AI 浪潮下，中国服务器厂商的格局重塑

2026 年全球四大云厂商 AI 相关资本开支预计将达 7250 亿美元，全球服务器市场单季收入已突破 1226 亿美元、同比增长 30.4%。然而，AI 投入越大，并不意味着每一笔钱都会流向传统服务器厂商。芯片厂商、云厂商和 ODM 厂商正在重新划分这条产业链，服务器厂商必须回答一个问题：自己在 AI 时代究竟不可替代在哪里？

边界模糊：芯片与云厂商直接下场

芯片厂商不再满足于只卖 GPU 或 NPU。华为、沐曦、摩尔线程已将互联、通信库、参考架构和整机柜一起推向客户，试图亲自回答如何将一颗芯片组成千卡集群。向下看，云厂商和头部互联网公司掌握模型与负载，可以自己定义服务器规格，再直接向 ODM 下单。2026 年第一季度，ODM Direct 收入仍占全球服务器市场的 50.2%，意味着全球约一半的服务器收入已可以在大客户与制造厂之间直接完成。

在这一背景下，AI 加速卡的国产化趋势也在加速。今年 7 月对 60 名中国企业高管的调查显示，受访者预计未来 12 个月将把 46% 的 AI 加速器预算投向国产芯片，高于当前的 30%。除英伟达外，华为昇腾、寒武纪、昆仑芯、摩尔线程、沐曦、燧原、天数智芯等厂商已从 NPU、通用 GPU 和专用 AI 处理器等不同路线切入。

异构算力：从硬件兼容到软件适配

国产芯片越多，服务器厂商需要承担的就越多。加速卡切换意味着主板布局、供电、散热、固件和信号完整性可能全部重做；机器点亮后，还要处理驱动、编译器、算子库和通信库。同一模型迁移到另一张卡上，往往只是「能跑」，离合理性能还有距离。

服务器厂商的应对由此展开。

• 浪潮信息：多元开放算力架构通过开放加速器模块和算力模组，可让同一系统平台支持业界 90% 的 AI 芯片以及 x86、ARM 等 CPU 架构，芯片到算力系统的研发周期压缩至 6 至 8 个月。
• 超聚变：B.E.S.T 3.0 与 FusionOne AI 把算子、模板库、编译器、模型部署与推理加速纳入一套方案，提出异构算力要「协同可用、混合可训、混合可推」。
• 新华三：灵犀智算统一接入、复用和调度异构 GPU。
• 联想：万全异构智算平台覆盖不同芯片、模型和从百卡到万卡的集群。

正如一位国产加速芯片厂商人士所言，互联网客户采购前会反复用自家模型做 POC，最终看的是 TCO。硬件跑分只是其中一项，软件是否好用、模型适配周期、芯片能否持续供货，都会影响采购结果。客户不可能逐一吃透每套软硬件体系，能够把换芯时间、性能损失和运维成本一并压下来的服务器厂商，才能把卖货变成卖价值。

超节点：从数卡到造「大机器」

WAIC 2026 上另一个明显的趋势是，超节点正在成为 AI 时代的产品单元。上海人工智能实验室 DeepLink 团队发布的《超节点技术体系白皮书》指出，过去 5 年预训练所需算力增长约 3000 倍，单芯片算力同期只增长约 16 倍。超节点先用 Scale-Up 把更多加速卡组成低时延计算域，再通过 Scale-Out 接入更大集群。用户买到的表面上是机柜，使用时却要把它当成一台跨越多个机柜的「大机器」。

但卡数并不等于有效算力。上述白皮书在一套参考设计中测算，Scale-Up 域从 8 卡扩大到 32 卡时，千亿参数模型的训练收益为 20%、推理收益为 42%；扩大到 512 卡后，两项收益也只增加到 21% 和 45%。一位国产 GPU 厂商人士在采访中表示：「超节点是极致工程问题，不是卡越多越好，适合应用场景的才好。」超节点扩大了低时延通信范围，也放大了故障影响：一张卡掉线、一次网络拥塞或一个液冷接头出问题，拖慢的可能不再是一台服务器。

围绕这一赛道，各家厂商路径分化。

• 全栈厂商：华为 Atlas 950 SuperPoD 为 1024 卡集群，全局统一内存 256TB，往返时延 3 微秒，昇腾 384 超节点已落地 750 多套；阿里以自研芯片、ALink 互联和磐久服务器走类似路线，并可用云上真实负载检验系统。
• 芯片向系统延伸的 GPU 厂商：沐曦曦景 S600 单柜 64 张 GPU 全互联；摩尔线程 MTT C256 用两个标准机柜连接 256 张 GPU，号称卡间时延压到亚微秒级。
• 传统服务器与 ICT 厂商：中兴通讯 OEX 超节点主打开放和快速换芯，通过计算托盘与交换托盘正交直连，故障维护从小时级缩短到分钟级，整机开发周期 3 至 6 个月；新华三 UniPoD S80000 单柜可部署 32 至 64 张加速卡，Scale-Up 扩展至 1024 卡，Scale-Out 延伸至 16384 卡；远图则选择「服务器+高速交换机」双赛道同步推进。

Token 工厂：硬件之后的新战场

AI 服务器的竞争最终还要落到 Token 上。截至今年 3 月，中国日均 Token 调用量已超过 140 万亿，相比 2024 年初的 1000 亿增长了 1400 倍。大模型从训练走向应用后，客户关心同一台机器每天能产出多少 Token、用户要等多久、每百万 Token 要花多少钱，「Token 工厂」由此密集出现。

• 新华三推出图灵 Token 工厂，向上承接模型任务与应用请求，向下统一调度 GPU 资源与算力分配；集团总裁于英涛表示，「图灵小镇」更像一个围绕 Token 生产、调度、使用的工厂。
• 超聚变已把 Token Factory 真正跑起来，日均 500 亿+ Token 需求、30+ 智能体场景，AI 赋能软件工程两年实现 100% 全员研发覆盖。

市场仍在扩张，但门槛在抬高

高盛 Allen Chang 团队预计，2028 年全球服务器市场收入将达 1.1 万亿美元，其中 AI 服务器机架收入将以 118% 的复合年增长率扩张至 5614 亿美元，占全球服务器市场总收入的 51%。市场仍在变大，但芯片路线、互联协议、液冷方式和模型负载都在分化，AI 服务器没有变成更标准的生意，反而从标准产品重新变成了复杂工程。这将成为 AI 服务器厂商的下一个门槛。