OEM
3 秒看懂
OEM（Original Equipment Manufacturer，原始裝置製造商），在 AI 算力產業鏈中指按品牌商（雲端廠商、大型企業）給定的硬體設計、技術規格及商標要求，完成伺服器/模組/液冷機櫃的製造、組裝、測試與出貨的企業。它是算力從圖紙落到物理世界的“製造執行者”，核心價值在於超大規模精密裝配、老化測試、液冷整合與供應鏈管控，而不涉及晶片架構或演算法創新。
3 分鐘產業解釋
當輝達設計出 GPU、超大規模雲端廠（hyperscaler）制定伺服器或加速模組規格後，OEM 負責將數萬顆晶片、高速聯結器、電源模組、機箱及液冷管路在產線上精密度組裝，完成嚴苛的老化測試、訊號完整性驗證及整機聯調。與只做裸機代工的 EMS（電子製造服務）不同，OEM 往往具備一定的工程定製能力（例如版面配置微調、散熱方案共生開發）；但又不像 ODM 那樣主導整機設計。在 DGX/HGX 底座的背後，每臺硬體落地都刻著 OEM 的名字。
生成式 AI 引爆的算力競賽，使 OEM 從“低調的代工後臺”走向“產業瓶頸前臺”。2023 年起，全球 AI 伺服器出貨急速攀升（IDC 資料顯示 2023 年全球伺服器市場支出中，AI 硬體佔比快速突破雙位數），OEM 產線持續滿載，交貨週期延長至 12 個月以上。客戶高度集中（微軟、亞馬遜、Google、Meta 等佔全球 AI 伺服器採購七成以上），使得 OEM 更像“釋放產能的管道”，代工費率（Manufacturing Value Added，MVA）相對透明，但因 BOM 中 GPU 等大晶片成本佔比可高達 70%–80%，OEM 營收體量巨大但毛利率極薄（行業通常 2%–4%），是典型的重資產、高週轉生意。
液冷滲透更將製造門檻再提一階。從 Direct-to-Chip 冷板到浸沒式罐體，OEM 必須建立全新流體管路組裝線、氦氣質譜檢漏站和 CDU（Coolant Distribution Unit）聯調環境。一臺液冷 AI 機櫃的裝配工時可達傳統風冷伺服器的 3–4 倍，使得掌握液冷整合能力的 OEM 獲得階段性壁壘和 MVA 溢價空間。
技術原理
AI 伺服器 OEM 製造本質是一套精密工業工程，核心在於將高密度電子器件以極低故障率整合為可 7×24 滿負載執行的算力單元。典型流程如下：
- 資材準備：客戶提供 Gerber 檔案、BOM 清單、裝配工單。OEM 據此調配 PCB、晶片、被動元件、結構件等。
- SMT 產線：錫膏印刷 → 高速貼片（支援 0201 微型元件及大型 BGA）→ 迴流焊 → 自動光學檢測（AOI）。GPU 基板的 BGA 球距精細至 0.5mm，對貼片精度要求達 ±25μm。
- DIP 及後端裝配：大型聯結器、電感、電容等外掛波峰焊，並將基板裝入機箱，連線背板、電源模組、風扇牆或液冷冷板。
- 基板級功能測試：電源通斷、時鐘訊號、PCIe 鏈路速率；最關鍵的是對 NVLink/NVSwitch 高速互聯進行訊號完整性驗證，在 56 Gbps/112 Gbps 速率下要求誤位元速率（BER）低於 1e-15，需使用與晶片原廠同等級別的測試夾具和向量網路分析儀。
- 整機老化（Burn-in）：在 35°C–45°C 環境滿負載執行 48–72 小時，全程記錄 GPU 溫度、HBM ECC 錯誤率、功耗波動；單臺 DGX 級別系統的老化測試功耗可逾 10kW，一個機架同時老化會消耗數十千瓦電力。
- 液冷特別工序：加註冷卻液，通過加壓洩漏測試（如氦氣質譜檢漏，要求洩漏率低於某 ppm）、驗證 CDU 換熱效率及二次側管路壓降；部分工廠引入機械臂自動插拔快接頭，以降低人工漏液風險。
- 客戶驗收與出貨：按雙方商定抽樣方案進行開箱檢驗、複測效能，合格後包裝出貨，部分專案需派工程師到客戶端 on-site 布纜與開機。
以上環節中，SMT 直通率、老化測試滿載率、單機人工工時（Hours Per Vehicle，HPV）構成 OEM 運營效率的核心抓手。
關鍵引數
- 伺服器出貨量（臺）：體現產能規模，但需結合平均售價（ASP）判斷價值。2023 年全球 AI 伺服器出貨約 118.3 萬臺（TrendForce，2024/01），ASP 遠高於通用機種。
