刀片服务器

1 3 秒看懂

刀片服务器是一种将多台独立服务器（刀片）以插卡形式插入共享机箱，统一调用电源、散热、网络和管理模块的高密度计算架构。单个刀片就是一台包含 CPU、内存、存储和可选加速器的完整计算机，插入背板即自动接入高速网络与存储资源。其核心价值在于：

• 用同一套机箱基础设施支撑 8～16 个甚至更多的计算节点，极大减少机柜线缆数量和空间占用；
• 通过无状态热插拔与统一管理控制器实现分钟级替换、批量固件升级和整机箱能耗监控；
• 对 AI 数据中心而言，能够在有限的机架空间和供电容量内快速堆叠 GPU 算力节点，降低部署复杂度和运维开支。

简单理解：刀片服务器就是把“独立电脑”做成可插拔的卡片，再把它们插进配备电源、风扇和网络交换的“大笼子”，把几十台服务器的零星部件替换成一套可批量管理的模块化系统。

2 3 分钟产业解释

刀片服务器最早在 2000 年代由 RLX Technologies、HP（现 HPE）等厂商推向企业市场，主要解决大型数据中心中机架式服务器数量膨胀导致的布线混乱、空间浪费和管理碎片化问题。那时每台服务器都需要独立的电源、网线、KVM 接口，一个 42U 机柜只能装下 20～30 台机器，却要拉扯数百根线缆。刀片将节点密度提升至单机柜 60 台以上，配合统一运维，大幅优化了总拥有成本（TCO）。

随着 AI 训练与推理集群规模爆发，数据中心对算力密度的追求远超以往。单台 8 GPU 机架式服务器功耗可达 5～10 kW，传统风冷机柜无法轻易支撑一个机架运行超过 20 kW。共享电源和集中液冷的刀片式“托盘”应运而生，它把多个 GPU 节点整合在同一个机箱内，由机箱统一提供高容量 48 V 母线、冷板液冷分配管路和无阻塞网络交换，单机箱轻松承载 30 kW 以上的持续计算功耗。特斯拉 Dojo、字节跳动等自建 AI 集群大量采用类似理念的 OCP 整机柜设计，本质上就是将刀片的共享思想延伸到机柜级别。

目前产业呈现两种主要形态：一是传统企业刀片（HPE ProLiant、Dell MX、Cisco UCS），服务于金融、电信、政府的虚拟化/数据库负载；二是 AI 高密度模块（NVIDIA HGX 载板、联想 Neptune 液冷托盘、Supermicro SuperBlade），专为 GPU 集群打造。前者市场逐步萎缩，后者快速增长，但整体刀片类出货在服务器总量中的占比仍处于较低水平。据 Omdia 2023 年数据中心服务器形态追踪（出货量口径），全球刀片服务器占整体服务器出货量约 4%，但受益于 AI 高密度系统，其对应营收占比相对更高。

未来趋势中，液冷刀片、CXL 背板互联和 OCP 开放标准将推动刀片从封闭专有架构走向开放解耦，使其进一步融入 AI 云和大型互联网的基础设施底座。

3 技术原理

刀片服务器的技术底座由四大系统构成：共享背板高速互联、集中供能与散热、模块化无状态计算、统一管理控制器。

共享背板高速互联
机箱中板（midplane）是各刀片与基础设施的连接中枢。中板通常嵌有高速连接器和无源/有源走线，将 PCIe、以太网、InfiniBand 或专有交换信号分发到每个插槽。刀片插进机箱的瞬间，其边缘连接器即与背板扣合，实现网络链路、存储访问（SAS/NVMe-oF）和管理通道的全面贯通，无需任何外接线缆。在 AI 场景中，中板设计进一步复杂化：它可能需要承载 NVSwitch 拓扑，让 8 个 GPU 刀片以 NVLink 直连，或通过 PCIe Switch 支持 GPU Direct RDMA。这种“背板即网络”方式避免了外部交换机与节点之间大量光纤跳线造成的信号衰减和拥塞，也降低了因线缆故障导致的集群停机风险。

集中供能与协同散热
机箱内部配备 N+N 或 N+1 冗余的高效电源模块（常见 3 000 W 以上的钛金级电源），将交流电变换为 48 V 或 12 V 直流母线，再经各刀片的本地电压调节器（VR）转换为芯片所需电压。共享电源池使单刀片无需携带多余供电冗余，整体供电效率较独立服务器提升约 2～5 个百分点（来源：HPE 电源效率白皮书，2022 年）。散热方面，机箱前端或中部安装热插拔风扇墙，通过分区气流管理将几颗大风扇产生的风量准确引导至每个高功耗节点；更高密度的 GPU 刀片则引入冷板液冷，通过机箱集成的冷水分歧管向每块刀片供应冷却液，热量被集中带往机架级 CDU（冷却分配单元）。例如联想 ThinkSystem SD650 系列（2023 年发布，Lenovo 官方产品规格）可支持每托盘高达 1 000 W 的散热能力，配合 Neptune 温水液冷，可使单机箱容纳 4 个 4 GPU 刀片稳定运行。

