TeraFab项目概述与目标 - 埃隆·马斯克的TeraFab项目旨在将逻辑芯片、存储芯片及封装工艺整合于同一屋檐下，其最终目标是每年生产耗电量高达1太瓦（1 TW）的AI芯片[1] - 项目已获得200亿美元资金，但这仅够建造一座7纳米级逻辑芯片工厂[1] - 伯恩斯坦分析指出，要实现每年生产1 TW AI硅的目标，需要5万亿美元资金，这与几年前萨姆·奥特曼为其芯片制造网络项目寻求的资金规模相近[1] TeraFab产能需求估算 - 伯恩斯坦采用自上而下的估算方法，将机架级电力需求转化为半导体制造产能[2] - 为实现1 TW年产能，TeraFab每年需要处理2240万片Rubin Ultra GPU晶圆、271.6万片Vera CPU晶圆和1582.4万片HBM4E晶圆[1] - 这总计需要142到358个晶圆厂来满足产能[1] - 分析基于机架级系统功耗（Rubin为120 kW，Rubin Ultra为600 kW）、芯片尺寸（GPU约825 mm²，CPU约800 mm²）、HBM堆叠数量和良率进行换算[2] - 但该估算被指高估了逻辑晶圆厂典型产能（假设每月5万片启动，而非2万片），并低估了DRAM晶圆厂产能（假设5万片启动，而非10万至20万片）[2] 逻辑芯片产能与成本分析 - 一座现代化尖端逻辑晶圆厂每分钟约生产2万片晶圆（WSPM），即每年约24万片晶圆[3] - TeraFab每年需生产2511.6万片逻辑晶圆，在100%良率下需约105座晶圆厂，在80%良率下需约126座晶圆厂[3] - 一座具备2纳米工艺能力的晶圆厂造价在250亿至350亿美元之间（中值约300亿美元）[3] - 仅逻辑产能一项，在100%良率下需约3.15万亿美元，在80%良率下需约3780亿美元[3] - 作为对比，台积电在2025年出货了1502.3万片300毫米等效晶圆，目前运营着约50个在过去二十年间建造的300毫米晶圆厂模块[3] 存储芯片（HBM）产能与成本分析 - 大规模高带宽内存（HBM）生产对实现TeraFab目标至关重要[4] - 现代化DRAM晶圆厂通常每分钟提供10万至20万片晶圆产能（取中值15万片）[4] - 生产1582.4万片HBM4E晶圆，在100%良率下约需9座晶圆厂，在70%良率下约需12座晶圆厂[4] - 每座DRAM晶圆厂成本至少200亿美元，仅前端内存产能一项即需约2400亿美元[4] - 目前三大DRAM制造商（美光、三星、SK海力士）仅运营着约30座自2000年代初以来建造的晶圆厂模块[4] 先进封装设施需求与总成本 - HBM产量还受限于堆叠和封装能力及良率[4] - 用于2.5D和3D集成及HBM组装的先进封装设施，每个阶段成本约20亿至35亿美元[4] - TeraFab需要数十个甚至数百个此类设施来组装AI处理器和HBM堆栈，这意味着额外数千亿美元投资[4] - 综合逻辑、存储及封装需求，TeraFab总计需要超过4万亿美元资金，与伯恩斯坦5万亿美元的估计基本一致，且不包括土地、工艺研发、软件和生态系统开发成本[4] 项目面临的资金与资源限制 - 筹集5万亿美元极其困难，该金额超过了英伟达（市值4.34万亿美元）、苹果（市值3.71万亿美元）和Alphabet（市值3.5万亿美元）等全球市值最高公司的总和[5] - 如此规模的私人融资、财团或主权资金难以想象，例如美国政府今年总预算约7万亿美元，单独资助也非易事[5] - 唯一可行途径是多国政府、主权财富基金、超大规模数据中心运营商和资本市场协同运作，但可行性存疑[5] - 制约因素不仅限于资金，还包括晶圆制造设备、建筑材料供应有限，以及建造、运营和维护晶圆厂所需的大量熟练劳动力[5] - 目前尚不清楚马斯克是否真的计划建立一个产能超过台积电、三星和英特尔总和的芯片代工厂，仅用于满足特斯拉、SpaceX和xAI的需求[5]

