AI基础设施进入全栈系统竞赛，投资机会从加速器扩散至整条供应链
AI 摘要卡
AI基础设施进入全栈系统竞赛，投资机会从加速器扩散至整条供应链
OCP亚太峰会强调，AI集群扩容的瓶颈正转向供电、封装、数据传输、散热和系统集成，利好具备先进封装、CPO、800VDC及机柜集成能力的企业。
- AI基础设施由GPU中心化采购转向计算、存储、网络、电力、散热与机柜架构协同优化。
- 400V/800VDC被视为提升机柜功率密度、减少铜材与转换损耗的重要路径。
- 先进封装、3D集成和CPO成为缓解带宽、功耗与可靠性瓶颈的关键技术。
- 智能体AI增加CPU编排、内存、RAG/向量数据库和工具执行需求，扩大非GPU计算机会。
- 开放标准推动多供应商、模块化AI集群，强化台湾半导体、服务器ODM及基础设施供应链的受益逻辑。
研报解读
概览
UBS参加了在台北举行的2026 OCP亚太峰会。会议的核心结论是，AI基础设施已不再只是采购GPU，而是围绕计算、内存、网络、供电、冷却、安全、先进封装、存储及机柜/数据中心架构的全栈系统优化。随着AI集群规模和单机柜功率持续提升，资本开支将更广泛地流向支撑加速器高利用率的基础设施环节。
核心观点
报告认为，供电、先进封装和网络光学是下一阶段AI建设的三项关键约束。供电方面，400V/800VDC和侧挂式供电架构有望支持数百千瓦乃至兆瓦级AI机柜；封装方面，CoWoS、SoIC、FoCoS、3.5D及混合键合使封装成为系统性能边界；网络方面，CPO和光互连可降低功耗、提升可靠性并突破铜互连距离限制。智能体AI还将带来更多CPU、内存、编排和系统管理工作负载，使受益范围超出GPU和加速器。
分析框架
基于OCP APAC Summit 2026的主题演讲、技术分会与产业参与者观点，按供电、先进封装、网络光学、计算栈及机柜级系统集成梳理技术路线、瓶颈和潜在受益供应链。
方法论与常识提炼
从芯片到数据中心的协同优化
将计算、内存、网络、供电、散热、封装、存储和机柜架构作为相互制约的系统，而非孤立部件进行分析。
纵向扩展、横向扩展与封装内扩展
通过机柜内加速器互连、跨机柜/数据中心互连，以及将更多计算、内存和I/O集成至单封装，提升AI系统规模与效率。
多供应商互操作
OCP及相关开放规范旨在降低专有架构锁定，支持模块化、可组合的AI集群部署。
标的映射与对比
研报将主题/逻辑映射到具体标的时的结构化摘要（优势、劣势、对比与风险）。
- TSMC先进封装与3D集成受益者
- 优势
- CoWoS、3DFabric及先进硅集成能力支持AI芯片系统级扩展。
- 劣势
- 先进封装扩产、良率和供应链协同要求高。
- 对比
- 相较仅依赖逻辑制程的模式，系统级封装能力成为更重要的竞争维度。
- 风险
- 客户需求波动、先进封装产能与良率风险。
- ASE先进封装与CPO受益者
- 优势
- VIPack、FoCoS、2.5D/3D、CPO和垂直供电方案覆盖AI封装关键环节。
- 劣势
- 技术路线多元，量产验证与客户采用节奏存在不确定性。
- 对比
- 相较传统封测，AI封装更强调异构集成、光电协同及电源路径优化。
- 风险
- 封装良率、热管理、光学对准及大规模量产风险。
- ASpeed服务器管理与安全基础设施受益者
- 优势
- BMC和服务器管理能力契合AI集群可管理性需求。
- 劣势
- 受服务器平台设计周期和客户导入影响。
- 对比
- 在高密度AI机柜中，管理、遥测与安全的重要性提升。
- 风险
- 服务器需求周期和竞争加剧。
- MediaTek定制芯片与系统集成受益者
- 优势
- 定制芯片和系统级整合需求扩张带来机会。
- 劣势
- 具体AI基础设施项目贡献仍依赖客户设计导入。