- MVA 費率（美元/臺）：每臺伺服器的代工附加值，AI 機型因液冷和複雜測試需求，MVA 可達傳統伺服器的 3–5 倍，但絕對值仍被鉅額的 BOM 所稀釋。出於商業保密，具體費率通常不公開。
- 產線直通率（FPY）：SMT 及總裝一次良品率，頭部 OEM AI 專線可維持在 98% 以上（行業估計，2023 年），直接關係到交期及成本。
- 老化測試產能（kW 或 MW）：等效於可同時老化的機櫃/機架總功率，是產能瓶頸的硬約束。一個 50MW 老化車間支援同時跑的 GPU 伺服器數量有限，擴建週期通常 6–12 個月（依據廠房電力、散熱建設速度，公開資料未見精確平均週期）。
- 資本支出與產能爬坡：新建大型 AI 工廠投入動輒數十億美元，從動工到量產至少 18 個月，初期良率爬坡影響毛利率。
- 員工人均產值及自動化率：AI 伺服器組裝尚未完全脫離手工，尤其是液冷管路連線、佈線。提高人均產值依賴自動化測試、AGV 物流及數字孿生。
技術路線
在 AI 伺服器製造中，OEM、ODM、EMS、JDM 的邊界逐漸模糊，但商業模式和附加值仍有差異。下表以 2023–2024 年主流業態為基準進行對比：
| 維度 | OEM | ODM | EMS | JDM |
|---|---|---|---|---|
| 設計主導權 | 客戶提供設計，OEM 工藝適配 | ODM 完成整機設計，客戶貼牌 | 嚴格按客戶工單執行 | 客戶與製造方聯合研發、定製 |
| 研發深度 | 製造工程、測試開發、散熱模擬 | 完整系統架構、供電、散熱設計 | 極少研發，僅參與可製造性改良 | 深度架構共建，專屬線路最佳化 |
| 典型場景 | HGX 參考設計組裝、液冷整機櫃交付 | 白牌伺服器整機（Supermicro、廣達自定義） | 消費電子 PCBA、網通裝置 | 微軟與廣達的 Olympia 系列、部分大型雲端商定製 |
| AI 附加價值 | 老化、液冷檢測、高速互聯驗證、整櫃整合 | 整機散熱、供電最佳化、快速定製 | 無直接 AI 價值 | 硬體架構與雲端堆疊協同 |
| 毛利率區間 | 2%–4%（2023 年行業估算） | 5%–8%（含自研設計溢價） | 4%–6%（規模效應） | 較高，但專案分攤研發費 |
在 HGX 等強參考設計約束下，OEM 的製造工程能力超越研發能力成為護城河。部分大型 ODM 也在自建規模產能，演化為“ODM+OEM”混合模式。不同客戶的採購模式決定製造商扮演的角色：向輝達下單 NCP（Nvidia Cloud Partner）機型的，可能採用 OEM 模式；大型雲端商直接採購定製機櫃的，則多為 JDM 或深度 ODM。
上游
OEM 的上游包含半導體、電子元器件、結構件、散熱元件四大板塊，議價能力多集中於少數供應商。
- 大晶片/加速器：輝達（H100、B200 等）、AMD（MI300X）、英特爾（Gaudi 系列）及自研 ASIC 雲端廠商（Google TPU、AWS Trainium/Inferentia 等）。以 H100 為例，GPU 佔 BOM 成本 70%–80%（SemiAnalysis 2023 估算），OEM 幾乎無議價權，且晶片分配受品牌商制約。
- HBM 記憶體：由 GPU 整合廠商繫結，SK 海力士、三星、美光供貨。HBM 與 GPU 捆綁成為完整模組，不單獨由 OEM 採購。
- PCB 與基板：高多層通孔板、HDI、ABF 載板；供應商如欣興、Ibiden、AT&S、臻鼎等。AI 伺服器用 PCB 層數達 20–26 層，供應緊俏，OEM 通過長單鎖定產能。
- 被動元件：MLCC、電感、電阻等需大量使用，例如一臺 GPU 伺服器所需 MLCC 可達萬顆級別。村田、三星電機、國巨等為主要供應源，OEM 因採購量龐大，具備一定規模化議價空間。
- 電源模組：3kW–12kW 鈦金級電源（PSU），供應商包括臺達、光寶、Artesyn 等。大功率、高轉換效率 PSU 長期處於供不應求狀態。
