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
多伦多大学研究团队提出Squeeze3D压缩框架,巧妙利用3D生成模型的隐含压缩能力,通过训练映射网络桥接编码器与生成器的潜在空间,实现了极致的3D数据压缩。该技术对纹理网格、点云和辐射场分别达到2187倍、55倍和619倍的压缩比,同时保持高视觉质量,且无需针对特定对象训练网络,为3D内容传输和存储提供了革命性解决方案。
浙江大学与腾讯联合研究团队提出MoA异构适配器混合方法,通过整合不同类型的参数高效微调技术,解决了传统同质化专家混合方法中的表征坍塌和负载不均衡问题。该方法在数学和常识推理任务上显著优于现有方法,同时大幅降低训练参数和计算成本,为大模型高效微调提供了新的技术路径。
耶鲁、哥大等四校联合研发的RKEFino1模型,通过在Fino1基础上注入XBRL、CDM、MOF三大监管框架知识,显著提升了AI在数字监管报告任务中的表现。该模型在知识问答准确率提升超过一倍,数学推理能力从56.87%提升至70.69%,并在新颖的数值实体识别任务中展现良好潜力,为金融AI合规应用开辟新路径。
加州大学圣巴巴拉分校研究团队开发出能够自我进化的AI智能体,通过《卡坦岛拓荒者》桌游测试,这些AI能在游戏过程中自主修改策略和代码。实验显示,具备自我进化能力的AI显著超越静态版本,其中Claude 3.7模型性能提升达95%。研究验证了AI从被动工具向主动伙伴转变的可能性,为复杂决策场景中的AI应用开辟新路径。