服务器配件价格占比

服务器配件价格占比如下：

1、一套机箱下来可能占40%，一个鼠标上千元，没法估算的。

2、按照正常5000元左右的中端家用组装机估算的话，以下为例：高端I5独显平台（配置清单）价格，CPU占20%，主板占10%，内存占6%，硬盘占10%，显卡占18%，电源占8%，机箱占7%，显示器占15%，剩下的就是键鼠及外设大约6%左右。

2020GIDC全球互联网数据大会在深圳正式召开，会议从“数据经济”的角度出发，针对“新基建”、“边缘计算”、“容器技术”、“AI”、“RPA”等主流的技术趋势进行解读，众多嘉宾及企业分享了其在平台及技术生态搭建方面的见解与思考。

浪潮集团广东公司首席技术官陈逸聪出席大会，并以“突破计算边界，开放成就未来”为题，分享了其对智慧计算、数据中心等方面的看法。

陈逸聪表示，现在无论是互联网服务还是数据服务、数据中心运行等都和计算息息相关，而随着5G、AI、大数据时代的到来，计算的定义不仅仅局限于原有的传统的去中心化计算，而是与智慧挂钩，与此同时新型业务对计算力和数据中心的要求日益提高， 那么不局限于原有的定义，突破计算边界、推动形成开放计算生态成为亟需解决的行业核心要点所在。

他强调，智慧计算正源源不断地改变着我们现在和未来的生产生活方式，从日常生活到企业的数字化转型都留下了深刻的影响， 简言之，计算力就是生产力。

陈逸聪讲到，传统的数据中心就是部署一个机房或者一个机柜的设备，便能解决计算的需求，而随着互联网业务的发展和数据的扩增，加之2020年初爆发的疫情影响，使原来很多线下的活动转而在线上举行。 线上业务的发展意味着数据中心的规模变得越来越庞大和承载的设备越来越多，也意味着对后端的技术支撑和计算力提了新的要求。

此外在今年，国家发改委提出了在全国布局10个左右区域级数据中心集群和智能计算中心的规划，粤港澳大湾区亦规划一个数据中心集群，新型数据中心的建设成为关注的焦点所在。从几年前数据中心的规模扩大到现在超大型数据中心的承载计算设备的数量增多的变化来看，超大规模数据中心的建设一直在快速增长，并且大型数据中心发展带来对应用支撑的复杂度和对数据中心的管理都有所提高。

陈逸聪表示，原来的服务器、存储、网络到计算机操作系统等数据中心建设所需的设备，对于其厂商、设备品牌是谁并不是需要过度关注的问题， 而随着大数据越来越聚集、对于云统一的认知愈发引起行业关注与思考。 云统一的话能否把各个服务器管起来，目前国内的包括阿里云、腾讯云都在进行，那么对于统一管理的标准如何制定亦有待商榷。

数据中心最大的开销是电力成本，目前全球所有数据中心，一年的总能耗数据显示是3000亿度，转换成发电站的发电来看的话，相当于30座大型核电站的一年发电量。如果在深圳建设一个超大型数据中心集群服务整个粤港澳大湾区，同时配套建设三个核电站做电力支撑并不现实，这必然会对新型超大型数据中心的绿色节能、高效运维有更高要求。

那么如何解决这一难题？陈逸聪举了一个例子，他讲到，原来服务器即物理机、现在已逐步服务的云计算均被业内所接受。云可以即开即用，但是亦有一些性能上的损耗；物理机最快数小时交付，所有的物理机是实时开通，即开即用，隔离性强，稳定性强，但相比云计算能耗也最高。

从另一个角度而言，超高的能耗严重影响数据中心业务的快速发展，中国因为互联网发展迅速，我们的数据中心建设也在世界的前列，一年下来年耗电量是在一千亿度，相当于整个三峡大坝一年的发电量，能耗控制产生了对一些新技术的要求。同时， 打破物理边界，实现资源池化亦是数据中心发展追求的方向，以便提高计算资源利用率，实现更高性能和更低TCO以及高效运维。

