MGX 平台

3 秒看懂

MGX 是 NVIDIA 推出的模組化、開放式伺服器參考設計與驗證平台，為全球系統廠商提供標準化“藍圖”，使其能快速、靈活地建置面向 AI 與高效能運算（HPC）的加速計算系統，尤其是支援最新 GPU 的多節點、高密度伺服器。MGX 本身不直接以硬體產品形態銷售，而是一個平台級生態架構。

3 分鐘產業解釋

傳統伺服器設計如同高階定製西裝，每一代產品都需從面料、版型到工藝重新開發，週期長達 18‑24 個月。而 MGX 就像一套**“高階成衣版型”**，NVIDIA 將機箱、供電、散熱、網路拓撲等基礎架構標準化，並預整合驗證了全線 GPU、DPU 與 NVLink/NVSwitch 等高速互連技術。系統廠商（如 Supermicro、Lenovo、Dell）只需根據客戶對計算、儲存、網路的需求，像選擇領帶、襯衫一樣，搭配不同的 CPU、GPU、網路模組，開發週期可大幅壓縮至 6‑12 個月。

這種模式的核心價值在於標準化下的靈活性。對 AI 產業而言，MGX 加速了“AI 超級計算機”的民主化——它使各類規模的企業與實驗室，能夠更容易獲得為萬億引數模型訓練與即時推論量身定製的、經過充分驗證的硬體基礎設施。NVIDIA 亦藉此以 “設計即服務” 的形態，將自身硬體與軟體優勢深度“封裝”輸出，繫結全球主流 ODM 與 OEM 生態，同時避免與大型客戶直接競爭。終端使用者得到的不是一臺“組裝機”，而是軟硬體協同最佳化、開箱即用的“AI 作戰單元”。

技術原理

MGX 平台的技術本質是以模組化架構和全棧整合驗證，將超級計算級別的高效算力封裝成可靈活裁剪的積木系統。

模組化設計哲學
平台將伺服器系統解耦為多個獨立、標準化模組，通過高速介面連線：

• 計算模組：支援搭載最新 NVIDIA GPU（如 H100/H200/B200）或 NVIDIA Grace CPU 超級晶片。
• 網路模組：整合 ConnectX‑7/8 智慧網絡卡、BlueField‑3 DPU，可靈活適配 InfiniBand 或高速乙太網路。
• 儲存與 I/O 模組：提供本地 NVMe 儲存與 BMC 管理功能。
• 基礎架構模組：包含機箱、電源、散熱系統以及 NVLink/NVSwitch 背板。

[ MGX 平台模組化架構示意 ]
+-------------------------------------------------------+
|                   MGX 機箱 (標準化)                     |
|  +-------------+  +-------------+  +----------------+ |
|  | 計算模組    |  | 網路模組    |  | 儲存/管理模組  | |
|  | (GPU/CPU)   |  | (DPU/NIC)   |  | (NVMe/BMC)    | |
|  +-------------+  +-------------+  +----------------+ |
|       |  NVLink/NVSwitch 背板 (高速互連) |             |
|       +--------------------+-------------------+       |
|                       電源與散熱系統                     |
+-------------------------------------------------------+

關鍵硬體整合（以 2024 年公開引數為例）

• GPU：MGX 可搭載 NVIDIA H100 SXM5（80 GB HBM3，NVLink 4.0 雙向頻寬 900 GB/s）以及未來 Blackwell 架構 B200（192 GB HBM3e，NVLink 5.0 雙向 1.8 TB/s，來源：NVIDIA 2024 GTC 主題演講與規格表）。
• 高速互連：NVLink 與 NVSwitch 是 MGX 與 DGX 共用的核心互連技術，可在 8‑GPU 或更高規模節點內建置超低延遲直連通道，頻寬遠超 PCIe 5.0，對於萬億引數模型分散式訓練至關重要。
• DPU：BlueField‑3 及未來的 BlueField‑4 DPU 負責解除安裝網路、儲存與安全任務，降低 CPU/GPU 負擔，提高有效算力利用率。

全棧軟體協同
MGX 與 NVIDIA AI 軟體棧緊密整合，確保“開箱即用”的高效能：

• 系統驅動與 CUDA：底層計算介面。
• 通訊庫 NCCL：針對多 GPU/多節點拓撲最佳化集合通訊，最大化 NVLink 與 InfiniBand 吞吐。
• AI 推論與訓練：預整合 TensorRT、PyTorch、JAX 等架構最佳化容器。
• 叢集管理與排程：通過 NVIDIA Base Command 或結合合作伙伴平台進行任務編排、資源監控和日誌分析。
• 聯調驗證：NVIDIA 對硬體組合進行嚴格壓力測試與相容性驗證，使最終系統在出廠前即具備生產級穩定性，大幅降低整合商與使用者的調優成本。

