OEM

3 秒看懂

OEM（Original Equipment Manufacturer，原始设备制造商），在 AI 算力产业链中指按品牌商（云厂商、大型企业）给定的硬件设计、技术规格及商标要求，完成服务器/模组/液冷机柜的制造、组装、测试与出货的企业。它是算力从图纸落到物理世界的“制造执行者”，核心价值在于超大规模精密装配、老化测试、液冷集成与供应链管控，而不涉及芯片架构或算法创新。

3 分钟产业解释

当英伟达设计出 GPU、超大规模云厂（hyperscaler）制定服务器或加速模组规格后，OEM 负责将数万颗芯片、高速连接器、电源模块、机箱及液冷管路在产线上精密度组装，完成严苛的老化测试、信号完整性验证及整机联调。与只做裸机代工的 EMS（电子制造服务）不同，OEM 往往具备一定的工程定制能力（例如布局微调、散热方案共生开发）；但又不像 ODM 那样主导整机设计。在 DGX/HGX 底座的背后，每台硬件落地都刻着 OEM 的名字。

生成式 AI 引爆的算力竞赛，使 OEM 从“低调的代工后台”走向“产业瓶颈前台”。2023 年起，全球 AI 服务器出货急速攀升（IDC 数据显示 2023 年全球服务器市场支出中，AI 硬件占比快速突破双位数），OEM 产线持续满载，交货周期延长至 12 个月以上。客户高度集中（微软、亚马逊、谷歌、Meta 等占全球 AI 服务器采购七成以上），使得 OEM 更像“释放产能的管道”，代工费率（Manufacturing Value Added，MVA）相对透明，但因 BOM 中 GPU 等大芯片成本占比可高达 70%–80%，OEM 营收体量巨大但毛利率极薄（行业通常 2%–4%），是典型的重资产、高周转生意。

液冷渗透更将制造门槛再提一阶。从 Direct-to-Chip 冷板到浸没式罐体，OEM 必须建立全新流体管路组装线、氦气质谱检漏站和 CDU（Coolant Distribution Unit）联调环境。一台液冷 AI 机柜的装配工时可达传统风冷服务器的 3–4 倍，使得掌握液冷集成能力的 OEM 获得阶段性壁垒和 MVA 溢价空间。

技术原理

AI 服务器 OEM 制造本质是一套精密工业工程，核心在于将高密度电子器件以极低故障率集成为可 7×24 满负载运行的算力单元。典型流程如下：

1. 资材准备：客户提供 Gerber 文件、BOM 清单、装配工单。OEM 据此调配 PCB、芯片、被动元件、结构件等。
2. SMT 产线：锡膏印刷 → 高速贴片（支持 0201 微型元件及大型 BGA）→ 回流焊 → 自动光学检测（AOI）。GPU 基板的 BGA 球距精细至 0.5mm，对贴片精度要求达 ±25μm。
3. DIP 及后端装配：大型连接器、电感、电容等插件波峰焊，并将基板装入机箱，连接背板、电源模块、风扇墙或液冷冷板。
4. 基板级功能测试：电源通断、时钟信号、PCIe 链路速率；最关键的是对 NVLink/NVSwitch 高速互联进行信号完整性验证，在 56 Gbps/112 Gbps 速率下要求误码率（BER）低于 1e-15，需使用与芯片原厂同等级别的测试夹具和矢量网络分析仪。
5. 整机老化（Burn-in）：在 35°C–45°C 环境满负载运行 48–72 小时，全程记录 GPU 温度、HBM ECC 错误率、功耗波动；单台 DGX 级别系统的老化测试功耗可逾 10kW，一个机架同时老化会消耗数十千瓦电力。
6. 液冷特别工序：加注冷却液，通过加压泄漏测试（如氦气质谱检漏，要求泄漏率低于某 ppm）、验证 CDU 换热效率及二次侧管路压降；部分工厂引入机械臂自动插拔快接头，以降低人工漏液风险。
7. 客户验收与出货：按双方商定抽样方案进行开箱检验、复测性能，合格后包装出货，部分项目需派工程师到客户端 on-site 布缆与开机。

