2026年AI产业链行业系列报告一：26年算力景气度持续上行，关注互联、液冷、供电板块

海外大厂Capex指引乐观，26年算力景气度持续上行

海外大厂Capex指引乐观，预计2026年Capex持续上行

微软：3Q25公司Capex（包含融资租赁）为349亿美金，同比+75%、环比+44%，且根据电话会议披露信息，预计FY2026（本季度3Q25为微软FY1Q26）资本开支增速高速FY2025，此处假设4Q25 Capex环比微增，为360亿美金，则2025全年资本开支为1165亿美金，同比+54%，假设2026年Capex增速为60%，则2026年资本开支为1864亿美金。

谷歌：3Q25公司资本开支为240亿美金，同比+84%、环比+7%，且根据电话会议披露信息，2025年Capex指引上调至910-930亿美金（前值为850亿美金），则4Q25 Capex预计为294亿美金；且指引2026年资本开支将显著增长，假设2026年资本开支增速为50%，则2026年资本开支为1395亿美金。

亚马逊：3Q25公司资本开支为342亿美金，同比+61%、环比+9%，且根据电话会议披露信息，2025年Capex指引1250亿美金，则4Q25 Capex预计为351亿美金，且指引2026年资本开支持续增长；此外，亚马逊在电话会议披露，为满足公司对AI需求，过去12个月中增加了3.8GW电力容量（目前是22年2倍），预计4Q25新增1GW，且2027年电力容量预计翻倍；假设2026年资本开支增速为30%，则2026年资本开支为1625亿美金。

Meta：3Q25公司资本开支为194亿美金，同比+110%、环比+14%，且根据电话会议披露信息，2025年Capex指引上调至700-720亿美金（前值为660-720亿美金），则4Q24 Capex预计为219亿美金，且指引2026年资本开支增长将显著高于2025年，假设2026年资本开支增速为50%，则2026年资本开支为1080亿美金。

微软-2026年芯片需求测算

GPU服务器资本开支：根据前文测算，2026年资本开支为1864亿美金，根据微软3Q25电话会披露数据，约50%资本开支用于购买GPU、CPU服务器，且预期比例持续提升；我们假设用于购买GPU、CPU服务器的资本开支占比为60%，且GPU服务器在其中占比为90%（由于GPU服务器ASP大幅高于CPU服务器），则2026年用于购买GPU服务器的资本开支为1007亿美金。

采购英伟达芯片：考虑到芯片性能、运行稳定性、兼容性等维度，微软仍以采购英伟达芯片为主，假设2026年采购英伟达GPU服务器资本开支占比为85%，则对应购置英伟达服务器资本开支为856亿美金，假设AI芯片占服务器价值量为70%，对应英伟达GPU芯片价值量为599亿美金，分别假设采购英伟达B300（包括GB300）、R200（包括VR200）资本开支占比为55%、45%，假设B300、R200单价分别为3.5、4.5万美元（考虑到性能提升、HBM及晶圆成本提升等因素），对应B300、R200采购量分别为94、60万颗。

采购AMD芯片：AMD芯片快速迭代发展，MI400系列芯片性能表现出色，预计2026年微软将采购部分AMD芯片作为补充，此处假设采购AMD GPU服务器资本开支占比为10%，且用于购置MI355、MI400资本开支占比分别为5%、95%，且假设MI355、MI400芯片单价分别为2.5、3.5万美金，对应MI355、MI400采购量分别为1、19万颗。

自研ASIC芯片：2026年微软自研芯片Maia200、Maia300有望放量，此处假设自研ASIC服务器资本开支占比为5%，ASIC芯片占服务器价值量为50%，对应自研ASIC资本开支为25亿美金，假设购置Maia200、Maia300资本开支占比分别为25%、75%，假设Maia200、Maia300单价分别为0.5、0.7万美金，对应Maia200、Maia300采购量分别为11.6、27.5万颗。

