晶片層 開放閱讀

BOM

Bill of Materials

概念 ID
bill-of-materials
更新時間
2026-05-29
來源數量
待補

BOM（Bill of Materials / 物料清單）

3 秒看懂

BOM = 造一個東西需要的所有零件和材料的”購物清單”。

在 AI 產業中，它是理解 GPU 卡為什麼賣那麼貴、伺服器成本怎麼構成、供應鏈瓶頸在哪的核心透視工具。

3 分鐘產業解釋

BOM 是什麼？

BOM（Bill of Materials，物料清單）是製造業中最基礎的管理文件，它以層級結構記錄製造一個產品所需的全部零部件、原材料、子元件，以及各自的數量、規格、供應商、成本等資訊。

類比：

  • 炒一盤番茄炒蛋 → 雞蛋 2 個、番茄 1 個、鹽 3g、油 10ml → 這就是一道菜的 BOM
  • 造一張 AI 訓練卡 → 晶片 1 顆、HBM 6 顆、PCB 1 塊、散熱器 1 個、電源模組若干 → 這就是一張卡的 BOM

BOM 在 AI 產業鏈中的核心位置

AI 晶片設計公司（如 NVIDIA）
        ↓ 輸出
    晶片級 BOM（晶圓、光罩、封裝材料、HBM 等）
        ↓
AI 硬體整合商（如 Supermicro、Dell）
        ↓ 彙總
    系統級 BOM（GPU 卡 × 8、CPU、記憶體、SSD、機箱、電源、線纜等）
        ↓
雲端廠商 / 資料中心（如 AWS、字節跳動）
        ↓ 彙總
    機櫃級 / 叢集級 BOM（伺服器 × N、交換器、光模組、液冷系統、配電等）

BOM 的核心價值：

  1. 成本透明化 —— 知道一張 H100 卡的 BOM 成本，才能算出 NVIDIA 的毛利
  2. 供應鏈風險識別 —— 哪個零件只有 1 家供應商？哪個零件交期最長？
  3. 產能規劃依據 —— BOM 展開後，才知道需要採購多少 HBM、多少 CoWoS 封裝產能
  4. 國產替代靶點 —— BOM 中哪些是進口依賴？哪些可以國產化？

15 分鐘專家深入

BOM 的層級結構

BOM 不是一張扁平表格，而是樹狀層級，常見的分層：

層級名稱示例
L0成品（End Item）DGX H100 伺服器
L1系統元件GPU 模組、CPU 主機板、電源模組、機箱
L2單板/模組SXM5 GPU 卡、NVSwitch 模組
L3晶片/關鍵器件H100 晶片、HBM3 顆粒、電源管理 IC
L4原材料/耗材晶圓、封裝基板、焊料、導熱矽脂

關鍵洞察： 在 AI 產業中，L2-L3 層級的 BOM 成本佔比最高。以高階 AI 伺服器為例，GPU 卡通常佔系統 BOM 成本的 70%-80% [行業共識估算，具體比例因配置而異]。

BOM 成本構成的典型結構（以 AI 訓練伺服器為例）

由於各廠商不公開完整 BOM，以下為行業分析機構和供應鏈調研的估算架構：

元件類別佔系統 BOM 比例（估算）關鍵供應商
GPU/AI 加速卡70-80%NVIDIA、AMD、自研
CPU3-5%Intel、AMD
系統記憶體（DDR）2-4%Samsung、SK Hynix、Micron
儲存（SSD/NVMe）2-3%Samsung、WD、Kioxia
電源模組（PSU）2-3%Delta、Lite-On、Artesyn
散熱系統1-3%CoolIT、Vertiv、液冷廠商
主機板/PCB1-2%各 ODM
機箱/機架1-2%各 ODM
網路介面（NIC/DPU）1-3%NVIDIA、Broadcom
線纜/聯結器<1%Amphenol、Molex
其他（風扇、螺絲等）<1%-

注：以上為 [行業估算]，具體數字因伺服器型號、配置、採購量級而異。

單張 AI 加速卡的 BOM 成本拆解（概念性）

以高階 AI 訓練卡為參考架構（非特定型號）：

元件成本佔比（估算）說明
AI 晶片（GPU Die）30-40%含晶圓、光罩、良率損耗
HBM 記憶體30-40%高階卡 HBM 成本與晶片本身相當甚至更高
封裝（含 CoWoS 等）10-15%先進封裝成本佔比顯著上升
PCB/基板5-8%高層數 PCB 或 ABF 基板
電源管理/被動器件5-8%VRM、電容、電感等
散熱模組3-5%均熱板、熱管、散熱鰭片