模块化无状态计算
每个刀片均包含 CPU、DIMM 内存、M.2 或 U.2 本地存储槽位，以及可选 PCIe 加速卡。最重要的是，刀片本身不存储持久化身份信息（如 MAC 地址、WWNN），由机箱的管理控制器动态分配，实现“无状态”计算。当某刀片故障时，管理员可拔出旧刀片、插入备件，数分钟内自动同步固件、网络配置并加入工作负载池，业务中断时间远低于更换整台机架式服务器。这一特性在超大规模集群中显著降低人力巡检和夜间维修成本。

统一管理控制器
机箱内置的管理模块（如 HPE OneView 的 CMM、Dell 的 OME-M、Cisco UCS Manager）作为带外管理中心，通过 I2C/IPMB 等内部总线与各刀片的 BMC 通信，支持一键式批量固件升级、功率封顶、温度监控和远程虚拟 KVM。基于 Redfish 和 IPMI 接口，运维人员可通过 API 将刀片集群接入基础设施即代码（IaC）体系，实现完全自动化。

综上，刀片服务器的本质是将多节点互连、供电散热、算力和管理控制平面融为一体，构成一个小型、高度集成的数据中心模块。

4 关键参数

评估刀片服务器时需要关注以下参数（数据主要来自各厂商公开产品规格及 OCP 规范，2023-2024 年资料）：

• 机箱高度与插槽数：常见 6U/7U/10U，分别支持 8-16 个半高刀片或 4-8 个全高双路/GPU 托盘。例如 HPE Synergy 12000 框架高 10U，支持 12 个半高计算模块（HPE 产线规格，2023）。
• 单节点 GPU 数量：AI 刀片按托盘可搭载 4～8 个 GPU，典型为 4 GPU（如联想 SD650-I V3，支持 4× H100 SXM）或 8 GPU（如 NVIDIA HGX 基础板集成后装入机箱托盘）。整机箱最大 GPU 密度可达 32～64 张 GPU（Supermicro 8U SuperBlade 支持 20 个 GPU，2023 年版）。
• 内部互联带宽：背板支持 PCIe Gen5 或 Gen4，单通道速率 32 GT/s 或 16 GT/s；网络模块可选 200 GbE/400 GbE 以太网或 NDR InfiniBand（400 Gbps）。Cisco UCS 刀片通过其 UCS 交换矩阵统一承载 LAN/SAN 流量，实现端到端 100 Gbps 聚合（Cisco UCS X9508 规格，2023）。
• 机箱供电能力：AI 刀片机箱通常配置 6～8 个 3 000 W 电源模块，总供电可达 18～24 kW，支持 N+N 冗余，单机箱功率密度超过 30 kW（Supermicro SBA-830 系列，2023 产品概览）。传统企业刀片机箱则在 6 000～10 000 W 之间。
• 散热规格：风冷刀片支持单颗 CPU 270 W、GPU 300 W 级别；液冷刀片可支持单托盘 1 000 W～2 000 W 的 TDP，冷板覆盖 CPU、GPU 和内存。进口水温通常要求 32℃～40℃，配合机柜 CDU 实现高达 80% 热捕获率。
• 管理协议：均支持 Redfish/Swordfish、IPMI 2.0、SNMP v3 和 Web UI。HPE OneView、Dell OME-M 提供全局健康仪表板。
• 扩展与接口：每个刀片通常包含 2～4 条 PCIe x16 扩展、若干 M.2，以及可选的夹层卡（Mezzanine card）插槽，用于接入额外网卡或存储控制器。
• 跨代兼容性：同一机箱是否支持不同世代 CPU/GPU 刀片混合部署。多数传统中板可向后兼容几代处理器，但 GPU 功率和 NVLink 升级常要求更换中板或网络模块，导致全代际升级成本较高。

