发现报告 - top down的一个mapping，从GPU和TPU的roadmap去把需要的硬件变化梳理出来，然后对应每个版块的元件需求量和价的拆分

深度思考

针对GPU、TPU相关硬件报告的撰写逻辑，我已经明确，将按技术路线、硬件调整、供需及价格走势逐层推进。这份围绕GPU、TPU roadmap的完整报告，我已敲定分为四个模块依次推进，分别覆盖芯片迭代、算力架构调整、核心元件需求测算、元件价格走势，同时会统一匹配对应角标，确保逻辑连贯不生硬。我调整了内容开篇逻辑，将从头部GPU、TPU的技术迭代路线出发，自上而下梳理相关硬件配套变化，首部分先讲二者核心迭代要点。

谷歌TPU已完成七代产品迭代，2027年推出的第8代TPU将对标英伟达Vera Rubin，架构、接口层面的技术突破已带动互联产业链成熟度快速提升，目前TPU已从谷歌内部自用工具转向对外规模化供应，2026年Anthropic将采购近百万颗TPU v7芯片部署自有数据中心，商业化确定性持续增强。

GPU赛道进展方面，头部厂商将沿先进制程路线迭代，2nm技术可实现性能、功耗、逻辑密度同步提升，为算力增长提供底层支撑；全球及中国GPU市场增速可观，头部厂商算力规模将随市场扩容提升，国产GPU也在快速迭代，当前GPU采购形态已转向长期合约，算力确定性优先级持续上升。

为适配GPU、TPU的迭代升级，AI算力服务器及配套集群的硬件架构需做多维度调整，支撑超大规模集群扩展，我已明确算力互联架构的升级方向。

除算力互联架构升级外，DPU将逐步承担AI集群关键角色，同时算力配套硬件体系需升级供电、液冷方案，服务器及交换机内部PCB也需适配高功耗高带宽运行需求。

CPU角色与配比迎来升级，它不再是普通配套器件，而是成为AI系统架构的核心变量，与AI加速器的配比逐步提升，自身也向定制化方向演进，还将带动配套硬件同步升级。

我明确了全链路AI硬件按从核心到边缘等逻辑同步升级的完整体系，同时梳理出AI加速芯片的市场测算逻辑，据行业预测2023-2028年全球AI芯片市场复合增速超60%，2028年规模将达5000亿美元。

存储板块以HBM、大容量DRAM为核心元件，其需求量可匹配GPU出货量测算，算力提升将拉动相关存储需求上行。

高速互联板块核心元件含光模块、高速交换机等，可分环节测算需求，相关行业预测显示AI后端网络交换机端口速率将持续升级，该板块需求爆发优先级高于算力硬件本身。

供电散热板块核心元件、需求测算逻辑已梳理完成，该板块需求确定性极强，全板块整体市场规模可沿AI硬件业绩传导链条逐层累加核算，接下来将从价格维度分析各核心元件的成本构成与后续走势。

以2025年EpochAI对B200的成本拆解为例，GPU核心成本中HBM占比最高，GPU本身占整体算力成本的47%，供电及散热环节占21%。

AI需求爆发推动存储类元件价格中枢系统性上移，行业格局集中、价格弹性突出，2026年相关合约价多次上调，现货市场短缺情况明显；电感行业正迎来双重通胀逻辑，TLVR耦合电感适配AIGPU供电需求，价值量较普通一体成型电感显著提升。

GPU相关赛道及下游算力服务端的后续价格走势已明确：HBM占GPU成本的比例预计在2026年上半年进一步提升，相关技术落地或重构GPU成本结构、降低单位算力成本；算力服务商已转嫁GPU成本上涨压力，老旧GPU出租溢价充足，利润率无挤压风险。存储类赛道短期合约价预计大幅上涨，中长期因供需缺口及AI需求支撑，价格将维持高位；电感类赛道涨价趋势已启动，后续产品升级将持续带动元件价值量上行。当前内容篇幅略超预期，我将精简冗余表述后输出。