以上环节中，SMT 直通率、老化测试满载率、单机人工工时（Hours Per Vehicle，HPV）构成 OEM 运营效率的核心抓手。

关键参数

1. 服务器出货量（台）：体现产能规模，但需结合平均售价（ASP）判断价值。2023 年全球 AI 服务器出货约 118.3 万台（TrendForce，2024/01），ASP 远高于通用机种。
2. MVA 费率（美元/台）：每台服务器的代工附加值，AI 机型因液冷和复杂测试需求，MVA 可达传统服务器的 3–5 倍，但绝对值仍被巨额的 BOM 所稀释。出于商业保密，具体费率通常不公开。
3. 产线直通率（FPY）：SMT 及总装一次良品率，头部 OEM AI 专线可维持在 98% 以上（行业估计，2023 年），直接关系到交期及成本。
4. 老化测试产能（kW 或 MW）：等效于可同时老化的机柜/机架总功率，是产能瓶颈的硬约束。一个 50MW 老化车间支持同时跑的 GPU 服务器数量有限，扩建周期通常 6–12 个月（依据厂房电力、散热建设速度，公开资料未见精确平均周期）。
5. 资本开支与产能爬坡：新建大型 AI 工厂投入动辄数十亿美元，从动工到量产至少 18 个月，初期良率爬坡影响毛利率。
6. 员工人均产值及自动化率：AI 服务器组装尚未完全脱离手工，尤其是液冷管路连接、布线。提高人均产值依赖自动化测试、AGV 物流及数字孪生。

技术路线

在 AI 服务器制造中，OEM、ODM、EMS、JDM 的边界逐渐模糊，但商业模式和附加值仍有差异。下表以 2023–2024 年主流业态为基准进行对比：

在 HGX 等强参考设计约束下，OEM 的制造工程能力超越研发能力成为护城河。部分大型 ODM 也在自建规模产能，演化为“ODM+OEM”混合模式。不同客户的采购模式决定制造商扮演的角色：向英伟达下单 NCP（Nvidia Cloud Partner）机型的，可能采用 OEM 模式；大型云商直接采购定制机柜的，则多为 JDM 或深度 ODM。

上游

OEM 的上游包含半导体、电子元器件、结构件、散热组件四大板块，议价能力多集中于少数供应商。

• 大芯片/加速器：英伟达（H100、B200 等）、AMD（MI300X）、英特尔（Gaudi 系列）及自研 ASIC 云厂商（Google TPU、AWS Trainium/Inferentia 等）。以 H100 为例，GPU 占 BOM 成本 70%–80%（SemiAnalysis 2023 估算），OEM 几乎无议价权，且芯片分配受品牌商制约。
• HBM 内存：由 GPU 集成厂商绑定，SK 海力士、三星、美光供货。HBM 与 GPU 捆绑成为完整模块，不单独由 OEM 采购。
• PCB 与基板：高多层通孔板、HDI、ABF 载板；供应商如欣兴、Ibiden、AT&S、臻鼎等。AI 服务器用 PCB 层数达 20–26 层，供应紧俏，OEM 通过长单锁定产能。
• 被动元件：MLCC、电感、电阻等需大量使用，例如一台 GPU 服务器所需 MLCC 可达万颗级别。村田、三星电机、国巨等为主要供应源，OEM 因采购量庞大，具备一定规模化议价空间。
• 电源模块：3kW–12kW 钛金级电源（PSU），供应商包括台达、光宝、Artesyn 等。大功率、高转换效率 PSU 长期处于供不应求状态。
• 高速互联与连接器：NVLink 背板铜缆、PCIe retimer、高速背板连接器，安费诺、泰科、Molex、鸿腾精密等主导。112Gbps PAM4 信号对连接器串扰要求极为苛刻，认证周期 6–12 个月。
• 散热组件：热管、均温板（VC）、液冷冷板、CDU、快接头。液冷部件组装依赖 CNC 加工精度和氦检，供应链尚在扩张期，当前可规模交付的厂商有限。