英伟达产品路线图演进 - 公司在2012年至2017年间定期发布数据中心GPU路线图，但随后数年路线图转为内部保密，直到2023年底才重新发布新时代路线图[2] - 2023年10月的路线图首次揭示了人工智能系统组件的年度更新计划，当时2025年产品曾用代号GX200、GX200NVL、X100和X40，后证实为“Blackwell”GPU[3] - 公司在2024年6月公布了到2027年的数据中心路线图，引入了“Vera”CV100 Arm服务器CPU和“Rubin”R200 GPU加速器，随后在GTC大会上更新了到2028年的路线图[3] 市场地位与财务预测 - 公司在人工智能训练领域占据绝对优势，在推理领域也具备竞争力[4] - 根据IDC和Gartner数据估算，2025年全球服务器市场规模在4200亿美元到4500亿美元之间，其中流向公司的物料成本收入约为1900亿美元[5] - 基于公司技术的机器（由OEM/ODM销售）在2025年的收入可能在2750亿美元到3250亿美元之间，占整个系统市场份额的61%到77%[5] - 人工智能系统几乎所有的利润都流向了公司，其毛利润、营业利润和净利润数据明确体现了这一点[5] 2026年技术路线图细节 - 2026年路线图明确提及了“Oberon”和“Kyber”机架的演进[8] - “Vera”Arm服务器CPU拥有88个定制的“Olympus”核心，支持双线程，配备1.8 TB/秒的NVLink芯片间互连，用于连接“Rubin”R200 GPU加速器[9] - “Rubin”R200 GPU由两个芯片通过NVLink C2C连接，配备288 GB HBM4显存，其张量核心可提供50 petaflops的FP4性能[9] - “Blackwell”B200和B300 GPU配备288 GB HBM3E显存，FP4性能分别为10 petaflops和15 petaflops[9] - “Oberon”机架式服务器预计采用与Blackwell架构相同的NVL72系统，配备72个GPU插槽和36个CPU插槽[9] - “Groq LP30”将采用专用机架包装，配备标准的Spectrum以太网主干网[9] - “Oberon ETL256”配置意味着256个Vera CPU或256个Groq LPU可以连接到该背板[10] - 每个“Groq sled”有四个插槽，每个插槽装有八个LP30处理器[10] - 一组LP30处理器机架被称为“Groq 3 LPX”系统，包含32个滑橇，总计拥有315 petaflops的FP8推理计算能力，256个芯片上配备128 GB SRAM，总SRAM带宽为40 PB/秒，Spectrum ETL背板总扩展带宽为640 TB/秒[12] - “Vera ETL”机架可容纳32个机架单元，总计256个CPU，22,528个核心，512 TB主内存，以及300 TB/秒的内存带宽[13] 2027-2028年及未来技术展望 - 2027年计划推出“Rubin Ultra”GPU（暂定名R300），将插槽内GPU芯片数量从两颗增加到四颗，提供100 petaflops的FP4性能[16] - “Kyber”机架将GPU插槽数量翻倍至144个，采用铜质中板，为四颗Rubin GPU芯片配备16组HBM4E显存，总容量1TB，读写速度32TB/秒[16] - 2028年计划推出采用CPO（共封装光学）技术的NVLink 8端口[20] - 2028年的“Rosa-Feynman”系统将搭载“Groq LP40”计算引擎，并为其添加NVLink端口[19] - “Feynman”GPU预期将采用芯片堆叠技术和定制HBM内存[22] - 