- 高速互聯與聯結器：NVLink 背板銅纜、PCIe retimer、高速背板聯結器，安費諾、泰科、Molex、鴻騰精密等主導。112Gbps PAM4 訊號對聯結器串擾要求極為苛刻，認證週期 6–12 個月。
- 散熱元件：熱管、均溫板（VC）、液冷冷板、CDU、快接頭。液冷部件組裝依賴 CNC 加工精度和氦檢，供應鏈尚在擴張期，當前可規模交付的廠商有限。
OEM 的採購團隊需要管控上萬顆物料，任何一顆緊缺都可能導致停線。因此，供應鏈韌性和關鍵元件的戰略庫存水平是 OEM 核心能力之一。
下游
下游客戶結構高度集中，回款週期長，形成“強買方”格局。
- Hyperscaler 雲端廠商：AWS、Microsoft Azure、Google Cloud、Meta、Oracle 等。2023 年，前四大雲端廠商資本支出合計超 1400 億美元（公司財報口徑，不包括租賃），其中 AI 基礎設施佔比快速提升，帶動 OEM 訂單。此類客戶通常自行設計伺服器規格或指定參考架構，向 OEM/ODM 發單，賬期可達 90–120 天，OEM 需墊付巨資採購晶片和物料。
- 大型網際網路與科技公司：如字節跳動、騰訊、百度、Apple（用於內部訓練）等。採購模式類似但規模次之，對定製化有一定要求。
- 國家級超算中心及科研機構：部署大型 GPU 叢集用於科學計算，常採取招標模式，單筆專案金額巨大，但交付週期和本地化服務要求較高。
- AI 初創公司及 MSP（管理服務提供商）：如 CoreWeave、Lambda Labs 等，從系統商或 OEM/ODM 直接採購 GPU 整機，再以雲端服務出租，幫助 OEM 多樣化客戶構成，但信用風險需管理。
下游客戶對交付速度的要求苛刻，從下單到出貨的間隔（Lead Time）已壓縮至 8–12 周（快速反應單），考驗 OEM 的彈性製造能力。
受益公司
以下公司是 AI 伺服器 OEM/ODM 領域的主要參與者，廣泛受益於全球算力基礎設施投資擴張。財務資料僅陳述客觀事實，不構成任何投資建議。
- 富士康工業網際網路（FII）/鴻海精密：全球最大電子製造服務商之一。2023 年 AI 伺服器相關營收快速增長，鴻海法說會指出其 AI 伺服器營收在前三季累計已較上年同期大增逾一倍（來源：鴻海 2023 年第三季法說會）。擁有大陸、臺灣、越南、墨西哥等多處巨量產能，並率先版面配置整櫃液冷及 NVL72 組裝。2024 年預計 AI 伺服器交貨繼續擴大。
- 廣達電腦（Quanta）：關鍵 GPU 伺服器代工廠，與微軟、AWS 等長期深度合作。2023 年 AI 伺服器營收佔整體伺服器業務比重由前一年的三成升至四成以上（廣達電子 2023 年法說會概要）。廣達也積極擴充臺灣、泰國等地產能，液冷整機櫃已量產出貨。
- 英業達（Inventec）：伺服器製造經驗豐富，2023 年 AI 伺服器出貨顯著提升，客戶包括大型雲端商與品牌商。正加速泰國、墨西哥新廠投產，其中墨西哥廠規劃支援北美客戶的液冷機櫃組裝（Inventec 2023 年報）。
- 緯創/緯穎（Wistron/Wiwynn）：緯穎專注雲端端基礎設施，2023 年 AI 伺服器營收佔比超過 50%（緯穎 2023 年營運報告，公開簡報）。主要以 L10（主機板+機箱）和 L11（整機櫃出貨）模式交付，大幅提升 ASP。
- Supermicro（SMCI）：更偏向 ODM/JDM，但自身擁有龐大製造基礎設施，與輝達、AMD、英特爾深度合作，其 Building Block 架構可將新 GPU 平台量產時間縮短至數週。FY2Q24（截至 2023 年 12 月）營收 36.6 億美元，年增率增 103%（Supermicro 財報），液冷解決方案出貨逐季倍增。
- 其他如聯想、HPE、戴爾也擁有自有及委外製造能力，但其 AI 伺服器代工多交由上述 OEM/ODM 企業。
市場規模
根據多家第三方研究機構資料，AI 伺服器出貨與市場規模正處爆發期。
- 全球 AI 伺服器出貨量：TrendForce 2024 年 1 月報告顯示，2023 年全年出貨約 118.3 萬臺，年增率增長 38.4%；預估 2024 年出貨進一步增至約 167 萬臺，年增 41.5%。其中配置 8 GPU 或以上的高階訓練伺服器佔主要增量。
