2.5D vs 3D
2.5D 是 GPU 和 HBM 并排贴近，当前更成熟；3D 是上下堆叠，空间效率高，但散热、良率和测试更难。
先按三条线读
这页现在按研究路径组织，不需要从头硬刷到底。
本页重点
后续继续更新时，也按这几个问题补材料。
- 谁最难扩产设备、材料、基板、测试和先进封装产能。
- 谁受 AI 拉动HBM、CPO、PCB、MLCC、液冷和整柜系统。
- 谁有跟踪价值订单验证、客户认证、收入占比和利润兑现。
关键对比速查
先抓住几组核心变化，再回到下面的大图看细节。
光模块 vs CPO
可插拔光模块 成熟、易维护；CPO 把光引擎靠近交换芯片，目标是降低高速电路径损耗。
普通 MLCC vs AI MLCC
普通 MLCC 是基础元件；AI 服务器把需求推向高容、小尺寸、低 ESL、高可靠和更强材料工艺。
八卡服务器 vs 整柜
八卡时代看单机算力；整柜时代还要看供电、液冷、网络、PCB、线缆、光互联和系统交付。
图片图册
所有本地图统一进入图册，后续新增图片会自动出现在这里。
一、半导体产业链全景
半导体不是单一行业，而是一条从上游材料设备、EDA/IP、设计、制造、封测，到模组系统和终端应用的长链条。
半导体行业总览
先看完整地图：上游越靠近材料、设备和工具，越体现技术壁垒；中游制造和封测决定芯片能否落地；下游应用决定真实需求。
上游：材料与设备
设备价值高，材料复购强。光刻、刻蚀、沉积、检测、CMP、电子特气、硅片等环节，是晶圆厂持续投入的基础。
EDA / IP 与芯片设计
EDA 和 IP 是芯片定义权入口，毛利率通常较高；Fabless 公司的利润水平取决于产品地位、软件生态和客户结构。
晶圆制造
晶圆制造资本开支重、折旧高，先进制程靠工艺领先和良率赚钱，成熟制程更看产能利用率和周期位置。
封装测试
传统封测偏规模制造，先进封装已经变成 AI 芯片性能的一部分，CoWoS、2.5D、3D、HBM 让封装价值显著提高。
模组与系统
芯片还要被组合成服务器、通信模组、摄像头模组、功率模块和汽车电子系统，客户认证和交付能力很关键。
下游应用
AI 数据中心、汽车电子、工业能源、高速网络是当前价值更高的需求方向；手机、PC、消费电子周期性更明显。
价值与利润对比
EDA/IP 毛利最高，晶圆制造资本最重，先进封装价值正在上升，下游应用决定行业景气度。寻找机会时，要看“下游需求是否真实、上游环节是否稀缺”。
二、先进封装入门
先进封装的核心变化是：封装不再只是保护芯片，而是在封装内部完成高速互联、系统集成和性能提升。
2.5D
多颗芯片并排放在中介层上，典型场景是 GPU + HBM。
3D
芯片上下堆叠，用 TSV、微凸点或混合键合连接。
HBM
多层内存堆叠，靠近 GPU，提升数据吞吐能力。
Chiplet
把大芯片拆成多个小芯片，再在封装里组合成系统。
为什么需要先进封装
单颗大芯片越来越贵，良率压力上升；AI 又需要更高带宽，所以要把 GPU、HBM、I/O 等芯片放得更近。
2.5D：并排平铺
2.5D 的重点是“并排”：GPU 和 HBM 坐在同一片高速中介层上，距离短、带宽高，散热相对比纯 3D 更容易。
3D：上下堆叠
3D 的重点是“堆起来”：把芯片像楼层一样上下连接，面积更小、距离更短，但散热、良率和测试更难。
先进封装分类
从传统封装到 Fan-Out、2.5D、3D、Chiplet，本质上是互联越来越密、芯片越来越近、系统集成程度越来越高。
三、7 个先进封装瓶颈环节
这里保留新版“瓶颈分析”图片，已排除旧版口语化标题的 7 张图。
1. CoWoS / 2.5D 产能
AI GPU 需要和 HBM 高速互联，CoWoS 产能扩张涉及中介层、基板、设备、测试等多个环节，释放节奏慢。
2. HBM 堆叠
HBM 要把多层 DRAM 精准堆起来，还要解决 TSV、微凸点、散热和测试问题，是 AI 芯片供应链的核心瓶颈之一。
3. 混合键合
