Rack-scale Architecture

3 秒看懂

Rack-scale Architecture（機架規模架構）是一種將資料中心硬體資源——計算、記憶體、儲存、加速器——在單個機架範圍內解耦、池化並用高速互連重新組合的設計哲學。其目標是將硬體像軟體一樣可編排，實現“按需組裝伺服器”，打破傳統刀片/機架式伺服器固化的資源配比，大幅提升資源利用率，降低總體擁有成本（TCO），並允許不同硬體代際獨立演進。使用者通過管理軟體發出一組邏輯伺服器的資源需求，幾秒內即可從池中抽取模組組成一臺物理伺服器，負載結束後資源迴歸池中等待下一次重組。

3 分鐘產業解釋

傳統資料中心以單體伺服器為最小採購和運維單元，其內部 CPU、記憶體、硬碟、網絡卡緊耦合。即使一臺伺服器記憶體空餘 60%，也無法劃撥給另一臺記憶體不足的伺服器；若要升級記憶體代際，往往需要對整機進行連帶替換。Rack-scale Architecture 將機架內的各個功能模組製成獨立滑板（sled）或抽屜：

• 計算模組：僅含 CPU、少量本地記憶體和基礎韌體，必要時可配備輕量儲存。
• 記憶體模組：帶有 CXL/記憶體語義控制器的大容量 DRAM 池，可被多計算節點通過快取一致性互連共享。
• 儲存模組：NVMe SSD 池、SAS/SATA 盤池或支援 NVMe-oF 的 JBOF（Just a Bunch Of Flash）。
• 加速模組：GPU、FPGA 或其它 ASIC 的專用加速器池。
• 網路模組：內建高頻寬乙太網路或 InfiniBand 交換器件，提供機架內與機架間拓撲。

這些模組通過機架級互連背板（常基於 PCIe 交換、乙太網路、CXL 或專有光學互連）和統一管理韌體連線在一起。編排軟體相當於硬體層面的“作業系統”，負責發現資源、維持健康狀態，並以 API 的形式向北暴露給雲端管理平台。運營商、超大規模雲端廠商（Hyperscaler）和大型網際網路公司已在內部基礎設施中部署此類架構，以提高 GPU、記憶體等稀缺資源的流轉速度，並實現不同代際硬體的混合部署。

技術原理（最深，含機制與關鍵引數，附 ASCII 示意圖）

資源解耦的邏輯拓撲

+------------------------------------------------------------------+
|                        Rack Management Software                  |
|      (Orchestrator: 發現、組合、健康監控、資源分配)                |
+------+-------+-------+-------+-------+-------+-------+------+----+
       |               |               |               |
       v               v               v               v
+------------+ +------------+ +------------+ +------------+
| Compute    | | Memory     | | Storage    | | Accelerator|
| Sled 1..n  | | Pool 1..m  | | Pool 1..k  | | Pool 1..j  |
| (CPU only) | | (DRAM+     | | (NVMe SSD) | | (GPU/FPGA)|
+------------+ | CXL ctrl)  | +------------+ +------------+
       |       +------+-----+       |               |
       +----------+----+-----------+---------------+----> ToR Switch
                  |                                 (Ethernet/IB)
                  +---- 機架內互連背板 (PCIe/CXL/Ethernet) ----+

動態組建邏輯伺服器

編排器選定計算滑板 #1、記憶體池模組 #5（提供 256 GB 遠端記憶體）、儲存池模組 #12（兩塊 3.2 TB NVMe SSD）、加速器池模組 #2（一塊 GPU）。機架管理控制器（Rack Management Controller，RMC）通過帶外通道配置互連交換晶片，為計算滑板 #1 的 PCIe 匯流排建立到所述模組的獨佔或共享通道。在較新的實現中，若採用 CXL，該通道可承載 CXL.mem 和 CXL.cache 協議，使計算滑板能夠以載入/儲存指令直接訪問遠端記憶體，並在本地快取中保持一致性。作業系統啟動後，裝置樹呈現的即是一臺“自有本地 CPU、遠端記憶體、遠端 NVMe 盤、遠端 GPU”的邏輯伺服器，應用無需感知底層物理解耦。負載釋放後，互連中的邏輯訪問邊界被拆除，各模組迴歸空閒池，可立即用於其它邏輯伺服器的組合。

