
AI服务器产业链上游为零部件,包括CPU、GPU、存储芯片、固态硬盘、PCB、被动元器件等;中游为AI服务器;下游为各类应用市场,包括互联网企业、云计算企业、数据中心服务商、政府部门、金融机构、医疗领域、电信运营商等。
一、上游分析
1.CPU
(1)市场规模
CPU的重要应用领域包括桌面和服务器,每台桌面通常只有一颗CPU,而每台服务器的CPU数量不定。中商产业研究院发布的《2024-2029年中国CPU市场前景预测深度研究报告》显示,2022年中国CPU行业市场规模达2003.45亿元,同比增长10%,2023年约为2160.32亿元。中商产业研究院分析师预测,2024年市场规模将增长至2326.1亿元。

数据来源:中商产业研究院整理
(2)竞争格局
目前我国CPU市场中国外企业占比较多,本土企业的市场份额较小。2022年英特尔和AMD分别占据了我国CPU市场的50%和30%的份额。华为和联发科分别占据了10%和5%。

数据来源:中商产业研究院整理
2.存储芯片
(1)市场规模
2022年,我国存储芯片市场规模约5170亿元,同比下降5.9%,2023年市场规模约为5400亿元。当前新一轮人工智能浪潮爆发,由AI服务器带来存储芯片新的增量需求,中商产业研究院分析师预测,2024年市场规模将恢复增长至5513亿元。

数据来源:中商产业研究院整理
(2)重点企业分析
目前我国存储芯片企业主要包括兆易创新、北京君正、聚辰股份、紫光国微、复旦微电、长鑫存储、长江存储、普冉股份等。

资料来源:中商产业研究院整理
3.被动元件
中商产业研究院发布的《2024-2029年中国被动元件产业发展战略及供需格局研究预测报告》显示,2022年全球被动元件市场规模达约346亿美元,同比增长5.17%,2023年约为363亿美元。

数据来源:ECIA、中商产业研究院整理
4.PCB
(1)市场规模
2022年中国PCB市场规模达3078.16亿元,同比增长2.56%,2023年约为3096.63亿元。中商产业研究院分析师预测,2024年中国PCB市场规模将进一步增长至3469.02亿元。

数据来源:Prismark、中商产业研究院整理
(2)竞争格局
由于我国PCB产业主要集中在中低端制造领域,高性能制造领域较少,制造门槛不高,市场集中度较低,CR5为33.9%,鹏鼎控股市场份额占比最多,达12.4%。东山精密、健鼎科技、深南电路、华通分别占比达7.5%、4.9%、4.8%、4.4%。

数据来源:CPCA、中商产业研究院整理
三、中游分析
1.全球出货量
中商产业研究院发布的《2024-2029年中国服务器行业需求预测及发展趋势前瞻报告》显示,2023年全球AI服务器(包含搭载GPU、FPGA、ASIC等)出货量将接近120万台,年增长率达38.4%,占整体服务器出货量的比重约9%。中商产业研究院分析师预测,2024年全球AI服务器出货量将超过160万台。

数据来源:TrendForce、中商产业研究院整理
2.中国出货量
2022年AI服务器市场出货量约达28.4万台,同比增长约25.66%,2023年约为35.4万台。中商产业研究院分析师预测,2024年中国AI服务器出货量将达到42.1万台。

数据来源:中商产业研究院整理
3.市场规模
2022年末,国内市场总规模超过420亿元,同比增长约20%,2023年约为490亿元。市场增速逐步放缓,中商产业研究院分析师预测,2024年市场规模将达560亿元。

数据来源:中商产业研究院整理
4.竞争格局
AI服务器市场的竞争格局呈现出高度集中和头部效应明显的特点。2022年浪潮市场份额占比约为47%。其次分别为,新华三、宁畅、安擎、坤前、华为,占比分别为11%、9%、7%、6%、6%。

数据来源:中商产业研究院整理
5.企业热力分布图

资料来源:中商产业研究院整理
四、下游分析
1.应用场景分布
在AI服务器行业下游环节中,互联网、运营商和通信厂商等主体的需求量占比排在前列。其中,互联网厂商的市场需求占比最多,接近市场的一半,占比达47%左右;运营商和通信厂商对AI服务器的需求量占比分别达到约20%和9%。

数据来源:中商产业研究院整理
2.互联网
2024年1-2月份,我国规模以上互联网和相关服务企业完成互联网业务收入2463亿元,同比增长7.6%,增速较2023年全年提升0.8个百分点。

数据来源:工信部、中商产业研究院整理
3.运营商
2024年1-2月份,三家基础电信企业完成互联网宽带业务收入440.6亿元,同比增长6.7%,占电信业务收入的15.1%,拉动电信业务收入增长1个百分点。移动数据流量业务收入小幅下滑。1-2月份,三家基础电信企业完成移动数据流量业务收入1063亿元,同比下降1.6%,占电信业务收入的36.4%。

数据来源:工信部、中商产业研究院整理
四、AI服务器定义及分类








好文章,需要你的鼓励
微软近年来频繁出现技术故障和服务中断,从Windows更新删除用户文件到Azure云服务因配置错误而崩溃,质量控制问题愈发突出。2014年公司大幅裁减测试团队后,采用敏捷开发模式替代传统测试方法,但结果并不理想。虽然Windows生态系统庞大复杂,某些问题在所难免,但Azure作为微软核心云服务,反复因配置变更导致客户服务中断,已不仅仅是质量控制问题,更是对公司技术能力的质疑。
Meta研究团队发现仅仅改变AI示例间的分隔符号就能导致模型性能产生高达45%的巨大差异,甚至可以操纵AI排行榜排名。这个看似微不足道的格式选择问题普遍存在于所有主流AI模型中,包括最先进的GPT-4o,揭示了当前AI评测体系的根本性缺陷。研究提出通过明确说明分隔符类型等方法可以部分缓解这一问题。
当团队准备部署大语言模型时,面临开源与闭源的选择。专家讨论显示,美国在开源AI领域相对落后,而中国有更多开源模型。开源系统建立在信任基础上,需要开放数据、模型架构和参数。然而,即使是被称为"开源"的DeepSeek也并非完全开源。企业客户往往倾向于闭源系统,但开源权重模型仍能提供基础设施选择自由。AI主权成为国家安全考量,各国希望控制本地化AI发展命运。
香港中文大学研究团队开发出CALM训练框架和STORM模型,通过轻量化干预方式让40亿参数小模型在优化建模任务上达到6710亿参数大模型的性能。该方法保护模型原生推理能力,仅修改2.6%内容就实现显著提升,为AI优化建模应用大幅降低了技术门槛和成本。