为 58.6 kW；2027 年 220 kW 减去 1,800 W × 72 颗，为 90.4 kW方法。换锚之前 2027 年用的是 150 kW，隐含非 GPU 开销只有 20.4 kW，一柜的 CPU、内存、网卡、风扇与电源损耗不可能一年少掉三分之二，这道恒等式因此抓出了旧锚的错。

9.9 供给的约束与不可定义的产能

旧的供给曲线已被删除

8 月初旧模型曾给这个环节画过一条供给曲线：供给等于四个季度前的需求乘以 1.80，1.80 取自台达基础设施部门 2025 年营收增长 82%hard，意思是厂商看到需求、一年后扩出 1.8 倍的产能。这个倍数本身有出处，问题出在用法上。把供给代进利用率公式，结果化简如下。

约掉之后，公式里一个字节的独立供给信息都没有，只剩「需求增速是否超过人手选的 80%」。把 1.80 换成 1.20，整条利用率曲线等比上移，形状与峰值季度一模一样，选一个倍数就能让环节在任何时点显示紧或松。营收增速也不等于产能增速，营收里含涨价与产品结构变化。这条曲线在 2026-08-05 被整条删除，模型对这个环节不算供给、不算利用率，留空是结论。

A 股披露的产能读数量的是别的东西

删除之后，第一步实采去找真实产能，结论是这个量本身不是良定义的：变压器、UPS、高压直流模块和电源柜在同一批产线上生产，这个月做哪种、做多少，取决于订单结构。机柜电源架的产能合格记录为 0 条方法，真正的电源架产能在台达、光宝手里，而这两家不在本篮的采集线里。A 股能找到的几条「产能」，各自量的是别的东西。

组装是弹性的，认证与标准是刚性的

组装产能是弹性的。电源架与 UPS 的产线主要是贴片、组装、老化测试，扩产以月计，共线产品之间可以切换，金盘的产销率连续超过 100% 就是产能被加班与外协突破的证据。材料里有一个反向信号：中恒电气资本开支增长 114.3%，而在建工程减少 21.7%、固定资产减少 1.6%hard，钱在往外花，账面产能没有跟上。

刚性的部分在时间上。客户认证周期在一年以上待核，负载瞬态与可靠性经验靠装机量积累，800 V 直流的安全标准与器件生态需要重新认证。记分卡对这个环节的判断是：前置期缺数据，产能可切换，历史上还能超产能出货，供给刚性给 1 分；缓解时点不可用，引擎在这个环节没有任何时点信息。

9.10 价值量、成本结构与租金归属

产出侧看每柜与每瓦的价值

从产出侧看，电源在一台 AI 服务器里的价值占比很小，H100 时代约 1.1%est，但每柜价值量随代际增长。按模型锚计算，每瓦功率对应的供电价值从 2024 年约 0.27 美元升到 2026 年约 0.40 美元，2027 年在 800 V 假设下跳到约 0.68 美元方法。价值量涨得比功率快，说明功率密度与瞬态要求让每一瓦都更贵。需求总量上，2027Q1 约 7,781 US$M／季方法，是一个量级可观的市场。

投入侧看成本与毛利率

从投入侧看，电源的成本是器件、磁性元件、电容、结构件与测试，原始材料没有给出拆分比例，这一层只能定性讲解。可以量化的是结果：同一环节里，台系两家毛利率上行，A 股三家两降一升，而且唯一上升的那家公司自己说原因来自成本管控。毛利率的方向因此成了这个环节唯一可用的定价权读数。

租金不在组装产能上

租金来自稀缺且难以替代的位置。电源环节没有可识别的卡点：合格产能记录为零、产能可在品类间切换、历史上可以超产能出货，没有稀缺就谈不上稀缺租。台达、光宝的毛利率上行，更可能来自它们在 NVIDIA 电源架上的认证位置与规模，这是一种认证壁垒带来的超额回报，而且它们的月营收仍在加速：近三个月同比光宝约 35%、台达约 49%，加速度分别为 +13 与 +11 个百分点hard。A 股三家赚的是制造利润，记分卡第六格判为「只能收二层租」。

9.11 A 股映射与公司读数

本篮 26 家候选里有 3 家落在电源环节：金盘科技、中恒电气、科华数据。三家都在环节里，但都不在机柜电源架这一层，也没有一家坐在可识别的卡点上。四道门的原始记录来自 2026-08-31 的引擎快照；门 1 问 AI 收入拆不拆得出，门 2 问被打分的那个产品有没有客户认证实证，门 3 问产能有没有真投，门 4 问产品价格与毛利有没有上去。