随着NVSwitch 8 CPO推出，在多层网络下，公司的GPU域大小预计将达到1152个GPU[21] 互连技术发展 - NVLink带宽持续翻倍：Rubin GPU的NVLink 6端口带宽为3,600 GB/秒，Rubin Ultra的NVLink 7端口带宽为7,200 GB/秒[18] - 2029年规划的NVLink 9 CPO带宽预计达到28,800 GB/秒[17] - 在Rubin系列中，Spectrum-6以太网ASIC将采用共封装光器件[19] - 公司可能在未来的Groq LPU中考虑采用晶圆级ASIC设计，以消除芯片间C2C互连的缓冲需求[17] 产品命名与系统架构 - 基于BlueField-4 DPU的存储机架被称为BlueField STX机架，基于Spectrum-6交换机的机架被称为Spectrum-5 SPX机架[15] - 基于Vera CPU的计算处理机架可能被命名为Vera CPX机架[15] - 这些系统都基于MGX模块化服务器架构[15]

行业投资评级 - 投资评级：看好（维持）[1] 报告核心观点 - 报告核心观点：Groq 3 LPU超预期发展及Rubin Ultra架构升级将深远影响AI服务器硬件，建议关注算力、互联、散热三大投资主线[6] 技术产品进展：Groq 3 LPU与LPX机架 - Groq 3 LPU单芯片性能跃升：集成500MB SRAM，提供150TB/s带宽，是HBM（22TB/s）的近7倍，精准契合带宽敏感型AI解码需求[3] - Groq 3 LPU算力为1.2 petaFLOPS（8位运算），而Rubin GPU算力为50 petaFLOPS（4位运算），前者以精简设计专精推理[3] - 英伟达将Groq 3 LPU整合为Groq 3 LPX机架，每个机架包含256个LPU，提供128 GB SRAM及40 PB/s推理带宽，芯片间通过640 TB/s扩展接口互联[4] - LPU与Rubin GPU结合后，推理吞吐量/功耗比提升35倍，有望重塑推理成本结构[4] - LPU芯片将由三星代工，量产时间从原计划提前至2026下半年[4] - 后续将推出支持NVFP4的Groq L35以丰富产品矩阵[3] 系统架构升级：Rubin Ultra与Kyber机架 - Rubin Ultra GPU配备高达1 TB HBM4e内存，单封装FP4推理算力达到100 PFLOPS，在内存容量和算力上实现翻倍式提升[5] - Rubin Ultra搭载全新的Kyber机架，全柜合计144个GPU（共计576个 die），采用计算节点垂直插入的颠覆性设计[5] - 架构采用中枢直连架构取代传统铜缆，其中Compute Tray上有4颗Rubin Ultra和2颗Vera CPU，其与Switch tray的连接通过正交背板完成[5] 投资建议与受益环节 - 投资建议关注算力、互联、散热三大主线[6] - PCB环节受益标的包括：沪电股份、胜宏科技、深南电路、景旺电子、鹏鼎控股等[6] - CCL环节受益标的包括：生益科技、南亚新材等[6] - 组装环节受益标的包括：工业富联等[6]

文章核心观点 - AI算力需求爆发式增长导致高功率芯片功耗飙升，传统风冷技术已难以满足散热需求，液冷技术凭借其高效散热、低能耗等优势成为必然趋势，预计2026年将迎来产业化放量元年 [2][3][14] - 谷歌、英伟达等全球AI芯片巨头的最新芯片产品功耗显著提升，直接推动了对液冷解决方案的需求和价值量增长 [3][7][8][11] - 国内政策强力推动数据中心节能降耗，叠加超节点等新架构的普及，为液冷市场创造了广阔的增量空间，行业未来几年增速可观 [14] - A股液冷产业链相关公司已深度布局，部分个股市场表现强劲，行业有望持续受益于产业趋势 [2][16] AI芯片功耗飙升驱动液冷需求 - **谷歌TPU芯片迭代与功耗**：谷歌第七代AI芯片TPU v7（Ironwood）单芯片功耗已达980W，其AI训练性能比TPU v5提升了5倍 [3] - **谷歌TPU液冷市场规模测算**：TPU v7机柜液冷系统价值量达7-8万美元，单芯片对应液冷价值量为1094-1250美元，预计2026年TPU v7及以上芯片出货约220-230万颗，对应机柜液冷市场规模将达24-29亿美元 [7] - **英伟达GPU功耗演进**：英伟达下一代Rubin架构GPU功耗持续攀升，预计2026年量产的VR200芯片功率提升至2300W，2027年量产的VR300（Ultra）功率预计将达到4000W以上 [8] - **液冷渗透率与价值量提升**：随着Blackwell系列（如GB300）和Rubin平台服务器量产，机柜液冷渗透率将从85%+向100%演进，机架液冷模块价值量有望增长20%以上 [9][11] 液冷技术优势与市场空间 - **技术优势**：液冷技术利用液体高热导率与大热容特性，相比传统风冷能更快速散热，实现更低能耗、更少噪音，并有助于降低整体拥有成本（TCO） [2] - **国内政策驱动**：国家发改委要求到2026年，新建大型、超大型数据中心PUE必须低于1.15，液冷是唯一能稳定达到该标准的技术 [14] - **国内市场增长**：2024年中国液冷服务器市场规模达23.7亿美元，同比增长67.0%，当前液冷渗透率仅为5%，IDC预测2023-2028年中国液冷服务器市场年复合增长率将达47.6%，2028年市场规模将超100亿美元 [14] - **应用边界扩展**：液冷应用正从GPU服务器向交换机、ASIC（如AWS、Meta自研芯片）等设备侧延展，市场空间进一步打开 [15] A股液冷产业链相关公司 - **市场表现**：梳理的19只A股液冷概念股近3月平均涨幅为3.95%，其中鸿富瀚、奕东电子涨幅居前，均超40% [16] - **重点公司业务布局**： - **鸿富瀚**：液冷产品聚焦网通与服务器领域，核心产品包括液冷板模组及全链条解决方案，国内与中兴通讯等合作，国外已获取北美大客户送样资格 [16] - **奕东电子**：在液冷领域具备一体化优势，拥有超20年光模块CAGE生产经验，已实现AI芯片液冷散热结构件批量出货，并正构建液冷散热模组一体化能力 [16] - **其他公司**：多家公司已在AI液冷服务器领域批量供货，或具备全链条解决方案能力，并与英伟达、谷歌等核心客户及供应链深度绑定 [16]

公司动态与市场表现 - 蓝思科技股价上涨3.3%至25.7港元，成交额达5205.83万港元 [1] - 公司计划以现金及其他方式收购裴美高国际100%股权，从而间接持有元拾科技95.1164%股权 [1] - 目标集团主营业务为服务器机柜及其结构件、服务器液冷模组的生产与销售 [1] - 里昂证券预期该交易将于明年完成，重申对蓝思科技“跑赢大市”评级，目标价维持38港元 [1] 收购的战略意义与业务前景 - 里昂证券认为，此次收购将有助于蓝思科技打入英伟达AI服务器供应链 [1] - 该交易预计将推动公司AI服务器业务规模实现快速增长 [1] 行业技术发展趋势 - 甬兴证券指出，液冷技术有望成为行业发展趋势 [1] - 芯片功耗持续提升，例如GB300的TDP功耗预计将提升至1400W，英伟达下一代Rubin Ultra GPU功耗更有望达到2300W [1] - 根据美国暖通制冷空调行业协会（ASHRAE）推荐，当芯片TDP大于300W且机柜功率密度大于40kW时，推荐使用液冷制冷技术 [1] - 数据中心对能耗的要求越来越高，进一步推动了液冷行业的发展 [1]

