從 HBM4、先進封裝到液冷電源：一台 AI 工廠整櫃的硬體帳本
這個小專題一共五講。第一講從Vera Rubin NVL72出發，講清楚輝達新一代整櫃裡裝了什麼；第二講把時間線拉回A100、H100、H200、Blackwell，再走到Vera Rubin，看輝達架構怎樣從單卡走向整櫃。
第三講進入硬體帳本。輝達把CPU、GPU、HBM、NVLink、網路卡、DPU、交換機、液冷和電源放進同一套平台以後，很多環節的數量、規格和認證門檻都會被抬高。
下一講我們打算把這些環節放回 A 股產業鏈，按離訂單的距離、驗證周期和財報彈性分層。第五講再回到長期主線，講 AI 工廠後面的視訊記憶體、互連、電力散熱和資料搬運瓶頸。歡迎關注公眾號，後面幾講會繼續連載。
一、先看一台整櫃裡裝了什麼
研究Vera Rubin，不能只盯著單顆GPU參數。真正有用的拆法，是把它當成一台整櫃系統來看。
按照 NVIDIA 官方頁面，Vera Rubin NVL72的配置包括 72 顆 Rubin GPU、36 顆 Vera CPU、ConnectX-9SuperNIC、BlueField-4DPU，通過NVLink 6做櫃內連接，並通過Quantum-X800InfiniBand和Spectrum-XEthernet向外擴展。
官方規格還給出了一組很直觀的資料：整櫃擁有 20.7TB HBM4，HBM4總頻寬 1,580TB/s；CPU側擁有 54TB LPDDR5X；整櫃NVLink頻寬 260TB/s，NVLink-C2C頻寬 65TB/s。單顆 Rubin GPU對應 288GB HBM4和 22TB/s 頻寬。
這組數字說明，Vera Rubin的價值已經分佈在多個地方。GPU負責計算，HBM負責高速喂資料，Vera CPU負責調度和資料移動，NVLink負責櫃內協同，網路卡和交換機負責櫃外擴展，BlueField-4負責網路、儲存、安全和基礎設施解除安裝，液冷和電源負責把整櫃穩定跑起來。
所以第三講的核心問題很簡單：當一台 AI 整櫃變複雜以後，那些東西會跟著變貴？
二、HBM4，GPU 旁邊最貴的記憶體塔
Vera Rubin最清楚的增量之一，是HBM4。NVIDIA 官方資料顯示，單顆 Rubin GPU配套 288GB HBM4和 22TB/s 頻寬；一台Vera Rubin NVL72整櫃對應 20.7TB HBM4。
大模型訓練和推理都在消耗頻寬。訓練要不斷讀取參數、啟動值和梯度，推理要反覆訪問模型權重和KV cache。上下文長度越長，並行請求越多，GPU等待資料的時間越不能被忽視。
HBM的價值來自三個方面。第一是容量，模型參數和上下文需要更大的高速空間。第二是頻寬，GPU要持續吃到資料。第三是封裝，HBM堆疊要通過 TSV、微凸點、底填、測試和 2.5D封裝與GPU連接。
這條鏈上，海外儲存原廠最直接受益。國內公司更多從封測、材料、裝置、測試、載板和散熱等環節尋找切入口。真正需要跟蹤的變數包括HBM代際、堆疊層數、良率、客戶認證、測試能力和封裝配套。
一句話概括：Vera Rubin把HBM4推到整櫃成本和性能的核心位置，HBM周邊的封裝、測試和材料也會一起被拉上來。
三、先進封裝和載板，決定晶片能不能組合成系統
GPU和HBM貼得越近，對先進封裝的要求越高。晶片之間要高速通訊，還要解決供電、散熱、機械應力、翹曲和測試良率。