混合键合让芯片与芯片更近、更密地连接，是未来 HBM4、3D 堆叠和 SoIC 的关键方向，设备和工艺门槛高。
4. 临时键合 / 解键合
超薄晶圆加工前要先贴到载片上，完成背面工艺后再分离。胶材、设备和工艺窗口都很关键。
5. TSV / RDL / 电镀 / 清洗
TSV 像垂直通道，RDL 像表面线路。电镀负责填铜，清洗负责良率，是 3D 互联的基础工艺组合。
6. 高端基板 / ABF / 中介层
大尺寸 AI 封装需要又大、又平、又能高速连线的“地基”。基板翘曲、材料、层数和认证周期都是约束。
7. 测试 / 探针 / 分选
先进封装越贵，测试越重要。封装前要筛出好芯片，封装后还要验证 GPU、HBM、互联和散热，避免昂贵产能被浪费。
四、按“瓶颈猎手”思路看机会
重点不是买最大公司，而是顺着 AI 基建需求往上游找：哪个环节最难扩产、供应商最少、公司纯度最高、市场关注度还不够。
| 方向 | 观察重点 | 代表公司 |
|---|---|---|
| 全球稀缺设备 | 混合键合、临时键合、先进测试设备，偏“卖铲子”逻辑。 | BESI、SUSS MicroTec、EVG、Applied Materials、Advantest、Teradyne、Camtek、FormFactor |
| CoWoS / 先进封装产能 | AI GPU + HBM 放量带动 2.5D 封装产能扩张。 | TSMC、ASE、Amkor、长电科技、通富微电、甬矽电子 |
| 高端基板与中介层 | 大尺寸封装对基板平整度、材料、线路密度和认证能力要求更高。 | Unimicron、Ibiden、Shinko、Kinsus、Ajinomoto、兴森科技、深南电路、沪电股份 |
| 国产替代链条 | 测试、湿法、电镀、CMP、清洗、材料等环节更适合继续细挖。 | 长川科技、华峰测控、精测电子、盛美上海、华海清科、安集科技、上海新阳、飞凯材料 |
核心判断：先进封装的机会不只在封测龙头，也在更细的设备、材料、基板、测试和工艺环节。继续跟踪时，要看订单验证、收入占比、客户认证、产能扩张和利润兑现。
五、2026-05-28 细分方向公司池
本次补充只保留半导体相关的海外算力和存力方向。
光模块：把电信号变成光信号
光模块不是一个简单外壳，里面至少包含高速电芯片、发射光组件、接收光组件、光学无源件、散热和电路板。看投资机会时，要把“模块厂”和“上游器件材料”拆开看。
| 拆解模块 | 模块作用 | 典型代表公司 |
|---|---|---|
| DSP（数字信号处理器）/ Driver（激光驱动器）/ TIA（跨阻放大器） | 处理高速电信号，补偿信号损耗，并驱动激光器或放大接收端弱电流。 | Broadcom、Marvell、Semtech、MaxLinear；国内更多体现为模块厂集成和客户认证能力。 |
| TOSA（发射光组件）/ EML（电吸收调制激光器） | 把电信号变成光信号，是高速光模块里价值量和工艺难度较高的位置。 | Coherent、Lumentum、源杰科技、光迅科技。 |
| ROSA（接收光组件）/ PD（光电探测器） | 把光信号转换回电信号，决定接收灵敏度和误码率表现。 | Coherent、Lumentum、光迅科技、天孚通信。 |
| 光隔离器 / 透镜阵列 / FAU（光纤阵列） | 负责准直、耦合、隔离和稳定出光，直接影响良率和一致性。 | 天孚通信、光库科技、福晶科技、东田微、太辰光。 |
| PCBA（印制电路板组件）/ 外壳 / 散热 | 承载高速芯片和光器件，并解决小空间里的散热、屏蔽和可靠性。 | 中际旭创、新易盛、光迅科技、天孚通信。 |
| 光纤 / 石英棒 | 承接数据中心光互联需求，越往高速互联走，对低损耗和稳定性要求越高。 | 亨通光电、长飞光纤、中天科技、石英股份。 |
CPO（共封装光学）：把光引擎贴近交换芯片
CPO（共封装光学）的核心变化，是把 OE（光引擎）和 Switch ASIC（交换芯片）放到同一封装或同一基板附近，缩短 SerDes（高速串并接口）的电路径，把功耗和延迟压力从板级链路前移到封装级协同。