核心連線協議

• CXL.mem：主機通過載入/儲存訪問裝置附加記憶體，CPU 快取一致性協議負責維護多副本一致。這是實現機架內記憶體池化的基石，典型附加記憶體延遲在百納秒至微秒量級，取決於物理距離和交換層數。
• CXL.cache：允許加速器裝置快取主機記憶體，用於 GPU、FPGA 等主動訪問主機記憶體的場景。
• PCIe 多主機與非透明橋（NTB）：在多個計算節點共享同一儲存或加速器池時，通過 NTB 實現地址域隔離與故障邊界，防止一個計算節點的錯誤影響其它節點。
• NVMe-oF（NVMe over Fabrics）：當儲存池需要跨機架甚至跨行擴充套件時，通過 RoCE v2 或 TCP 網路封裝 NVMe 命令，把儲存資源作為網路目標掛載到計算節點，提供接近本地 NVMe 的延遲和頻寬。
• RDMA 語義：在機架內或跨機架通訊中，使用 InfiniBand 或 RoCE 的 RDMA 實現記憶體直接的遠端讀寫，繞過遠端 CPU，顯著降低延遲，對於分散式快取和加速器通訊至關重要。

散熱與供電重構

傳統伺服器為每臺裝置配備獨立電源和風扇，容量疊加後效率往往不佳。Rack-scale 架構將 48 V 或 12 V 母線直接整合在機架背板或匯流排制匯流排上，各滑板通過盲插聯結器取電，減少了多級電壓變換損耗。同時，高功耗模組（GPU、高階 CPU）可採用冷板液冷直接帶走熱量，低功耗儲存和記憶體模組僅在機架級統一風道中散熱，液冷歧管與背板整合，使整機架能源使用效率（PUE）更可控，亦可針對不同負載分時調節各模組的功率配額。

關鍵引數

以下引數是評估 Rack-scale Architecture 實際能力與成熟度的核心指標，多數數值依賴具體實現與互連代際，此處僅給出定性描述及典型量級。

• 資源池化率：機架內可被遠置共享的記憶體、儲存、加速器容量佔對應資源總量的比例。理想的池化率 > 80%，但按目前公開揭露，多數早期部署僅在 30%~50% 之間，主要受限於 CXL 交換成本及記憶體池化軟體棧成熟度。
• 遠端記憶體訪問延遲：計算節點通過 CXL.mem 讀取遠端記憶體一次的往返延遲。第一代 CXL 實現約在 250400 ns 附加延遲（相較於本地 DDR 記憶體約 80120 ns），CXL 3.0 引入多層交換和更高物理速率後，理論上可通過更優路由減小附加延遲，但具體量產資料公開資料未見。
• 遠端記憶體頻寬：單計算節點能穩定獲得的遠端記憶體頻寬，受限於 CXL 鏈路寬度（x8/x16）和交換晶片吞吐能力。理論峰值在 PCIe 5.0 ×16 下可接近 64 GB/s，但實際共享池下的穩態頻寬受多埠爭搶影響，需按實際負載強度評估。
• 邏輯伺服器重組時間：從 API 下發資源申請到硬體互連配置完畢、計算節點完成上電並引導 OS 的總耗時。理想的敏捷場景要求 < 60 秒，但包含 NVMe 分割槽格式化和堆疊初始化的場景可能延長到 3~5 分鐘，目前公開報道中未見穩定生產環境下的秒級重組資料。
• 機架總功率密度與動態分配精度：典型滿配機架可達 20~40 kW，解耦後能否以 1 W 或更低步長對各滑板功率進行精細限幅，直接影響混合負載共存的效率。部分支援 PMBus 和 RMC 管理的系統已實現滑板級動態功率分配，但精度因實施而異。
• 故障域隔離與重組速度：單個記憶體模組或交換晶片故障時，受影響邏輯伺服器的遷移與重組耗時。理想情況下，僅需將故障元件標記為不可用，對應的計算節點與剩餘健康資源重新組合，耗時應在秒級，但實際需要檔案系統/應用層面的協同恢復，公開實測資料未見。