AI数据中心电力需求变革 - 全球AI数据中心电力需求正因ChatGPT、Claude、DeepSeek等AI应用爆发而达到临界点，机架功率从传统20-30kW跃升至500kW-1MW级别，英伟达单AI GPU服务器功率逼近1kW，满配NVL AI服务器机柜功率突破100kW [1] - 2027年规划的1MW AI Factory机架集群对供电系统提出颠覆性要求，行业加速向800V直流HVDC高压体系演进，该架构可降低能量损耗、提升能效并支持兆瓦级部署 [1] 传统供电系统局限性 - 传统54V直流供电系统在兆瓦级机架中面临空间占用过大问题：NVIDIA GB200 NVL72设备需8个电源架占用64U空间，挤压计算设备安装空间 [2] - 1MW机架采用54V供电需200千克铜母线，1GW数据中心需50万吨铜，且重复交直流转换导致效率低下和故障隐患增加 [3] - 800V HVDC方案可将13.8kV交流电直接转换，减少中间环节，降低70%维护成本并提升5%端到端能效 [4][5] 行业技术布局动态 - 英伟达2025年牵头成立800V HVDC联盟，目标2027年实现1MW单机架供电，整合芯片/电源/电气工程/数据中心全产业链 [4] - 微软推出Mount DrD Low分离式架构计划升级至400V HVDC，谷歌设计±400V全场直流供电方案，Meta分三步推进兆瓦级HVDC [5] - 英诺赛科成为英伟达800V架构唯一中国合作商，合作推动单机柜功率突破300kW，算力密度提升10倍 [6] 国产供应链技术突破 - 长电科技在800V架构中覆盖PSU/IBC/PoL全环节：提供TO263-7L/TOLL/TOLT封装分立器件和塑封模块，兼容GaN/SiC材料 [7] - 实现双面散热PDFN封装和SiP技术突破，完成60A以上高集成度电源模块研发，建立从热仿真到性能优化的全流程服务能力 [8] GaN技术优势分析 - 英诺赛科入选源于GaN供应紧张（台积电关闭产线），GaN相比SiC在高压场景具备更优性能表现 [9] - GaN HEMT器件具有ns级开关速度、无反向恢复电流特性，适合高频应用，能提升转换效率并缩减设备体积 [10][11] - GaN器件通过二维电子气导电实现低导通电阻，在800V架构中可减少发热量并提高功率密度 [12]

台积电CoPoS封装技术延期 - 台积电CoPoS封装技术量产时间可能从原计划的2027年推迟至2029-2030年，主要由于技术不成熟，包括面板与晶圆差异处理、更大面积翘曲控制及更多重分布层（RDL）等挑战 [1] - 该技术旨在通过更大面板尺寸（310x310mm）提升面积利用率，支持英伟达等客户的AI GPU需求 [1] 英伟达潜在技术路线调整 - 技术延期可能促使英伟达在2027年计划推出的Rubin Ultra GPU上采用多芯片模块（MCM）架构，类似亚马逊Trainium 2设计，以规避单一模块封装限制 [1] 台积电资本支出与技术布局 - 台积电可能将2026年芯片后段资本支出转向其他技术如WMCM和SoIC，以应对CoPoS延期 [1] - CoWoS产能分配成为AI产业链关键监测点 [1] 行业影响 - 野村产业调研显示台积电CoPoS技术发展进度明显放缓，原计划2027年量产推迟至2029年下半年 [1]