關鍵引數

評估基於 MGX 平台建置的系統，應重點關注以下量化維度（相關數值若無特別註明，均基於 NVIDIA 2023‑2024 年公開產品規格）：

指標維度	典型數值/規格說明	年份與來源
節點內 GPU 互連頻寬	H100 SXM5 8‑GPU 系統通過 NVSwitch 實現 900 GB/s 雙向每 GPU；B200 8‑GPU 系統可達 1.8 TB/s 雙向每 GPU	NVIDIA H100 規格 2023；B200 規格 2024 GTC
節點間網路頻寬	MGX 設計支援 8×400 Gb/s InfiniBand NDR 或乙太網路，單節點聚合頻寬可達 3.2 Tb/s	基於 NVIDIA ConnectX‑7 規格，2023
記憶體容量與頻寬	H100 80 GB HBM3 3.35 TB/s；Grace Hopper GH200 提供 480 GB LPDDR5X + 96/144 GB HBM3/3e（取決於配置）	NVIDIA 2023 年 GH200 白皮書
每瓦特算力	FP8 稠密算力：H100 約 3.9 TFLOPS/W（基於 700 W TDP，3,026 TFLOPS）；B200 預期更高，公開資料未見官方每瓦特資料	以 NVIDIA H100 公開 TDP 及算力自行計算，2023
線性擴充套件效率	NVIDIA 公開資料顯示，在較大規模叢集下，通過 NCCL 最佳化可實現 90% 以上線性擴充套件（取決於模型與網路拓撲）	NVIDIA 技術部落格 2023‑2024
機架部署密度	風冷 MGX 可在標準 19 英寸機架內部署 4‑8 GPU 節點；液冷 MGX 可在單機架容納 72 塊以上 GPU（如 GB200 NVL72 機架）	NVIDIA 2024 GTC 展示
冷卻方案	第一代以風冷為主，第二代支援 液冷介面標準化，以適應 1,000 W 以上節點功耗	基於 NVIDIA 2024 年釋出的 MGX 2.0 平台資訊

注：上述引數為基於 MGX 可建置的典型配置而非 MGX 平台本身的固定數值，最終由系統合作伙伴定製。

技術路線

演進歷程

• 前 MGX 時代（2023 年以前）：OEM 需獨立完成伺服器電子、機械、散熱設計並適配 NVIDIA 新晶片，週期長、調優難度大。
• 第一代 MGX（2023 年 Computex 釋出）：伴隨 Grace Hopper 超級晶片推出，提供模組化機架級參考設計，支援 GH200 以及 x86 + H100 等配置，首次將 NVLink Switch 架構、DPU 及高密度版面配置標準化。
• 第二代 MGX（2024 年起）：為應對萬億引數模型，平台全面升級。2024 年 3 月 GTC，NVIDIA 展示了基於 Blackwell 架構的 GB200 超級晶片與液冷 MGX 機架設計；規範中引入更高速的 NVLink 5.0、800 Gb/s 網路、液態冷卻模組標準，並增強了對 OCP 規範的相容性，進一步降低系統廠商設計門檻。

設計哲學與路線定位
NVIDIA 自身不通過 MGX 終端品牌銷售，而是通過“設計即服務”向全球約十餘家核心 ODM/OEM 授權生產，並將 DGX 系統中的頂級互聯與軟體經驗下放至 MGX，使其成為“小 DGX”生態，而非替代品。未來路線圖顯示，MGX 將每年隨新 GPU 架構迭代而更新，並逐步整合更先進的熱管理技術與智慧遙測功能，以支撐十萬卡級別叢集的自動化運維。