OEM 的采购团队需要管控上万颗物料，任何一颗紧缺都可能导致停线。因此，供应链韧性和关键元件的战略库存水平是 OEM 核心能力之一。

下游

下游客户结构高度集中，回款周期长，形成“强买方”格局。

• Hyperscaler 云厂商：AWS、Microsoft Azure、Google Cloud、Meta、Oracle 等。2023 年，前四大云厂商资本支出合计超 1400 亿美元（公司财报口径，不包括租赁），其中 AI 基础设施占比快速提升，带动 OEM 订单。此类客户通常自行设计服务器规格或指定参考架构，向 OEM/ODM 发单，账期可达 90–120 天，OEM 需垫付巨资采购芯片和物料。
• 大型互联网与科技公司：如字节跳动、腾讯、百度、苹果（用于内部训练）等。采购模式类似但规模次之，对定制化有一定要求。
• 国家级超算中心及科研机构：部署大型 GPU 集群用于科学计算，常采取招标模式，单笔项目金额巨大，但交付周期和本地化服务要求较高。
• AI 初创公司及 MSP（管理服务提供商）：如 CoreWeave、Lambda Labs 等，从系统商或 OEM/ODM 直接采购 GPU 整机，再以云服务出租，帮助 OEM 多样化客户构成，但信用风险需管理。

下游客户对交付速度的要求苛刻，从下单到出货的间隔（Lead Time）已压缩至 8–12 周（快速反应单），考验 OEM 的弹性制造能力。

受益公司

以下公司是 AI 服务器 OEM/ODM 领域的主要参与者，广泛受益于全球算力基础设施投资扩张。财务数据仅陈述客观事实，不构成任何投资建议。

• 富士康工业互联网（FII）/鸿海精密：全球最大电子制造服务商之一。2023 年 AI 服务器相关营收快速增长，鸿海法说会指出其 AI 服务器营收在前三季累计已较上年同期大增逾一倍（来源：鸿海 2023 年第三季法说会）。拥有大陆、台湾、越南、墨西哥等多处巨量产能，并率先布局整柜液冷及 NVL72 组装。2024 年预计 AI 服务器交货继续扩大。
• 广达电脑（Quanta）：关键 GPU 服务器代工厂，与微软、AWS 等长期深度合作。2023 年 AI 服务器营收占整体服务器业务比重由前一年的三成升至四成以上（广达电子 2023 年法说会概要）。广达也积极扩充台湾、泰国等地产能，液冷整机柜已量产出货。
• 英业达（Inventec）：服务器制造经验丰富，2023 年 AI 服务器出货显著提升，客户包括大型云商与品牌商。正加速泰国、墨西哥新厂投产，其中墨西哥厂规划支持北美客户的液冷机柜组装（Inventec 2023 年报）。
• 纬创/纬颖（Wistron/Wiwynn）：纬颖专注云端基础设施，2023 年 AI 服务器营收占比超过 50%（纬颖 2023 年营运报告，公开简报）。主要以 L10（主板+机箱）和 L11（整机柜出货）模式交付，大幅提升 ASP。
• Supermicro（SMCI）：更偏向 ODM/JDM，但自身拥有庞大制造基础设施，与英伟达、AMD、英特尔深度合作，其 Building Block 架构可将新 GPU 平台量产时间缩短至数周。FY2Q24（截至 2023 年 12 月）营收 36.6 亿美元，同比增 103%（Supermicro 财报），液冷解决方案出货逐季倍增。
• 其他如联想、HPE、戴尔也拥有自有及委外制造能力，但其 AI 服务器代工多交由上述 OEM/ODM 企业。