由於缺乏標準化的行業基準測試套件，上述引數目前仍以廠商各自公佈的資料為主，建議橫向對比時效時注意測試條件與負載型別，不宜簡單數值對比。

技術路線

傳統緊耦合伺服器（基線）

所有資源封裝在一塊主機板上，通過 PCIe 匯流排內部連線。記憶體與 CPU 距離最短，延遲最優，但資源配比固定，升級需整機替換，閒置資源無法複用。適用於負載穩定且規模較小的場景，但雲端化彈性場景下資源浪費明顯。

刀鋒伺服器/融合架構（過渡形態）

機箱內共享電源、散熱、管理，伺服器刀片可熱插拔，但每塊刀片內 CPU 與本機記憶體仍緊耦合。以 HPE BladeSystem、Dell MX 系列為代表。提高了運維密度和部分共享能力，但並未實現記憶體與計算的解耦，無法解決“記憶體豎井”問題。

全解耦 Rack-scale（目標形態）

計算、記憶體、儲存、加速器各自獨立成為池化資源，通過機架級快取一致性互連（CXL/PCIe）進行重組，相容多種硬體代際混用。典型實踐包括 OCP Open Rack v3 系列規格、Intel 內部初代 RSA（Rack Scale Architecture）概念驗證、以及各大雲端廠商的自研解耦機架。軟體定義的範圍從虛擬化層下沉到物理硬體層，是行業公認的下一代基礎設施設計範式。

路線技術特徵對比

特性	傳統機架式伺服器	刀片/融合架構	解耦式 Rack-scale Architecture
資源顆粒度	整機固定	伺服器刀片仍緊耦合	獨立 CPU/記憶體/儲存/加速器滑板
資源擴充套件靈活性	極低，需整機更換	較低，可替換刀片但配置固定	高，可單獨擴充套件某一類資源
記憶體共享機制	無	無	基於 CXL 快取一致性共享池
典型互連延遲（計算-遠端記憶體）	不適用	不適用	百納秒～微秒量級（含 CXL 交換與介質延遲）
管理複雜性	低	中	高，需專用編排軟體與硬體管理架構
硬體代際獨立升級	否	部分支援	是，CPU/記憶體/儲存可分別換代
生態標準化程度	成熟	較成熟	正在標準化（OCP/CXL/Open19）

上游

Rack-scale Architecture 的實現依賴一系列上游核心元器件與基礎材料供應商：

• 晶片與 IP 層：CPU 供應商（Intel Xeon Scalable、AMD EPYC、Ampere Altra 等 ARM 平台）需整合 CXL 控制器與快取一致性邏輯；交換晶片廠商（Broadcom、Microchip、Marvell、瀾起科技）提供 PCIe/CXL 交換與重定時器；高速 SerDes 與 PHY IP 由 Synopsys、Cadence 等提供。
• 記憶體與儲存器件：DRAM 原廠（Samsung、SK hynix、Micron）推出 CXL 記憶體模組，將原本僅限本機的記憶體擴充套件為可網路化訪問的獨立裝置；NAND/NVMe SSD 控制器廠商適配 NVMe-oF 協議，支援直連池化。
• 連線與背板技術：高密度背板聯結器（Amphenol、Molex、TE Connectivity）需支援 PCIe 5.0/6.0 高速訊號完整性；光模組與有源銅纜（如 Intel、II-VI/Coherent、Lumentum）提供機架內和機架間長距互聯。
• 電源與散熱：高功率密度 DC 電源模組、匯流排及冷板液冷歧管供應商（Vertiv、CoolIT、Boyd Corporation 等），為 40 kW+ 機架提供高效供電和液冷解決方案。
• 管理元件：BMC/RMC 控制晶片與韌體，如 ASPEED AST2600 等，需支援 Redfish 等標準協議。