中恒电气是过门最多、利润率走弱最快的一家

中恒电气四道门全过，客户证据是阿里巴拿马电源的主力供应商。它的数据中心电源占营收 36.30%，是三家里唯一在年报中法定披露、可直接当 AI 敞口读的数hard。问题出在门 4 与记分卡的读法不同：引擎按合同负债增长 40% 把门 4 记为通过，记分卡按分部毛利率方向把同一组数据读成定价权下行。经营现金流与归母净利之比为 1.93hard，现金不差；估值分位 99.4，处在自身三年区间的最高处。

科华数据的门 2 卡在主语上

科华数据的数据中心行业收入占 43.17%，其中 IDC 服务占 15.73%hard，新能源行业仍是它最大的板块。它的门 2 不过，原因是一条 2026-08-06 定下的规则：客户认证必须落在被打分的那个产品上。科华拿到的是 UPS 的认证，被打分的是高压直流，两者是不同的产品，「和腾讯有生意」不能当成「AI 电源产品被腾讯认证」。四道门备注另记，它过门靠的是口径宽，数据中心产品 2025 年只增长 16.5%待核。

金盘科技估值最低，证据也最少

金盘科技估值分位只有 17.4，是三家里最便宜的，AIDC 及 IDC 收入增长 196.78% 也最快hard。但门 1 与门 2 都不过：AI 收入在下游领域口径与分产品口径之间不可相加，年报没有具名客户的认证证据。它的毛利率上升 1.9 个百分点，公司自述来自毛利率提升与精细化成本管控，并非涨价；经营现金流与归母净利之比为 0.91hard。便宜的原因可能恰恰是它离 AI 机柜最远。

9.12 系统读数与未解决问题

记分卡本身有三条警告必须随读数一起引用。第一，全篮需求系数里实质 hard 的有 0 条，本环节的每柜供电价值量整条是 est。第二，13 个环节的价格读数全部是 est，而本环节连 est 的价格腿与交期腿都是空的。第三，电源、散热、连接器、整机、设备五个环节的缓解时点不可用，这不等于它们不紧，而是引擎在这些环节上没有任何时点信息。

待解决的问题

• 机柜电源架的产能量纲至今是 0 条合格记录。中恒电气「年产 5 万台电源机柜」是不是电源架口径，只需回年报原页核一次，若是，0 条变 1 条。
• 第五格市场分歧为空：本环节没有一条「市场相信甲、我方判断乙」的可证伪断言，即使将来变紧，也没有可交易的判断差。
• 2027 年每柜供电价值量 150 千美元仍只见于批注正文，尚未交割进契约文件；它是否按 2027 年的机柜代际比例配对，没有写明。
• 最硬的两个利用率读数停在 FY2024（金盘）与 FY2022（科华），刷新路径是金盘 2026 半年报或新的再融资文件。
• 中恒电气在建工程金额两份材料相差十倍，待回年报第 33 页核对。

9.13 对投资判断的含义

电源环节给投资判断的提示可以压成一句：需求确定、价值量在跳，但稀缺不在这里。AI 机柜功率每上一个台阶，电源的钱就多一截，这部分是量的确定性；可产能能切换、能超产出货、能靠加班外协突破，价格就难以跟着需求走。如果要在这个环节里找值得下注的公司，尽调要回答的是下面几件事。

领先的幅度与来源

第一件事是量化领先。台达在电源架层的份额估计约 60%，A 股公司不在这一层；在机房侧，巴拿马电源与高压直流的客户白名单是国内公司唯一有具名证据的领先。尽调要追问的是：一家公司在 800 V 直流上的领先，是被打分产品本身的认证，还是同一客户其他产品的认证。前者是壁垒，后者只是客户关系。

领先的持续时间

第二件事是窗口长度。认证周期在一年以上，挡住的是现在才进场的公司；800 V 改造会重新打开一次排座，时间点在卖方材料里是 2027 年，等级只有 est。改造落地之后，产品标准化，产能再次可切换，领先会回到制造效率的竞争。能跨过这个窗口持续收取超额利润的，只有同时掌握负载运行数据、器件方案与客户认证的公司。