以上参数与具体负载匹配紧密：大模型训练关注 GPU 间互联速率和整机箱散热能力，推理和虚拟化场景则更看重每瓦性能和节点密度。

5 技术路线

当前刀片服务器按应用场景和物理形态可划分为三条主要技术路线，它们共享模块化思想，但在设计开放度和硬件生态上差异明显。

路线一：传统企业刀片（Proprietary Blade）
代表产品有 HPE ProLiant BL/Synergy、Dell PowerEdge MX、Cisco UCS B 系列和联想 ThinkSystem SN 系列。机箱、中板、管理模块和刀片均来自同一厂商，形成封闭但高度优化的“系统”。优势是管理深度和稳定性极强，具备统一固件基线、无状态配置文件和极简扩容流程，长期占据金融、政府、医疗等严格合规行业的订单。然而，供应商锁定和较高的初始购置成本使其在互联网公司中受众有限。2020 年以来，这一路线整体份额持续被超融合一体机和机架式高密度系统蚕食（参见 IDC 服务器追踪 2022Q4）。

路线二：GPU 密度型 AI 刀片/托盘
随着 AI 训练进入万卡集群，传统 1U/2U 机架式 GPU 服务器在空间、供电和散热上捉襟见肘。NVIDIA HGX 平台、英特尔 Data Center GPU Max 等均推出基板（baseboard）设计，将其装入液冷托盘，再整合到共享机箱。联想 ThinkSystem SD650 V3 采用 Neptune 温水液冷，以半宽 1U 托盘承载 4 颗 H100 或 4 颗英特尔 GPU（Lenovo 官方新闻稿，2023-05）。SuperMicro 的 SuperBlade 8U 机箱可混合部署 CPU 刀片和 4 GPU 刀片，单机箱最多容纳 20 块 SXM GPU。此路线的本质是将“高功耗加速卡”包装成液冷刀片模块，通过机箱集中供液和背板高速信号，替代外置 QSFP 跳线。与机架式相比，它节约了机柜交换机线缆和电源分配单元（PDU）占位，提升了整柜计算密度，通常可将单机柜 GPU 数量从 32-48 张提升至 64-96 张（根据 Supermicro 和 Lenovo 白皮书推算，2023 年）。

路线三：开放整机柜模块化（OCP 风格）
OCP 社区的 Open Rack v3 规范将计算 sled、电源、散热风扇、网络交换完全解耦。计算 sled 本身是“刀片化”的 CPU/GPU 节点，插入整机柜的统一背板，由整柜集中的 48 V 电源和液冷主管路供能。Facebook（Meta）、Microsoft Azure、字节跳动等超大规模用户采用此类设计构建 AI 集群（OCP Global Summit 2023 演讲资料）。与商业刀片不同的是，计算 sled 的规格、连接器定义是开放的，允许混合不同供应商的产品，避免锁定，但需要较强自研运维能力。此类系统已构成全球 AI 服务器新增部署的重要部分，据 TrendForce 2023 年 AI 服务器出货报告，定制化整机柜 AI 系统占 AI 服务器出货约 35-40%（出货量口径），其中大量形态具有刀片化基因。

路线整合趋势
上述三条路线正在彼此靠近：企业刀片厂商开始提供液冷 GPU 托盘和对 OCP 接口的支持（如 HPE 的 Cray XD 系列）；OCP 整机柜在提升管理 API 后日趋“企业友好”；GPU 密度型托盘同样可纳入企业混合机箱。未来 AI 数据中心的构建将更多按照功率域、互联域和散热域来界定模块边界，刀片化将成为几乎所有高端计算节点的基础封装形态。

