最近，有家公司賺錢賺得飛起。工業富聯發佈財報，由於AI伺服器需求暴增，公司半年賺了237億元。平均一天，淨賺1.31億元。
聽起來已經夠猛了。但再看一個數字：淨利率只有4.26%。
什麼意思？就是賣100塊錢的東西，最後真正落進口袋裡的，只有4塊2毛6。
所以別看工業富聯一天賺一個多億，它賺的其實還是“辛苦錢”：給AI伺服器做ODM（設計、生產、組裝）。
MIR睿工業合夥人兼AI團隊負責人菅晶晶告訴鉛筆道：“工業富聯這類ODM廠商，現階段毛利率確實不高。它們賺的是加工服務費，是整機組裝的辛苦錢。真正高利潤的，是上游零部件——GPU、HBM高速記憶體、高速網路、液冷散熱溫控、機房電力配電系統。”
換句話說就是，AI伺服器這條產業鏈裡，真正更肥的利潤，藏在上游。GPU、HBM高速記憶體、高速網路、液冷散熱、機房配電——這些不起眼的零部件，反而可能比整機組裝更賺錢。
表面上看，AI伺服器賣得越瘋，但真正躲在背後數錢的，不是組裝整機的人，而是賣關鍵零部件的人。
- 01 -
營收那麼高，利潤這麼薄
先看數字——為什麼說工業富聯賺的是辛苦錢？
2026年上半年，工業富聯營收5578.61億元，同比增長54.64%。
其中AI伺服器營收同比增長2.3倍，GPU AI機櫃出貨量同比增長3.2倍。二季度單季營收3067.83億元，再創歷史新高。隨著高毛利率的AI伺服器機櫃快速上量，上半年公司毛利率達7.15%，較上年同期提高0.55個百分點。
營收漲了54%，利潤漲了96%——接近翻倍。看起來風光無限。但毛利率只有7.15%，淨利率只有4.26%。
為什麼工業富聯營收那麼高，利潤卻這麼薄？
菅晶晶的觀點：“工業富聯這類ODM廠商，賺的是加工服務費，是整機組裝的辛苦錢。”
翻譯一下：賣得多，但賣得便宜。
工業富聯的生意邏輯很簡單——幫雲廠商組裝AI伺服器。一台AI伺服器裡，55%以上的成本花在GPU上。工業富聯賺的是組裝、測試、運輸、售後的服務費，毛利率只有7%。賣一台100萬的伺服器，毛利潤只有7萬，再扣掉各種費用，淨利只剩4萬左右。
而輝達賣一枚B200晶片，製造成本約6400美元，終端售價3萬到4萬美元。一枚晶片的毛利潤，就超過2萬美元。工業富聯組裝一整台AI伺服器，淨利潤可能還不及一枚GPU晶片的利潤零頭。
這就是菅晶晶所說的：“一顆輝達H100晶片賣幾萬美元，工業富聯組裝一台AI伺服器能賺幾個點？這就是產業鏈利潤分配的現實。”
- 02 -
上游吃肉，中游喝湯
菅晶晶的判斷很直接：“真正高利潤的，是上游零部件——GPU、HBM高速記憶體、高速網路（光模組+交換機）、液冷散熱溫控、機房電力配電系統。
這些環節的利潤率，跟整機組裝完全不在一個量級。”
比如GPU——輝達2026財年全年營收2159億美元，資料中心佔了1937億。毛利率71.1%，單季最高衝到75%。一枚B200晶片製造成本6400美元，賣3萬到4萬美元。一枚晶片的利潤，比組裝一整台伺服器還多。CUDA平台是AI時代的作業系統，開發者離不開它，雲廠商沒得選。
比如晶圓代工——台積電2026年Q1毛利率66.2%，超預期。4nm、3nm產線全年滿載，先進封裝產能已賣到2027年。不管誰賺錢誰虧錢，晶片都得找台積電造。
比如HBM高速記憶體——SK海力士2026年上半年營收131.9兆韓元，漲了230.8%。淨利潤134.15兆韓元，漲了788%。毛利率81.63%，比輝達還高。供不應求，簽的都是百億美元長期訂單。輝達自己也是它的客戶，貢獻了SK海力士約29%的營收。
比如高速網路（光模組+交換機） ——中際旭創2026年Q1營收194.96億元，漲了192%。淨利潤57.35億元，漲了262%。一個季度賺的錢，超過2025年全年的一半。更上游的光晶片，毛利率破80%。