谷歌-2026年芯片需求测算

GPU服务器资本开支：根据前文测算，2026年资本开支为1395亿美金，根据谷歌3Q25电话会披露数据，约60%资本开支用于购买服务器，且预期比例持续提升；我们假设用于购买GPU、CPU服务器的资本开支占比为70%，且GPU服务器在其中占比为90%（由于GPU服务器ASP大幅高于CPU服务器），则2026年用于购买GPU服务器的资本开支为879亿美金。

自研ASIC芯片：考虑到谷歌自研TPU芯片性能出色、性价比高，且谷歌主要AI任务（大模型训练、推理等）主要依靠自研TPU芯片，此处假设自研ASIC服务器资本开支占比为70%，ASIC芯片占服务器价值量为65%（谷歌TPU芯片性能强大，ASP相对较高），对应自研ASIC资本开支为400亿美金，假设购置Trillium、Ironwood、TPU v8p、TPU v8e资本开支占比分别为8%、65%、20%、7%，假设单价分别为0.8、1.2、2.0、0.9万美金，对应采购量分别为40、216、40、32万颗。

采购英伟达芯片：谷歌采购英伟达芯片主要供云客户使用，假设2026年采购英伟达GPU服务器资本开支占比30%，AI芯片占服务器价值量为70%，对应英伟达GPU芯片价值量为185亿美金，分别假设采购英伟达B300（包括GB300）、R200（包括VR200）资本开支占比为60%、40%，假设B300、R200单价分别为3.5、4.5万美元，对应B300、R200采购量分别为32、16万颗。

互联侧：光模块+PCB持续迭代，量价齐升

数据中心互联-光模块：光摩尔定律，单卡价值量代际增加

光摩尔定律，速率代际升级每1-2年一次。一方面，端口速率按“1–2年一代”从10G/40G-100G/400G-800G/1.6T；另 一方面，数据中心网络从“少量跨机柜光互连”走向leaf-spine扁平化、东西向流量主导，叠加AI训练集群由几十卡 扩展到数百卡规模，使得光模块的用量、规格与单点价值量同步抬升。

AI芯片领军企业英伟达等加速迭代其AI芯片性能，推动智算中心互联快速发展。英伟达芯片P/V/A/H/B等系列芯片架 构由早期的每4年升级一次加速到每两年迭代升级一次，过去3年间，AI算力集群也从64个AI芯片组成的机柜发展到256 个乃至288/576个AI芯片集群，芯片之间的网络连接速率也随之从400G演进至目前使用的1.6T。

价值量变化：单张AI加速卡对应的光模块价值量已进入千美元级（例如B200/B300约2100美元，更高代际方案可>4000 美元；TPU v6/v7与Meta MTIA2/3亦在3000美元以上），光互连在单柜/单Pod里的投入代际翻倍增加。

未来趋势：光模块核心变量：“速率×端口密度×网络层级渗透率×集群规模”，量增和结构升级并存。800G将加速规 模化部署、1.6T进入导入期，网络速率迭代快于芯片迭代；同时LPO/CPO、硅光、AOC等路线让网络向“更低功耗、更 高密度、更高可靠”演进。

数据中心互联-PCB：Rubin新架构推动PCB价值量数倍增长

GB300 NVL72 PCB量价拆解：1）Bianca板：使用M8级别覆铜板，规格为5阶22层HDI，单价约4000~4500元/块，单个GB200 NVL72机柜中需要18个Compute Tray，共36块Bianca板，合计单rack价值量约14~16万元；2）Switch板：根据Semianalysis，Switch tray通过集成多颗NVSwitch芯片，构建低延迟、高带宽的GPU通信网络，使用M8级别覆铜板，规格为24层高多层PCB，单价约8000~8500元/块，单个GB200 NVL72机柜中需要9个Switch Tray，合计单rack价值量约7~7.5万元；3）配板：包括ConnectX-7网卡板及DPU板等，对PCB要求较低，预计价值量单rack不超过3万元。根据上述测算，我们预计GB200 NVL72单机柜PCB价值量约23~25万元，单GPU对应PCB价值量为3000+元。

