生成式AI服务器市场2035年上看1.88万亿美元：算力基础设施进入结构性重构期

全球生成式AI服务器市场正在经历一轮并非周期性的扩张。根据 Precedence Research 的测算，该市场 2025 年规模为 1010 亿美元，2026 年预计达到 1353.4 亿美元，并有望在 2035 年增长至约 1.885 万亿美元，2026 至 2035 年的复合年增长率为 34%。

这组数字的意义不在于增速本身，而在于它反映的企业计算资源使用方式的结构性变化：服务器不再只是通用算力载体，而正在成为围绕训练、推理与智能体（Agentic AI）负载重新设计的基础设施品类。

行业背景（Industry Context）

生成式AI服务器的定义已经与传统企业服务器分化。它是为大语言模型训练与推理专门优化的系统，由高密度 GPU 或加速器集群、高带宽内存以及专用互连构成。传统服务器在内存带宽与互连密度上无法支撑基础模型的部署，这使得“服务器”一词在产业内的含义被重新定义。

需求侧的推动力来自三个方向：

第一，超大规模基础设施扩张。 超大规模云厂商持续为训练与推理同时采购 GPU 机架，这是当前全球服务器需求的首要驱动因素。

第二，模型规模持续膨胀。 基础模型参数与上下文规模的增长，迫使基础设施供应商提前规划容量，供给节奏与需求节奏之间的错配因此被放大。

第三，企业级采用扩散。 医疗诊断、金融建模等行业的采用正在增加，企业开始向更大规模的算力集群迁移。

同时，服务器架构本身正在复杂化。液冷、更高密度的互连以及定制硅成为新一代系统的标准配置，直接推高了制造成本与平均售价。均价高企的另一个原因是供给约束：先进芯片与专用冷却系统的产能依然有限。

市场影响（Market Impact）

供给侧正在发生可测量的结构性调整。 报告指出，基于 ARM 架构的 CPU 在数据中心服务器中的份额已从 2020 年的约 5% 上升至接近 20%，能效改善是其份额快速提升的主要原因。

互连环节同步升级。 光互连供应商正加速向 1.6T 光模块迁移，时间节点指向 2026 年，以应对持续增长的数据流量需求。零部件层面也出现针对性产品，例如 Amphenol 开发的 NVLink spine cartridge，即为适配更紧凑的服务器架构而设计。

供应链瓶颈集中在先进封装与存储。 报告提到，先进封装行业与存储供应链的短缺状况正在对价格形成压力，但整体定价趋势保持相对稳定。这意味着短期内涨价压力更多来自上游产能而非需求过热。

部署模式上，云仍然占据主导。 生成式AI工作负载的云部署模式明显超过本地部署，本地与混合云形态并存但份额较小。这一格局对企业的直接影响是：算力获取方式仍以租赁弹性容量为主，自建集群主要出现在有明确主权或合规诉求的场景。

采购驱动力正在从训练转向推理。 报告明确指出，智能体AI工作负载已经成为应用采购的驱动力量，而推理负载的规模正在超过以训练为中心的时代。这一变化对硬件配置、内存带宽与网络拓扑的要求与训练集群并不相同。

竞争格局（Competitive Landscape）

GPU仍居主导，但定制硅的挑战正在实质化。 报告将 Google Ironwood TPU 在 2026 年开放普遍可用视为关键节点，认为它使超大规模厂商在传统 GPU 采购之外获得了更具吸引力的选项。Google Cloud 同时推出基于 ARM 的 Axion 实例，被报告解读为超大规模厂商试图在 NVIDIA 之外建立替代路径的信号。

AMD 正在以产品分层切入。 Instinct MI400 系列被报告描述为下一代架构演进的代表：MI430X 面向主权AI与高性能计算，MI440X 与 MI455X 面向 AI 专用精度负载。该系列被指为首批支持 UALink 新 scale-up 互连标准的图形处理器。UALink 的意义在于，它试图在专有互连之外建立开放标准，从而降低集群扩展的锁定风险。

网络架构成为新的竞争维度。 报告提到 Google 的 Virgo Network 可在单一数据中心内将 13.4 万颗 TPU 连接为单一网络织物，并支持跨多个数据中心连接超过 100 万颗 TPU；值得注意的是，同一网络织物架构也用于 NVIDIA 硬件。这种互操作性设计，使得网络层不再单纯绑定于某一家加速器供应商。

芯片自研在纵向加深。 报告提到 Google 第八代芯片中包含由 Broadcom 设计的训练芯片 TPU 8t，说明定制硅已经进入训练这一最核心的负载领域，而非仅限于推理。

综合来看：

• 受益方：GPU 供应商、定制 ASIC 设计合作方、高密度互连与光模块供应商、液冷方案提供商、先进封装产能持有者。
• 承压方：单一依赖某一加速器供应商的采购方，以及在生成式AI负载上缺乏差异化能力的传统通用服务器厂商。
• 可能跟进者：其余超大规模云厂商与主权AI项目，其共同动作是扩大定制硅与多供应商并行的采购结构。

企业启示（Enterprise Implications）

第一，多供应商采购应从成本议题升级为基础设施战略。 报告的核心判断是：将采购订单在 GPU 与定制 ASIC 之间拆分，可以有效隔离分配瓶颈带来的风险，并提升供应链韧性。同时与多家硅设计公司保持合作协调，在 2026 年之后的供应环境中被视为必要动作。

第二，电力可用性已成为首要战略约束。 报告指出，几乎所有 2026 年宣布的超大规模项目都把能源可获得性列为主要战略限制条件。这意味着选址、供电协议与长期电价结构，正在与芯片选型处于同等重要的位置。

第三，采购、电力战略与供应商多元化必须同步。 报告观察到，已经将这三者协调推进的企业，在应对需求曲线波动时准备更充分。对于仍将基础设施规划分散在采购、IT 与财务三个独立流程中的企业，这是一个明确的组织能力缺口。

第四，推理负载的规模将重新定义成本结构。 当推理超过训练成为主要负载，单位推理成本、能效比与网络延迟的重要性会超过峰值算力，企业的评估指标需要相应调整。

第五，风险集中于上游。 先进封装与存储在可预见期内仍是瓶颈环节，企业应将其纳入交付周期假设，而非视为短期扰动。

未来展望（Outlook）

12 个月（2026 年）。 市场预计达到 1353.4 亿美元。关键产业事件包括 Ironwood TPU 与 Google Cloud Axion 实例的落地、AMD Instinct MI400 系列的量产推进、1.6T 光模块的规模交付，以及 UALink 标准的初步生态形成。电力约束将在项目审批环节表现得最为明显。

24 个月。 推理与智能体负载将主导采购决策，机架级系统（rack-scale）成为竞争主战场，液冷从高端选项转为默认配置。超大规模厂商之间的差异化将更多体现在网络织物与互操作性上，而非单一芯片型号。

3 年及以上。 从 2026 年到 2035 年 34% 的复合增长率路径意味着，异构计算架构——GPU、定制 ASIC 与 ARM CPU 混用——将成为数据中心的标准形态，而非过渡方案。主权AI部署将作为独立需求类别持续存在，并推动区域性的算力自给投入。定价方面，在先进封装与存储产能约束解除之前，服务器平均售价难以出现快速下行。

结语

生成式AI服务器市场当前呈现的，是需求确定性极高、供给约束明确、竞争维度快速增加的三重叠加状态。对企业和投资机构而言，真正需要跟踪的并非年度规模数字，而是三个结构性信号：采购结构是否持续多元化、电力是否成为项目落地的决定性变量、推理负载是否已在采购决策中超过训练。