德勤：2026驱动人工智能-支撑数据中心的半导体生态系统研究报告（46页）.pdf

核心结论速览。 单个AI服务器机架包含超4,500颗封装芯片，由约20,000个独立晶粒组成：AI数据中心是半导体技术的集大成者，一个领先数据中心可容纳超4,500万颗芯片。 半导体占领先AI服务器机架内容价值95%以上：同时占建设和运营AI数据中心所需总资本支出的50%以上，是AI基础设施的绝对价值核心。 AI数据中心半导体年收入到2028年有望突破1.2万亿美元：四年内增长近十倍，2022年至2028年复合年增长率达88.8%。 逻辑芯片占服务器机架半导体内容价值65%，存储芯片超20%：AI加速器（GPU/ASIC）单一品类即占半导体内容70%以上。 AI加速器与HBM共同封装成现代AI计算核心：HBM通过硅通孔垂直堆叠存储晶粒，为加速器提供超快速片上内存带宽。 政府与行业将在2028年前向AI数据中心投资超4万亿美元：其中高达2.8万亿美元将用于半导体，AI正驱动半导体行业进入超级周期。 推理工作负载正成为AI芯片需求主要驱动力：预计推理在总需求中的份额将从2024年的20%增长至2032年的80%，复合年增长率达122%。H2：研究背景——半导体，AI基础设施的基石。半导体是人工智能（AI）的基础使能技术，这项技术正在改变全球经济与社会，使整个产业更具生产力和创新性，并推动重大科学突破。当今的AI系统建立在半导体生态系统数十年创新的基础之上。美国半导体行业协会（SIA）与德勤（Deloitte）联合发布的《驱动人工智能支撑数据中心的半导体生态系统》报告（2026年6月），通过拆解最先进的AI数据中心服务器——现代AI基础设施的基础单元——提供了关于构成AI基础设施核心的多种芯片的独特由内而外的视角。与传统停留在系统级性能或市场规模分析的报告不同，本报告深入探讨服务器每个子系统内部的半导体内容本身，映射出驱动当今数据中心的芯片、晶粒和支持组件。核心数据分布：本报告覆盖从设计到数据中心的全供应链分析，拆解了AI服务器机架中计算托盘、加速器互连托盘、电源托盘、网络与IPMI托盘、CDU托盘五大子系统的半导体内容。报告显示，AI需要全方位的半导体技术——先进逻辑芯片、存储芯片、模拟和基础芯片——每一类对于推动AI建设都至关重要。H2：AI数据中心的芯片全景——从晶粒到机架的五层架构。AI硬件栈从晶粒到机架共分五层，每一层都承载着不可或缺的半导体内容： 晶粒（Die） ：半导体层次结构中最小的功能单元，包含执行逻辑、存储或I/O功能的晶体管（如AI加速器晶粒、DRAM晶粒）。 芯片（Chip） ：集成一个或多个晶粒的封装半导体器件，提供电气连接、热管理和机械保护。 电路板（Board） ：承载芯片、无源器件、存储器和连接器的印刷电路板。 托盘（Tray） ：为一个或多个针对特定功能配置的电路板的模块化组件，设计用于在机架内热插拔安装。 机架（Rack） ：容纳多个托盘以及共享电源、网络和热基础设施的完整服务器机柜。H2：五大子系统深度拆解——半导体内容的全景透视。1. 计算托盘——AI服务器的大脑。计算托盘是AI服务器机架的大脑，为AI工作负载提供主要处理逻辑。它承载了服务器机架中最昂贵、最先进和最集中的半导体组件，直接负责每瓦性能和AI工作负载吞吐量。核心芯片组件： AI加速器（GPU/ASIC/FPGA）：执行核心AI模型计算，并行处理海量数据。单价约10,000-40,000美元（含HBM）。 高带宽存储（HBM） ：直接向AI加速器提供超快速片上内存带宽。单价约30-50美元/GB。 中央处理单元（CPU） ：服务器控制中心，管理内存访问、系统启动和关闭。单价约7,500-15,000美元。 系统内存（RAM） ：为CPU和DPU提供快速临时存储。单价约7-8美元/Gb。 非易失性存储（SSD） ：通过PCIe快速存储和服务大型AI数据集。单价约0.20美元/Gb。 数据处理单元（DPU） ：从CPU卸载网络、存储访问、加密和遥测工作负载。单价1,000-3,500美元。2. 加速器互连托盘——统一高性能计算架构。加速器互连托盘创建统一的高性能计算架构，使AI服务器内的AI加速器能够作为一个单元运行。包含高带宽交换机ASIC、电源分配块和信号调理有源铜缆芯片，协调服务器机架内数十个AI加速器之间的无缝通信。每个互连托盘包含约4,000颗芯片。3. 电源托盘——电气基础。电源托盘作为AI服务器机架的电气基础，转换、调节和分配电力给机架内的所有系统组件。包含主电源单元（PSU）和电源管理模块（PSMM），以高效率和实时监控转换、调节和分配千瓦级负载。电源托盘包含约600颗芯片，价值约50,000-290,000美元。化合物半导体（如氮化镓GaN和碳化硅SiC）越来越多地用于电源管理系统，因为它们可以处理更高的电压，能量损失和热量更少。4. 网络与IPMI托盘——控制与安全基础设施。提供控制平面基础设施，结合带外管理、高速网络和硬件根安全，以管理和保护机架级操作。包含基板管理控制器（BMC）、带外交换机、带内交换机和可信平台模块（TPM）。5. CDU托盘——液冷管理。冷却液分配单元托盘为高性能AI服务器管理机架级液冷。通过连接到CPU、AI加速器和存储器模块上冷板的闭环系统循环液冷剂，确保稳定热性能。H2：AI训练工作流——芯片如何协同作战。