Vera Rubin CPX系列PCB量价拆解：以NVL144 CPX为例（价值量最高的架构），1）Computer Tray仍包含两块类似GB300的Bianca板，预计规格为5阶26层HDI，单机柜23~24万元；2）Switch Tray预计使用M8级覆铜板的32层HLC，预计单机柜价值量为10~11万元；每个托盘内含有8个CPX GPU，放在4个子卡上，预计为5阶22层HDI，单柜价值量约18~20万元；3）Midplane用于替代GB300 Tray中的跳线，连接Bianca主板、CX-9网卡和Bluefield DPU，由于其对于信号传输速率要求较高，我们认为其或将采用M9材料层高多层板，价值量约6~6.5万元。

冷却侧：功率密度持续提升，液冷大势所需

冷却侧：当前北美液冷价值量达到单KW 1千美金以上

液冷将是智算中心高功率密度散热主要方案。智算训练需要建立高度集中化的GPU集群，而智算中心GPU芯片的算力在不断提升，英伟达B200芯片TDP功耗已达1000W，由一颗Grace CPU与两颗Blackwell GPU组成的GB200超级芯片达到了2700W；其GPU架构从Blackwell继续进化为Rubin Ultra，Vertiv数据显示，AI GPU机架的峰值密度有望从2024年的130kW到2029年突破1MW，采用液冷技术是大势所趋。

单颗GB200、GB300对应液冷价值量分别为1110/1409美元，当前可按照1-1.1k美元/kw计算北美液冷空间。GB200与GB300单机柜均72个GPU，经测算单机柜液冷价值量分别为79930美元和101420美元，对应单颗GB200/GB300液冷价值量分别为1110美元/1409美元。考虑到GB200和GB300的单GPU功耗分别为1000w/1400w，得出当前海外液冷价值可基本按照1-1.1k美元/kw计算。R200功耗为1.8-2.3kw，单卡对应液冷价值量或达到2400美元。

供电侧：AIDC供配电路径演变，关注HVDC、SST领域

供电侧：北美云服务厂商资本开支超预期

北美四大云厂资本开支持续超预期。根据三季度财报数据，北美四大云厂进一步提高其全年资本开支计划，预计2025年资本开支规模接近4000亿美元，同比增长超过60%，AI算力基础设施投入持续加大。其中，微软预计2025自然年Capex约1100亿美元，同比+46%；Meta上修2025年capex至700-720亿美元，同比+78%~+84%；谷歌全年Capex由850亿美元上修至910-930亿美元，同比+73%~+77%；亚马逊预计全年资本开支1250亿美元，同比+61%。

在AI数据中心的期初投资中，电源设备仅次于IT设备（包括服务器、网络设备、存储设备等）以及工程建设，约占整体投资的5%（根据服务器类型或有所差异）。AIDC电源设备包括后备电源（以柴油发电机为主）、UPS（不间断电源）、配电设备及开关设备等，每GW的数据中心大概需要20亿美元以上的电源投资。

供电侧：智算中心供配电设备占地面积缩减、效率提升需求迫切

据统计，中压变配电设备、低压配电设备、电能质量处理设备、不间断电源设备、电池设备等及其辅助系统占地面积一般超过数据中心机柜面积的50%以上，且随着单IT机柜功率增加，配套供配电系统占地面积快速提升；减少数据中心供电系统的占地面积、提高数据中心空间利用率和土地资源利用率已经成为数据中心建设的重要指标。根据ODCC测算，在机房面积为1万m2的场景下，单机柜功率若从6kW提升至30kW，则配电房面积将从0.5万m2提升至2.5万m2，配电房将侵占数据中心大部分土地空间。

此外，随着服务器功率的提升，AIDC用电量将快速提升，供配电链路效率对于项目经济性具有显著影响，提升效率成为AIDC的重要要求。目前数据中心供电链路中铜仍然作为主要导体，铜价持续上涨背景下减少用铜量也成为重要诉求。

报告节选：

编辑：火腿肠