| 拆解模块 | 模块作用 | 典型代表公司 |
|---|---|---|
| Switch ASIC（交换芯片）/ SerDes（高速串并接口） | 负责机柜和数据中心内部高速交换，SerDes（高速串并接口）越快，传统电连接功耗越高。 | Broadcom、NVIDIA、Marvell。 |
| OE（光引擎）/ SiPh（硅光子芯片） | 把高速电信号直接转换成光信号，是 CPO（共封装光学）的核心增量模块。 | Broadcom、Coherent、Ayar Labs、Intel；国内关注光库科技、天通股份、福晶科技等相关光子材料和器件链条。 |
| ELS（外置激光源）/ CW（连续波激光） | 把激光源从封装里移到可维护位置，降低热和可靠性压力。 | Coherent、Lumentum、源杰科技。 |
| FAU（光纤阵列）/ 连接器 / 耦合 | 把封装内光信号稳定接到光纤，难点在精密对准和量产一致性。 | 天孚通信、太辰光、US Conec、Senko。 |
| 封装基板 / BGA（焊球阵列）/ 冷板 | 支撑大带宽芯片、光引擎、散热和高速布线，是 CPO（共封装光学）从样品走向量产的基础。 | Ibiden、Shinko、Unimicron、AT&S；国内跟踪生益科技、深南电路、沪电股份等高端 PCB（印制电路板）和材料链条。 |
PCB（印制电路板）：高速信号的“地基”
AI（人工智能）服务器 PCB（印制电路板）的关键在高层数、阻抗控制、盲埋孔、钻孔电镀和铜箔介质材料，决定 GPU（图形处理器）、交换芯片和高速互联能否稳定跑起来。
| 拆解模块 | 模块作用 | 典型代表公司 |
|---|---|---|
| 钻孔 / 电镀 / 盲孔 / 埋孔 | 把不同铜层连接起来，高速板层数越高，对孔加工和电镀一致性要求越高。 | 大族激光、大族数控、鼎泰高科、中钨高新。 |
| 铜箔 / CCL（覆铜板） | 决定线路导电、损耗、平整度和高频表现，是高速 PCB（印制电路板）的核心材料。 | 德福科技、铜冠铜箔、生益科技。 |
| 电子布 / 树脂 / 硅微粉 | 影响介电常数、热稳定性和板材可靠性。 | 宏和科技、中国巨石、宏昌电子、圣泉集团、联瑞新材。 |
| 阻焊层 / 油墨 | 保护线路并保证焊接、绝缘和长期可靠性。 | 东方材料、容大感光、广信材料。 |
| 高多层板制造 | 把材料、孔加工、线路、压合和测试整合成可交付板卡。 | 沪电股份、深南电路、胜宏科技；海外和台资链条包括 Unimicron、Nan Ya PCB、Tripod。 |
MLCC（多层陶瓷电容）：贴在芯片旁边的“随手补电小水库”
MLCC（多层陶瓷电容）不是放在 GPU（图形处理器）里面，而是大量焊在 AI（人工智能）服务器板卡上，围在 GPU、HBM（高带宽内存）和 VRM（供电模块）附近。芯片负载突然变化时，它负责就近补电、吸收尖峰、压住电源噪声。
用在哪里
主要贴在 PCB（印制电路板）上，集中分布在 GPU、CPU（中央处理器）、HBM 和 VRM 周边，越高端的算力板卡，对小体积、高可靠、大批量 MLCC 的需求越高。
为什么需要
GPU 的电流需求会瞬间跳变，远处电源和线路反应没那么快，电压容易下陷或冒尖。MLCC 像贴身缓冲池，先把局部电压稳住，让芯片稳定工作。
看什么环节
跟踪时分两层：一层看原厂能否稳定供货高规格小型化产品，另一层看钛酸钡粉体、镍粉、电极和叠层烧结等材料工艺。
为什么最近 MLCC 突然火起来？核心不是“新技术”，而是“老技术遇到 AI 服务器新强度”。
以前就是基础小料
MLCC 早就用于手机、电脑、汽车和电源板，负责稳压、滤波、去耦，不是突然出现的新技术。
AI 服务器改变强度
GPU 和 HBM 越做越强、越贴越近，整张板卡功耗上升，电流会在很短时间里大幅跳变。
供电必须贴身稳定