注：以上為 [供應鏈估算]，非廠商官方資料，僅作結構參考。

BOM 與”展開”（BOM Explosion）

“展開”是供應鏈計劃中的核心操作：

  • 知道要生產 1000 臺 AI 伺服器
  • 展開 BOM → 需要 8000 張 GPU 卡
  • 繼續展開 → 需要 48000 顆 HBM 顆粒（假設每卡 6 顆 HBM）
  • 再展開 → 需要 48000 顆 HBM 對應的晶圓產能

這就是為什麼 BOM 分析能直接推匯出 HBM 產能瓶頸、CoWoS 封裝產能缺口等核心供應鏈矛盾。

技術原理

BOM 的資料結構

[BOM 結構示意]

成品: AI Training Server (型號 X)
├── 子元件: GPU Module (×8)
│   ├── 晶片: AI GPU Die (×1)
│   ├── 記憶體: HBM Stack (×6)
│   │   ├── Die: HBM DRAM Die (×8 per stack)
│   │   └── 封裝: TSV + 基板
│   ├── 封裝: 2.5D Interposer (×1)
│   └── PCB: GPU Board (×1)
├── 子元件: CPU Module (×2)
│   ├── 晶片: CPU Die (×1)
│   ├── 記憶體: DDR5 DIMM (×8)
│   └── PCB: CPU Board (×1)
├── 子元件: Power Supply Unit (×4)
├── 子元件: Cooling System (×1)
│   ├── 液冷 Cold Plate (×10)
│   ├── CDU (×1)
│   └── 管路/接頭 (若干)
├── 子元件: NVSwitch (×4)
├── 子元件: NIC/DPU (×4)
├── 元件: SSD/NVMe (×8)
├── 元件: Chassis (×1)
├── 元件: BMC Module (×1)
└── 元件: 線纜/聯結器 (若干)

BOM 的關鍵屬性欄位

欄位說明示例
Part Number (P/N)零件編號HBM3-8H-16GB
Description規格描述16GB HBM3, 6-hi stack, 1024-bit
Quantity (Qty)用量6
Unit Cost單價[未公開]
Supplier供應商SK Hynix
Lead Time交期12-16 周
Alternate替代料Samsung HBM3 equivalent
Compliance合規資訊RoHS, REACH

BOM 版本管理

BOM 不是靜態文件，它隨產品迭代不斷更新：

  • EBOM（Engineering BOM）—— 工程設計階段，研發用
  • MBOM（Manufacturing BOM）—— 生產製造階段，含工藝輔料
  • SBOM（Service BOM）—— 售後維修階段，含可更換備件

在 AI 硬體快速迭代的背景下，BOM 版本管理的複雜度極高。一張 GPU 卡從 A0 stepping 到量產版本，BOM 可能經歷數十次修訂。

技術演進史

階段時間特徵
紙質 BOM 時代1960s-1980s手工維護，紙質圖紙配套表
ERP 整合時代1990s-2000sSAP、Oracle 等 ERP 內建 BOM 管理模組
PLM 時代2000s-2010sProduct Lifecycle Management 系統統一管理 EBOM→MBOM
數字執行緒時代2010s-至今BOM 與 CAD/CAE/MES/SCM 全鏈路打通，數字孿生
AI 產業特殊性2020s-至今BOM 層級複雜度飆升（先進封裝、HBM 堆疊）、供應鏈波動劇烈

AI 產業對 BOM 管理的新挑戰：

  1. BOM 深度增加 —— 2.5D/3D 封裝使 BOM 從”板級”深入到”Die 級”和”Chiplet 級”
  2. 供應鏈集中度高 —— HBM 僅 3 家供應商、CoWoS 幾乎 1 家代工廠，BOM 中單一來源風險突出
  3. 迭代速度快 —— AI 晶片 2 年一代，BOM 版本切換頻繁
  4. 成本波動大 —— HBM 價格隨供需劇烈波動，BOM 成本即時變化

技術路線對比

BOM 管理系統對比

維度傳統 ERP BOM專業 PLM BOM雲端原生 BOM 平台
典型產品SAP MM、Oracle EBSSiemens Teamcenter、PTC WindchillArena Solutions、Propel
優勢與採購/財務深度整合工程變更管理強協作靈活、部署快
劣勢工程管理弱部署重、成本高深度整合能力待驗證
適用場景成熟產品量產階段研發設計階段中小企業、快速迭代
AI 硬體適用性成本核算為主晶片/系統協同設計供應鏈協同

BOM 成本結構演變（AI 伺服器）

指標3 年前（估算）當前（估算）趨勢
GPU 佔系統 BOM~60%~75%↑
HBM 佔 GPU 卡 BOM~25%~35-40%↑↑
封裝成本佔 GPU 卡 BOM~8%~12-15%↑
液冷成本佔系統 BOM<2%~5-8%↑↑
整體 BOM 單臺成本較低數倍增長↑↑

