BOM（Bill of Materials / 物料清单）

3 秒看懂

BOM = 造一个东西需要的所有零件和材料的”购物清单”。

在 AI 产业中，它是理解 GPU 卡为什么卖那么贵、服务器成本怎么构成、供应链瓶颈在哪的核心透视工具。

3 分钟产业解释

BOM 是什么？

BOM（Bill of Materials，物料清单）是制造业中最基础的管理文档，它以层级结构记录制造一个产品所需的全部零部件、原材料、子组件，以及各自的数量、规格、供应商、成本等信息。

类比：

• 炒一盘番茄炒蛋 → 鸡蛋 2 个、番茄 1 个、盐 3g、油 10ml → 这就是一道菜的 BOM
• 造一张 AI 训练卡 → 芯片 1 颗、HBM 6 颗、PCB 1 块、散热器 1 个、电源模块若干 → 这就是一张卡的 BOM

BOM 在 AI 产业链中的核心位置

AI 芯片设计公司（如 NVIDIA）
        ↓ 输出
    芯片级 BOM（晶圆、光罩、封装材料、HBM 等）
        ↓
AI 硬件集成商（如 Supermicro、Dell）
        ↓ 汇总
    系统级 BOM（GPU 卡 × 8、CPU、内存、SSD、机箱、电源、线缆等）
        ↓
云厂商 / 数据中心（如 AWS、字节跳动）
        ↓ 汇总
    机柜级 / 集群级 BOM（服务器 × N、交换机、光模块、液冷系统、配电等）

BOM 的核心价值：

1. 成本透明化 —— 知道一张 H100 卡的 BOM 成本，才能算出 NVIDIA 的毛利
2. 供应链风险识别 —— 哪个零件只有 1 家供应商？哪个零件交期最长？
3. 产能规划依据 —— BOM 展开后，才知道需要采购多少 HBM、多少 CoWoS 封装产能
4. 国产替代靶点 —— BOM 中哪些是进口依赖？哪些可以国产化？

15 分钟专家深入

BOM 的层级结构

BOM 不是一张扁平表格，而是树状层级，常见的分层：

关键洞察： 在 AI 产业中，L2-L3 层级的 BOM 成本占比最高。以高端 AI 服务器为例，GPU 卡通常占系统 BOM 成本的 70%-80% [行业共识估算，具体比例因配置而异]。

BOM 成本构成的典型结构（以 AI 训练服务器为例）

由于各厂商不公开完整 BOM，以下为行业分析机构和供应链调研的估算框架：

注：以上为 [行业估算]，具体数字因服务器型号、配置、采购量级而异。

单张 AI 加速卡的 BOM 成本拆解（概念性）

以高端 AI 训练卡为参考框架（非特定型号）：

注：以上为 [供应链估算]，非厂商官方数据，仅作结构参考。

BOM 与”展开”（BOM Explosion）

“展开”是供应链计划中的核心操作：

• 知道要生产 1000 台 AI 服务器
• 展开 BOM → 需要 8000 张 GPU 卡
• 继续展开 → 需要 48000 颗 HBM 颗粒（假设每卡 6 颗 HBM）
• 再展开 → 需要 48000 颗 HBM 对应的晶圆产能

这就是为什么 BOM 分析能直接推导出 HBM 产能瓶颈、CoWoS 封装产能缺口等核心供应链矛盾。

技术原理

BOM 的数据结构

[BOM 结构示意]

成品: AI Training Server (型号 X)
├── 子组件: GPU Module (×8)
│   ├── 芯片: AI GPU Die (×1)
│   ├── 内存: HBM Stack (×6)
│   │   ├── Die: HBM DRAM Die (×8 per stack)
│   │   └── 封装: TSV + 基板
│   ├── 封装: 2.5D Interposer (×1)
│   └── PCB: GPU Board (×1)
├── 子组件: CPU Module (×2)
│   ├── 芯片: CPU Die (×1)
│   ├── 内存: DDR5 DIMM (×8)
│   └── PCB: CPU Board (×1)
├── 子组件: Power Supply Unit (×4)
├── 子组件: Cooling System (×1)
│   ├── 液冷 Cold Plate (×10)
│   ├── CDU (×1)
│   └── 管路/接头 (若干)
├── 子组件: NVSwitch (×4)
├── 子组件: NIC/DPU (×4)
├── 组件: SSD/NVMe (×8)
├── 组件: Chassis (×1)
├── 组件: BMC Module (×1)
└── 组件: 线缆/连接器 (若干)

BOM 的关键属性字段

BOM 版本管理

BOM 不是静态文档，它随产品迭代不断更新：

• EBOM（Engineering BOM）—— 工程设计阶段，研发用
• MBOM（Manufacturing BOM）—— 生产制造阶段，含工艺辅料
• SBOM（Service BOM）—— 售后维修阶段，含可更换备件