市场规模

根据多家第三方研究机构数据，AI 服务器出货与市场规模正处爆发期。

• 全球 AI 服务器出货量：TrendForce 2024 年 1 月报告显示，2023 年全年出货约 118.3 万台，同比增长 38.4%；预估 2024 年出货进一步增至约 167 万台，年增 41.5%。其中配置 8 GPU 或以上的高端训练服务器占主要增量。
• 市场收入规模：IDC 统计 2023 年全球 AI 服务器基础设施（含硬件）支出约 211 亿美元，预计 2027 年将超过 500 亿美元（IDC Worldwide Quarterly Server Tracker, 2024Q1）。OEM 所对应的代工制造收入约占 AI 服务器硬件产值的 3%–5%，据此估测 2023 年 AI 服务器 OEM 代工收入在 6–10 亿美元区间；若包含 ODM 乃至 JDM 混合模式，实际制造营收远超此纯代工收入。
• 液冷服务器渗透率：Dell’Oro Group 2024 年 2 月报告指出，2023 年液冷在数据中心热管理市场渗透率约 9%，2025 年有望超过 20%；TrendForce 预估 2024 年液冷服务器出货占比将达 12%–15%。液冷产能的稀缺性使得具备该项能力的 OEM 获得更高 MVA。
• 地域产值：中国台湾厂商凭借服务器供应链集群，承接全球超过 80% 的服务器制造（含大陆、台、东南亚厂区），AI 服务器份额更高（Digitimes Research 2024Q1 分析）。墨西哥、越南、泰国成为新增产能重心。

市场规模数字虽持续上调，但需注意统计口径差异（出货量 vs 产值 vs 代工收入），横向对比时应统一基准。

玩家对比

以下从产能规模、客户结构、液冷能力及制造分布等维度对主要 AI 服务器 OEM/ODM 进行定性对比（基于 2023–2024 年公开信息）。

上述对比未穷尽所有厂商，各公司也通过子公司（如鸿腾精密、纬创资通）进行深度垂直整合。制造端的竞争将围绕「速度+液冷+整柜化交付」展开。

风险

1. 芯片采购权旁落：品牌商直接控制 GPU 分配，OEM 可能面临“有产线无芯片”的被动局面，造成产能闲置及固定成本摊销压力。
2. 客户高度集中与议价挤压：前三大客户往往贡献过半营收，一旦客户切换供应商或调整设计，将对 OEM 营收冲击巨大；代工费率在客户强势时易被压缩。
3. 技术设计依赖：AI 服务器高度依赖英伟达 HGX 参考设计或客户定制，若芯片厂商大幅革新基板布局（如 Blackwell 的 NVL72 机柜架构），OEM 需密集改造产线，资本开支沉没风险升高。
4. 液冷制造良率与安全事故：液冷管路泄漏可能导致数百万美元 GPU 损坏，降低客户信任；液冷系统的一次通过率若不及预期，将拉高退货及售后成本。
5. 地缘政治与产能分散：为满足客户韧性要求，在墨西哥、越南、印度多地建厂，但当地工程师供给、供应链配套短期不足，管理成本增加，初期良率可能低于成熟基地。
6. 资本开支周期错配：OEM 扩张厂房与设备需提前 1–2 年决策，若 AI 投资热度降温导致产能过剩，折旧压力将侵蚀原本就微薄的利润。
7. 人才短缺：老化测试、液冷检漏、高速信号量测等高级技工及工程师供不应求，限制产能爬坡速度。

误读纠偏

1. “OEM 就是没有技术含量的组装厂”
   组装是外在，内在的技术在于如何在百万瓦级老化环境中将高速链路误码率控制在 1e-15 以下，如何在 10 分钟内完成数百根液冷管路的气密全检，如何将 SMT 贴片偏移控制在 25μm 内。AI 服务器 OEM 已是精密工业工程集成商。

2. “所有代工厂都叫 OEM”
   OEM 特指依客户设计生产成品；若代工厂主导设计则为 ODM；若仅生产裸板或模组则为 EMS 或零件代工。三种模式利润结构和竞争力各异。

