随着生成式人工智能（AIGC）和大型语言模型（LLM）的飞速发展，AI服务器的算力需求呈现指数级增长，在2023至2025年间，训练型和推理型AI加速芯片的市场增量预计分别达到72亿美元和168亿美元，这一趋势不仅推动了AI服务器出货量的增加，还显著提升了其市场规模，本文将深入探讨AI服务器的算力测算、成本构成及其未来发展趋势。

AI服务器算力测算

AI服务器的算力测算涉及多个因素，包括芯片类型、内存容量、数据传输速度等，根据不同应用场景，AI服务器可分为训练和推理两种类型。

训练型服务器

训练型服务器主要用于大模型的训练，需要处理海量数据和复杂的计算任务，GPT-4的参数量最高达15000亿个，对应的算力需求高达31271PFlop/s-day，据ARKInvest预测，随着大模型的应用，2025年推理算力需求占比有望提升至60.8%。

核心组件及成本

训练型服务器的核心组件包括高性能GPU、DRAM、SSD等，GPU的成本占比最高，可达整机价值的一半以上，一台配备八张64GB NPU卡的昇腾AI服务器，其GPU成本占总成本的50%以上，DDR5、HBM等高速内存技术的应用也进一步提升了服务器的性能和成本。

推理型服务器

推理型服务器主要用于实际应用场景中的模型推理，要求快速响应和高效处理，随着AI应用的普及，推理型服务器的需求也在快速增长，根据Trendforce的数据，预计2022年搭载GPGPU的AI服务器年出货量占整体服务器比重近1%，而到2026年这一比例预计将达到10.8%。

核心组件及成本

推理型服务器通常采用CPU+GPU或CPU+FPGA的组合形式，与训练型服务器相比，推理型服务器对芯片算力的要求稍低，但对内存容量和数据传输速度有较高的要求，一台配备四台64GB NPU卡的昇腾AI服务器，可以支持高达220B参数量的模型进行推理。

AI服务器产业链分析

AI服务器产业链上游为算力基础硬件设施，主要包括元器件、ICT基础设施和其他硬件设备，中游为算力网络与平台，提供IDC服务、云计算服务及各类算力网络服务，下游则为应用场景与用户，广泛应用于互联网、金融、公共事业、电信等领域。

上游：算力基础硬件设施

上游环节主要包括芯片、存储器、交换机、光模块等核心组件，代表性企业有中兴微电子、ARM、英特尔、英伟达等，这些企业在AI芯片领域具有强大的研发实力和技术优势，为AI服务器提供了坚实的硬件基础。

中游：算力网络与平台

中游环节主要由电信服务商和互联网企业主导，提供数据中心、算力网络等服务，随着“东数西算”工程的启动，全国一体化大数据中心协同创新体系算力枢纽加快建设，优化了数据中心的布局，促进了算力资源的合理分配和高效利用。

下游：应用场景与用户

下游环节涵盖了广泛的应用场景和用户群体，包括公众用户和政企用户，AI服务器在互联网、金融、公共事业、电信等领域发挥着重要作用，推动了各行业的智能化转型和升级。

未来发展趋势

需求端：AIGC应用推动算力升级

随着图片和视频类AIGC应用的成熟节奏加快，AI算力需求将进一步释放，大模型的训练和推理需要更高的算力支持，推动AI服务器市场的持续增长。

供给端：新技术降低算力成本

HBM/存算一体等新技术的应用有望降低算力成本，提高计算效率，美光科技预计全球HBM市场将从2021年的10亿美元提升至2025年的70亿美元，这将为AI服务器的发展带来新的机遇。

边缘侧AI算力需求增长

除了云端算力外，边缘侧AI算力需求也将迎来高增长，边缘侧AI服务器将在终端设备上进行推理和数据处理，满足实时性和低延迟的需求，华为预测，边缘算力将大于中心算力，进一步推动AI服务器市场的扩展。

AI服务器的算力测算是一个复杂而多维的过程，涉及芯片类型、内存容量、数据传输速度等多个因素，随着AI技术的不断进步和应用场景的拓展，AI服务器的市场需求将持续增加，通过合理的硬件配置和高效的量化技术，可以显著提高计算效率并降低成本，随着新技术的应用和边缘侧AI算力需求的增加，AI服务器市场将迎来更加广阔的发展前景。