规模对优势的作用

第三件事是规模效应的方向。规模带来更多装机数据与更低的采购成本，这对可靠性与毛利率有利；但只要产能可以在变压器、UPS、电源模块之间切换，同行扩产就同样容易，规模不会自动变成稀缺。判断一家公司是否在把规模变成定价权，最直接的读数是合同负债的增长能否与分部毛利率同向，中恒电气当前给出的是反向。

10.1 产业链位置与边界

散热环节的任务只有一个：以热量产生的速度，把热从芯片搬到室外。一台 AI 机柜消耗的电，除了极少量以信号和光的形式离开，其余全部在机柜里变成热；机柜功率从 80 kW 走向 220 kW，要搬走的热也同步增加。搬运的路径是一条接力，每一棒是一种设备、一个市场和一批公司。

整条液冷系统用人体的血液循环来理解最贴切：冷板贴在芯片上取热，相当于毛细血管；柜背的歧管与快接头把冷却液分到每个抽屉，相当于动脉与静脉；CDU 负责驱动循环并把热交给楼宇水路，相当于心肺；冷却塔把热排进大气，相当于呼气。风冷时代的服务器靠皮肤出汗，液冷时代等于给每个器官接上血管。本章全程沿用这个比喻。

它与电力、电网设备的边界

散热环节不是电力与数据中心环节。冷却塔、冷水机和楼宇冷冻水属于数据中心机电系统的一部分，第 13 章讲的数据中心建设链里也有「制冷」一项；模型的液冷价值量采用宽口径，把机房侧设备算了进来，两个环节之间存在小幅重复计算的可能，模型没有明确划界。散热环节也不是电网设备：特高压换流阀的水冷系统同样叫液冷，却服务于输电线路，与数据中心机柜无关。

这条边界直接决定了一家公司挂在哪个环节。高澜股份的主业是特高压换流阀水冷，占收入 57.94%hard，2026-08-19 已裁定挂电力_IDC 环节、不重裁。它的数据中心液冷线在本章只作为检验我方看空判断的证伪材料出现，它在研究袖套里的 3.0M 仓位不是液冷环节的仓位。

10.2 物理问题与成本来源

芯片消耗的电几乎全部变成热

芯片做计算，本质是让晶体管反复充电、放电，电荷在导线与晶体管里流动时遇到电阻，能量以热的形式散掉。计算结果本身几乎不储存能量，一台机柜既不举起重物，也不发出多少光，所以按能量守恒，它消耗的电最终几乎全部变成热。一台 132 kW 的 GB200 NVL72 机柜est，就是一台连续输出约 132 kW 热量的设备，全年不停。

难处在低温差下的高热流密度

第 2 章讲过热流密度，即单位面积上冒出的热功率。1,000 W 本身不算多，难在它从指甲盖大小的硅片上冒出来：按 B200 的热量集中在约 8 平方厘米估算，平均热流密度约 125 W/cm²，局部热点可到 200–300 W/cm²待核。烧红的电炉丝表面约 30 W/cm²，核反应堆燃料棒表面约 100–200 W/cm²待核，一颗 GPU 的单位面积发热已与燃料棒同一量级。

更难的是温度预算。电炉丝可以烧到几百度，温差大，热自然跑得快；硅芯片的工作上限约 90–105°C，冷却液进水就有 40°C 上下待核，整条传热路径只允许用五六十度的温差去搬运燃料棒级的热流。散热真正的难处不在热多，而在低温差下的高热流密度。

空气搬不动这样的热流

风冷的极限大约是单芯片 500–800 W、单柜 30–40 kW待核，B200 单颗超过 1,000 W，NVL72 整柜超过 120 kW，高出三倍以上。问题不在风扇不够多，在空气这种介质本身：它的密度低、比热小，每立方米能带走的热很少，风量再往上加，风扇自身的耗电和噪音先失控。按物性计算，同样体积、同样温升，水能带走的热约是空气的 3,460 倍方法，材料中常说的「约 3,500 倍」即指这个量。

钱花在材料、精度与可靠性上

液冷系统的成本落在三处。第一是材料与精密加工：冷板是带亚毫米微通道的铜块，快接头是公差极严的精密机械件，良率决定成本。第二是系统集成与现场：CDU 里的泵、换热器、阀门和传感器多是货架产品，钱花在冗余设计、控制逻辑、安装调试和售后网络上。第三是可靠性：把水引到每块价值几十万元的电路板正上方，漏液检测、自动关阀、水质管理和长期运行数据都是成本，也是客户选择供应商时最看重的东西。