我们可以从头部厂商GPU、TPU未来3-5年的技术迭代路线出发，自上而下逐层映射AI算力硬件的配套变化，梳理各核心板块的元件需求与价格变动趋势。
未来3-5年头部厂商主流GPU、TPU产品将围绕制程、算力、互联、商业化等维度完成多轮迭代。TPU侧，谷歌已经完成七代产品迭代，2027年即将推出的第8代TPU将对标英伟达Vera Rubin，依托多年大规模LLM训练实战经验持续强化算力表现【6】；架构层面已经完成TPUv4、TPUv5p、TPUv7三代超节点的技术探索，落地了成熟的光互联Scale up网络并实现技术路线标准化，同时大额采购NPO用于TPU v7/v8/v9算力集群的Scale up层芯片间互联，搭配逐步普及的OCS光路交换技术，大幅提升芯片协同效率【6】【9】；接口层面，Marvell等厂商牵头的Open CPX MSA规范已经正式落地，统一了NPO向CPO演进的接口标准，TPU的互联产业链成熟度快速抬升，商业化确定性持续强化【9】。目前TPU已经从谷歌内部自用工具转向对外规模化供应，TPUv7已经获得Anthropic、Meta等头部客户的认可，2026年Anthropic就将采购近100万颗TPU v7 Ironwood AI芯片部署自有数据中心，逐步成长为行业层面的第二算力标准【5】【6】。GPU侧，头部厂商将沿着先进制程路线持续迭代，从当前的3nm节点逐步向2nm、2nm优化版本推进，台积电公开数据显示2nm技术相较3nm将实现10–18%的性能提升以及36%的功耗降低，逻辑密度也会同步提升，为GPU算力增长提供底层支撑【11】；市场层面，全球GPU市场2021-2030年复合增速达34.2%，中国数据中心GPU市场更是将以55.7%的年均复合增长率增长，2029年规模预计达到6639.2亿元，头部厂商GPU的算力规模将伴随市场扩容持续提升，同时国产GPU也在快速迭代，算力协同能力大幅增强【2】【11】【12】；供应链层面，超大模型竞赛进入工程化阶段，GPU的采购形态将从零散补货转向多年期可持续供给的长期合约，算力确定性优先级持续上升【4】。
为适配GPU、TPU的迭代升级，AI算力服务器及配套集群的整体硬件架构也需要从多个维度做出核心调整，支撑万卡向十万卡级超大规模集群的扩展需求。首先是算力互联架构升级，Scale up层面服务器端引入支持16卡、32卡更多算力芯片互联的Switch芯片，优化GPU南北向互联效率与规模，增强张量并行、MoE并行的数据传输能力，同时提升GPU卡间互联带宽；机柜端增加单机柜内服务器数量，搭配高速交换机实现互联，提升单机柜乃至单节点的算力性能【23】。同时DPU逐步承担算力集群的关键角色，在硬件层面实现网络协议栈、低时延RDMA传输、存储I/O、加密解密等专用加速，实现算力资源的细粒度调度与动态优化【16】。其次是算力配套硬件体系升级，随着GPU、TPU等AI芯片功耗持续跃升，电源系统需要从传统低功率、分散式架构，升级为更高电压、更高效率、更高功率密度的供电体系；液冷也从可选的节能方案转变为高功率AI集群的基础配置，二者从后端配套升级为决定AI芯片性能释放和集群稳定运行的核心基础设施【18】。同时AI服务器和高性能交换机内部，需要升级为更高层数、更低损耗的PCB，承载更复杂的芯片与高速信号，适配高功耗、高带宽的运行需求【17】。第三是CPU角色与配比升级，CPU不再是传统服务器的普通配套器件，升级为AI系统架构的核心变量，成为AI工厂中连接不同计算单元、组织系统资源和提升运行效率的关键环节，其核心参数直接决定AI集群的整体吞吐【19】【25】。同时CPU与AI加速器的配比逐步提升，CPU本身也向更高核数、更高互联带宽的定制化方向演进，还会带动内存通道、PCIe/CXL接口等配套同步升级【27】。最后是全链路硬件需求的迭代适配，广义AI硬件按照“从核心到边缘、从光到电、从散热到控制”的传导逻辑同步升级，形成完整适配高算力集群的硬件体系【17】。
基于上述硬件架构的调整方向，各核心板块的元件需求量可以结合产业传导逻辑完成测算，对应形成明确的市场规模增量。计算板块以AI加速芯片为核心，可从算力集群建设规模倒推单位需求量，根据AMD预测，2023-2028年全球AI芯片市场的复合增速超过60%，到2028年整体市场规模将达到5000亿美元【32】。存储板块核心元件为高带宽内存（HBM）、大容量DRAM，测算逻辑可匹配GPU的出货量，算力提升带来数据流大幅增长，AI服务器直接拉动HBM需求快速上行，端侧AI设备也同步推高大容量DRAM的市场需求【36】。高速互联板块核心元件包括光模块、高速交换机、高速连接器、PCB，分环节拆解测算，据Dell'Oro Group预测，到2025年AI后端网络部署的交换机端口多数将达到800Gbps，2027年将升级到1600Gbps 【32】，该板块是AI集群建设最先启动的环节，需求爆发优先级高于算力硬件本身【17】。供电散热板块核心元件为供配电系统、液冷散热系统，可从算力集群的总用电规模倒推，根据SemiAnalysis预测，2023-2028年数据中心温控+电力系统的市场空间将增长约400%，是数据中心建设增量最大的环节【38】，IEA预测到2030年全球数据中心用电量将较当前翻倍，供电散热作为算力底座的刚需，需求确定性极强【33】。整体市场规模可沿着AI硬件的业绩传导链条逐层累加核算，覆盖从光互联、算力载体到存储、配套设施的全环节增量。
从价格维度看，当前各核心元件的成本构成与后续走势也随着技术迭代、供需变动呈现清晰的分化特征。以2025年EpochAI对B200的核心成本拆解为例，GPU的成本占比中高带宽内存（HBM）是最大来源，其中HBM占2900美元，逻辑芯片制造占900美元，先进封装占1100美元，辅助组件占480美元【47】；如果从完整GPU机时成本维度（按四年折旧测算），GPU本身占整体算力成本的47%，其次是供电及散热环节占21% 【47】。存储类元件方面，AI需求爆发带动存储芯片价格中枢系统性上移，2026年Q1传统DRAM合约价从年初预期的环比增45-50%大幅上调至90-95%，NAND Flash从环比增33-38%上调至55-60%，后续仍有进一步上修空间【48】；2026年第二季度传统DRAM加权平均合同价格同比上涨57%，市场短缺情况突出【54】。电感类元件方面，普通一体成型电感向TLVR耦合电感升级后价值量明显提升，适配AI GPU低压大电流的供电需求【52】。后续走势上，GPU相关赛道中HBM作为GPU最大成本来源的趋势预计将持续，且在2026年上半年得到进一步强化【47】，下游算力服务商已经将GPU组件的成本上涨大部分转嫁给客户，老旧GPU在推理场景下仍有充足溢价空间【46】。存储类赛道中长期来看，原厂扩产存在双重滞后，叠加AI需求持续虹吸效应，涨价行情有望延续，价格将长期维持在高位区间运行【48】【54】。电感类赛道2026年Q3起行业酝酿涨价，头部厂商已经先后发起调价，后续AI GPU供电架构升级将持续带动电感元件的价值量上行【52】。