在 AI 硬件快速迭代的背景下，BOM 版本管理的复杂度极高。一张 GPU 卡从 A0 stepping 到量产版本，BOM 可能经历数十次修订。

技术演进史

AI 产业对 BOM 管理的新挑战：

1. BOM 深度增加 —— 2.5D/3D 封装使 BOM 从”板级”深入到”Die 级”和”Chiplet 级”
2. 供应链集中度高 —— HBM 仅 3 家供应商、CoWoS 几乎 1 家代工厂，BOM 中单一来源风险突出
3. 迭代速度快 —— AI 芯片 2 年一代，BOM 版本切换频繁
4. 成本波动大 —— HBM 价格随供需剧烈波动，BOM 成本实时变化

技术路线对比

BOM 管理系统对比

BOM 成本结构演变（AI 服务器）

注：以上为 [行业趋势估算]，非精确财务数据。

上下游

BOM 上游（输入端）

BOM 中游（管理端）

BOM 下游（输出端）

关键指标

供需与市场数据

AI 硬件 BOM 市场规模（估算）

由于 BOM 本身不是独立产品，其”市场规模”通常通过AI 硬件市场规模来间接体现：

BOM 成本敏感度分析（概念性）

代表公司与资本映射

BOM 管理软件/服务提供商

BOM 分析视角下的 AI 供应链受益标的

投资逻辑

为什么 BOM 分析对 AI 投资重要？

核心观点：BOM 拆解是 AI 硬件投资的”X 光机”。

1. 识别真实受益者

   • 不是所有 AI 概念股都直接受益于 AI 硬件放量
   • BOM 拆解可以精确到”哪颗料、谁供应、占比多少”
   • 例：HBM 在 BOM 中占比从 25% 升至 40%，HBM 供应商的业绩弹性远超通用内存

2. 预判供应链瓶颈

   • BOM 展开 + 产能匹配分析 → 发现瓶颈环节
   • 例：CoWoS 封装产能不足 → 封装环节议价能力上升

3. 评估成本下行空间

   • BOM 成本结构 → 识别哪些环节有规模效应/技术替代可能
   • 例：HBM 产能扩张后价格可能回落，GPU 卡 BOM 成本有望下降

4. 国产替代路径

   • BOM 中单一进口来源 → 国产替代靶点
   • 例：电源管理芯片、ABF 基板、连接器等

投资节奏建议

常见误读纠偏

误读 1：「BOM 成本 = 产品成本」

纠偏： BOM 成本仅是直接材料成本，不包含：

• 制造费用（人工、设备折旧、厂房）
• 研发费用摊销
• 销售及管理费用
• 物流费用

产品真实成本 = BOM 成本 + 加工成本 + 分摊费用。高端 AI 芯片的 BOM 成本可能只占最终售价的 30-50%，毛利空间来自设计溢价和品牌溢价。

误读 2：「BOM 是固定不变的清单」

纠偏： BOM 是动态文档，随以下因素持续变化：

• 工程变更（ECN）—— 设计优化、Bug 修复
• 供应链调整 —— 替代料切换、供应商变更
• 成本优化 —— Value Engineering（VE）降本
• 产品迭代 —— Stepping 升级、版本切换

一张 AI 加速卡从设计到量产，BOM 可能经历数十次修订。

误读 3：「知道 BOM 成本就能算出厂商利润」

纠偏： 仅凭公开信息难以精确还原完整 BOM：

• 核心芯片（如 NVIDIA GPU）的 Die 成本不公开
• 长期采购协议价格不公开
• HBM 等关键物料的价格波动大且信息不透明
• 不同客户、不同采购量的价格差异显著

BOM 分析更多提供结构框架和趋势判断，而非精确数字。分析师通常基于 [供应链估算] 和 [行业调研] 进行推测，存在较大误差空间。

误读 4：「BOM 只在硬件行业有用」

纠偏： 虽然 BOM 起源于制造业，但在 AI 产业中，“软件 BOM”（SBOM, Software Bill of Materials）也日益重要：

• 开源组件许可证合规
• 安全漏洞追踪（如 Log4j 事件）
• AI 模型的训练数据、框架依赖追踪

学习路径

入门（1-2 小时）

1. 理解 BOM 基本概念 —— 搜索”BOM 物料清单基础”相关资料
2. 找一个简单案例 —— 电子产品的 BOM 表格示例
3. 理解 BOM 层级 —— 成品→组件→零件的树状结构

进阶（1-2 天）

1. 阅读 AI 服务器拆解报告 —— 搜索”AI server teardown”或”GPU card BOM analysis”
2. 学习 MRP（物料需求计划） —— BOM 展开如何驱动采购
3. 研究 HBM/CoWoS 供应链 —— 理解 AI 芯片 BOM 中的关键物料

专家（持续积累）

1. 跟踪供应链调研报告 —— TrendForce、Yole、Gartner 等
2. 研究 ODM/OEM 财报 —— Supermicro、纬创、广达的成本结构
3. 建立 BOM 成本模型 —— 尝试估算某款 AI 服务器的 BOM 成本结构
4. 参与供应链行业会议 —— SEMI、OCP Summit 等

一句话总结

BOM 是 AI 硬件投资的”底层语法”——不懂 BOM，就不懂 AI 服务器为什么这么贵、钱流向了哪里、下一个瓶颈在哪里。

延伸阅读与来源

数据说明： 本文中的具体数字均为 [行业估算] 或 [公开报告综合]，非厂商官方披露，仅供结构理解参考，不构成投资建议。