浪潮通过L11级一体化交付，使交付更快更便捷。在2019年春节前三周完成了突发需求一万台供货保障，从收到需求到交付完毕，仅用时两周。 曾经创造了一天8个小时之内物理地上架1万台服务器到数据中心的交付记录，保障了客户实现全球央视春晚观众红包互动的庞大业务需求。 此外，浪潮还通过开放计算加速智算中心建设，推动 社会 智慧转型，目前已布局全线开放计算标准产品线，多年来一直践行开放计算理念并引领开放计算标准，持续定义领先的开放计算产品。

陈逸聪表示，现在浪潮在市场上也得到了认可，前不久国际权威数据机构IDC公布的2020年Q2数据报告中显示： 浪潮服务器国内出货量市场占比11.3%，增速80%，全球第一。浪潮 86服务器在中国市场市占率42.6%，排名中国第一。特别在AI领域，浪潮AI服务器中国市场占有率连续三年超过50%。

他强调到，浪潮为业界提供了全栈信息化解决方案，也期待与业内合作伙伴们共同打造一个开放的计算环境，为业内生态的建设创造更美好的未来。

1.GPU：计算机图显核心

1.1 GPU：计算机图形显示核心

GPU基本概念：图形处理器（graphics processing unit，缩写GPU），又称显示核心、视觉处理器、显示芯片，是一种专门在个人电脑、工作站、游戏机和一些移动设备（如平板电脑、智能手机等）上做图像和图形相关运算工作的微处理器。

GPU是显卡的处理器：显卡全称显示适配卡，又称显示适配器，用于协助CPU进行图像处理，作用是将CPU送来的图像信号经过处理再输送到显示器上，由主板连接设备、监视器连接设备、处理器和内存组成，GPU即是显卡处理器。

1.2 GPU擅长大规模并发计算

GPU工作原理：GPU的工作通俗的来说就是完成3D图形的生成，将图形映射到相应的像素点上，对每个像素进行计算确定最终颜色并完成输出，一般分为顶点处理、光栅化计算、纹理贴图、像素处理、输出五个步骤。GPU采用流式并行计算模式，可对每个数据行独立的并行计算。

GPU与CPU区别：CPU基于低延时设计，由运算器（ALU）和控制器（CU），以及若干个寄存器和高速缓冲存储器组成，功能模块较多，擅长逻辑控制，串行运算。GPU基于大吞吐量设计，拥有更多的ALU用于数据处理，适合对密集数据进行并行处理，擅长大规模并发计算，因此GPU也被应用于AI训练等需要大规模并发计算场景。

1.3 GPU可分为独立GPU和集成GPU

独立GPU：独立GPU一般封装在独立的显卡电路板上，使用专用的显示存储器，独立显卡性能由GPU性能与显存带宽共同决定。一般来讲，独立GPU的性能更高，但因此系统功耗、发热量较大。

集成GPU：集成GPU常和CPU共用一个Die，共享系统内存。集成GPU的制作由CPU厂家完成，因此兼容性较强，并且功耗低、发热量小。但如果显卡运行需要占用大量内存，整个系统运行会受限，此外系统内存的频率通常比独立显卡的显存低很多，因此一般集成GPU的性能比独立GPU更低。

1.4 GPU广泛运用在图显和并行计算场景

GPU拥有单一的强大并行计算能力，所以用途往往是需要大规模并行计算的场景。早期GPU多被用于2D和3D图形的计算和处理，因为图形数据的处理往往涉及到大量的大型矩阵运算，计算量大但易于并行化。近年由于大数据、人工智能发展，GPU也常常被用于需要大量重复计算的数据挖掘领域，如机器学习，深度学习等。

GPU使用场景：GPU被广泛地运用于PC、服务器、移动等领域。其中服务器GPU可做专业图形处理、计算加速、深度学习等应用，以独立GPU为主；移动端GPU主要采用集成GPU；PC根据使用用途不同，既可以搭载独立GPU，也可以使用集成GPU。

1.5 全球GPU巨头：NVIDIA、AMD

NVIDIA（英伟达）：创立于1993年，1999年发明了GPU，最初专注PC图形，后来拓展到密集计算领域，Nvidia利用GPU创建了科学计算、人工智能、数据科学、自动驾驶汽车、机器人技术、AR和VR的平台。 Nvidia是目前全球最大的独立GPU供应商，2020年营收166.8亿美元，2021Q2 Nvidia全球独立GPU市场份额达到83%。