- 市場營收規模：IDC 統計 2023 年全球 AI 伺服器基礎設施（含硬體）支出約 211 億美元，預計 2027 年將超過 500 億美元（IDC Worldwide Quarterly Server Tracker, 2024Q1）。OEM 所對應的代工製造營收約佔 AI 伺服器硬體產值的 3%–5%，據此估測 2023 年 AI 伺服器 OEM 代工營收在 6–10 億美元區間；若包含 ODM 乃至 JDM 混合模式，實際製造營收遠超此純代工營收。
- 液冷伺服器滲透率：Dell’Oro Group 2024 年 2 月報告指出，2023 年液冷在資料中心熱管理市場滲透率約 9%，2025 年有望超過 20%；TrendForce 預估 2024 年液冷伺服器出貨佔比將達 12%–15%。液冷產能的稀缺性使得具備該項能力的 OEM 獲得更高 MVA。
- 地域產值：中國臺灣廠商憑藉伺服器供應鏈叢集，承接全球超過 80% 的伺服器製造（含大陸、臺、東南亞廠區），AI 伺服器份額更高（Digitimes Research 2024Q1 分析）。墨西哥、越南、泰國成為新增產能重心。
市場規模數字雖持續上調，但需注意統計口徑差異（出貨量 vs 產值 vs 代工營收），橫向對比時應統一基準。
玩家對比
以下從產能規模、客戶結構、液冷能力及製造分佈等維度對主要 AI 伺服器 OEM/ODM 進行定性對比（基於 2023–2024 年公開資訊）。
| 廠商 | 2023 年 AI 伺服器產能重心 | 主要客戶型別 | 液冷整合能力 | 海外製造據點 | 綜合定位 |
|---|---|---|---|---|---|
| 鴻海/FII | 大陸、臺灣、墨西哥；墨西哥新廠專攻 GPU 整機櫃 | Hyperscaler、品牌商 | 具備從冷板到整櫃 CDU 組裝及測試 | 美墨、越南、印度 | 規模最大，重資產先發 |
| 廣達 | 臺灣、泰國；2024 年臺灣新廠投產 | 微軟、AWS、Meta | 液冷整櫃已出貨，自研冷板與管路 | 泰國、美國（少量） | 深度繫結大客戶，高 ASP |
| 英業達 | 大陸、墨西哥、泰國 | 大型雲端商、品牌商 | 液冷組裝線在墨西哥積極擴建 | 墨西哥、泰國、捷克 | 多客戶版面配置，彈性產能 |
| 緯穎（緯創） | 墨西哥、臺灣、馬來西亞 | 微軟、Meta 為主 | 提供 L11 整櫃，含 CDU 及漏水檢測 | 墨西哥、馬來西亞 | 專注白牌，整櫃交付領先 |
| Supermicro | 美國矽谷、臺灣、荷蘭 | 雲端服務商、企業、渠道 | 年產數千臺液冷機櫃，冷板與浸沒方案並進 | 美國、臺灣 | 快速原型，ODM 基因強 |
上述對比未窮盡所有廠商，各公司也通過子公司（如鴻騰精密、緯創資通）進行深度垂直整合。製造端的競爭將圍繞「速度+液冷+整櫃化交付」展開。
風險
- 晶片採購權旁落：品牌商直接控制 GPU 分配，OEM 可能面臨“有產線無晶片”的被動局面，造成產能閒置及固定成本攤銷壓力。
- 客戶高度集中與議價擠壓：前三大客戶往往貢獻過半營收，一旦客戶切換供應商或調整設計，將對 OEM 營收衝擊巨大；代工費率在客戶強勢時易被壓縮。
- 技術設計依賴：AI 伺服器高度依賴輝達 HGX 參考設計或客戶定製，若晶片廠商大幅革新基板版面配置（如 Blackwell 的 NVL72 機櫃架構），OEM 需密集改造產線，資本支出沉沒風險升高。
- 液冷製造良率與安全事故：液冷管路洩漏可能導致數百萬美元 GPU 損壞，降低客戶信任；液冷系統的一次通過率若不及預期，將拉高退貨及售後成本。
- 地緣政治與產能分散：為滿足客戶韌性要求，在墨西哥、越南、印度多地建廠，但當地工程師供給、供應鏈配套短期不足，管理成本增加，初期良率可能低於成熟基地。
- 資本支出週期錯配：OEM 擴張廠房與裝置需提前 1–2 年決策，若 AI 投資熱度降溫導致產能過剩，折舊壓力將侵蝕原本就微薄的獲利。
- 人才短缺：老化測試、液冷檢漏、高速訊號量測等高階技工及工程師供不應求，限制產能爬坡速度。
誤讀糾偏