下游

下游主要覆蓋採購、部署、運營解耦機架的關鍵行業與客戶：

• 超大規模雲端服務商（Hyperscaler）：Amazon Web Services、Microsoft Azure、Google Cloud、阿里雲端、騰訊雲端等，它們是最主要的推動者和早期部署者，通過自研設計或與 ODM 合作，在內部資料中心大批次應用定製化解耦機架，提升資源利用率和運營效率。
• 大型網際網路與科技公司：Meta（原 Facebook）、ByteDance、百度、快手等擁有超大規模伺服器叢集的企業，在成本壓力與效能需求下轉向解耦方案，尤其在大型模型訓練等對記憶體和 GPU 需求波動劇烈的場景中。
• 電信運營商與邊緣場景：隨著 5G 核心網虛擬化（NFV）、移動邊緣計算（MEC）對資源靈活性的需求，電信裝置商和運營商也開始驗證小規模機架解耦架構，以實現在有限空間內支撐多種工作負載。
• 金融、高效能運算與政務雲端：對效能和資源隔離要求較高的行業，可能採用解耦機架實現裸金屬物理隔離與彈性並存的架構，滿足合規要求的同時降低閒置成本。

受益公司

此處基於公開產品路線與生態參與進行定性羅列，不受投資建議目的驅動，也不納入任何公司財務分析。

• 開放生態推動者與獲益者：Meta、Microsoft 等通過 OCP 開放標準拉低了定製基礎設施的門檻，使白盒解耦機架方案迅速向其他使用者擴散，自身也獲得供應鏈多樣性和採購議價能力。
• 核心晶片與互連巨頭：Intel、AMD 通過將 CXL 整合到 CPU 路線圖中，擴充套件處理器在記憶體池化時代的價值；NVIDIA 藉助 NVLink、NVSwitch 建置機架級 GPU 池化能力，緊密耦合的加速器架構也可視為 rack-scale 理念的特例；Broadcom 和 Marvell 在交換晶片端獲取增量市場。
• 記憶體與儲存供應商：Samsung、SK hynix、Micron 等將記憶體從伺服器的“配件”變為可獨立交付的池化模組，有望開闢全新產品品類（如 CXL Memory Expander），改變原有以伺服器為單位的銷售模式。
• ODM 與系統整機商：Wiwynn、Quanta、Inventec、英業達等 ODM 大廠，以及超聚變、浪潮資訊等伺服器廠商，通過推出符合 OCP 標準的解耦滑板、液冷機架及管理軟體，承接雲端廠商大規模訂單，份額有望持續提升。
• 管理軟體與韌體提供商：提供 Redfish 基座管理、智慧編排中介軟體的獨立軟體廠商，也將隨著硬體解耦複雜度上升而獲得價值增長空間。

市場規模

公開資料未見針對全球 Rack-scale Architecture 的獨立市場營收與出貨量統計口徑。其產業規模目前散佈於多個細分行業的“交集”中，難以直接加總。建議通過關聯市場的公開研究報告間接衡量：

• 伺服器與主機板出貨量：IDC 和 Gartner 每季度釋出全球伺服器供應商營收與出貨量，其中包含了定製化/白盒機架系統的統計。可關注其中 Open Compute 設計及 ODM direct 份額的變化，作為解耦滲透率的間接指標。
• CXL 記憶體及交換器市場：若干第三方（如 650 Group、Yole Intelligence）自 2023 年起開始釋出 CXL 專用記憶體模組與交換晶片的出貨量、營收預測。如需量化數字，應直接查閱其最新付費版報告，本文不予轉載或估算。
• 資料中心互連（DCI）與液冷市場：高階互連背板和液冷方案的擴張一定程度上反映高密度、高功耗機架的採用情況，可參考 Dell’Oro Group、Omdia 的資料中心乙太網路交換與液冷市場報告。
• 雲端廠商資本支出：Hyperscaler 每季度揭露的資本支出中，部分用於自研基礎設施，可結合公開技術演講（如 OCP Global Summit）推測解耦架構部署規模，但無單獨財務拆解。