注：以上為 [行業趨勢估算]，非精確財務資料。

上下游

BOM 上游（輸入端）

環節說明
晶片設計提供晶片規格、Die 尺寸、引腳定義
電子元件資料來源：Octopart、SiliconExpert、IHS Markit 等元件資料庫
供應商報價來源：供應商 RFQ（Request for Quotation）
工程變更通知來源：ECN/ECO（Engineering Change Notice/Order）

BOM 中游（管理端）

環節說明
系統整合商 ODM/OEMSupermicro、富士康、廣達、緯創等，負責 BOM 展開與採購執行
EMS 代工廠Flex、Jabil 等，按 BOM 進行生產組裝
BOM 管理軟體ERP/PLM 系統，維護 BOM 資料一致性

BOM 下游（輸出端）

環節說明
採購執行按 BOM 生成採購訂單（PO）
生產計劃按 BOM 展開計算物料需求（MRP）
成本核算BOM 成本 = 系統成本的基準線
投資分析BOM 拆解是分析師評估供應鏈受益標的的核心方法

關鍵指標

指標說明意義
BOM Cost物料總成本決定產品毛利空間
BOM Line Count物料行數反映供應鏈複雜度
Single Source Ratio單一來源物料佔比供應鏈風險指標
BOM CoverageBOM 物料可採購覆蓋率供應保障能力
Lead Time (Critical Path)關鍵路徑交期決定產品交付週期
BOM AccuracyBOM 準確率資料質量指標
Cost VarianceBOM 成本偏差實際 vs 標準 BOM 的差異

供需與市場資料

AI 硬體 BOM 市場規模（估算）

由於 BOM 本身不是獨立產品，其”市場規模”通常通過AI 硬體市場規模來間接體現：

指標資料（估算）來源口徑
全球 AI 伺服器市場2024 年預計超 1000 億美元[行業報告綜合估算]
全球 AI 晶片市場2024 年預計 600-800 億美元[行業報告綜合估算]
HBM 市場2024 年預計超 150 億美元[行業報告綜合估算]
先進封裝市場2024 年預計超 500 億美元[行業報告綜合估算]

BOM 成本敏感度分析（概念性）

供應鏈變動BOM 成本影響傳導時間
HBM 價格上漲 20%GPU 卡 BOM 成本上升 ~7-8%1-2 個季度
CoWoS 產能緊張封裝成本上升 + 交期延長即時
晶圓代工漲價晶片成本上升 ~3-5%2-3 個季度
液冷滲透率提升系統 BOM 成本上升 ~5-8%持續

代表公司與資本對映

BOM 管理軟體/服務提供商

公司定位上市狀態
SAPERP 內建 BOM 管理NYSE: SAP
Siemens (Teamcenter)PLM/BOM 管理NYSE: SI
PTC (Windchill)PLM/BOM 管理NASDAQ: PTC
Arena Solutions雲端原生 BOM 管理已被 PTC 收購
OpenBOM雲端原生 BOM 協作私有

BOM 分析視角下的 AI 供應鏈受益標的

BOM 環節代表公司邏輯
AI 晶片NVIDIA、AMD、自研晶片公司BOM 成本佔比最大
HBMSK Hynix、Samsung、MicronBOM 成本佔比快速上升
先進封裝TSMC (CoWoS)、日月光BOM 中封裝成本佔比提升
液冷散熱Vertiv、CoolIT、英維克液冷從 BOM 中的可選變為必需
電源Delta、光寶高功率密度伺服器電源需求增長
PCB/基板深南電路、興森科技高層數 PCB 需求增長

投資邏輯

為什麼 BOM 分析對 AI 投資重要？

核心觀點：BOM 拆解是 AI 硬體投資的”X 光機”。

  1. 識別真實受益者

    • 不是所有 AI 概念股都直接受益於 AI 硬體放量
    • BOM 拆解可以精確到”哪顆料、誰供應、佔比多少”
    • 例：HBM 在 BOM 中佔比從 25% 升至 40%，HBM 供應商的業績彈性遠超通用記憶體

  2. 預判供應鏈瓶頸

    • BOM 展開 + 產能匹配分析 → 發現瓶頸環節
    • 例：CoWoS 封裝產能不足 → 封裝環節議價能力上升

  3. 評估成本下行空間

    • BOM 成本結構 → 識別哪些環節有規模效應/技術替代可能
    • 例：HBM 產能擴張後價格可能回落，GPU 卡 BOM 成本有望下降

  4. 國產替代路徑

    • BOM 中單一進口來源 → 國產替代靶點
    • 例：電源管理晶片、ABF 基板、聯結器等

投資節奏建議

階段關注點
需求爆發期BOM 中佔比最大、供給最緊的環節最先受益
產能擴張期BOM 中的”卡脖子”環節開始放量
成本最佳化期BOM 中高佔比環節開始價格競爭，獲利向技術壁壘高的環節轉移

