AI 伺服器與一般伺服器在晶片組成上有何不同？成本差異有多大？

AI 伺服器與一般伺服器在晶片組成上的差異

一般伺服器主要依賴中央處理器（CPU）提供算力，而 AI 伺服器除了 CPU 之外，還會搭載圖形處理器（GPU）及特殊應用積體電路（ASIC）、FPGA、TPU 等晶片，以應付 AI 運算所需的大量算力。這些額外的晶片使 AI 伺服器在處理深度學習、機器學習等 AI 任務時，能提供遠高於一般伺服器的效能。

AI 伺服器與一般伺服器的成本差異

AI 伺服器因其特殊的晶片組成，成本遠高於一般伺服器。《DIGITIMES》指出，傳統 x86 架構的伺服器成本約為 1 萬美元，而一台搭載 8 顆 NVIDIA H100 的 AI 伺服器，成本將近 27 萬美元。由此可見，AI 伺服器的成本是傳統伺服器的數十倍，主要由於 GPU 等 AI 晶片的高昂價格所致。儘管如此，大型雲端服務廠商仍持續擴大採購 AI 伺服器，預計 AI 伺服器在整體伺服器出貨中的佔比將持續提升。

台灣廠商在 AI 伺服器供應鏈中的角色

台灣電子代工廠在全球 AI 伺服器市場中扮演關鍵角色，包含鴻海、廣達、緯創、英業達、和碩、仁寶等廠商，都受到國際大廠的認可，成為 Meta、Google 及 NVIDIA、AMD 等公司的客戶。這些廠商在 AI 伺服器的各個製造階段（從 L6 主機板製造到 L12 整機櫃解決方案）都有涉略，其中鴻海更占據全球 AI 伺服器 40% 的市占，是 AI 伺服器龍頭。其他廠商如英業達在 L6 階段的主機板製造中佔有重要地位，而緯穎則專注於 L6 與 L12 階段，提供資料中心整體解決方案。