上游

MGX 平台的核心供應體系可劃分為：

環節	關鍵供應商與說明	來源/年份
GPU 與高速互連晶片	NVIDIA 自行供應 GPU（H100/H200/B200）及 NVSwitch 晶片；部分 NVLink 相關晶片由 NVIDIA 設計，台積電代工	NVIDIA 供應商公開資訊
CPU	Intel（Xeon Scalable 系列）、AMD（EPYC 系列）、NVIDIA（Grace 系列）均得到 MGX 支援，具體由系統廠商選配	NVIDIA MGX 平台相容列表 2023‑2024
HBM 記憶體	SK 海力士、三星、美光提供 HBM3/HBM3e，當前 SK 海力士為 NVIDIA GPU 的主要 HBM 供應商	TrendForce 2024 年 HBM 市場報告
先進製造與封裝	台積電製造 GPU 核心晶片並提供 CoWoS 先進封裝，產能直接制約 GPU 供應量；2024 年 CoWoS 月產能估計約 30‑35 千片，台積電計劃持續擴產	台積電 2024 年法說會與行業估算
網路元件	NVIDIA 自身供應 ConnectX DPU/NIC 和 InfiniBand 交換器，亦相容來自博通等廠商的乙太網路交換器方案	公開產品資料
PCB、電源、散熱元件	偉創力（Flex）、臺達、雙鴻等供應電源模組、液冷部件、PCB 等，具體配套視 ODM/OEM 選擇	供應鏈調研 2024

下游

MGX 平台的終端需求主要集中於以下三類客戶，其交付方式皆為通過 ODM/OEM 購買完整伺服器，而非 NVIDIA 直銷。

• 大型雲端服務提供商（CSP）：AWS（基於 MGX 的 P5 例項，如 p5.48xlarge）、Microsoft Azure（ND H100 v5 系列）、Google Cloud、Oracle Cloud 等均已在 AI 基礎設施中採用由 MGX 衍生設計的大量高密度 GPU 節點。CSP 通常直接向廣達、緯創等 ODM 採購定製節點，2024 年 AI 相關資本支出合計超過 1,500 億美元（據各家財報及展望，2024 全年資料口徑）。
• 企業級資料中心：Meta、Tesla 等大型企業自建 AI 訓練叢集，通過戴爾、慧與、Supermicro 等品牌廠商採購 MGX 架構的通用/專用伺服器，用於推薦系統、自動駕駛模型訓練等。
• 科研機構與國家超算中心：各國主權 AI 專案及大學實驗室利用基於 MGX 的系統搭建千卡級叢集，兼顧效能、交付速度與預算可行性。例如，部分歐洲學術專案已公開部署基於 GH200 的 MGX 叢集（公開資料可見 2024 年 ISC 大會報道）。

受益公司

下表梳理了 MGX 生態內各型別參與者的受益邏輯及可驗證業績線索，不構成任何投資建議。

型別	公司名稱	受益邏輯	可參考的財務/產能數字（年份、口徑、來源）
平台定義者	NVIDIA (NVDA)	通過向授權 ODM 出售 GPU、網路產品及軟體許可獲得營收，MGX 擴大總目標市場並增加生態粘性	NVIDIA FY2024（截至 2024.01.28）資料中心業務營收 475 億美元，年增率增長 217%（來源：NVIDIA 10‑K）；FY2025 Q1 資料中心營收 226 億美元（來源：NVIDIA 財報）
核心 ODM 製造商	廣達電腦 (2382.TW)、緯創資通 (3231.TW)	為 CSP 大規模製造 MGX 節點，營收隨 AI 伺服器出貨量放大而強勁增長	公開資料可見，廣達 2024 年依靠 AI 伺服器營收年增率增幅逾 50%；緯創 AI 伺服器代工同樣成為主要增長極（資訊來源：Digitimes Research 2024）
品牌系統廠商	Supermicro (SMCI)、戴爾科技 (DELL)、聯想集團 (0992.HK)、慧與科技 (HPE)	利用 MGX 快速推出 AI 產品線，縮短研發週期，搶佔企業客戶市場	Supermicro FY2024 Q4（截至 2024.06.30）營收 53.1 億美元，AI/GPU 相關伺服器佔比超過 55%（來源：Supermicro 財報）；戴爾 2024 年 AI 最佳化伺服器積壓訂單約 38 億美元（來源：戴爾 2025 財年 Q1 電話會議）
關鍵部件供應商	SK 海力士、三星、美光（HBM）；台積電（製造/封裝）	HBM 及先進封裝產能隨 NVIDIA GPU 放量而滿載，ASP 與營收顯著提升	SK 海力士 HBM 產能 2024 年均已售罄，2025 年亦近乎訂滿（來源：公司公開宣告 2024）；台積電 CoWoS 產能 2024 年約 33 千片/月，2025 年預計擴充至 50 千片/月（來源：台積電 2024 Q4 法說會與行業估算）