常見誤讀糾偏

誤讀 1：「BOM 成本 = 產品成本」

糾偏： BOM 成本僅是直接材料成本，不包含：

  • 製造費用（人工、裝置折舊、廠房）
  • 研發費用攤銷
  • 銷售及管理費用
  • 物流費用

產品真實成本 = BOM 成本 + 加工成本 + 分攤費用。高階 AI 晶片的 BOM 成本可能只佔最終售價的 30-50%，毛利空間來自設計溢價和品牌溢價。

誤讀 2：「BOM 是固定不變的清單」

糾偏： BOM 是動態文件，隨以下因素持續變化：

  • 工程變更（ECN）—— 設計最佳化、Bug 修復
  • 供應鏈調整 —— 替代料切換、供應商變更
  • 成本最佳化 —— Value Engineering（VE）降本
  • 產品迭代 —— Stepping 升級、版本切換

一張 AI 加速卡從設計到量產，BOM 可能經歷數十次修訂。

誤讀 3：「知道 BOM 成本就能算出廠商獲利」

糾偏： 僅憑公開資訊難以精確還原完整 BOM：

  • 核心晶片（如 NVIDIA GPU）的 Die 成本不公開
  • 長期採購協議價格不公開
  • HBM 等關鍵物料的價格波動大且資訊不透明
  • 不同客戶、不同採購量的價格差異顯著

BOM 分析更多提供結構架構和趨勢判斷，而非精確數字。分析師通常基於 [供應鏈估算] 和 [行業調研] 進行推測，存在較大誤差空間。

誤讀 4：「BOM 只在硬體行業有用」

糾偏： 雖然 BOM 起源於製造業，但在 AI 產業中，“軟體 BOM”（SBOM, Software Bill of Materials）也日益重要：

  • 開源元件許可證合規
  • 安全漏洞追蹤（如 Log4j 事件）
  • AI 模型的訓練資料、架構依賴追蹤

學習路徑

入門（1-2 小時）

  1. 理解 BOM 基本概念 —— 搜尋”BOM 物料清單基礎”相關資料
  2. 找一個簡單案例 —— 電子產品的 BOM 表格示例
  3. 理解 BOM 層級 —— 成品→元件→零件的樹狀結構

進階（1-2 天）

  1. 閱讀 AI 伺服器拆解報告 —— 搜尋”AI server teardown”或”GPU card BOM analysis”
  2. 學習 MRP（物料需求計劃） —— BOM 展開如何驅動採購
  3. 研究 HBM/CoWoS 供應鏈 —— 理解 AI 晶片 BOM 中的關鍵物料

專家（持續積累）

  1. 追蹤供應鏈調研究報告告 —— TrendForce、Yole、Gartner 等
  2. 研究 ODM/OEM 財報 —— Supermicro、緯創、廣達的成本結構
  3. 建立 BOM 成本模型 —— 嘗試估算某款 AI 伺服器的 BOM 成本結構
  4. 參與供應鏈行業會議 —— SEMI、OCP Summit 等

一句話總結

BOM 是 AI 硬體投資的”底層語法”——不懂 BOM，就不懂 AI 伺服器為什麼這麼貴、錢流向了哪裡、下一個瓶頸在哪裡。

延伸閱讀與來源

型別推薦說明
行業報告TrendForce、Yole 半導體系列報告供應鏈資料參考
拆解分析TechInsights、System Plus晶片/系統級 BOM 拆解
供應鏈資料庫SiliconExpert、Octopart電子元器件 BOM 資料
管理方法論APICS CPIM 認證教材BOM/MRP 系統學習
財報分析NVIDIA、SK Hynix、TSMC 季度財報成本結構線索
行業社群OCP (Open Compute Project) 開源硬體規範伺服器 BOM 參考設計

資料說明： 本文中的具體數字均為 [行業估算] 或 [公開報告綜合]，非廠商官方揭露，僅供結構理解參考，不構成投資建議。

相關推薦

同產業鏈：chip-core

同產業鏈 · 相關公司

ASMLASML北方華創002371.SZ超微半導體AMD科林研發集團LRCX海光資訊688041.SH寒武紀688256.SH科磊KLAC拓荊科技688072

相關概念

FP4 四位浮點高階介面匯流排（Advanced Interface Bus）AOT 提前編譯AI For Electronic Design Automation空氣間隙（Air Gap）量測標記模擬存算 (Analog In-Memory Computing)模擬混合訊號驗證
source: 公開揭露與公開資料整理 本頁僅用於產業鏈學習、資訊檢索和研究輔助；不構成投資建議，不預測漲跌，不提供買賣、部位或目標價建議。
完整概念頁 複盤 13 節結構 公司投研頁 沿產業鏈找到受益公司 投資課 把概念轉成可跟蹤模型