- 对比
- 开放生态推动更多专用SoC与异构计算设计。
- 风险
- 设计赢单、产品执行及客户集中度风险。
- Hon Hai、Quanta、Wistron、Wiwynn服务器ODM与机柜集成受益者
- 优势
- 可受益于液冷原生机柜、模块化平台和高功率AI机柜建设。
- 劣势
- 系统复杂度、供应链协调及交付要求提高。
- 对比
- 价值量由传统服务器制造向整机柜和数据中心级集成延伸。
- 风险
- 客户资本开支、零组件供应及项目执行风险。
- Delta、King Slide、BizLink供电、机械与互连基础设施受益者
- 优势
- 800VDC、液冷、线缆互连、机械部件和高密度机柜建设提供新增内容价值。
- 劣势
- 需求兑现受平台迭代和标准落地节奏影响。
- 对比
- 相较传统数据中心，AI机柜对供电密度、散热和互连性能要求显著提高。
- 风险
- 安全认证、技术路线变化和行业竞争风险。
关键数据
- OCP成员规模2025年超过400家成员OCP由Facebook（现Meta）于2011年发起，推动开放数据中心硬件设计。
- 800VDC渗透判断约10%报告反馈显示，Rubin平台起步阶段的渗透率约为10%，后续平台有望继续提升。
- 传统与智能体推理CPU/GPU比例1:4 向 1:1 转变报告援引AMD观点，智能体AI增加CPU编排、应用、数据库和存储需求。
- CPO可靠性与功耗可靠性约提升10倍，光互连功耗降低超过70%Broadcom披露Tomahawk 6 Davisson相关CPO指标。
- ASE光电集成潜力带宽最高提升32倍，能量损耗约降低6倍将光学元件更靠近计算引擎，以支持未来200Gbps每通道互连。
- 垂直供电效率功率损耗由约10%降至约2%ASE指出垂直供电亦可节省超过30%的X/Y平面面积。
- AI芯片封装规模封装尺寸9倍、硅面积600倍、裸片数400倍、晶体管密度1,000倍Applied Materials对先进封装复杂度演进的描述。
- Arm数据中心核心出货超过15亿颗核心Arm表示Neoverse自2022年在云服务商部署以来的累计出货。
影响与含义
AI资本开支的受益面正在向完整基础设施价值链扩散。半导体侧，先进封装、光学封装、BMC/安全芯片、定制芯片和系统级整合能力更重要；硬件侧，服务器ODM、供电系统、液冷、线缆互连、机械部件与机柜集成将受益于更高的机柜密度和AI集群建设。报告明确偏好TSMC、ASE、ASpeed和MediaTek等半导体受益者，并看好Hon Hai、Quanta、Wistron、Wiwynn、Delta、King Slide及BizLink等硬件与基础设施相关企业。
风险
- AI数据中心资本开支低于预期或项目延期。
- 800VDC、CPO、先进封装和液冷等技术的标准化、认证与量产进度不及预期。
- 高功率机柜的安全、散热、可靠性和可维护性挑战可能推高部署成本。
- 先进封装、HBM、光器件及电力电子供应链可能出现产能或良率约束。
- 开放标准与专有生态的竞争可能改变各环节价值分配。
- 报告所述技术指标多来自会议演讲与企业观点，实际商业化效果仍需验证。
后续跟踪
- 400V/800VDC在新一代AI机柜中的实际导入率及安全认证进展。
- CPO、光学I/O和OCI等开放光互连规范的客户采用与量产时间表。
- CoWoS、SoIC、FoCoS、混合键合及3.5D封装的产能、良率和客户需求。
- 智能体AI工作负载对CPU、内存、存储、网络及系统管理资源的增量需求。
- 超大规模云厂商的AI资本开支、定制芯片部署和液冷机柜建设节奏。
- 台湾服务器ODM、封装、供电和互连厂商的订单、产品内容价值及毛利率变化。