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

我将基于未来3-5年主流厂商的GPU、TPU迭代路线，梳理硬件调整、元件需求及BOM成本相关情况。梳理内容将首先覆盖GPU、TPU的迭代路线，包括制程升级进展、各厂商的产品规划及配套技术升级方向。

谷歌TPU延续脉动阵列架构追赶GPU性能，出货量增长迅速，预计2030年占全球算力芯片出货的40%。整机核心模块调整方面，CPU地位升级，配比弹性拉大，内存接口容量将翻倍。

内存、电源散热、互联接口三大整机核心模块的升级方向已梳理完毕，接下来将分析各核心元件的单台需求量变化。

算力芯片、HBM的核心需求变化已梳理完毕：单台整机搭载算力芯片数量数十倍增长，HBM单颗容量、整机总需求均随模型规模持续走高。

高速互联芯片需求随互联规模指数级增长，电源相关元件需求弹性高于GPU出货增速。我还梳理了BOM成本结构，GPU及配套组件占比持续下降，非GPU元件占比随产品迭代抬升，不同类型服务器的核心存储组件占比也有明确差异。

H100 DGX中CPU、智能网卡等其余元件合计占比约23.38%，当前存储及GPU相关元件价格持续上行，新一代B系列GPU单位成本算力产出有所下降。基于未来3-5年主流芯片厂商的AI加速硬件迭代路线，我将梳理整机调整方向、核心元件需求及BOM成本结构，目前已梳理出行业先进制程将向2nm演进，2nm工艺可提升10-18%性能、降低36%功耗，英伟达、AMD均有对应GPU及整机系统的迭代规划。谷歌自研TPU将持续迭代，2030年出货量有望占全球算力芯片出货量的40%，是核心增量来源，后续AI加速硬件整机核心模块将迎来多维度关键调整。

CPU已成为AI系统架构核心变量，需求与内存配置要求快速提升；内存存储系统持续迭代，AI加速器向多芯粒封装演进，新增CXL内存扩展架构适配大内存需求。

电源散热、互联硬件等配套体系均迎来结构性升级，以适配AI算力的高功率波动与高速数据传输需求，不同代际GPU/TPU整机的核心元件单台需求量弹性远超传统服务器。

当前AI服务器的算力芯片、配套元件及高带宽存储需求均呈现高弹性特征，算力芯片单台搭载量、配套元件用量、HBM总需求量均有大幅跃升。高速互联芯片层面，整机互联规模与带宽同步升级，配套芯片需求量指数级增长；电源相关元件需求弹性也显著高于GPU出货增速。

从BOM成本结构来看，英伟达相关平台的核心元件占比情况已明确：GPU及NVSwitch占比最高，非GPU元件成本权重随产品迭代持续抬升，存储系统占比明显提升，其余配套元件占比相对较低。

存储相关价格持续走高，GPU整体单价长期呈上升趋势，不过云厂商自行封装HBM的模式未来可能对GPU实际采购价形成下行影响，新一代B系列GPU单芯片成本提升，单位算力产出有所下降。目前我已确认所有内容符合输出要求。

我们可以基于未来3-5年主流芯片厂商公开的GPU、TPU迭代路线，自上而下逐层梳理对应的AI加速硬件整机调整方向，进一步拆分各核心元件的需求量变化与BOM成本结构特征。

首先从底层算力芯片的迭代路线来看，未来3-5年行业先进制程将从当前主流的3nm节点持续向2nm演进，2nm工艺相较3nm可带来10-18%的性能提升，同时功耗降低36% 【11】，头部厂商的GPU产品将同步跟进先进制程节奏，比如AMD规划2027年推出MI500系列、2028年推出MI600系列GPU加速器，对应制程将同步向2nm等更先进节点迭代，匹配算力提升需求【10】。GPU产品层面，英伟达将维持一年一代的升级节奏，从当前的Rubin GPU持续迭代，2026年推出的Vera CPU升级为88核定制ARM架构，和Rubin GPU组成的系统配比从过往的1:1升级为1:2，NVLink-C2C互联带宽直接从900GB/s翻倍到1.8TB/s 【12】；AMD则明确遵循CPU两年一代、GPU一年一代的迭代规律，配套Helios系列机架级AI系统同步升级【10】，GPU还将持续配套HBM高带宽显存，通过芯粒分离计算与缓存单元不断拉高算力使用效率【1】。而谷歌自研的TPU将延续过往的脉动阵列核心架构优势，依托自身业务的旺盛需求持续迭代，追赶英伟达GPU的性能表现【6】，出货量增量十分可观，据行业测算2026年谷歌TPU出货量可达328万颗，到2030年TPU出货量将占到全球总算力芯片出货量的40%，是未来几年算力芯片市场的核心增量来源【4】【5】。