從Blackwell到Vera Rubin，輝達延續整櫃路線。整櫃裡的每個計算節點，都離不開高密度互連和高可靠封裝。CoWoS、2.5D、3D 封裝、IC 載板、ABF、底填膠、臨時鍵合、混合鍵合、減薄、清洗、檢測和測試裝置，都會圍繞高端 AI 晶片繼續升級。
IC 載板可以理解成高端晶片腳下的地基。封裝尺寸變大，訊號速率變高，功耗和熱應力上升，載板的層數、線寬線距、翹曲控制、材料穩定性和可靠性都會變得更重要。
玻璃基板也可以放在這條線裡觀察。它的長期價值在於大尺寸、低翹曲和高速訊號潛力；當前要看通孔、金屬化、成本、良率、裝置和客戶驗證。短期寫作口徑要克制，把它放進長期路線會更穩。
先進封裝鏈條的財報驗證，重點看三個指標：客戶匯入有沒有實質進展，產能利用率有沒有提升，良率和現金流有沒有跟上。
四、第三條：NVLink 和高速互連，整櫃內部的高速公路
一台Vera Rubin NVL72有 72 顆 Rubin GPU。72 顆 GPU要一起工作，櫃內互連的質量直接影響訓練和推理效率。
NVIDIA 官方資料顯示，NVLink 6 Switch 提供每顆 GPU 3.6TB/s 的 all-to-all scale-up 頻寬，整櫃NVLink頻寬達到 260TB/s。這個設計的目的，是讓一台整櫃儘量像一個統一的高速計算域運行。
互連頻寬提升以後，機會會向周邊硬體擴散。高速PCB、高頻高速材料、連接器、銅纜、背板、Retimer、SerDes測試、訊號完整性測試、散熱材料和電源完整性設計，都會進入更高規格。
NVLink晶片本身由輝達主導，國內產業鏈直接參與空間有限。A 股可跟蹤的重點，主要在高速連接、PCB、銅連接、測試、散熱、電源和被動元件這些外溢環節。
這條線適合和連接器、銅纜、PCB、MLCC、電感一起寫。它們看起來細小，實際承擔著整櫃高速通訊和穩定供電的基礎任務。
五、網路、DPU 和 CPO，櫃外擴展開始吃掉更多預算
櫃內靠NVLink，櫃外還要靠網路。Vera Rubin NVL72通過Quantum-X800InfiniBand和Spectrum-XEthernet向外擴展，同時配套ConnectX-9SuperNIC和BlueField-4DPU。
NVIDIA 官方資料顯示，ConnectX-9SuperNIC提供每顆GPU 1.6Tb/s 的頻寬，並支援可程式設計RDMA；BlueField-4DPU用於加速儲存、網路、安全和彈性擴展等資料處理任務。
這裡的邏輯很直接。AI 工廠規模越大，資料中心內部需要傳輸的資料越多。訓練叢集要同步參數，推理叢集要處理長上下文、多輪對話、檢索增強和工具呼叫，儲存、網路和安全隔離都會消耗系統資源。
CPO和矽光也被放進這條線。NVIDIA 官方頁面提到，Spectrum-XEthernet Co-Packaged Optics 採用整合矽光，目標是提升網路功耗效率、彈性和可用時間。
可跟蹤方向包括光模組、矽光、CPO、交換機、網路卡、AEC / DAC、銅連接、連接器、企業級 SSD、儲存網路和DPU相關鏈條。這個方向想像空間大，驗證周期也長，寫作時可以把短期訂單和長期路線分開。
六、液冷和電源，整櫃能不能穩定跑起來
整櫃算力密度提高以後，液冷和電源會從幕後走到台前。GB200 NVL72已經採用液冷整櫃設計，Vera Rubin延續 rack-scale AI supercomputer 路線，功耗密度和散熱壓力都會繼續受到關注。
液冷鏈條可以拆成冷板、CDU、快接頭、泵閥、管路、分集水器、冷卻液、洩漏檢測和維運服務。電源鏈條可以拆成伺服器電源、PDU、UPS、母線、銅排、連接器、功率器件、MLCC、電感和電容。