6 上游

刀片服务器的上游供应链横跨结构件、连接器、电源、散热、管理芯片和核心算力芯片，对可靠性、信号完整性和能效要求极高。

• 机箱结构与连接器：高速背板连接器是刀片核心上游，安费诺（Amphenol）的 Paladin 系列、莫仕（Molex）的 Impact 高速背板连接器支持 112 Gbps PAM4 信号，满足 PCIe 5.0/6.0 及 InfiniBand NDR 需求。这些连接器需在有限空间内提供数千个信号针脚并保持低串扰，单机箱价值量可超过数万元人民币（来源：Amphenol 产品手册，2023）。精密钣金与导轨件由台资和大陆冲压厂提供。
• 电源模块：刀片机箱所用电源模块多为 AC/DC 开关电源，供应商包括台达（Delta）、雅特生（Artesyn）、群光电能等。AI 刀片机箱常用 3 000 W 钛金级电源，支持 48 V 输出，典型效率超过 96%（Delta 产品规格书 2023）。
• 散热组件：风冷刀片使用高转速对转风扇，主要来自台达、建准等。液冷刀片则带动了冷板、管路、分液器（manifold）和 CDU 产业，供应商包括 CoolIT Systems、Asetek、Boyd Corporation 等，其液冷方案已嵌入联想、HPE、Supermicro 的刀片产品中（CoolIT 2023 年合作伙伴公告）。
• 管理芯片与 BMC：每台刀片及管理模块均搭载基板管理控制器（BMC）芯片，全球市场由信骅（ASPEED）和新唐（Nuvoton）主导。ASPEED 的 AST2600 系列 BMC 广泛用于各品牌刀片管理，2023 年信骅合并营收为新台币 31.4 亿元（来源：信骅季报，2023），可视为服务器管理芯片需求的关键先行指标。
• 算力芯片：CPU 方面，Intel Xeon Scalable（Sapphire Rapids/Emerald Rapids）和 AMD EPYC (Genoa/Bergamo) 是刀片主力平台。GPU 方面，NVIDIA 的 H100、H200、B200 等 SXM 封装 GPU，以及 NVSwitch 芯片，决定了 AI 刀片的互联拓扑和性能上限。AMD Instinct MI250X/MI300X 和 Intel Gaudi 2 等也开始进入液冷刀片设计。
• 交换机芯片与网卡：机箱内嵌的交换模块依赖 Broadcom (Tomahawk/Trident)、NVIDIA (Spectrum) 和 Marvell 等芯片。刀片所需夹层卡或 OCP 网卡则来自 NVIDIA ConnectX、Intel E810 等，决定节点对外带宽。

上游高度标准化却又有强耦合：背板连接器的迭代速度、BMC 固件生态和 GPU 底板参考设计共同限制了刀片平台的升级周期。AI 刀片的爆发拉动了高瓦数电源、液冷快接头和高密度连接器的产能扩张，使相关上游厂商在 2023-2024 年进入扩产周期。

7 下游

刀片服务器的下游需求可划分为三种客群，其采购驱动因素和形态选择差异显著。

• 大型互联网与云服务商：Meta、Microsoft、亚马逊、字节跳动、阿里等自身拥有定制化整机柜设计能力，更多采用 OCP/Open19 等开放标准，而非商用刀片。他们追求极致 TCO、每瓦算力、自动化运维和供应链多元化，采购订单表现为向 ODM（如广达、纬颖、英业达）直接定制计算 sled 和机柜，再配合自研管理软件。2022-2023 年，该类客户贡献了全球绝大部分 AI 服务器的增量需求（见 Omdia 2023 年 AI 服务器市场分析）。

• 传统企业与机构：银行、证券、电信运营商、政府、高校 HPC 中心仍然偏好商用刀片。他们重视供应商的单一责任、管理套件成熟度和紧急支持响应。HPE、Dell 和 Cisco 的刀片平台在这些客群中保有存量市场，采购模式以框架协议和分批次机箱扩展为主。此类客户正将部分负载迁向 GPU 计算，因此开始采购品牌方提供的 AI 刀片（如 HPE Apollo 6500、Dell PowerEdge XE 系列装入机箱），但速度慢于互联网。

• AI 云与高性能计算服务商：以 CoreWeave、Lambda Labs、Cirrascale 为代表的 GPU 云服务商，以及国家超算中心，需要快速组合高密度 GPU 算力单元并对外提供租用。他们兼具互联网对密度的追求和企业对管理便捷性的要求，常采购经过预集成和验证的 AI 刀片/整机柜系统，包括 NVIDIA DGX SuperPOD、联想 SD650、Supermicro SuperBlade 等。这些客户要求机柜级交付（机箱含刀片、网络管理和液冷 CDU 已在工厂预装），缩短现场部署时间。

下游需求的决定性因素集中于：电力容量是否充足（每机柜 kW 数）、机柜空间利用率（是否按机位收费）、运维团队规模与技术能力、以及散热条件（是否能支持液冷）。凡是机柜空间紧张、人力成本高、对停机容忍度低的场景，刀片形态的价值就越突出。