AMD（超威半导体）：成立于1969年，目前业内稀缺的可以提供高性能CPU、高性能独立显卡GPU、主板芯片组三大组件的半导体公司。2020年AMD营收97.6亿美元，其中计算和图形（包括CPU、GPU、APU等）业务营收64.3亿美元，2021Q2 AMD全球独立GPU市场份额达到17%。

2.GPU两大应用场景：图显、计算

2.1 2020全球GPU市场规模接近千亿美元

2020年全球GPU市场规模达到999.1亿美元。3D图像显示、人工智能深度学习的需求支撑GPU市场持续增长，根据Verified Market Research数据，2020年全球GPU市场规模达到999.1亿美元，预计2028年达到1581.6亿美元，CAGR为5.9%。

测算2020年中国大陆独立GPU市场规模约235亿美元。中国是全球GPU市场重要组成部分，2020年Nvidia、AMD在中国大陆收入占比分别为23.3%、23.9%，我们假设中国大陆独立GPU市场占全球23.5%，测算2020年中国大陆独立GPU市场规模约为235亿美元。

2.2 PC GPU：2020年全球出货3.94亿片

PC（个人电脑）是GPU重要应用场景，根据Jon Peddie Research（JPR）数据，2020年全球GPU出货3.94亿片，同比增长17.9%。

2.3 PC GPU：Nvidia和AMD占据独立GPU市场

Intel领导集成GPU市场。Intel（英特尔）是全球最大的CPU制造商，2021Q2占据全球77.5%的x86 CPU市场，集成GPU集成在CPU中，Intel凭借CPU市场地位，占据全球PC GPU大部分市场。根据JPR数据，2021Q2 Intel占据全球68.3%的PC GPU市场份额，Nvidia和AMD市场份额分别为15.2%、16.5%。

Nvidia和AMD占据独立GPU市场。在独立GPU领域，Nvidia具备明显的份额领先，2021Q2市占率达到83%。2006年AMD收购ATI，2010年放弃ATI品牌后推出AMD Radeon（镭龙）独立显卡系列，2021Q2 AMD独立PC GPU市场份额17%。

2.4 AI服务器与加速芯片

AI服务器：通常搭载GPU、FPGA、ASIC等加速芯片，利用CPU与加速芯片的组合可以满足高吞吐量互联的需求，为自然语言处理、计算机视觉、机器学习等AI应用场景提供强大的算力支持，支撑AI算法训练和推理过程。

AI加速芯片：由于CPU并不适合大规模并行计算，因此需要加速芯片执行AI算法，目前AI加速芯片主要包括图形处理器（graphics processing unit，GPU）、现场可编程门阵列（field-programmable gate array，FPGA）、专用集成电路（application specific integrated circuits，ASIC）、神经拟态芯片等。

2.5 GPU是AI服务器首选加速方案

服务器是AI核心基础设施。根据IDC数据，2020年中国AI基础设施市场规模为39.3亿美元，同比增长26.8%，并将在2024年达到78.0亿美元，其中2020年服务器市场规模占AI基础设施的87%以上，承担着最为重要的角色。

互联网行业是AI服务器最大采购行业。根据IDC数据，2020年上半年，互联网占整体加速计算服务器市场近60%的份额，同比增持超过100%；政府行业和服务业分别依次位居第二位和第三位。

GPU服务器是AI加速方案首选。IDC预计2021年中国GPU服务器占比91.9%左右的市场份额，是数据中心AI加速方案首选。根据IDC数据，2019年中国GPU服务器市场规模达到20亿美元，预计2024年将达到64亿美元。

2.6 AI服务器通常配置多个GPU芯片

GPU加速服务器能够提供优秀的浮点计算能力，从容应对高实时、高并发的海量计算场景，例如深度学习、科学计算、3D动画渲染、CAE等应用场景。

3.NVIDIA：全球GPU巨头

3.1 全球GPU巨头

Nvidia成立于1993年，1999年上市，市值近10年增长超过83倍，近6年增长超过49倍。截至2021年11月5日，Nvidia总市值7438亿美元，总市值美股排名第七，是目前全球市值最大的半导体公司。（报告来源：未来智库）

