人工智能行业：AI服务器功率增长使AI芯片电感和AI芯片电容需求持续增长

AI服务器功率增长使AI芯片电感和AI芯片电容需求持续增长证券研究报告行业动态报告发布日期：2025年12月6日本报告由中信建投证券股份有限公司在中华人民共和国（仅为本报告目的，不包括香港、澳门、台湾）提供。在遵守适用的法律法规情况下，本报告亦可能由中信建投（国际）证券有限公司在香港提供。请务必阅读正文之后的免责条款和声明。分析师：王介超wangjiechao@csc.com.cnSAC 编号:S1440521110005分析师：于芳博yufangbo@csc.com.cnSAC编号:S1440522030001分析师：庞佳军pangjiajun@csc.com.cnSAC编号:S1440524110001分析师：覃静qinjing@csc.com.cnSAC编号:S1440524080002分析师：郭衍哲guoyanzhe@csc.com.cnSAC编号:S1440524010001分析师：汪明宇wangmingyubj@csc.com.cnSAC编号:S1440524010004人工智能高速发展，谷歌激起竞争加剧5Gemini 3是Google于2025年11月推出的新一代大模型，Gemini 3 Pro是其旗舰版本。Geimini 3刷新了多项Benchmark的最高分，并在多项任务上较Gemini2.5 Pro得到了大幅提高，并显著领先其他模型。Gemini 3的“深度思考模式”（Deep Think mode）在一些最具挑战性的AI基准测试中表现出色。在测试中，Gemini 3 Deep Think在“人类最终考试”中的表现（未使用工具的情况下达到41.0%）以及在GPQA Diamond测试中的表现（达到93.8%），均超越了Gemini 2.5 Pro。它还在ARC-AGI-2基准测试中取得了45.1%的突破性成绩（启用代码执行），充分展现了其解决新型挑战的能力。Deep Learning Lead和Gemini项目的联合负责人称：推理能力来自改进预训练和后训练，后训练仍然是一片完全的绿地，算法上还有大量进步和改进的空间，看不到任何天花板！资料来源：Gemini，中信建投5谷歌激起竞争加剧：Gemini 3性能大幅提高图：Gemini 3刷新多项benchmark的最高分资料来源：Gemini，中信建投图：ARC-AGI-2测试结果6谷歌激起竞争加剧：全栈AI生态布局，从落后到重回领先2025年11月发布的Gemini 3 Pro，是谷歌时隔8个月后的大版本更新，模型的多模态理解能力和推理能力大幅提升，能够无缝集成分析视频、音频、图像、文字和代码等多种数据格式，在多项测评中均超过OpenAI的GPT-5.1、Grok 4.1等，登顶多项权威测评如Artificial Analysis、LMArena的全球第一。谷歌作为曾经AI领域的领跑者，错失了发布类ChatGPT产品的先机。Gemini的诞生和快速迭代，实现了重回领先者的反击。Google在AI竞赛中具备两大核心优势：一是AI应用生态构建完备，更新后的AI mode搜索引擎把牢流量入口，结合其在移动互联网的强大应用生态如邮箱、地图、视频网站等。二是Google具备垂直领域全方位整合突破的能力，据Artificial Analysis，Google是目前全球唯一一家在算力芯片、基础模型、云推理计算、AI应用方面全栈深度布局的公司。根据SemiAnalysis分析，全球AI工作负载中，NVIDIA GPU占70%，而Google TPU则占据了28.6%，强大的硬件和模型进一步奠定了Google打造AI应用全家桶的坚实基础，形成数据-算力-模型-场景的正向循环。资料来源：google, Artificial Analysis,中信建投资料来源：google, Artificial Analysis,中信建投图：Google是全球唯一一家在AI应用、模型、云推理、硬件实现全栈垂直整合的公司图：Gemini 3 Pro登顶Artificial Analysis大模型榜首7Gemini 3 Pro完全使用谷歌的张量处理单元(TPU)进行训练，摆脱英伟达束缚，给AISC产业注入强心剂。TPU专为处理训练LLM所需的大量计算而设计，配备高带宽内存，能够在训练中处理大型模型和更大的batch size。张量处理单元（TPU）是Google为加速机器学习训练与推理而定制开发的一种ASIC芯片。在训练大型复杂的神经网络模型时，TPU可以最大限度地缩短达到准确率所需的时间。以前在其他硬件平台上需要花费数周时间进行训练的模型，在TPU中只需数小时即可收敛。与GPU相比，TPU采用低精度计算，在几乎不影响深度学习处理效果的前提下大幅降低了功耗、加快运算速度。2025年4月谷歌的Cloud Next大会发布了最新的第七代TPU Ironwood，作为高效的并行处理器，Ironwood在管理大规模计算方面表现出色，并显著减少了数据在芯片内部传输所需的时间，使模型运行得更快、更流畅。更大的集群互联：谷歌借助Ironwood在一个超级Pod中扩展到9,216块芯片，并通过9.6Tb/s的通信速度实现芯片间互连。这种强大的连接性使得数千个芯片能够快速通信，并访问惊人的1.77PB共享高带宽内存（HBM），克服了即使是要求最苛刻的模型也会遇到的数据瓶颈。这种效率显著减少了训练和运行尖端AI服务所需的计算时间和能源。资料来源：微软，中信建投谷歌激起竞争加剧：仅靠TPU训出全球最强模型资料来源：微软，中信建投图：TPU7 Ironwood芯片图：Ironwood 集群直接连接 9,216 个 Ironwood TPU形成一个单一域AI服务器功率增长使AI芯片电感和AI芯片电容需求持续增长11AI计算功率大幅提升：单卡功率及服务器机柜功率快速提升英伟达的B系列芯片和NVL72机柜热设计功率TDP（Thermal Design Power）飙升：H100的TDP最高为700W，B200的TDP最高为1000w/1200W，增长约5-7成；H100每个机架的TDP约为40kW，B系列机架的TDP约为120kW，功率增约200%-500%。为了应对更大参数量模型的训练，机柜式方案设计已经成为主流。资料来源：英伟达官网，中信建投图：H100机箱与B200机箱的TDP对比（芯片-计算单元-机箱）H100芯片最高配置下TDP为700W。B200芯片最高配置下TDP为1200W。H100机箱一般由4个DGX H100计算平台组成，TDP为6200*4=24.8kW。考虑到通信与网络，总计约为40kW。在不考虑电源分配，网络通信互联等单位的TDO情况下，一整个GB200 NVL72机箱TDP为104kW。在考虑NVSwitch和交换机等辅助功能的情况下，总计TDP为120kW.Bianca主板内置2块B200芯片和1块Grace CPU（TDP 500W)，总计TDP为2400W+500W=2900W× 𝟐× 𝟐× 𝟏𝟖GB200计算托盘内含2块Bianca主板总计TDP为5800W× 𝟏DGX H100 SXM上装有1块H100芯片。× 𝟖× 𝟒DGX