大规模训练AI模型需要一个紧密协调的专用芯片系统，每个芯片都针对工作流中的特定角色进行优化：1. 数据摄取：由DPU处理，作为web规模数据进入系统的协调器。2. 数据存储：写入NVMe SSD，针对检查点和同时供给多个加速器进行优化。3. 数据预处理：DPU以线速率对数据进行预处理，在传递给计算单元之前进行解析和格式化。4. 并行计算：AI加速器集群通过在数千个核心上进行高度并行化计算来加速训练，由HBM支持以管理跨分布式节点的大量模型权重和激活。5. 任务编排：CPU管理同步、存储器协调和任务分配。6. 模型输出：训练完成后，CPU聚合输出并完成模型组装，为下游部署做好准备。H2：市场增长——AI驱动的半导体超级周期。收入预测：部署在AI数据中心的半导体收入预计到2028年将超过1.2万亿美元，五年内增长近十倍。数据中心逻辑芯片（主要是AI加速器）市场在2022年约为300亿美元，2024年扩大到700亿美元，预计2026年将达到1900亿美元。投资规模：为满足全球AI需求，预计2023年至2030年将累计投资4.0万亿美元用于建设AI数据中心，其中高达2.8万亿美元将用于半导体和其他硬件。训练vs推理的此消彼长：行业预测表明，推理工作负载的收入将在未来几年增长数倍。波士顿咨询集团估计，从2023年到2028年，训练将以30%的复合年增长率增长，而推理在同一时期将以122%的速度增长。推理在总需求中的份额预计将从2024年的20%增长到2032年的80%。整体市场展望：麦肯锡预计半导体行业年收入到2030年将达到1.6万亿美元，主要受AI和数据中心的推动。2025年半导体市场为7,917亿美元，生成式AI可能代表该行业未来几年增长的40%以上。H2：半导体内容价值分析——价值高度集中。价值分布：在典型的AI数据中心中，大部分资本支出位于计算基础设施，占AI数据中心总资本支出的50%以上。 逻辑芯片：占服务器机架半导体内容价值的65%，包括AI加速器、CPU、DPU、NIC控制器等。 存储芯片：占20%以上，由HBM、DRAM和NAND闪存器件组成。 模拟与基础芯片：占剩余约10%，包括电源管理IC、电压稳压器和时钟发生器。价值集中现象：仅3%的高价值芯片就驱动了服务器大部分内容价值。服务器中超过一半的芯片价格低于10美元。AI加速器占AI数据服务器机架中半导体内容的70%以上。工艺节点分布：先进节点晶粒几乎完全集中在计算托盘中以处理AI工作负载，而其他处理非核心功能的托盘主要依赖成熟和遗留节点。H2：新兴前沿——塑造AI基础设施未来的五大趋势。1. 边缘需求的影响：到2025年，预计超过50%的数据将由边缘设备生成。推理需求正从集中式数据中心转向结合云、边缘和设备上计算的混合模型，推动对低功耗、成本优化的半导体需求。2. 工艺技术演进：该行业正从FinFET转向纳米片FET设计。未来节点可能包含全环绕栅极（GAA）晶体管和高数值孔径EUV等先进光刻技术。3. 架构与封装转变：向领域特定架构迁移，紧密集成高性能逻辑、存储器和互连。2.5D和3D封装进步实现计算和存储元件的更紧密集成。共封装光学（CPO）将光互连直接嵌入交换机ASIC或加速器。4. 存储与数据移动：仅HBM市场预计到2025年将达到210亿美元。未来几代HBM将具有更高的堆叠高度、改进的能效。5. 硬件-软件协同设计：跨硬件和软件栈的日益集成和优化，为AI工作负载驱动更高的效率。延伸阅读：以上为报告核心趋势分析，如需获取完整报告详细数据及全部子系统拆解与供应链分析，请访问下载页下载完整PDF报告。FAQ区块。Q1：一个AI数据中心服务器机架中包含多少颗芯片？单个AI服务器机架包含超过4,500颗封装芯片，由约20,000个独立晶粒组成。一个领先的数据中心可以容纳超过45,000,000颗芯片。Q2：AI服务器中价值最高的半导体组件是什么？AI加速器（GPU/ASIC）是价值最高的组件，占AI数据服务器机架中半导体内容的70%以上。每个GPU模块将一个或多个领先节点逻辑晶粒、HBM存储器堆栈和中介层共同封装。Q3：AI数据中心半导体市场的规模有多大？部署在AI数据中心的半导体收入预计到2028年将超过1.2万亿美元。为满足全球AI需求，政府和行业将在2028年前向新数据中心基础设施投资超过4万亿美元，其中高达2.8万亿美元将用于半导体。Q4：训练和推理哪个工作负载对芯片需求更大？推理正成为主要驱动力。推理在总需求中的份额预计将从2024年的20%增长到2032年的80%。从2023年到2028年，推理工作负载的复合年增长率预计达122%，而训练为30%。Q5：化合物半导体在AI数据中心中扮演什么角色？氮化镓（GaN）和碳化硅（SiC）等化合物半导体越来越多地用于电源管理系统，因为它们可以处理更高的电压，能量损失和热量更少，对高密度AI机架的电力输送至关重要。数据来源说明。本分析基于美国半导体行业协会（SIA）与德勤（Deloitte）联合发布的《驱动人工智能支撑数据中心的半导体生态系统》（Powering AI: The Semiconductor Ecosystem at the Foundation of Data Centers）报告（2026年6月）。报告通过拆解AI数据中心服务器的五大子系统，提供了从芯片级到机架级的完整半导体内容分析。数据来源包括WSTS、麦肯锡、波士顿咨询集团等行业研究机构。