远处电源来不及响应时，靠近芯片的 MLCC 先补电、吸尖峰、压噪声，帮助 GPU / HBM 稳定工作。
规格和用量一起上升
市场关注点从普通用量，转向高容量、小体积、低阻抗、高可靠的高端 MLCC，以及材料和工艺能力。
和 HBM 的关系
MLCC 不是 HBM 的制造材料；它是 GPU + HBM 高功耗系统的供电稳定配套。HBM 越多、带宽越高、GPU 越忙，板卡越需要在芯片旁边放足高规格 MLCC，把电源噪声压下去。
MLCC 市场正在发生什么？
从截图里的市场口径看，MLCC 这轮不是所有品类一起暴涨，而是服务器、汽车和高规格料先紧，价格压力再沿着材料、设备和中低端替代机会传导。
整体 MLCC 市场规模
约 150 亿美元
全球大盘仍是成熟市场。
服务器 MLCC 市场（2025）
约 13 亿美元
AI 服务器约 6 亿美元，通用服务器约 7 亿美元。
AI 服务器 MLCC 增长
80%+
来自 GPU、HBM 和高功耗板卡放量。
通用服务器 MLCC 增长
30%-40%
智能体 AI 推高 CPU 与服务器物料需求。
订单出货比
高于 1
多数供应商处在订单多于出货的状态。
需求背景
- AI 服务器 MLCC 需求正在快速放量。
- 通用服务器也受 CPU 物料含量提升带动。
- 手机和移动端仍偏弱，机器人是未来增量终端。
- 高端需求最强的方向是服务器和汽车。
为什么价格有压力
- 镍、银等原材料上涨，推高细分成本。
- 高容、高压等高端 MLCC 供需错配更明显。
- 高端料交期被拉长，截图口径提到已超过 20 周。
- 低容值和消费电子类现货价格也有补库存推动。
当前变化
- 行业正在扩产，但新产能释放需要时间。
- 头部厂商向 AI / 服务器高端市场上移。
- 二三线厂商和中国供应商可能在标准化细分市场获得份额。
- 合同价格尚未全面大幅上调，更多压力先体现在交期和现货。
2026-05-31 新线索：性能比拼
- AI 数据中心供电正从 12V 走向 48V 机架供电，后续还可能进入 800V HVDC（高压直流）系统，对 MLCC 的耐压和可靠性要求上移。
- GPU 低电压、大电流、瞬态负载变化更剧烈，低 ESL（等效串联电感）和低阻抗成为贴近芯片去耦的关键指标。
- GPU、HBM 和供电模块周边空间有限，板卡需要更小尺寸、更高容值和更高体积效率的 MLCC。
真正的上限在哪里
- 容值提升不是只靠扩产，核心在更细、更均匀的 BaTiO3（钛酸钡）粉体和更薄的介质层。
- 普通产品介质层约 2.0 微米，高端方向可做到约 0.5 微米；介质层更薄、叠层更多，容值才有机会从约 22 微法提升到约 100 微法。
- Core-Shell（核壳）材料、漏电控制、薄层印刷、叠层对位和高温烧结共同决定寿命与一致性。
竞争格局的含义
- 图中口径把村田、太阳诱电、TDK 放在第一梯队，三星电机和国巨等处于第二梯队，风华高科等处在追赶阶段。
- 村田和太阳诱电领先的本质，是超细且均匀的粉体、核壳结构、先进烧结、低 ESL 结构和高容小型化量产能力。
- 国内机会更适合按“高端材料与设备追赶 + 标准化细分替代”跟踪，不宜简单等同为立刻替代 AI 服务器顶级料。
核心结论：服务器和汽车相关 MLCC 的供应紧张是真实存在的，但上涨机会不一定只在 MLCC 制造商。这条更新进一步把重点从“缺货涨价”推到“性能壁垒”：AI 数据中心需要高压、高容、低 ESL、小尺寸和高可靠，下一阶段更值得跟踪的是钛酸钡粉体、Core-Shell（核壳）材料、镍粉、电极材料、叠层烧结设备、检测设备和低 ESL 结构设计。
注：本段根据 Steve 提供的 Citrini Research 截图，以及 rick awsb 的 MLCC 性能比拼更新整理，市场数字和竞争格局应随最新行业数据滚动更新。
| 拆解模块 | 模块作用 | 典型代表公司 |
|---|---|---|
