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

基于英伟达、谷歌等主流厂商未来3-5年的GPU、TPU产品迭代路线，可自上而下完成AI加速硬件的演进变化梳理，进一步逐层拆解各核心板块的元件需求量与成本价格拆分，形成完整的映射关系。

从产品迭代节奏来看，英伟达数据中心GPU始终围绕Tensor Core升级推进架构迭代，当前已完成从Volta到Blackwell的Tensor Core 1.0到5.0升级，后续路线分为三个明确阶段：2025年前处于Blackwell架构阶段，代表产品包括B100、B200、GB200、B300、GB300，其中2025年发布的B300为双die SXM形态产品，采用4NP制程，FP4算力达15P/17.5P*，HBM3e显存容量288GB，显存带宽8000GB/s，NVLink5.0互联带宽1800GB/s，最大功耗1400W；GB300由2颗B300组成，FP4算力达30P/38.9P*，HBM3e显存容量576GB，显存带宽16000GB/s，单服务器最多可搭载72颗GPU 【2】 。2026年进入Rubin架构阶段，推出Rubin双die产品，采用3N制程，FP4算力达50P，HBM4显存容量288GB，显存带宽22000GB/s，互联带宽3600GB/s，单服务器最多可搭载72颗GPU；同期配套推出88核定制ARM架构的Vera CPU，NVLink-C2C互联速率提升至1.8TB/s，和Rubin GPU组成Vera Rubin NVL144系统，CPU与GPU配比为1:2 【2】 【13】 。2027年升级至Rubin Ultra架构阶段，推出Rubin Ultra 4 die产品，采用3N制程，FP4算力达100P，HBM4e显存容量1000GB，配套英伟达800V全直流供电架构，适配Kyber机架系统 【2】 【9】 。伴随架构迭代，单服务器GPU数量从早期的8颗逐步升级到72、144颗，单服务器GPU Dies数量从8个升级到144、576个，HBM显存规格也从80GB HBM3逐步升级到288GB HBM3E、288GB HBM4乃至1024GB HBM4E，服务器互联架构也从UBB逐步升级到铜缆连接器，未来还将向正交背板方向演进 【5】 。英伟达消费级游戏GPU原本维持约2年一迭代的更新节奏，2026年将首次完全跳过一整代全新消费级游戏GPU架构的发布，后续RTX 60系列的迭代周期将从过往的2年左右拉长至3-4年甚至更久，战略重心全面向AI数据中心业务倾斜 【3】 。
谷歌TPU此前长期以内部使用为主，近年正快速向对外商业化的商用AI芯片转型，当前已经发布针对训练、推理任务分别优化的第八代TPU，2026年内就会正式上市；产能方面当前75%-80%的TPU产能仍供给内部业务，预计2027年TPU年产量可达500万块 【8】 。谷歌自研TPU处理AI工作负载的成本可比竞品处理器低30%，规模化部署下优势尤为突出，目前已经拿下Anthropic多达100万颗第七代TPU的部署订单，同时苹果、Meta也已采用谷歌TPU，长期来看将成为英伟达在AI芯片市场最具结构性的竞争对手 【8】 【11】 。此前的TPU v5p采用ASIC架构，FP16性能459TFlops，INT8性能达918TFlops，搭配95GB HBM内存与2765GB/s带宽，主要服务谷歌自身生态，为后续对外商业化迭代打下了基础 【15】 。

对应GPU、TPU的代际迭代，AI加速硬件整机在算力模块、存储系统、高速互联、供电散热等核心板块也产生了明确的硬件层面变化需求。算力模块层面，不再仅以GPU为单一核心，CPU的定位从传统服务器的配套角色升级为AI工厂里连接不同计算单元、组织系统资源的关键环节，甚至会以芯粒/多芯片封装的形式嵌入下一代AI加速平台，定制化AI加速器也会加入更多SRAM来适配大算力场景需求 【21】 ；芯片本身性能指标持续跃升，以英伟达B200为代表的新一代GPU、谷歌自研TPU等产品，制程工艺、晶体管数量、各类型算力都较前代实现数倍提升，单芯片功耗也突破到最高1000W级别，直接带动整机算力承载能力的全面升级 【25】 【23】 。存储系统层面，高规格HBM显存的配置标准快速提升，新一代AI芯片的显存容量、带宽要求大幅增长，比如英伟达B200的HBM3e显存容量、带宽都达到国产同类型AI芯片的3-8倍水平，倒逼整机配套更高规格的高带宽显存方案 【25】 ；内存通道也需要同步扩容升级，适配AI工作负载下海量数据的高速吞吐需求，避免存储环节成为算力释放的瓶颈 【21】 。高速互联层面，作为集群建设的先导环节，800G/1.6T速率光模块、高速背板连接器的需求率先爆发，搭建起芯片间、服务器间的高速数据传输通道 【16】 ；高端800G以太网交换机成为集群网络的核心枢纽，同时PCIe/CXL接口也需要同步升级，适配多计算单元、多芯粒之间的低延迟数据交互要求 【16】 【21】 ；承载高速信号的PCB需要向更高层数、更低损耗的规格迭代，CCL等配套物料也需要同步升级性能，支撑复杂的高速信号传输 【21】 。供电散热层面，供电系统从传统低功率分散式架构，升级为更高电压、更高效率、更高功率密度的体系，垂直供电等新技术进入高速普及期，类似巴拿马电源这类新一代产品快速渗透，适配未来十年内可能攀升至10000A的极高电流需求 【23】 【19】 ；高效服务器电源成为刚需，既需要降低电能转换损耗，也需要匹配GPU/TPU迭代后暴涨的功率密度要求，避免供电能力限制芯片性能释放 【17】 ；液冷（冷板式、浸没式）从过去的可选节能方案转变为高功率AI集群的必选基础配置，不再是后端配套，而是决定集群稳定运行的核心基础设施 【16】 【23】 。