10.3 自建推演

假设一家云厂商决定自己给 AI 集群做散热，从一台机柜开始，规模一步步放大。它依次撞上的几道墙，对应着液冷接力里的每一棒。每一道墙都对应一类必须外购的设备或能力。

第一台机柜就撞上介质墙

这家云厂商先想沿用风冷。一台 132 kW 的机柜需要每秒约 7.3 立方米的空气穿过，风道、风扇和机房空调都无法承受；NVL72 这类机柜出厂即液冷标配，没有风冷选项待核。它只能在芯片上装冷板，让冷却液把热带出机柜。若机房没有楼宇水路，还得在机柜旁加一台把热排回室内空气的换热柜，热最终仍要由机房空调搬走，房间能容纳的机柜数很快见顶。

一百台机柜撞上系统墙

规模到一百台机柜，逐台排热不再可行。云厂商要建一套楼宇冷冻水系统，每排机柜配 CDU，把柜内循环和楼宇水路隔开。柜内循环的液体要去离子、防腐蚀、抑菌，水质决定微通道会不会堵；楼宇水来自冷却塔，杂质多、水质差，两套水必须在 CDU 里物理隔离。泵要冗余，流量要随负载实时调节，因为 AI 负载的功耗在毫秒尺度上跳动，冷却流量也要跟着心跳。

十万卡集群撞上可靠性墙与交付墙

一座十万卡的数据中心，意味着几千套 CDU 和几十万块冷板待核，几千个接头、几公里管路，渗漏率要压到接近零。「会做冷板」与「敢让客户把十万张卡押在这些接头上」之间，隔着几年的可靠性数据。订单还往往是「明年就要」，自建团队既要设计冷板水道去贴合每颗芯片的热点分布，又要让歧管与母排、铜缆背板争抢柜背同一片空间，必须嵌进 NVIDIA 与整机厂的设计流程。

两千瓦芯片撞上冷板极限

单芯片功率继续上涨，冷板本身也有天花板。材料给出的判断是，若单芯片功率突破约 2,000 W，冷板方案会被重新定价待核，把整台服务器泡进不导电液体的浸没式散热重新进入选项。那意味着服务器结构、机柜、运维流程都要重做。

10.4 芯片到机柜的两个子环节

当前主流的液冷是冷板式直接液冷：冷却液不接触芯片，而是在贴着芯片的金属板里流动，把热带走。整条回路分成两圈。柜内一圈叫二次侧，液体经过冷板、歧管和快接头，回到 CDU；楼宇一圈叫一次侧，楼宇冷冻水在 CDU 里接过热量，送到冷却塔排走。两圈液体互不相混，只有热量穿过 CDU 里的换热器。

导热界面材料

芯片盖板与冷板看起来是平面贴平面，放大后都是凹凸不平的表面，中间的缝隙里是导热很差的空气。导热界面材料就是填进这层缝隙的膏状、片状或相变材料，高端产品用到相变材料和液态金属。它难在配方：要在反复冷热循环里不被挤出、不干裂、不腐蚀，还要薄到几乎不增加热阻，这是化学配方与长期验证的积累。全球主力是霍尼韦尔、汉高、信越，A 股的中石科技、飞荣达处于验证阶段。原始材料没有它在每柜价值量里的占比，本节只做定性讲解。

冷板

冷板是一块扣在芯片上的铜板，内部加工出亚毫米宽的微通道，冷却液在里面流过，把热从铜壁上带走。它不只盖 GPU，HBM 和 CPU 也各有冷板，一块计算板上的冷板串联或并联成一张小水网。微通道越细、越密，换热面积越大，但流动阻力也越大，泵要更费力，杂质也更容易堵塞，这是冷板设计的核心权衡。冷板还要按每颗芯片的热点分布定制水道，并在机柜里和母排、铜缆背板争夺空间，所以必须进入 NVIDIA 与整机厂的设计流程。