3.2 三大因素推动地位提升

技术革新、场景拓展、外延并购，Nvidia引领全球GPU发展。

GPU架构：Nvidia坚持每2-3年推出一代新的GPU架构，持续保持技术领先，新的Ampere已经采用7nm工艺；应用场景：从最初图形处理到通用计算，再到AI深度学习和自动驾驶，Nvidia不断推动GPU应用场景的突破；外延并购：2000-2008年Nvidia密集收购额多家公司，涵盖显卡、图形处理、半导体等多个领域，2020年宣布计划收购ARM。

3.3 近年业绩高速增长

Nvidia产品主要分为两大类：图形处理、计算&网络。下游市场包括游戏、专业可视化、数据中心、汽车四大类。

2020年Nvidia营收166.8亿美元（yoy+52.7%），净利润43.3亿美元（yoy+54.9%），其中图形处理业务营收98.3亿美元，计算&网络业务营收68.4亿美元。除去2019年游戏市场需求波动造成业绩下滑外，Nvidia近5年营收、利润均保持较快增长。

得益于基于Ampere架构新GPU产品带动游戏业务高增，以及数据中心对算力需求旺盛，2021上半年Nvidia营收、净利润快速增长。

3.4 游戏是最大市场，数据中心市场增速较快

Nvidia下游市场分为四类：游戏、专业可视化、数据中心、汽车，各市场重点产品如下：

游戏：GeForce RTX/GTX系列GPU（PCs）、GeForce NOW（云游戏）、SHIELD（游戏主机）；专业可视化：Quadro/RTX GPU（企业工作站）；数据中心：基于GPU的计算平台和系统，包括DGX（AI服务器）、HGX（超算）、EGX（边缘计算）、AGX（自动设备）；汽车：NVIDIA DRIVE计算平台，包括AGX Xavier（SoC芯片）、DRIVE AV（自动驾驶）、DRIVE IX（驾驶舱软件）、Constellation（仿真软件）。

3.5 计算业务驱动高成长

计算业务是Nvidia成长的主要驱动力：数据中心已成规模，智能汽车将进入收获期。

在数据中心市场，Nvidia拥有芯片、硬件、硬件的全栈布局。得益于全球AI应用场景的快速增加，对算力的需求飙升。是Nvidia成长最快的市场，2020年营收达到约66.96亿美元，近4年CAGR达到68.5%，远高于游戏市场的17.6%。2020年Nvidia数据中心市场营收占比已经超过40%，预计未来仍将继续提升。

在智能汽车市场， Nvidia形成了全栈式自动驾驶解决方案。AGX Xavier芯片于2018年开始出货，下一代自动驾驶芯片Orin计划用于2022年量产，算力将达到254TOPS，目前已经获得蔚来、理想、沃尔沃、奔驰等多个整车厂定点项目。我们认为2022年高阶自动驾驶汽车或将集中落地，Nvidia自动驾驶将进入收获期。

3.6 中国大陆收入贡献提升

Nvidia中国大陆收入快速增长。2020年Nvidia来自中国大陆收入38.86亿美元，同比增长42.3%，近4年CAGR达到31.4%，同期Nvidia整体营收CAGR为24.6%。

Nvidia中国大陆收入占比呈上升趋势。2020年Nvidia中国大陆收入占比达到23.3%，相比于2016年的18.9%提升4.4pct，2021上半年Nvidia中国大陆收入占比25.6%，上升趋势明显。

我们预计中国大陆占比仍将提升。图显业务层面，人均收入提升将带动PC需求增加；计算业务层面，目前中国大陆在AI算法、应用层面具有领先优势，自动驾驶场景也将率先得到释放。

4.景嘉微：国产GPU领军

4.1 国内唯一商用GPU公司

景嘉微成立于2006年，公司主营业务分为图形显控、小型专用化雷达、GPU芯片三类。其中图显、雷达产品主要面向军用市场，GPU芯片产品包括JM5400、JM7200，其中JM5400主要应用于公司图显模块中，JM7200成功拓展了民用和信创市场。2021年9月，公司第三代GPU芯片JM9成功流片，目前正在进行性能测试。

4.2 两个系列、三款GPU量产应用

景嘉微已完成两个系列、三款GPU芯片量产应用。第一代GPU产品JM5400于2014年流片成功，主要支撑军用装备，已在国产军用飞机上实现了对ATI M9、M54、M72等芯片的替代；第二代产品JM7200于2018年8月流片成功，性能与 Nvidia的GT640显卡相近。在JM7200基础上，公司又推出

---