8 受益公司

以下公司基于其在刀片服务器及关联高密度系统产业链中的位置，会直接或间接受益于市场演进（仅作行业分析，不作为任何投资建议）。

• HPE：刀片服务器传统龙头。其 Synergy 和 ProLiant BL 在政企市场占有率高，Apollo 高密度系统及 Cray XD 液冷产品切入 AI/HPC 领域。据 HPE 2023 财年年报（10-K，截至 2023 年 10 月），计算部门收入 126 亿美元（口径：部门总营收），包含机架式及刀片产品，刀片占比未单独披露。HPE 在液冷和混合云管理方面的持续投入使其能够将传统刀片用户引导至 AI 模块。
• 戴尔科技：PowerEdge MX 模块化基础架构支持计算、存储、网络资源的灵活组合，其 PowerEdge 高密度 XE 服务器也可视为刀片形态向 AI 延伸。戴尔 2024 财年 ISG（基础设施解决方案集团）收入为 339 亿美元（戴尔 10-K，2024），包含大量服务器产品，刀片子类不明。
• 联想集团：凭借 ThinkSystem 系列及 Neptune 温水液冷技术，在高密度 GPU 刀片方面建立差异化。联想 SD650 V3 等托盘产品被用于多个国家超算项目，在 2023 年全球 HPC 市场拥有领先能效。联想 2023/24 财年 ISG 收入约 90 亿美元（来源：联想财报），其中高密度 AI 系统贡献增长。
• Supermicro：其 SuperBlade 和 8U GPU 刀片式系统以及液冷整柜解决方案快速满足云和 AI 公司需求。Supermicro 2023 财年收入 71 亿美元（来源：Supermicro 年报），增长主要受 AI GPU 系统驱动，高比例来自 GPU 服务器，其中相当一部分为刀片/托盘形式。
• 思科：UCS 刀片系列结合 UCS 管理器和网络矩阵，采用融合基础架构，在虚拟化、混合云负载中拥有稳固地位，并与 NVIDIA 合作推出液冷 AI 节点。
• ODM 厂商：广达电脑、纬颖科技、英业达等承接云厂商定制化整机柜 sled 订单，刀片化设计已融入其产品线。这些公司的营收与 AI 服务器景气度高度关联（Digitimes Research 2023 年 AI 服务器出货分析）。
• NVIDIA：虽然不直接生产刀片服务器，但其 HGX 底板定义了 AI 刀片的电气和液冷参考设计，并通过 NVSwitch 背板互联牵引整个生态系统。2024 财年数据中心收入达 475 亿美元（NVIDIA FY24 10-K），其设计迭代速度直接决定 AI 刀片换代周期。
• 液冷组件供应商：如 CoolIT、Asetek，为联想、HPE、Supermicro 等提供定制液冷回路和冷板模块，随液冷刀片渗透率提升而增长。
• 连接器与电源：安费诺、泰科电子、台达将从高密度刀片机箱的出货中获取更多高价值零部件订单。

受益路径并不均匀：传统企业刀片复苏有限，而 AI 刀片及整机柜托盘将是增量核心。

9 市场规模

由于刀片服务器是服务器大市场中的一个细分形态，且不同分析机构对“刀片”边界定义有差异（是否包含多节点机架式、液冷托盘等），其市场规模只能通过多个口径交叉拼图。

• 全球服务器总体市场：据 IDC《全球季度服务器追踪》2023Q4 数据，2023 年全球服务器市场营收约 1,250 亿美元（口径：厂商收入）。其中 AI 服务器占比由 TrendForce 估算约 30%，即 375 亿美元左右，且持续快速上升。
• 刀片服务器出货量占比：根据 Omdia 2023 年服务器形态市场追踪（出货量口径），刀片服务器（Blade server）占全球服务器出货量约 4%。以此推算，2023 年全球刀片出货量大致在 50～60 万台水平，而 AI 刀片/高密度托盘出货量近年双位数增长，在 AI 服务器中占比接近两成（公开资料未见精确数字）。
• 分地区：据 IDC 中国市场服务器追踪，2023 年中国 x86 服务器市场出货量同比下降，刀片占比更低，约 2%～3%（公开资料未见具体份额），主要受互联网客户转向定制机柜影响。北美仍是刀片收入最大区域，受政企和 CSP 采购支撑。
• 厂商收入视角：以 HPE 计算部门 126 亿美元和戴尔 ISG 服务器约 200 亿美元（估算）为背景，结合其刀片出货量比重，可粗略感知传统刀片整体市场可能在数十亿美元规模。据 Allied Market Research 2022 年发布的全球刀片服务器市场报告（口径：终端销售），估测 2021 年全球刀片服务器市场规模约 135 亿美元，2022-2031 年复合增长率约 8%，但该预测未经最新 AI 形态冲击修正，且较为乐观，仅供参考。

综合而言，传统刀片市场趋于饱和甚至小幅下滑，而 AI 刀片/托盘市场正在快速膨胀，使其整体营收可能维持平稳或小幅增长，但结构剧变。高速增长的 GPU 密度型刀片及 OCP 整机柜 sled 越来越承担“刀片”这一概念的实质，但其统计口径常被归入定制 ODM 或高密度机架式，而非传统“Blade”分类。

10 玩家对比

以下就六个主要参与者的刀片/AI