冷板是宽口径价值量里最大的一块，占 41%，拆解给出的毛利率超过 30%est。这一级的认证份额主要在台湾：专家口径下 Cooler Master 份额约 30%，一家匿名受访公司约 15–20%，双鸿约 5–10%est；奇鋐 2025 年营收增长 94.6%，双鸿增长 47.5%、水冷产品占其营收 51%hard。A 股纯正标的稀缺，银轮、飞荣达在做，英维克自研自用。有专家在 2026-05-07 判断 2027 年冷板市场将进入激烈价格战、利润水平显著压缩est，这是前瞻判断，不是当期成交价。

10.5 机柜到机房的两个子环节

快接头与歧管

歧管是柜背两根竖直的分水管，一根送冷液，一根收回水，再用柔性软管接到每个抽屉。快接头装在抽屉与软管之间，抽屉拔出时两端的阀门同时关闭，推入时同时打开，全程不能滴一滴水，业内的通用规格缩写为 UQD。它们在物理上是精密机械件，难处在两个量的乘积：零滴漏，乘以上万次插拔之后仍然零滴漏。证明十万个接头里没有一个会漏，需要年头积累的失效数据，砸钱买不到时间。

这是整条液冷链上壁垒最高的一级。瑞士史陶比尔的产品接近行业标准，Parker、丹佛斯跟随；专家口径下老牌五家快接头厂合计份额超过 90%est。A 股的中航光电从军工连接器平移过来，意华股份也在做。按宽口径拆解，快接头占每柜液冷价值量的 14%，歧管占 13%，毛利率均超过 30%est。A 股一旦有公司在这一级进入 NVIDIA 认证，属于壁垒档位的跃迁，值得单独重估。

CDU 冷量分配单元

CDU 是液冷系统的心肺。二次侧与一次侧各由变频泵驱动，流量随热负荷实时调节，泵是 CDU 里的关键可靠性部件；核心换热部件是一台板式换热器，把二次侧的热交给一次侧楼宇水；另有过滤器、膨胀罐、温度与压力传感器和控制器。按安装位置分，有装在机柜里的柜内 CDU 和放在一排机柜旁边的列间 CDU；按排热对象分，有把热交给楼宇水的液对液型，也有在没有楼宇水路的旧机房里把热排进室内空气的液对气型。

CDU 的零件大多是货架产品，壁垒在冗余设计、控制逻辑、客户认证和售后网络，属于集成壁垒。全球市占第一的是 Vertiv，台达、Motivair、nVent 跟随；台达 CDU 与液对液产品 2025 年出货超过 16 亿美元，液冷约占其营收 9%hard。A 股有英维克、同飞、曙光数创，高澜股份也做 CDU，但它已挂电力_IDC 环节。拆解称 CDU 占宽口径价值量 32%、毛利率超过 50%est，这个毛利率与 A 股公司报表里的数字相差很远，10.11 节专门对照。

专家给出的 CDU 报价是另一条线索：国内约 0.6 元／瓦，海外约 0.9 元／瓦；型号为 CDU400 的一台约 24 万元，1.2 MW 级约 100 万元，柜内 CDU 约 2–3 万美元est，专家本人提示项目之间差异很大。同一种设备，国内报价约为海外的三分之二，价格差本身就是定价权在哪里的读数。这些报价来自专家访谈，不是成交价，只能用来看国内外价差的方向。

10.6 机房到大气的一次侧与 PUE

一次侧水路与冷源

一次侧是整座机房共用的楼宇水路。它从 CDU 接过热量，送到屋顶或室外的冷源：冷却塔靠喷淋蒸发带走热，效率高但耗水；干冷器像一台放大的汽车散热器，不耗水但受环境气温限制；天气太热时，还要冷水机用压缩机强行制冷。同一套楼宇水还给机房末端空调供冷，处理机柜里仍然靠风冷的那部分热和房间的环境热，液冷与风冷在楼宇侧汇合。

前面为了好懂，说冷却液把机柜的热带出机柜，读起来像是全部热量都走液体。更准确的版本是：冷板覆盖 GPU、CPU 和 HBM 这些主要热源，电源模块、网卡、存储等部件仍有一部分靠风扇，这部分热由机房空调接走，材料中没有给出液体与空气各占多少的比例。液冷允许进水温度维持在 40°C 上下待核，比风冷时代需要的冷风温度高得多，冷却塔和干冷器在一年里能独立完成排热的时间更长，冷水机开得更少，这是液冷省电的一个重要来源。这一级是传统暖通设备，全球有 Vertiv、Stulz、江森，A 股有申菱环境、英维克、佳力图、依米康，壁垒最低，拼的是业绩与渠道。