整體而言，來自 AI/ML 負載的記憶體頻寬壓力和資料中心 TCO 最佳化需求，正在推動解耦機架從概念驗證走向規模部署，其市場動能與相關標準（CXL 3.0、OCP Open Rack v3）的商用節奏高度相關。如需獲取具體金額預測，應參閱上述專業機構的最新資料庫。

玩家對比

下表基於公開技術路線與市場參與角色進行定性比較，不對任何公司進行競爭力評等或投資建議。

玩家型別	代表公司/組織	核心技術/產品	關鍵動作與影響力
超大規模自研派	Meta、Microsoft、Google、Amazon、阿里巴巴	自研解耦機架、定製管理軟體、自研記憶體與 GPU 池化方案	通過 OCP 等開放標準推動供應鏈成熟；內部大規模部署逐步驗證 TCO 收益，但多數為閉源方案，不直接對第三方銷售
晶片與互連巨頭	Intel、AMD、NVIDIA	CXL 整合 CPU/GPU、CXL 交換晶片、NVLink 池化	Intel 帶頭 RSA 概念並擴充套件至矽光互連；AMD 建置 CXL 生態；NVIDIA 以 GPU 為中心閉環池化，開放度較低但效能極強
記憶體/儲存模組廠商	Samsung、SK hynix、Micron	CXL 記憶體模組、NVMe-oF 儲存 JBOF	陸續釋出 512 GB~2 TB 容量的 CXL 記憶體擴充套件器，推動記憶體獨立銷售模式；參與 OCP 工作小組制定標準
交換與連線元件商	Broadcom、Marvell、Microchip、瀾起	PCIe/CXL 重定時器、交換晶片、飛騰等相容控制器	提供建置背板互連的核心矽片；其中部分廠商推出機架級參考設計，協助 ODM 快速開發
ODM/系統整合商	Wiwynn、Quanta、Inventec、英業達、浪潮、超聚變	解耦機架量產品、液冷歧管整合、智慧管理平台	直接承接雲端廠商大單，參與 OCP 方案公開提交；正從單純硬體製造商轉向解決方案提供商
軟體與管理平台	少數獨立廠商、開源社群（OpenBMC、Redfish 架構）	智慧資源編排、策略驅動組合、數字孿生	生態尚在早期，多數繫結大型客戶內部平台；開源專案加速管理平面標準化

風險

技術成熟度與標準收斂風險

CXL 雖已收斂為行業內最主流的互連協議，但其 3.0 規範中定義的多級交換、多主機共享等高階特性尚未大量量產部署。目前市面上可見的外設主要停留在 CXL 1.1/2.0 的點對點記憶體擴充套件層面，機架級共享池的軟硬體堆疊仍處於原型與小批次階段。若未來 CXL 演進步伐不及預期，或被新出現的競爭性互連（如 UALink）分流，可能導致已投入的解耦設計面臨沉沒成本。

軟體與管理複雜性超預期

管理數萬片獨立的硬體模組並保持高可靠性，對編排軟體提出了極高要求。故障模組的隔離、記憶體頁的熱遷移、NUMA 親和性排程等在理論上已有原型實現，但在生產環境相容現有虛擬化與容器平台仍需大量工程投入。如果軟體棧成熟度跟不上硬體速度，使用者可能將解耦系統視為不可靠或難以維護的“超級玩具”，延遲規模化採購。

生態鎖定與供應鏈單一化

儘管 OCP 等組織力圖實現開放互操作，但若少數晶片廠商在給定時間段內成為 CXL 交換與控制器事實上的唯一供應源，或雲端廠商內部採用大量私有擴充套件，均可能造成新形態下的供應鏈集中風險，反向削弱基礎設施的議價能力與多元選擇，背離 rack-scale 倡導的“開放硬體”初衷。

