AI训练与推理双轮驱动，GPU和ASIC加速卡需求高增

大模型参数规模从百亿级向万亿级跃迁，训练集群从千卡向万卡甚至十万卡扩展，直接推高了对高性能GPU和ASIC加速卡的采购需求。训练端需要高带宽、高互联、高算力的加速芯片完成海量矩阵运算，推理端则随着AI应用落地，在云端、边缘和终端同时释放增量需求。英伟达在高端GPU市场保持强势，AMD加速追赶，谷歌、亚马逊、微软、Meta等云厂商也在加快自研ASIC芯片，以降低单位算力成本并增强供应链可控性。加速卡供不应求带来交期拉长、价格坚挺，并带动HBM、先进封装、PCB、连接器和电源等配套环节同步升温。对硬件市场而言，GPU和ASIC不只是单一芯片，而是整条算力硬件价值链的“发动机”，其需求高增正在把景气度传导至上下游。

数据中心扩容提速，服务器、交换机与光模块同步受益

算力需求最直接的承载形式是数据中心。随着云厂商和运营商资本开支回升，超大规模数据中心、智算中心和AI集群建设明显提速，AI服务器出货量快速增长。与传统服务器相比，AI服务器通常需要搭载多颗GPU或加速卡，对主板、内存、存储、电源、机柜和散热系统提出更高要求，单机价值量显著提升。与此同时，集群内部的数据交换量激增，交换机端口速率从400G向800G、1.6T演进，高速光模块、硅光模块、CPO和光纤连接需求同步放大。光模块作为数据中心互联的关键器件，正在经历速率升级和用量增长的双重驱动；交换机、网卡和DPU也在AI网络中扮演更重要角色。数据中心扩容不再是简单的机房建设，而是服务器、网络、光通信、电力配套协同升级的系统工程，硬件市场因此获得广泛而持续的增量。

HBM与先进封装产能吃紧，存储和封测环节价值提升

AI加速卡对内存带宽的需求远高于传统服务器，HBM因此成为高端GPU的标配。HBM通过多颗DRAM堆叠和TSV硅通孔技术实现超高带宽，但制造难度大、良率爬坡慢，SK海力士、三星、美光等存储原厂扩产周期较长，导致HBM供不应求并推动价格上行。与此同时，GPU和ASIC芯片普遍依赖CoWoS、SoIC等先进封装技术，将逻辑芯片与HBM整合在同一封装体内。台积电等先进封装产能一度成为AI芯片出货的关键瓶颈，封装设备、材料、载板和测试环节也随之受益。Chiplet小芯片架构的兴起，进一步提升了先进封装和高端基板的重要性。可以说，算力需求升温不仅带动了计算芯片，也把存储和封测从幕后推到台前。HBM与先进封装产能吃紧，既限制了短期供给，也抬升了相关环节的盈利中枢，成为硬件市场升温的重要推手。

散热、电源与PCB升级，硬件价值链迎来结构性重估

GPU和ASIC功耗持续攀升，单颗芯片功耗已从数百瓦走向700瓦甚至更高，单机柜功率密度从传统的10kW级向30kW、50kW乃至100kW级跃升。传统风冷逐渐难以满足散热需求，冷板式液冷、浸没式液冷、CDU和智能温控系统加速渗透，散热从辅助配套变成数据中心设计核心。电源系统同样面临升级，高功率电源、48V直流供电、GaN和SiC器件逐步导入，以提升转换效率并降低损耗。PCB方面，AI服务器和高速交换机需要更高层数、更低损耗的高速材料，高频高速覆铜板、HDI板和连接器价值量明显提升。散热、电源和PCB原本属于相对成熟的硬件环节，但在算力需求拉动下，正在经历技术升级和结构性重估。随着数据中心、AI服务器和高速网络持续放量，这些配套硬件有望成为硬件市场升温中弹性较大、持续时间较长的受益方向。