PUE 是液冷省电的计价单位

PUE 是数据中心总耗电除以 IT 设备耗电，数值越接近 1，花在制冷、配电损耗等辅助系统上的电越少。模型把 PUE 与液冷渗透率联动：全风冷时取 1.45，全液冷时取 1.15，中间线性内插，写成 PUE ＝ 1.45 − 0.30 × 液冷渗透率est。两个端点的依据是 Uptime Institute 2025 年风冷设施 1.4–1.6 的统计，以及液冷设施低于 1.2、大型云厂商 1.10–1.15 的公开数据est。这个公式原本是常数 1.15，评审时发现「液冷渗透率从 20% 涨到 100%，PUE 却一动不动」在物理上自相矛盾，才改成活公式。

10.7 浸没式与冷却液选择

冷板不是唯一的液冷方式。另一条路线是浸没式：把整台服务器泡进不导电的液体里，热量从所有元件表面直接进入液体。单相浸没用碳氢类或合成油类液体，液体始终保持液态，靠泵循环带走热；两相浸没用低沸点的氟化液，液体在芯片表面沸腾，蒸汽上升到冷凝器变回液体再落下，沸腾吸热的能力远强于单纯升温。浸没式的散热上限高于冷板，但它要求重构整个运维体系，材料判断它目前是少数派路线，若单芯片功率突破冷板的极限，才会被重新定价。

冷却液选的是热容、黏度与安全的平衡

冷板二次侧的液体是精调配方：以去离子水为底，加防腐蚀剂和抑菌剂，因为水质直接决定亚毫米微通道会不会被杂质、腐蚀产物或微生物堵住。需要防冻的场合会掺入二元醇，代价是液体的比热下降、黏度上升，泵要更费力。浸没式用不导电液体，漏到电路板上也不会短路，但它们的比热远低于水，要搬走同样的热需要更大的流量或沸腾相变来补。氟化液还面临环保约束，3M 退出氟化液生产后，供应与价格都成了两相浸没路线的风险。国内的巨化股份做氟化工质，曙光数创做浸没方案。

10.2 节说「同样体积、同样温升，水带走的热约是空气的 3,460 倍」，这是为了说明介质差距做的简化。更完整的版本有两层：一是实际换热速率还取决于液体与壁面之间的对流换热系数和接触热阻，导热界面材料与冷板加工质量同样关键；二是热量最终仍要排进大气，冷却塔靠水蒸发、干冷器靠空气吹过翅片。液冷真正的作用，是把热从芯片附近狭小的空间里高效搬出来，送到有足够面积与空气的地方再排掉。

10.8 可靠性是液冷的隐性成本

风冷出故障，最坏是风扇停转、芯片降频；液冷出故障，可能是液体洒在价值几十万元的电路板上。可靠性因此不是液冷的附加属性，而是客户愿意为某家供应商多付钱的主要理由。它分成四个具体的风险点，每一个都对应一类成本。

漏液与快接头

一座大型液冷机房有几千个接头、几公里管路待核，任何一处渗漏都可能让一整排机柜停机。防线有三层：快接头本身零滴漏，管路与歧管的焊接和密封质量，以及漏液检测传感器配合自动关阀，在发现湿度异常时切断该路供液。快接头是三层里最难用钱替代的，失效率要靠长年累月、上万次插拔的运行记录去证明。

水质与堵塞

冷板的微通道只有亚毫米宽，冷却液里的颗粒、腐蚀产物或微生物都会逐步堵塞通道，让流量下降、芯片温度上升。回路里常同时存在铜、不锈钢等不同金属，接触电解液后会发生电化学腐蚀。对策是过滤、定期检测水质、补充缓蚀剂与抑菌剂，这些都是持续的运维成本，也是售后网络的价值所在。

泵、控制与凝露

泵停转意味着冷却液不再流动，芯片温度在短时间内就会触发降频或关机，所以 CDU 的泵要冗余，控制系统要在一台泵故障时无缝切换。AI 负载的功耗在毫秒尺度上跳动，流量控制若跟不上，芯片温度就会随之波动。送液温度还不能低于机房空气的露点，否则管路外壁会凝结水珠，液冷在较高水温下运行，天然降低了这一风险。

