AI 基础设施由 GPU 机架向 AI 工厂演进分析

摘要： 本报告分析了 AI 基础设施的范式转移，指出行业重心正从单一的 GPU 扩容转向由 CPU 编排、网络带宽、液冷和高压电力共同优化的“AI 工厂”模型，并重点探讨了 NVIDIA Rubin 架构及其对台湾供应链的影响。

行业主线：

1. 架构升级：AI 基础设施进入系统设计新阶段，设计维度从服务器级转向机架级（Rack-level）乃至 Pod 级，形成可组合的 AI 工厂模型。
2. 核心组件演进：计算核心由 GPU 扩展至包含 Vera CPU（负责 Agentic AI 编排）、Spectrum-X 网络以及 CPO 光学互连的综合体系。

关键变化与分歧：

1. CPU 角色重定义：Vera CPU 定位为 AI 工厂的“流量控制器”，而非传统通用服务器 CPU，这将导致 CPU 需求随 GPU 需求同步增长。
2. 传输与散热瓶颈：数据传输瓶颈促使 CPO 渗透率在 2026-2027 年提升；单机架功耗预计从 40-60kW 飙升至 200kW+，强制推动 800V DC 电源架构和全液冷部署。

受益方向与风险：

1. 受益方向：具备系统集成能力的 ODM（如鸿海、广达）、先进封装（TSMC CoWoS）、CPO 光学引擎、高压电源模组及液冷散热方案提供商。
2. 核心风险：AI 基础设施部署节奏低于预期、液冷/800V 架构落地速度不及预期。