| 陶瓷介质 / BaTiO3（钛酸钡）粉体 | 决定介电性能、薄层化能力和容值上限；高端方向看更细、更均匀的粉体与 Core-Shell（核壳）材料。 | Murata、TDK、国瓷材料。 |
| 内电极 / Ni（镍）粉 | 与陶瓷介质交替叠层，形成多层并联电容结构。 | 博迁新材、Murata、TDK。 |
| 流延 / 印刷 / 叠层压合 / 烧结 | 把粉体、薄膜、电极和烧结工艺变成稳定一致的微型元件；薄层印刷、叠层对位和烧结控制直接影响漏电、寿命和可靠性。 | Murata、TDK、Samsung Electro-Mechanics、Taiyo Yuden、Yageo。 |
| 端电极 / 镀层 | 把内部电极引出到两端，保证焊接可靠性和低等效阻抗。 | 风华高科、三环集团、昀冢科技。 |
| AI（人工智能）板卡去耦应用 | 靠近 CPU（中央处理器）、GPU（图形处理器）、VRM（供电模块）放置，降低电源噪声。 | Murata、TDK、Samsung Electro-Mechanics、Taiyo Yuden、Yageo、风华高科、三环集团。 |
代表公司用于理解产业链位置和跟踪方向，不等于买入建议；实际跟踪还要看订单验证、客户结构、收入占比和估值位置。
海外算力
光模块、光芯片、光纤、PCB（印制电路板）、MLCC（多层陶瓷电容）| 细分环节 | 代表公司 |
|---|---|
| 光模块 / CW（连续波）光源 | 光模块：中际旭创、天孚通信、新易盛、光库科技；CW（连续波）光源：源杰科技 |
| 光模块二线 | 东山精密、立讯精密 |
| 光模块法拉第旋片 | 福晶科技、东田微 |
| 光芯片磷化铟 | 云南锗业、三安光电 |
| 光芯片薄膜铌酸锂 | 天通股份、福晶科技 |
| 光纤 / 石英棒 | 光纤：亨通光电、杭电股份、长飞光纤、中天科技；石英棒：石英股份 |
| 光纤对位芳纶 | 泰和新材、中化国际 |
| PCB（印制电路板）打孔设备 | 大族激光、大族数控 |
| PCB（印制电路板）钻针 | 鼎泰高科、中钨高新 |
| PCB（印制电路板）载体铜箔 | 德福科技、铜冠铜箔 |
| PCB（印制电路板）覆铜板 / 供应链 | 覆铜板：生益科技；二代布：国际复材；铜箔：德福科技；硅微粉：联瑞新材；酚醛树脂：圣泉集团 |
| PCB（印制电路板）电子布 | 宏和科技、中国巨石 |
| PCB（印制电路板）织布机 | 泰坦股份、卓郎智能 |
| PCB（印制电路板）树脂 | 宏昌电子、圣泉集团 |
| PCB（印制电路板）油墨 | 东方材料、容大感光、广信材料 |
| MLCC（多层陶瓷电容）原厂 | 风华高科、昀冢科技、三环集团 |
| MLCC（多层陶瓷电容）材料 | 国瓷材料、博迁新材 |
存力
存储模组、洁净室、芯片| 细分环节 | 代表公司 |
|---|---|
| 模组 | 德明利、江波龙、佰维存储、香农芯创 |
| 洁净室 | 亚翔集成、圣晖集成、华康洁净、柏诚股份 |
| 芯片 | 兆易创新、恒烁股份、北京君正 |
六、AI 服务器与光互联演进图解
这组图把 AI 服务器从“八卡服务器”走向“整柜系统”和“AI 工厂”的路径讲清楚，同时说明光模块为什么会从可插拔形态走向 CPO（共封装光学）。
服务器形态：从单机到整柜，再到 AI 工厂
过去的核心单位是单台服务器；现在的核心单位变成整柜系统；未来的核心单位会进一步变成多机柜协同的数据中心级算力系统。
光模块 Before / After：从外接模块到贴近芯片
上图先看形态变化，下图补上可插拔光模块的真实结构。可插拔光模块的优点是成熟、可替换；CPO（共封装光学）的方向是把光引擎放得更靠近交换芯片，缩短电路径，降低高速互联的功耗压力。
信号路径：电走得越远，损耗越高
高速链路里，长电路径会带来更多损耗和发热。CPO（共封装光学）的核心价值，是把电信号更早变成光信号。
通信层级：距离越长，越依赖光互联
服务器内和机柜内仍有大量铜互联，但机柜间、数据中心间更依赖光纤。AI 集群越大，光互联越像基础设施。