10.9 需求的推导

液冷需求同样沿机柜路径推导，但比电源多一个乘数。每台机柜都要供电，不是每台机柜都用液冷，风冷机柜也能运行，只是跑不了高功率 AI 芯片，所以要乘一个液冷渗透率。这个乘数有天花板，它让液冷需求的形状与电源不同。

三个乘数的来源

机柜数与第 9 章完全相同，2027Q1 见顶于 67.37 千柜，2027Q4 回落到 61.54 千柜est。液冷渗透率逐年取 20%、60%、90%、100%est，它更像一个定义：NVL72 起液冷是标配，存量风冷机柜不追溯。每柜液冷价值量逐年取 40、84、100、103.33 千美元est：GB200 约 8.4 万美元、GB300 约 10 万美元来自卖方拆解；VR200 由摩根士丹利窄口径数加 17% 推成宽口径 11 万美元；2027 年按 GB300 柜占三分之二、VR200 柜占三分之一加权为 103.33。2024 年的 40 没有推导链，8 月 18 日穷尽检索仍未找到，按原值保留。

把 2027Q1 完整算一遍

模型把年度锚放在每年第二季度末，季度之间线性内插。2027Q1 的渗透率为 96.25%，每柜液冷价值量为 102.08 千美元，液冷需求 ＝ 67.37 × 96.25% × 102.08 ≈ 6,619 US$M／季方法。按冷板 41%、CDU 32%、快接头 14%、歧管 13% 的拆解比例，四项分别约 2,714、2,118、927、861 US$M方法。到 2027Q4，渗透率已到顶，价值量 103.33，机柜数下降，需求约 6,359 US$M／季方法。

这条曲线的形状与其他机柜路径环节不同，前期陡、后期平。原因是两个乘数同时增长，其中渗透率有天花板，涨到 100% 就用完了，之后只剩机柜数和价值量在推，而机柜数在 2027 年因每柜塞进更多 GPU 而下降（每柜 GPU 数 96 的计数口径待核，见第 12.8 节）。需求在 2027 年放缓，并非液冷需求见顶，而是一个乘数用完了。渗透率这一列还被电力与数据中心环节引用去算 PUE，是全模型唯一一处跨表引用假设的地方，改它会同时改动两个环节。

10.10 供给的约束与不可定义的产能

旧的供给曲线同样被删掉

8 月初旧模型给液冷画过一条供给曲线：供给等于两个季度前的需求乘以 1.58。1.58 是 2.5 的平方根，即假设行业产能每年增长 150%，锚是奇鋐 2025 年营收增长 94.6%hard，理由是新行业的产能增速应高于营收增速，于是往上调了一截。这条曲线与第 9 章电源那条犯的是同一个错：利用率化简后等于需求增速除以一个人手选的常数，供给端没有任何独立信息。它在 2026-08-05 被整条删除，模型对液冷不算供给、不算利用率，留空是结论。

共线生产是写在报表里的事实

删除之后去采真实产能，结论是液冷产能本身不是良定义的量：CDU、冷板和风冷设备在同一批产线上生产，当期做哪一类由订单结构决定，合格的液冷产能记录为 0 条方法。申菱环境在可转债问询回复里披露的三年数据，把「共线切换」变成了看得见的数字：液冷设备产量从 531 台增至 2,843 台、6,422 台，风冷设备从 20,926 台增至 24,014 台后回落到 19,689 台，综合产能利用率三年分别为 90.49%、90.51%、90.23%hard。这组数字出自交易所的问询，公司被问到新增产能能否消化时才披露了三年产量与利用率。

读这张图，要点在三个数同时出现：液冷产量两年里放大约 12 倍，风冷产量在 2025 年少了约 18%，而整体利用率纹丝不动方法。产线没有闲着，也没有突然多出一倍，是同一批产能在品类之间重新分配。分基地看，一二基地利用率从 87.09% 升到 90.23%，三基地从 95.41% 降到 90.21%hard，公司在同一份回复里自述产能不足已经制约经营规模扩张。这类「产能」量的是全公司的设备运行时间，不是液冷产线的物理上限。

一家公司的数据拼不出行业曲线

申菱是这个环节唯一有液冷品类专属产量的公司，但它仍然无法变成行业供给。第一，它的募投项目达产后新增 19,000 台液冷设备，同批另一份文件把它拆成数据服务液冷机组 15,000 台、储能液冷机组 4,000 台，另有液冷系统合同 700 个和风冷机组 2,200 台hard，4,000 台储能约占这 19,000 台的 21%，拿总数当 AI 液冷供给会高估。第二，项目建设期 24 个月，备案在 2026-01-29、环评批复在 2026-06-24hard，按建设期推算达产最早也在 2028 年，整个落在模型窗口之外方法。第三，公司测算在 2028 年预计收入下现有产线利用率将达 152.88%hard，这是论证扩产必要性的口径，不是在产产能。