比如液冷散熱溫控和機房電力配電系統——AI資料中心單機架功耗從傳統8-15kW飆升至NVL72的132kW。液冷和配電從“選配”變成“剛需”。維諦技術2026年Q1積壓訂單150億美元，同比翻倍。國內廠商方面，英維克2025年營收60.68億元，同比增長36%，2026年Q1營收11.75億元，同比增長26.03%。
而伺服器代工，確實是利潤最薄的一環。 工業富聯毛利率7.15%，淨利率4.26%。一台AI伺服器55%以上的成本花在GPU上，代工商沒有定價權。
- 03 -
算力投資，是個好生意？
上游環節利潤高是一回事，更關鍵的問題是：這種高景氣還能持續多久？答案最終取決於算力需求還會不會繼續漲。
菅晶晶判斷：“智算市場不是泡沫，政府和企業自建私域算力將迎來爆發式增長。”
過去，買算力的主力主要是網際網路大廠和雲廠商。現在，一個明顯變化是：越來越多傳統企業，也開始自己建算力中心。
菅晶晶分享了一個案例。一家年產值約50億元的零部件企業，2026年上半年投入1000多萬元建設私域算力，硬體採用輝達伺服器，製冷加入液冷系統，演算法由阿里和字節提供支援。
這些算力不是拿來“做展示”的，而是直接進入企業核心業務。
比如，這家公司正在搭建全國生產、供應鏈、銷售一體化管理系統。老闆如果聽說某個客戶正在開發出海新品，過去要層層詢問。現在AI可以直接把資訊推給對應銷售，銷售馬上去現場核實，再把結果反饋回來。
這說明，AI正在從“嘗鮮工具”變成真正進入生產、供應鏈、銷售環節的生產力工具。出於資料安全和合規考慮，很多企業也更願意自建私域算力。
需求在漲，資本開支也在漲。2026年Q1，北美四大雲廠商合計資本開支1316.3億美元，同比增長70.3%；Q2進一步增至約1639億美元，同比增長86%。全年資本開支指引已上修至約7450億美元。
國內同樣在加碼，“十五五”時期算力網建設將新增直接投資4兆元。菅晶晶總結，這輪算力擴張背後有兩個輪子：政策推動，和真實需求。
但今天很多算力項目回報還不算高。原因也很直接：AI商業化還沒完全成熟。“一旦演算法模型慢慢突破，AIDC需求將是爆發式增長。”
換句話說，今天不是算力沒需求，而是算力建設跑在商業化前面。
- 04 -
未來誰還能賺錢？
產業鏈大方向短期不會變，但菅晶晶判斷，隨著技術突破，會出現新的賺錢機會。
整體AIDC產業鏈結構是固定的：伺服器+網路+基礎設施。現階段高利潤的零部件，隨著算力提升還在持續技術加碼。短期內高利潤核心零部件的大類不會大幅改變。
但機會在細節裡。尤其是電力方面——800V直流+SST方案一旦成為主流，會產生一批新的高利潤零部件。伊頓已與輝達合作推出面向AI工廠的供電方案，將固態變壓器作為800V高壓直流供電架構的核心元件，專為輝達NVL72機架設計。相關技術尚處於驗證階段，尚未進入大規模商用——但一旦突破，利潤空間可期。
中國AI應用的實際落地已經比美國更成熟。雖然美國AI市場規模更大，但中國在製造、金融、醫療、教育等領域的應用更深入。憑藉低成本、重應用的優勢，中國大模型全球呼叫份額已達三分之二。
AI產業鏈的賺錢邏輯，說白了就一句話：誰手裡有稀缺的東西，誰就能賺更多的錢。當鏟子不夠用時，賣鏟人最賺錢；當鏟子夠用時，用鏟人開始賺錢。等到演算法模型成熟、算力需求真正爆發，那時候的利潤分配才是下一場遊戲的開始。在那之前，上游吃肉、中游喝湯的格局，還會持續一段時間。
問題是——現在鏟子還不夠用。
菅晶晶的結論很乾脆：“算力投資短期回報不樂觀，但不投就會掉隊。這不是泡沫，是未來十年的基礎設施競賽。”(鉛筆道)