這一組環節離整機放量比較近。AI 伺服器功率越高，單櫃熱流密度越高，傳統風冷空間越緊張，液冷滲透率就越值得跟蹤。供電側也一樣，電源轉換效率、瞬態響應、可靠性和安全冗餘都會影響整櫃運行。
這裡還可以接到MLCC。GPU、CPU、HBM、電源模組、主機板、網路卡、交換機和光模組周邊，都需要電容做去耦、濾波、穩壓和抗干擾。伺服器級MLCC關注容量、耐壓、溫度、可靠性和客戶認證。
液冷和電源的研究要看訂單，也要看交付。裝置裝進去只是開始，長期穩定運行、售後維護、故障率和客戶復購同樣重要。
七、小零件的價值，來自數量、規格和認證
AI 整櫃越複雜，很多小零件的存在感越強。連接器、銅纜、PCB、MLCC、電感、熱介面材料、結構件、風扇備件、感測器和線束，單顆價值可能不高，但數量多、規格高、認證嚴格。
這一組環節適合用三個問題判斷。
• 第一，單櫃用量有沒有增加。整櫃裡GPU、CPU、網路卡、交換模組和電源模組越多，周邊元器件數量越高。
• 第二，產品規格有沒有提升。高速、高壓、高熱、高可靠，會把普通產品和伺服器級產品拉開距離。
• 第三，客戶認證有沒有突破。進入頭部伺服器、雲廠商和整櫃平台以後，供應關係會更穩定。
這類生意的研究難點在於，它們通常不會出現在最顯眼的發佈會上，卻會出現在真實的 BOM、訂單、產能利用率和現金流裡。
八、那些機會離訂單近，那些周期長
從產業鏈節奏看，可以分成三組。
第一組，整機硬體配套。液冷、電源、連接器、銅纜、PCB、MLCC、電感和結構件，跟 AI 伺服器和整櫃出貨節奏聯絡更直接。重點看客戶、訂單、交付、產能和現金流。
第二組，封裝和製造能力。HBM封裝、先進封裝、IC 載板、ABF、封裝材料、測試裝置和檢測裝置，技術含量高，驗證周期也長。重點看匯入、良率、稼動率和高端產品收入佔比。
第三組，長期技術路線。CPO、矽光、玻璃基板、混合鍵合、新型電源架構和更高密度液冷，空間很大，節奏要看客戶驗證、標準、成本和量產良率。
這三組都能寫，但寫法要分開。離訂單近的環節，看財報和交付；驗證周期長的環節，看技術節點和客戶認證；長期路線，看趨勢和邊界。
九、財報上看什麼
第一，看 AI 相關收入佔比。公司有沒有真正進入資料中心、AI 伺服器、整櫃、光通訊或高端封裝客戶。
第二，看高端產品佔比。普通消費電子產品和伺服器級產品的毛利率、認證周期、可靠性要求差異很大。
第三，看產能利用率。擴產以後能不能裝滿，是利潤彈性的關鍵。
第四，看存貨和經營現金流。硬體鏈條容易出現備貨、帳期和價格波動，利潤要能轉化成現金。
第五，看客戶認證。先進封裝、材料、連接器、MLCC、液冷和電源，都要用客戶匯入和量產交付說話。
下一講我們打算把這些指標放回 A 股產業鏈，看看那些環節已經離整櫃訂單更近，那些還處在驗證和產能爬坡階段。
結語
Vera Rubin的看點，不只在Rubin GPU的算力數字。它把HBM4、Vera CPU、NVLink 6、ConnectX-9、BlueField-4、Spectrum-X、液冷和電源一起放進整櫃系統，讓硬體鏈條的價值分佈變得更清晰。
GPU仍然是中心，但高頻寬記憶體、先進封裝、IC 載板、高速互連、網路、DPU、液冷、電源、連接器、MLCC和儲存，都在影響AI 工廠的真實產出。
所以研究第三講，重點不在追逐某一個概念，而在拆清楚整櫃 BOM。誰的用量增加，誰的規格提升，誰通過客戶認證，誰才有機會把技術變化變成訂單和財報。 (大作手滋本家)