安全隔離邊界重新定義

在共享的資源池中，邏輯伺服器間僅靠地址域和訪問控制隔離，物理記憶體或加速器上的資料殘留、側通道攻擊以及跨租戶資訊洩露成為新型安全威脅。相關防禦機制（如記憶體清洗、安全加密虛擬化、裝置重置協議）雖已在定義，但實際部署和效能損耗仍缺乏公開的量化報告，可能成為合規敏感行業採納的主要障礙。

經濟效益未達預期

池化與解耦帶來的採購靈活性可能被更高的初期投入（高速背板、光互連、液冷改造）和運維複雜度所抵消。若單位資源綜合 TCO 無法在 3~5 年週期內顯著優於傳統刀片/融合架構，且目前多數公開 TCO 模型依賴大量假設條件，真實案例公開揭露極少，企業的遷移意願可能受限。

誤讀糾偏

1. “Rack-scale Architecture 就是把刀鋒伺服器做得更大” 錯誤。刀鋒伺服器機箱雖然共享電源、散熱和管理匯流排，但每塊刀片本質上仍是一臺完整的伺服器，CPU、記憶體、本地儲存強耦合。機架規模架構的核心要求是把記憶體從計算節點中解耦出來，形成物理上獨立且可多節點共享的池，並通過快取一致性互連使多計算節點直接訪問統一的記憶體空間，這是本質差異。

2. “只要引入 CXL 交換器就算實現 rack-scale” CXL 交換是關鍵的硬體使能器之一，但真正的 rack-scale 架構必須覆蓋：硬體的模組化解耦設計、管理控制器的統一編排能力、韌體/BIOS/OS 的協同支援，以及用於資源發現與組合的 API 體系。僅單點替換部分背板為 CXL 交換器而無上層智慧編排，只能算區域性互聯升級，無法達到“按需重組邏輯伺服器”的彈性目標。

3. “解耦等於效能下降，只能用於冷資料場景” 遠端記憶體的附加延遲確實高於本地 DDR，但通過 CXL 快取一致性、頁面放置策略和智慧預取演算法，多數應用在合理 NUMA 分割槽下可實現約 80%~95% 的效能。對於記憶體頻寬飢餓型負載（如記憶體資料庫、AI 推論的大容量字典查詢），擴充遠端記憶體帶來的容量收益往往超過輕微延遲增加的影響，不可一概而論。

4. “很快就能在公有雲端上買到按小時的解耦裸金屬” 目前多數解耦機架被 Hyperscaler 用於內部工作負載或專屬的裸金屬產品線，並未完全開放為多租戶即用即付。出租共享硬體池涉及到安全隔離、計費單元拆分以及運維責任歸屬等仍未徹底解決的組織與工程問題，公開資料未見任何公有雲端宣佈全面提供解耦式彈性裸金屬的服務時間表。

最新事件

（截至 2025 年 4 月，基於各公司公開部落格、OCP 峰會演講、行業媒體公開報道，不包含未揭露細節）

• CXL 3.0 規範落地與裝置商用啟動：CXL 聯盟在 2023 年釋出 3.0 規範，支援多級交換和多頭主機共享，使機架級記憶體池互連成為可能。部分廠商在 2024 年已展示採用 CXL 3.0 交換的參考設計，但量產晶片和系統仍處於樣品或有限供應階段。
• 三星/海力士 CXL 記憶體模組進入樣品交付：Samsung 在 2023~2024 年間推出 512 GB CXL 記憶體擴充套件器，並進入多客戶概念驗證階段；SK hynix 也展示類似產品，部分超大規模客戶已將其用於特定的大記憶體應用測試。
• OCP Open Rack v3 與解耦設計提交增加：越來越多 ODM 和雲端廠商將解耦機架設計提交 OCP 社群，包括液冷滑板、CXL 背板聯結器引腳定義以及智慧電源分配模組等。2024 年全球峰會上可見超過 10 種基於 CXL 的機架原型展示。
• NVIDIA 持續強化機架級 GPU 池化（NVSwitch/NVLink）：在 DGX GB200 等新一代產品中，NVIDIA 將 GPU 間的互連擴充套件到整個機架，形成邏輯上的巨型加速器，進一步驗證了機架級池化的工程可行性，但該模式為封閉生態，與開放 CXL 形成兩條路徑的對比。
• UALink 聯盟成立：AMD、Broadcom、Cisco、Google、HPE、Intel、Meta 和 Microsoft 於 2024 年 5 月聯合組建 UALink 聯盟，旨在為 AI 加速器到加速器通訊定義開放標準，可能對 CXL 在高效能推論/訓練領域的角色形成互補或競爭，具體影響有待觀察。
• 多家雲端廠商在 2024 年公開提及解耦記憶體/儲存部署：在各自技術大會上，一些雲端廠商展示了基於 CXL 的記憶體分層與池化在加速記憶體資料庫、大規模多租戶 AI 推論方面的效果，但未揭露具體部署規模和成本資料。