CPO 结构：光、电、封装、散热一起设计
CPO（共封装光学）不是简单换一个模块，而是把交换芯片、光引擎、外置激光源、封装基板、冷板和测试一起纳入系统设计。
整柜瓶颈：算力、存力、电、冷、网同时受限
进入整柜时代后，瓶颈不再只在 GPU（图形处理器）本身。HBM（高带宽内存）、供电、液冷和光网络都会影响最终交付能力。
瓶颈迁移：从芯片封装走向系统工程
早期最稀缺的是 GPU（图形处理器）、HBM（高带宽内存）和先进封装；整柜放量后，供电、液冷、网络、硅光和良率的重要性会继续上升。
机会地图：从模块厂扩展到上游器件和系统部件
短期看 800G / 1.6T 光模块和上游器件，中期看 CPO（共封装光学）、硅光、外置激光源、测试、液冷、PCB（印制电路板）和整柜集成。
硬件路线：H100 到 Blackwell，再到 Rubin
硬件路线不是单纯换一代芯片，而是平台形态升级：八卡节点、整柜系统、光网络和 AI 工厂会依次把新的供应链环节推到台前。
读图结论：光模块这条线的关键不是“有没有需求”，而是需求从可插拔模块扩展到了光芯片、DSP（数字信号处理器）、连接器、硅光、外置激光源、先进封装、测试和整柜散热。越往后，光互联越靠近芯片，机会也越靠近系统级瓶颈。
七、Nvidia AI（人工智能）硬件演进
这张图的核心不是简单换 GPU（图形处理器），而是 AI（人工智能）算力平台从“八卡服务器”升级到“机柜级系统”，供应链价值也随之转向高速互联、液冷、PCB（印制电路板）、板卡、整机集成和 HBM（高带宽内存）。
平台形态升级
H100 时代以 HGX（高密度 GPU 服务器平台）八卡节点为主，Blackwell 之后 NVL72（72 GPU 机柜系统）成为更重要的交付形态。
供应链节奏
每代平台通常经历发布验证、过样打样、量产爬坡，再进入下一代接棒。
散热与互联
机柜级算力让液冷、CDU（冷却液分配单元）、快接头、高速铜缆、光互联和交换网络的权重上升。
存力同步升级
Rubin Ultra 预测重点落在 HBM4（第四代高带宽内存）、更成熟的机柜网络和系统级可靠性。
CPU（中央处理器）/ GPU（图形处理器）模块：算力托盘的核心
机柜级系统不是只堆 GPU（图形处理器），还要把 CPU（中央处理器）、HBM（高带宽内存）、供电、PCB（印制电路板）、液冷和高速互联放在一个可量产、可维护的模块里。
| 拆解模块 | 模块作用 | 典型代表公司 |
|---|---|---|
| CPU（中央处理器）/ GPU（图形处理器） | CPU（中央处理器）负责通用控制和调度，GPU（图形处理器）负责大规模并行计算。 | NVIDIA、AMD、Intel；国内关注寒武纪、海光信息等算力芯片链条。 |
| HBM（高带宽内存） | 贴近 GPU（图形处理器）提供高带宽内存，是大模型训练和推理的关键瓶颈之一。 | SK hynix、Samsung、Micron。 |
| Interposer（中介层）/ BGA（焊球阵列） | 把 CPU（中央处理器）、GPU（图形处理器）和 HBM（高带宽内存）做高速互联，并连接到下层板卡。 | TSMC、ASE、Amkor；基板链条包括 Ibiden、Shinko、Unimicron、AT&S。 |
| VRM（供电模块）/ MLCC（多层陶瓷电容） | 把电源稳定送到芯片附近，降低电源纹波和瞬态波动。 | Monolithic Power、Infineon、Renesas；MLCC（多层陶瓷电容）看 Murata、TDK、Samsung Electro-Mechanics、风华高科、三环集团。 |
| 冷板 / 散热盖 / 液冷快接 | 把芯片热量快速带走，机柜功率越高，液冷系统越关键。 | CoolIT、Vertiv、Delta；国内关注英维克、高澜股份、申菱环境等液冷链条。 |