第四，台数折不成金额。把台数换成美元，需要每台液冷设备的平均功率（这个数缺失）和每瓦价格（只有专家报价），两个桥缺一个。第五，只有一家公司，没有量化份额，材料里只有「华为链液冷份额最大」的定性描述。另一家常被当作液冷公司的高澜股份，库里 63 条「产能」记录全部是电网与新能源水冷，与数据中心液冷品类错位，已被剔除方法。单位对上，不等于品类对上。

集成与冷源是弹性的，快接头与协同设计是刚性的

CDU 集成与机房冷源是弹性的：零件是货架产品，产线可以在风冷与液冷之间切换，申菱的数据证明了这一点。冷板加工的扩产也快，台系三家月营收同比仍在 +22% 到 +91% 之间hard。刚性在两处，一是快接头的可靠性记录，二是冷板进入 NVIDIA 与整机厂设计循环的资格，两者都以年计。记分卡据此给供给刚性 1 分，前置期缺数据，缓解时点不可用。高澜自己的液冷利用率在 FY2022 为 90.19%、FY2023 骤降至 36%hard，项目制交付的单点读数不可外推，这也是不能用利用率判断这个环节松紧的原因之一。

10.11 价值量、成本结构与租金归属

产出侧看每柜价值与需求规模

从产出侧看，液冷在一台机柜里的价值不低。宽口径下 GB300 一柜约 10 万美元，高于同代的供电价值量；2027Q1 的液冷需求约 6,619 US$M／季方法，其中冷板与 CDU 合计约 73%。每瓦热负荷对应的价值在 0.64–0.69 美元之间方法。拆解称 CDU 毛利率超过 50%、其余三项超过 30%est，如果这组毛利率成立，液冷应当是一门高利润的设备生意。

投入侧看报表里的毛利率

从投入侧看，报表给出的是另一幅图。台系三家的毛利率全部上行，A 股两条液冷线的毛利率双双下行，而且都发生在收入快速增长的同一时段。英维克机房温控节能产品 2026 年上半年收入增长 25.84%，成本增长 30.08%，毛利率 23.34%，同比下降 2.49 个百分点hard，公司自述国内市场竞争激烈导致毛利率下降。

申菱是 A 股里唯一分部毛利率明显上行的一家，数据服务行业收入增长 51.42%、毛利率 23.60%、上升 4.26 个百分点hard，但它的绝对水平与英维克机房温控相当，远低于拆解里 CDU 超过 50% 的毛利率。材料没有说明申菱这 4.26 个百分点来自涨价还是成本下降，暂不能当作定价权证据。台系的月营收也开始分化：双鸿近三个月同比约 91%、加速度 +24 个百分点，建准约 22%、+8 个百分点，奇鋐仍有约 59%，却比前三个月减速 22 个百分点，合同负债下降 26.1%hard。

溢价是公司属性，不是环节属性

把同一家公司的境内与境外毛利率拆开，差距比环节之间还大。英维克 FY2025 境外毛利率 52.64%、境内 23.83%，相差 28.81 个百分点；2026 年上半年境外 48.20%、境内 20.92%hard。高澜 2026 年上半年反过来，境外 17.95% 低于境内 27.16%hard。专家报价里国内 CDU 每瓦约 0.6 元、海外约 0.9 元，指向同一件事：高毛利跟着特定客户与特定市场走，并不跟着「液冷」这个品类走。

高澜液冷线是一条证伪材料

高澜股份的「高功率密度装置热管理」分部包含数据中心液冷，2026 年上半年收入 2.101 亿元，增长 53.41%，毛利率 11.83%，下降 2.15 个百分点hard。按上年同期收入约 1.37 亿元、毛利率约 13.98% 倒推，新增的约 0.73 亿元收入只带来约 570 万元新增毛利，增量毛利率 7.80%方法。这个分部的毛利率三年序列是 9.12%、13.10%、11.83%hard，而且把储能、数据中心和高密度服务器集群三类合并披露，AI 部分无法单独拆出。