追蹤指標

要判斷 Rack-scale Architecture 是否真正走向產業規模化，可重點觀察以下可量化的指標，多數資料可從公開財務報告、行業組織釋出或廠商部落格中抽取。

• CXL 相容 CPU 出貨滲透率：Intel Xeon Scalable（第四代及之後）和 AMD EPYC（Genoa 及之後）均已支援 CXL 1.1 或更高版本。追蹤這些 CPU 的季度出貨量可反映支援解耦的計算基礎規模。
• CXL 外設與交換晶片出貨量：關注主要交換晶片廠商（Broadcom、Marvell、Microchip）的財報或演講中是否揭露 CXL 相關埠數或營收，以及三星、海力士等記憶體廠商的 CXL 記憶體模組出貨量展望。
• OCP 市場採納比率：OCP 市場分析報告會統計 ODM 白盒伺服器出貨佔比，以及 OCP 方案在總伺服器市場的滲透率，間接觸及解耦架構的增量空間。
• 雲端廠商資本支出中“定製基礎設施”佔比：分析 Amazon、Microsoft、Google、Meta 等季度 10-Q/10-K，關注與自有資料中心設計和硬體採購相關的揭露，結合 ODM 直接業務營收，推斷解耦機架的增量。
• 互連標準化進展：CXL 聯盟成員數、互操作測試（Plugfest）參與廠商數及通過率、OCP 及相關工作組接收的設計提交數量。
• 液冷滲透率與機架功率密度中位數：Uptime Institute 等機構的年度調查，可提供高密度機架（>30 kW）比例的變化，反映高功耗解耦系統的落地節奏。

信源

本頁內容基於以下公開、權威的行業來源進行綜合、歸納，不包含任何機密或專利資訊：

• Open Compute Project（OCP）：全球伺服器硬體開放標準的主要制定與推動組織，釋出 Open Rack v3、解耦滑板及液冷等規格。網址：https://www.opencompute.org/
• Compute Express Link（CXL）聯盟：維護 CXL 規範，釋出互操作白皮書。網址：https://www.computeexpresslink.org/
• CXL 3.0 白皮書：CXL 聯盟 2023 年釋出的官方技術規範概覽，描述了多級交換和共享記憶體拓撲。
• OCP Global Summit 演講：每年舉行的全球峰會，雲端廠商、ODM 與晶片廠商揭露最新設計與部署案例，影片與簡報可於 OCP 官網獲取。
• 主要晶片廠商官網與開發者部落格：Intel、AMD、NVIDIA 的官方新聞室和技術部落格，包含 CXL 路線圖與解耦參考架構介紹。
• 記憶體與儲存廠商新聞稿：Samsung、SK hynix、Micron 釋出的 CXL 記憶體擴充套件器產品公告和技術白皮書。
• 行業分析機構報告方向參考：650 Group（CXL 與記憶體互連）；Dell’Oro Group（資料中心網路與液冷）；IDC、Gartner（伺服器與系統出貨量）；Yole Intelligence（先進互連與半導體）；Omdia（資料中心基礎設施）。具體數字與圖表需查閱原付費報告。