| PCB（印制电路板）/ NVLink（高速互联） | 承载芯片、供电和高速数据路径，决定托盘级稳定性和信号完整性。 | 沪电股份、深南电路、胜宏科技、Ibiden、Unimicron。 |
代表公司按模块位置列出，主要帮助后续跟踪供应链变化，不构成投资建议。
| 年份 | 核心架构 | 旗舰平台与形态 | 供应链与市场节奏 | 跟踪重点 |
|---|---|---|---|---|
| 2022-2023 | Hopper | H100 / HGX（高密度 GPU 服务器平台）H100 八卡流 | 大模型爆发带动全球抢购 8 卡 H100 服务器，供应链赚取第一波红利。 | GPU（图形处理器）板卡、HGX（高密度 GPU 服务器平台）整机、高速互联、液冷与高速线缆需求开始抬升。 |
| 2024 | Blackwell | GB200 NVL72（72 GPU 机柜系统）机柜初代 | 2024 年 3 月 GTC 发布，下半年 PCB（印制电路板）、板卡、液冷等供应链全面过样，并解决量产早期问题。 | 高多层 PCB（印制电路板）、板卡、液冷、机柜集成、高速铜缆与光互联。 |
| 2025 | Blackwell Ultra | GB300 NVL72（72 GPU 机柜系统）/ B200 8-Card（八卡节点） | 2025 年上半年开始，GB200 / GB300 全面进入一线数据中心，供应链出货量攀升。 | GB300 机柜、B200 八卡节点、液冷系统、整机交付、良率和成本优化。 |
| 2026 | Vera Rubin | VR200 NVL72（72 GPU 机柜系统）/ HGX（高密度 GPU 服务器平台）Rubin | VR200 正式接棒，上半年供应链进入密集打样和 BOM（物料清单）成本优化阶段，预计 2026 年底到 2027 年初迎来首批交付。 | 高多层 PCB（印制电路板）、新型液冷快接头、微通道冷板、机柜网络与 BOM（物料清单）优化。 |
| 2027 预测 | Rubin Ultra | 后续升级版 | 新一轮量产，全面普及 HBM4（第四代高带宽内存）和更成熟的机柜算力网络。 | HBM4（第四代高带宽内存）、先进液冷、机柜网络、高端材料、可靠性与量产爬坡。 |
Hopper：八卡 H100 成为主流范式
Hopper 让 HGX（高密度 GPU 服务器平台）H100 八卡服务器成为 AI（人工智能）训练和推理的核心形态。看点在单机强算力、高带宽互联、统一显存空间，以及数据中心对液冷和高速线缆的新增需求。
Blackwell：从服务器走向机柜系统
GB200 NVL72（72 GPU 机柜系统）把计算托盘、NVLink（高速互联）交换层、液冷分配、网络交换和电源管理放到同一个机柜系统里。供应链重点从单张板卡扩展到整柜集成。
Blackwell Ultra：机柜和八卡节点并行放量
GB300 NVL72（72 GPU 机柜系统）与 B200 8-Card（八卡节点）对应两种交付形态：机柜级系统服务超大规模数据中心，八卡节点方便标准化部署。2025 年的重点是量产、良率和交付效率。
Vera Rubin：进入接棒和打样窗口
VR200 NVL72（72 GPU 机柜系统）/ HGX（高密度 GPU 服务器平台）Rubin 代表下一代平台开始接力。供应链会提前围绕高多层 PCB（印制电路板）、新型液冷快接头、微通道冷板和机柜网络做密集验证。
Rubin Ultra：HBM4（第四代高带宽内存）与成熟机柜网络
Rubin Ultra 更像是 Rubin 平台的下一轮成熟化：HBM4（第四代高带宽内存）进一步提高内存带宽，液冷方案和机柜算力网络更成熟。到这个阶段，市场会更关注量产可靠性、散热效率和高端材料供给。
读图结论：Nvidia AI（人工智能）硬件演进的投资线索，不只在 GPU（图形处理器）本身，更在“平台形态升级”带来的配套增量。越往后，机柜级系统、液冷、高速互联、PCB（印制电路板）、板卡、HBM（高带宽内存）和整机集成越值得持续跟踪。