注：MGX 平台營收不單獨列示，上述公司受益程度需結合其在 AI 伺服器整體市場中的份額與業務結構綜合判斷。

市場規模

NVIDIA 不單獨揭露 MGX 平台的直接出貨量與營收，但可通過 NVIDIA 資料中心業務及第三方機構對 AI 伺服器市場的統計進行估量。

• NVIDIA 資料中心營收：FY2024 全年 475 億美元，FY2025 上半年合計約 452 億美元（來源：NVIDIA 季度財報，GAAP 口徑）。這些營收幾乎全部來自以 MGX 或 DGX 設計為基礎的 GPU、網路及軟體授權。
• 全球 AI 伺服器出貨量：據 TrendForce 2024 年 7 月報告，2024 年全球 AI 伺服器出貨量預估達 167.3 萬臺，年增率增長 38.4%，其中搭載 NVIDIA GPU 的解決方案市佔率約為 85%‑90%（TrendForce 2024）。到 2025 年，TrendForce 預測 AI 伺服器出貨量將超過 200 萬臺（同上）。
• AI 伺服器市場金額：根據 IDC 2024 年資料，2024 年全球 AI 伺服器硬體市場約 680 億美元，2027 年預計突破 1,200 億美元。MGX 作為佔據主導份額的加速平台，其衍生系統貢獻了該市場中絕大部分營收。
• ODM 份額：公開資料顯示，廣達、緯創及 Su Micro 等佔據 NVIDIA MGX 及 AI 伺服器代工與品牌出貨量前列，但精確份額因統計口徑差異未能統一（Digitimes Research 2024 年分析）。

注：上述資料均來自第三方機構及上市公司公開揭露，MGX 在其中的具體佔比屬推斷，實際應以 NVIDIA 日後可能釋出的生態系統資料為準。

玩家對比

MGX 平台與其他主流伺服器設計理念在多個維度上存在差異，此處將 MGX 與傳統定製化設計、開放計算專案（OCP）進行橫向比較。

對比維度	NVIDIA MGX 平台	傳統純定製伺服器設計	基於 OCP 的通用開放設計
設計模式	由 NVIDIA 定義的核心模組化參考設計，系統廠商可二次調整	廠商依據客戶需求從板卡到機箱完全定製	社群驅動，定義開放的機箱、主機板、電源標準
GPU 加速整合度	深度整合 NVIDIA GPU、NVSwitch、DPU，預驗證最佳化	需廠商自行開發 GPU 互聯拓撲，週期長	相容多種 GPU，但通常無原生 NVSwitch 支援
軟體最佳化	出廠預裝全棧 NVIDIA AI 軟體，效能已調優	依賴廠商自主最佳化，耗時且結果不確定	開源驅動與通用架構，需使用者自行調優
開發與交付週期	6‑12 個月，得益於驗證好的藍圖	18‑24 個月	視社群貢獻與廠商成熟度，通常 6‑12 個月
生態系統	圍繞 NVIDIA 硬體與 ISV 緊密繫結	多晶片供應商選擇，但難以復現深度協同最佳化	廠商中立，適合通用雲端運算和儲存
典型客戶場景	面向大規模 AI 訓練與推論、HPC 的雲端/企業	高階金融、電信等要求高度定製化的環境	公有雲端、電信、低成本儲存等
冷卻與能效	提供標準化液冷選項，專為高功耗 GPU 最佳化	需要單獨設計散熱方案	多數設計仍以風冷為主，液冷規範尚在推進
關鍵差異總結	“AI 就緒”的最短路徑，犧牲部分硬體自由換取效能與上市速度	自由度高，但時間與研發成本巨大	經濟、開放，但 AI 特性需要額外整合

在 MGX 生態內部，不同系統廠商提供的 MGX 產品也存在差異化：Supermicro 強調“快速上市”和豐富的模組選項，戴爾側重企業級管理軟體（如 OpenManage）與全球服務，聯想致力於液冷技術的先驅部署。但所有產品均建立在同一套 NV 驗證體系之上，確保了核心效能基準的一致性。