3. “OEM 利润随 AI 芯片出货线性增长”
   实际上，AI 服务器 BOM 中芯片成本占比极高，芯片涨价会大幅推升 OEM 营收，但代工费并不等比例上涨，可能造成营收大增而毛利额持平的现象，高营收并非等于高获利。

最新事件

• 2024 年 3 月，英伟达 GTC 发布 Blackwell 平台：推出 GB200 NVL72 等整机柜方案，要求 OEM 具备 72 GPU 全液冷集成和高速背板能力。鸿海、广达、Supermicro 皆宣布成为首批合作伙伴，并已展示工程样品。（来源：英伟达官网及 Digitimes 会后报道）
• 2024 年 Q2，鸿海墨西哥工厂大规模投产 AI 服务器：鸿海规划墨西哥厂产能满足北美客户 NVL72 机柜组装，部分产线已经客户验厂通过，预计 2024 年下半年贡献显著出货。（来源：鸿海法说会简报，2024/05）
• Supermicro 液冷产能扩张：Supermicro 于 2024 年 6 月宣布，通过与合作伙伴增加冷板与 CDU 产线，液冷机柜月产能提升至 5,000 台以上，支持全球大型 AI 集群部署。（来源：Supermicro 新闻稿）
• 广达 AI 服务器出货延迟缓和：2024 年初因部分机壳和液冷零组件短缺造成的出货递延，在 Q2 逐步缓解，AI 服务器营收贡献将进一步推升（广达电子 2024Q1 法说会公开信息）。
• 纬颖墨西哥产能扩张：为满足美系客户需求，纬颖 2024 年墨西哥新厂进入量产，主要生产 L11 液冷机柜，并规划 2025 年进一步提升产能（纬颖法说会，2024 年 Q1）。

事件追踪显示 OEM 处于产能竞赛阶段，量产进度、良率爬坡和液冷供应链协同为主要关注点。

跟踪指标

1. 季度服务器出货量及 AI 渗透率：通过 IDC、TrendForce 季度追踪及 OEM 公司出货指引，观察 AI 服务器占比提升。
2. OEM 厂商 AI 服务器营收占比：留意各公司法说会披露的“AI 服务器/高端服务器营收比重”变化，判断代工结构升级进度。
3. 代工单品 MVA 变动方向：虽不直接披露，可通过平均毛利率与产品组合推断；液冷和高功率机型占比提升往往预示 MVA 上行。
4. 资本开支及新产能投产节奏：关注鸿海、广达、纬颖等公告的资本支出与工厂启用节点，对照实际出货增长，验证产能转化效率。
5. 老化测试电力容量：公开资料较少，但可从子公司环评、供电申请等间接推断单厂测试能力。
6. 客户端资本开支与采购模式：AWS、微软、Meta、谷歌的季度资本支出和服务器采购计划，是 OEM 未来 1–2 个季度的需求先行指标。
7. GPU 及关键元件交期：关注英伟达 GPU 交货 Lead Time、HBM 内存、液冷零组件的供应状况，直接关系 OEM 生产饱和度。
8. 液冷事故与召回事件：监测产品安全记录，一旦发生大规模泄漏或召回，将影响客户偏好和利润率。

信源

• IDC《Worldwide Quarterly Server Tracker》《AI Infrastructure Tracker》
• TrendForce《Server Shipment Tracker》《AI Server Market Analysis》
• Dell’Oro Group《Data Center Liquid Cooling Report》
• Digitimes Research 供应链报告
• SemiAnalysis 产业链分析（付费订阅）
• 鸿海精密、广达电脑、英业达、纬颖/纬创、Supermicro 等季度法说会资料、年报及新闻稿
• 英伟达、AMD、英特尔官网及合作伙伴清单
• Open Compute Project (OCP) 液冷规范及技术白皮书
• 相关行业媒体：ServeTheHome、AnandTech、LightCounting

所有数据请以各机构及公司最新披露为准。本页数字若未特定说明，均出自上述信源截至 2024 年中的公开成果，部分估计值已标注口径与年份。