匹配各代GPU、TPU的性能升级需求，AI加速硬件整机的核心模块也将迎来多维度的关键调整。原本仅作为服务器常规配套的CPU已经成为AI系统架构的核心变量，承担起连接不同计算单元、组织系统资源、提升整体运行效率的关键作用【16】，CPU与GPU的配比也从过去的1:4-1:8收紧到1:1-1:2，部分场景甚至达到4:1，CPU需求直接激增4倍【25】，同时CPU的DDR通道数也在快速升级，2025年占比24%的服务器CPU采用12通道DDR配置，预计2030年这一占比将提升到45%，同期16通道CPU的占比会从接近零增长到30%，单CPU对应的内存接口内容几乎翻倍，避免AI高负载下的内存饥饿问题【21】。内存与存储系统也持续迭代扩容，新一代AI加速器普遍向多芯粒+大量HBM封装的方向演进，HBM的规格、容量、带宽都在快速升级，单颗AI加速器的HBM总容量已经从早年的几十GB逐步提升到数百GB级别【16】【24】，整机还新增了CXL内存扩展架构，通过CPU配置解耦的大内存池适配AI代理大KV缓存、长上下文窗口的需求，效率比直接在GPU上扩容HBM更高【22】。电源与散热体系迎来结构性升级，行业开始向800V机架架构迁移，新增PCS电力侧整合了传统PSU、机架级BBU和服务器内的大容量电容，Rubin Ultra机架的单台PCS对应的功率半导体价值超过2万美元，单位千瓦的功率半导体BOM成本最高达到191美元【20】，同时整机新增瞬态功率平滑缓冲模块，适配AI负载特有的功率骤升骤降瞬态波动特征【23】。互联接口与配套硬件也同步升级，PCIe/CXL接口、PCB/CCL板材规格全面提升，支撑不同计算单元之间的TB级数据传输需求，避免高算力下的数据传输瓶颈【16】，AMD新一代Helios 500/600系统还专门搭配了Pensando系列网络芯片，支撑大规模AI集群的高速互联需求【10】。

在此基础上，不同代际GPU/TPU整机的核心元件单台需求量也呈现出远超传统服务器的高弹性特征。算力芯片层面，单台整机搭载的算力芯片数量从早期HGX H100整机的8颗，升级到GB300 NVL72整机的72颗，再到Rubin Ultra NVL576整机直接提升至576颗，实现数十倍阶跃式跃升【37】，同时单颗算力芯片的TDP持续走高，单颗芯片对应的电感用量随功耗提升同步线性增加，配套CPU的算力需求也实现4倍的结构性增长，TPU v8系列的CPU作为独立协调器，单节点核心需求较过往实现10倍跃升【29】【32】。高带宽存储层面，单颗算力芯片配套的HBM容量与带宽持续抬升，整机的HBM总需求量随单芯片配置提升和算力芯片数量增长，呈现远高于GPU出货增速的弹性，随模型规模膨胀持续走高【27】【30】【36】。高速互联芯片层面，整机的最大互联规模代际扩张十分显著，对应的互连带宽同步翻倍，单台整机所需的高速互联芯片、配套网络芯片需求量随互联规模同步指数级增长【10】【36】。电源相关元件层面，单台整机的电源系统需求随算力芯片总功耗的双重放大大幅增长，电容、电感等能量缓冲元件需求量不再随GPU颗数线性增长，需求弹性显著高于GPU出货增速【27】【37】。

最后从BOM成本结构来看，各核心元件的价格占比与单价变动趋势也十分清晰：作为核心算力载体，GPU+NVSwitch在NVDGX H100的整体BOM中占比达到86.46%，不同代际英伟达超级计算平台的非GPU BOM占比随产品迭代逐步抬升，从VR200的70%升至GB300的75%，非GPU部分的成本权重随硬件复杂度提升持续增长【40】【43】。存储系统的BOM占比已经从传统通用服务器的约15%提升至高端AI服务器的30%-35%，训练型AI服务器的HBM占比约7.6%，推理型AI服务器的SSD BOM占比可达27.7% 【41】【42】。其余配套元件中，CPU占H100 DGX系统BOM比例约13.54%，智能网卡占比4.84%，内存、电源、主板等其余元件合计占比不足5% 【43】。单价变动方面，HBM3/3e的每比特单价约为同容量DDR5的5-10倍，2025年第四季度DRAM及HBM合并的整体合约价季涨幅达到50-55%，2026年4月传统DRAM合约价同比上涨57%，存储相关价格持续走高【41】【48】【51】；英伟达等GPU厂商通常会对包含HBM的封装芯片收取60%-70%的毛利，叠加HBM价格上涨传导，GPU整体的单价长期呈上升趋势，不过云厂商直接采购HBM自行封装的模式未来可能对GPU芯片的实际采购价形成下行影响，新一代B系列GPU的单芯片成本相对前代大幅提升，单位成本对应的算力产出有所下降【46】【47】。