-
“OEM 就是沒有技術含量的組裝廠”
組裝是外在，內在的技術在於如何在百萬瓦級老化環境中將高速鏈路誤位元速率控制在 1e-15 以下，如何在 10 分鐘內完成數百根液冷管路的氣密全檢，如何將 SMT 貼片偏移控制在 25μm 內。AI 伺服器 OEM 已是精密工業工程整合商。 -
“所有代工廠都叫 OEM”
OEM 特指依客戶設計生產成品；若代工廠主導設計則為 ODM；若僅生產裸板或模組則為 EMS 或零件代工。三種模式獲利結構和競爭力各異。 -
“OEM 獲利隨 AI 晶片出貨線性增長”
實際上，AI 伺服器 BOM 中晶片成本佔比極高，晶片漲價會大幅推升 OEM 營收，但代工費並不等比例上漲，可能造成營收大增而毛利額持平的現象，高營收並非等於高獲利。
最新事件
- 2024 年 3 月，輝達 GTC 釋出 Blackwell 平台：推出 GB200 NVL72 等整機櫃方案，要求 OEM 具備 72 GPU 全液冷整合和高速背板能力。鴻海、廣達、Supermicro 皆宣佈成為首批合作伙伴，並已展示工程樣品。（來源：輝達官網及 Digitimes 會後報道）
- 2024 年 Q2，鴻海墨西哥工廠大規模投產 AI 伺服器：鴻海規劃墨西哥廠產能滿足北美客戶 NVL72 機櫃組裝，部分產線已經客戶驗廠通過，預計 2024 年下半年貢獻顯著出貨。（來源：鴻海法說會簡報，2024/05）
- Supermicro 液冷產能擴張：Supermicro 於 2024 年 6 月宣佈，通過與合作伙伴增加冷板與 CDU 產線，液冷機櫃月產能提升至 5,000 臺以上，支援全球大型 AI 叢集部署。（來源：Supermicro 新聞稿）
- 廣達 AI 伺服器出貨延遲緩和：2024 年初因部分機殼和液冷零元件短缺造成的出貨遞延，在 Q2 逐步緩解，AI 伺服器營收貢獻將進一步推升（廣達電子 2024Q1 法說會公開資訊）。
- 緯穎墨西哥產能擴張：為滿足美系客戶需求，緯穎 2024 年墨西哥新廠進入量產，主要生產 L11 液冷機櫃，並規劃 2025 年進一步提升產能（緯穎法說會，2024 年 Q1）。
事件追蹤顯示 OEM 處於產能競賽階段，量產進度、良率爬坡和液冷供應鏈協同為主要關注點。
追蹤指標
- 季度伺服器出貨量及 AI 滲透率：通過 IDC、TrendForce 季度追蹤及 OEM 公司出貨展望，觀察 AI 伺服器佔比提升。
- OEM 廠商 AI 伺服器營收佔比：留意各公司法說會揭露的“AI 伺服器/高階伺服器營收比重”變化，判斷代工結構升級進度。
- 代工單品 MVA 變動方向：雖不直接揭露，可通過平均毛利率與產品組合推斷；液冷和高功率機型佔比提升往往預示 MVA 上行。
- 資本支出及新產能投產節奏：關注鴻海、廣達、緯穎等公告的資本支出與工廠啟用節點，對照實際出貨增長，驗證產能轉化效率。
- 老化測試電力容量：公開資料較少，但可從子公司環評、供電申請等間接推斷單廠測試能力。
- 客戶端資本支出與採購模式：AWS、微軟、Meta、Google的季度資本支出和伺服器採購計劃，是 OEM 未來 1–2 個季度的需求先行指標。
- GPU 及關鍵元件交期：關注輝達 GPU 交貨 Lead Time、HBM 記憶體、液冷零元件的供應狀況，直接關係 OEM 生產飽和度。
- 液冷事故與召回事件：監測產品安全記錄，一旦發生大規模洩漏或召回，將影響客戶偏好和獲利率。
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 供應鏈報告
- SemiAnalysis 產業鏈分析（付費訂閱）
- 鴻海精密、廣達電腦、英業達、緯穎/緯創、Supermicro 等季度法說會資料、年報及新聞稿
- 輝達、AMD、英特爾官網及合作伙伴清單
- Open Compute Project (OCP) 液冷規範及技術白皮書
- 相關行業媒體：ServeTheHome、AnandTech、LightCounting
所有資料請以各機構及公司最新揭露為準。本頁數字若未特定說明，均出自上述信源截至 2024 年中的公開成果，部分估計值已標註口徑與年份。