台积电CoPoS技术延期影响 - 台积电CoPoS封装技术量产时间可能从原计划的2027年推迟至2029-2030年，主要因技术不成熟，包括面板与晶圆差异处理、大面积翘曲控制及多重分布层（RDL）等挑战 [2][3][4] - 该技术旨在通过更大面板尺寸（如310x310mm）提升面积利用率，支持AI GPU需求，但进度明显放缓 [4] 英伟达产品路线调整 - CoPoS延期可能迫使英伟达在2027年推出的Rubin Ultra GPU转向多芯片模块（MCM）架构，类似亚马逊Trainium 2设计，通过基板连接分散的GPU模块 [2][3][5] - 原计划需8个CoWoS-L互连器整合芯片堆栈，现可能改为两个模块各含4个GPU [5] - 架构调整或增加设计复杂性和成本，但可规避技术延误风险 [6] 台积电资本支出与技术布局 - 台积电CoWoS产能预计2025年底达7万片/月，2026年底达9-10万片/月，后续增长或依赖效率提升而非设备采购 [7] - CoPoS延期或促使2026年后段资本支出（占总量10%）转向晶圆级多芯片模块（WMCM）和系统集成芯片（SoIC）技术 [7] - 市场对WMCM预期可能过度乐观，而SoIC预期较保守 [8] 设备供应商潜在影响 - CoPoS相关设备供应商（如至圣工业、天虹科技、友威科技）可能因技术延期推迟需求，但仍有望受益于长期投资 [8]

台积电CoPoS技术延期影响 - 台积电CoPoS封装技术量产时间可能从2027年推迟至2029-2030年，主要因技术不成熟，包括面板与晶圆差异处理、大面积翘曲控制及更多重分布层等技术挑战[1][2] - CoPoS技术旨在通过更大面板尺寸（310x310mm）提升面积利用率，支持AI GPU需求[2] 英伟达产品策略调整 - 英伟达可能被迫在2027年推出的Rubin Ultra GPU上采用多芯片模块（MCM）架构，类似亚马逊Trainium 2设计，以规避CoPoS延迟影响[1][3] - 原计划需8个晶圆大小CoWoS-L互连器整合芯片堆栈，现可能改为将4个Rubin GPU分布在两个模块上通过基板连接[3] - 架构调整可能增加设计复杂性和成本，但可规避技术延误风险[3] 台积电资本支出与产能规划 - 台积电2025-2026年CoWoS月产能预计分别为7万片和9-10万片晶圆，未计划进一步提前采购设备[4][5] - 2026年后段资本支出（占总量10%）可能更多投向晶圆级多芯片模块（WMCM）和系统集成芯片（SoIC）技术[1][5] - 市场对WMCM预期可能过度乐观，而对SoIC预期较保守[5] 产业链设备商影响 - FOPLP设备供应商如至圣工业、天虹科技、友威科技可能受益于CoPoS相关投资，但技术延误或推迟其设备需求[5]

Nvidia主导AI数据中心电力架构革新 - Nvidia虽不设计功率器件，但正在定义下一代AI数据中心的动力总成架构，推动800V高压直流(HVDC)技术转型[1] - 合作伙伴包括英飞凌、MPS、Navitas等半导体厂商，以及台达、施耐德电气等电力系统供应商[1] - 计划2027年推出Rubin Ultra GPU和Vera CPU，淘汰54V机架配电技术以应对千瓦级功率需求[4] 宽带隙半导体技术竞争格局 - 英飞凌被Yole评为电力电子领导者，覆盖SiC、GaN及半导体继电器全技术栈[9][12] - Navitas通过收购GeneSiC强化SiC能力，同时利用GaN技术开发48V至处理器供电方案[13] - Yole预测GaN增速将超SiC，SiC市场约1亿美元而GaN机会更大[16] 800V HVDC技术挑战与创新 - 需开发800V转12V/50V高密度转换器，GaN因高频特性适合中压转换，SiC主导高压环节[6][8] - 新型半导体继电器需求涌现，需解决过流保护问题替代传统机械开关[9] - 固态变压器技术可能重塑电网架构，Navitas布局超高压SiC相关应用[14] 行业生态与标准化进程 - Nvidia的激进路线可能使开放计算项目(OCP)标准过时，导致数据中心兼容性分化[15] - 超大规模企业如谷歌/Meta的应对策略未明，电力电子供应商或需服务多套技术路线[15][16]