風險

1. GPU 供應與先進封裝瓶頸：台積電 CoWoS 產能如果擴張不及預期，將直接扼制 GPU 出貨，使 MGX 平台系統無法按期交付。2024‑2025 年雖持續擴產，但需求增速更高（來源：台積電法說會 2024）。
2. 地緣政治與出口管制：美國政府持續收緊對中國等地的高階 GPU 及製造裝置出口，可能導致部分 OEM 失去重要客戶，同時影響 HBM 等器件的供應鏈穩定性。
3. 客戶自研 ASIC 與替代架構：雲端廠商加大對自研 AI 晶片（如 Google TPU、AWS Trainium、微軟 Maia）的投入，長期或將對 NVIDIA GPU 方案產生部分替代，削弱 MGX 生態的總市場容量。
4. 模組化平台的同質化：過於標準化的設計可能壓低系統廠商的附加值，導致獲利向 NVIDIA 集中，部分 ODM/OEM 參與動力下降，以及白牌市場價格戰。
5. 電力與冷卻挑戰：GB200 等新一代 MGX 系統機架功耗可達 100 kW 以上，許多資料中心不具備足夠電力與液冷基礎設施，部署可能延遲。
6. 需求週期性波動：AI 資本支出高度集中，若進入庫存消化期或模型效率明顯提高導致訓練需求減緩，MGX 生態全鏈條營收將承受壓力。
7. 競品平台興起：AMD 的 Instinct 開放平台及 Intel Gaudi 架構均試圖與系統廠商建置類似生態，長期可能削弱 MGX 的獨佔性。

誤讀糾偏

• 誤讀 1：“MGX 是 NVIDIA 生產的伺服器。”
  糾偏：MGX 並非實體產品型號，而是提供給合作伙伴的參考設計平台與驗證藍圖。伺服器最終由 Supermicro、戴爾、聯想等製造並貼牌銷售。NVIDIA 自己的整機品牌為 DGX。
• 誤讀 2：“採用 MGX 設計的伺服器效能和配置都一樣。”
  糾偏：MGX 強調模組化與靈活性，不同夥伴可在同一基礎平台上配置不同數量和型號的 GPU、CPU、儲存與網路。因此市場上有大量效能、功耗、價格區間存在顯著差異的 MGX 相容伺服器，需使用者按需評估。
• 誤讀 3：“MGX 的價值僅在於硬體拼接。”
  糾偏：核心價值之一是”預整合和驗證”。NVIDIA 將硬體組合進行了嚴格的效能與相容性測試，並預裝最佳化好的全棧 AI 軟體，確保開箱即用，減少企業整合成本與風險。
• 誤讀 4：“使用 MGX 就能獲得與 DGX 完全一致的效能。”
  糾偏：MGX 可複用 DGX 核心互聯技術與軟體棧，但具體效能受限於合作伙伴所選用的冷卻、供電與網路拓撲。DGX 系統往往採用更極致的定製設計與高品質物料，是效能天花板。MGX 是在保留絕大多數效能優勢的前提下，提供成本與靈活性更優的選擇。

最新事件

以下列出 2023‑2024 年圍繞 MGX 平台的關鍵事件，所有資訊均來自公開報道或公司公告。

• 2023 年 5 月：NVIDIA 在 Computex 2023 上首次釋出 MGX 平台，展示基於 Grace Hopper 與 x86 的參考設計，並宣佈首批合作伙伴包括 Supermicro、廣達、緯創等。
• 2023 年 11 月：Supermicro 開始向客戶交付基於 MGX 的 4U 8‑GPU H100 伺服器；Microsoft Azure 釋出採用 MGX 設計的 ND H100 v5 例項。
• 2024 年 3 月 GTC：NVIDIA 釋出 Blackwell 架構，並推出第二代 MGX 平台規範，支援 GB200 超級晶片、NVLink 5.0、800 Gb/s 網路及標準化液冷模組。同時展示了採用液冷的 GB200 NVL72 機架（單機架 72 塊 GPU，達 30 TB 視訊記憶體、1.4 EB/s 互連頻寬）。
• 2024 年 6 月 Computex：NVIDIA 聯合多家廠商展出 MGX Blackwell 液冷伺服器實物，包括 Supermicro、華碩、技嘉等。NVIDIA 表示 MGX 生態合作伙伴已超過 40 家。
• 2024 年 8 月：戴爾宣佈推出 PowerEdge XE9680L 液冷 MGX 相容伺服器，支援 8×B200 GPU；慧與（HPE）也釋出了 ProLiant Compute XD 系列，採用 MGX 架構。
• 2024 年 11 月：NVIDIA 公佈 FY2025 Q3 財報，資料中心營收 308 億美元，再創紀錄，管理層在電話會議中指出