对应上述硬件升级板块，各板块的核心元器件清单已清晰明确，不同代际GPU、TPU整机的单台核心元件需求量也可完成量化测算。其中AI服务器CPU配套板块核心元器件为服务器CPU、电子级PPO材料 【28】 ；AI GPU/ASIC算力芯片板块核心元器件包括GPU/ASIC芯片、金属软磁粉芯一体成型电感、ABF基板、HBM/GDDR7显存、液冷冷板、高规格PCIE连接器、26层高等级HDI板 【32】 【33】 【34】 ；谷歌TPU算力芯片板块核心元器件包括TPU芯片、作为协调器的Axion CPU、配套设计IP、封装材料 【32】 ；英伟达Vera平台板块核心元器件包括定制化Vera CPU、Rubin GPU晶圆、NVLink高速互联模块 【30】 。从需求量测算结果来看，同等功率规模下，每吉瓦数据中心所需GPU约为60-110万块 【27】 ；2026年单颗英伟达GB300 GPU单卡搭载32颗金属软磁粉芯一体成型电感，单台搭载多颗GB300的AI服务器对应电感需求量随GPU数量线性提升，仅GB300品类2026年总电感需求量就达1.92亿颗，同期海外AI巨头ASIC单颗平均搭载30颗金属软磁粉芯一体成型电感，对应2026年总电感需求量达2.1亿颗 【33】 ；英伟达CPX GPU整机架构下，单个机架共搭载396颗GPU，采用26层高等级HDI板、PCIE Gen6互联模块、液冷冷板等配套元件 【34】 。谷歌TPU7x每个升级单元配备1个CPU搭配1-4颗TPU芯片 【30】 ，TPU v8系列单单元搭载1颗承担调度、遥测、跨节点数据移动职责的Axion协调CPU，其中训练向TPU v8t单芯片搭载216GB HBM，推理向TPU v8i单芯片搭载288GB HBM 【32】 ，谷歌预计2027年TPU整体年产量可达500万块，对应配套协调CPU需求量同步达500万颗以上 【8】 。电子级PPO核心材料的单台服务器需求量也随GPU配置数量逐年提升，2023年单台AI服务器GPU侧PPO需求量为3.47克，CPU侧为382克，到2027年GPU侧PPO需求量将提升至9.01克，CPU侧维持382克不变 【28】 。

从成本维度拆分，不同代际GPU、TPU硬件系统的BOM成本结构差异显著，各核心元器件的单位价值占比与价格变动趋势也呈现明确的分化特征。英伟达NVDGX H100平台中GPU+NVSwitch合计占比高达86.46%，其余核心部件占比分别为CPU 13.54%、内存3.49%、智能网卡4.84%、存储1.53%、电源2.31%，HBM被包含在GPU成本范畴内，单独统计存储+内存合计仅占总成本约5% 【44】 ；搭载H100/B200的高端训练型AI服务器中GPU仍是成本占比最高的核心部件，H1008配置下GPU成本占比达74.0%，存储系统（HBM+DDR5+SSD）整体BOM占比从传统通用服务器的15%提升至30%-35%，其中HBM、DDR5、SSD分别对应7.6%、1.9%、4.2%的成本占比 【40】 【41】 ；推理型AI服务器的GPU成本占比有所下降，L4/L40/L40S4配置下占比为38.8%，存储系统占比提升至27.7%，DDR5占比10.0% 【40】 。谷歌自研TPU的硬件架构以定制化张量处理单元为核心，依托与博通合作的专属配套芯片设计，其处理AI工作负载的整体硬件成本比英伟达同性能级别的处理器低30%，核心成本集中在定制计算芯片、配套高速互联元件两大板块 【8】 。价格变动趋势方面，GPU/TPU主芯片端，英伟达下一代Rubin平台定价将明显高于当前Blackwell产品系列，可抵消HBM等上游元件的成本上涨压力，维持毛利率在70%中段水平；同时代理式AI爆发带动服务器CPU需求大幅上涨，英特尔数据中心级CPU产品单次涨幅可达数百甚至上千美元，且行业仍有进一步涨价空间 【14】 【12】 ，谷歌TPU随着产能扩张，规模化部署下单位硬件成本有望进一步下探 【8】 。存储类元件端，DRAM价格持续上涨但涨幅逐步放缓，NAND现货价格已连续三个月小幅收窄；2025年第四季度conventional DRAM合约价预估季增45-50%，叠加HBM后的整体存储合约价涨幅可达50-55%，其中HBM3/3e每比特单价约为同容量DDR5的5-10倍，是存储品类中价格最高、涨幅最刚性的品类 【46】 【47】 【41】 。其他配套元件端，受AI算力需求挤压，消费级GPU相关的GDDR7显存供应持续紧张，消费级显卡迭代周期拉长，相关配套元件的资源分配优先级向AI数据中心侧倾斜，消费级端相关元件涨价压力高于AI工业级场景 【3】 。