Nvidia-Rubin机柜BOM重构

英伟达真正卖的，已经不只是 GPU 了

一张 Morgan Stanley 的拆解图，把 AI 硬件产业链最重要的变化摊开了。

GB300 NVL72 单柜 BOM 约399 万美元。

到了下一代 VR200 NVL72，单柜 BOM 变成780 万美元。

几乎翻倍。

最刺眼的不是 GPU。

GPU 从 252 万美元涨到 396 万美元，涨幅 57%。这当然很大，但还不是最夸张的。

真正爆炸的是内存：从 37.4 万美元涨到 200.2 万美元，涨幅435%。

也就是说，在这台 780 万美元的 AI 机柜里，内存第一次从配角变成了主角之一。它不再是“给 GPU 配套的东西”，而是开始决定整柜成本结构、供应链权力和客户采购方式的核心变量。

GB300 与 VR200 NVL72 单柜 BOM 对比：总成本从 399 万美元升至 780 万美元，内存涨幅最突出

这张图真正说明的，不是“英伟达又把 GPU 卖贵了”。

它说明的是：AI 硬件的商品形态变了。

过去卖的是芯片。

后来卖的是服务器。

现在卖的是整柜。

下一步，卖的可能是一个完整的 AI 工厂单元。

当商品形态改变，价值链就会被重新切分。

一、内存为什么突然成了主角？

过去理解 AI 硬件，很多人只盯 GPU。

谁能拿到 H100，谁能拿到 B200，谁能拿到 GB300，似乎就决定了一切。

但 VR200 这张 BOM 表提醒我们：AI 系统越往后走，瓶颈越不只在 GPU。

内存成本从 37.4 万美元到 200.2 万美元，原因不是单一的。

一方面，这是 HBM4、SOCAMM 等新内存形态带来的结构升级。模型越来越大，推理上下文越来越长，数据搬运越来越贵，GPU 再强，如果喂不饱，也只是昂贵的空转机器。

另一方面，这里面也有明显的周期性涨价。AI 服务器抢走了高端内存产能，企业级服务器、存储设备、甚至消费级 PC 都被挤到后面。Reddit 上一位 IT reseller 的观察很直白：在当前供需格局里，企业级 AI 服务器的采购优先级远高于 PC，内存和存储的紧张会向下游传导。

所以内存的 435% 增长，不能简单理解成一个永久趋势。

它包含两部分：

第一，AI 系统确实需要更多、更贵、更高带宽的内存。

第二，2026-2027 年的内存供需可能处在非常紧的周期高点。

这两件事要分开看。

如果把内存涨价全部当成长期结构性增长，就会高估内存厂的长期利润率。

但如果把它全部当成短期泡沫，又会低估 AI 系统对内存带宽和容量的真实需求。

更准确的说法是：内存正在从周期品，变成“周期品 + 战略部件”的混合物。

这就是它重新被定价的原因。

二、真正被低估的，是那些不起眼的零件

这张表里，还有几个容易被忽略的数字。

PCB：从 3.51 万美元到 11.67 万美元，涨幅 233%。

MLCC：从 1530 美元到 4320 美元，涨幅 182%。

ABF 基板：从 1.12 万美元到 2.03 万美元，涨幅 82%。

这些东西在普通投资叙事里很不起眼。

PCB、陶瓷电容、ABF 基板，听起来都不像 GPU 那样性感。

但 AI 机柜走到 VR200 这一代，它们突然变重要了。

为什么？

因为 AI 硬件不再是“几块 GPU 插在服务器里”。它变成了一个高功率、高带宽、高密度、高可靠性的整柜系统。

ConnectX 模块、BlueField DPU、NVLink Switch、独立网络芯片、中板 PCB、液冷管路、电源架构，这些东西一起决定了整柜能不能跑起来。

PCB 层数要增加，材料等级要提高，信号完整性要求更高。

ABF 基板不只是给 GPU 用，NVSwitch、ConnectX 等芯片数量增加，也会拉动需求。

MLCC 单柜金额看起来不大，但高规格电容的用量和可靠性要求都在上升。

这就是 AI 硬件产业链的一个反直觉变化：

越往系统级走，越多过去藏在幕后的小零件会被重新定价。

AI 机柜里的隐藏瓶颈：内存、PCB、ABF、MLCC、网络芯片、电源与液冷被重新定价

过去市场说“AI 硬件”，默认说 GPU。

但在整柜时代，真正决定交付能力的，是一整套工程系统。

GPU 仍然是核心，但它不再是唯一主角。

三、英伟达变弱了吗？恰恰相反

有人看到 GPU 在 BOM 里的占比下降，可能会得出一个结论：英伟达的控制力下降了。

这个判断太快了。

GPU 占比下降，不一定代表英伟达变弱。

它也可能代表：英伟达的产品边界变大了。

过去英伟达主要卖芯片。

现在它定义的是整柜系统。

如果客户买的是一整台 NVL72，而不是单颗 GPU，那么英伟达控制的就不只是芯片价格，而是整套系统架构、互连方式、软件生态、部署节奏和性能承诺。

这是一种更深的控制。

但是，控制力增强的同时，也会激发客户反制。

因为单柜价格太高了。

当一台机柜接近 780 万美元，云厂商不可能只做被动买家。

Morgan Stanley 的报告里有一个关键变量：如果 hyperscaler 直接采购 SOCAMM 内存模块，机柜 ASP 可能从约 780 万美元降到约 670 万美元。

这 110 万美元的差异，说明了一个问题：

供应链控制权本身，也是一项巨大的成本。

微软、亚马逊、谷歌、Meta 这样的客户，会继续买英伟达，但也会越来越主动地拆解 BOM。

哪些必须由英伟达提供？

哪些可以自己直采？

哪些可以交给 ODM？

哪些 workload 可以用 ASIC 分流？

整柜化短期增强 Nvidia，长期却会逼着 hyperscaler 更深地介入供应链。

这不是单向垄断。

这是新的权力拉扯。

四、ODM 毛利率下降，不一定是坏事

这张图还有一个容易误读的地方：ODM。

市场过去担心，英伟达把整柜标准化后，ODM 的价值会被压缩，最后变成低毛利组装厂。

这个担心有道理，但不完整。

报告显示，GB300 到 VR200，ODM 毛利率可能从约 2.7% 降到约 1.9%。

只看毛利率，确实变差。

但单柜绝对增值额，可能从约 10.8 万美元升到约 15 万美元。

也就是说，百分比变薄了，绝对美元变厚了。

更重要的是，ODM 的角色正在变化。

过去是 buy-and-sell：自己买 GPU、内存、零部件，组装后卖给客户。营收很大，但库存和营运资金压力也巨大。

一台 VR200 机柜 780 万美元，如果出货规模达到数万台，任何 ODM 的资产负债表都会承压。

所以 consignment 模式会变得越来越重要。

也就是云厂商自己采购 GPU、内存等核心部件，ODM 只负责组装、测试、调试、交付。

整柜化后的供应链权力重分配：Nvidia 定义系统，云厂商直采，ODM 转向工程总包

这种模式下，ODM 的营收可能下降，因为不再确认那些昂贵零部件的销售额。

但毛利率、现金周期、ROIC 反而可能改善。

这会造成一个财报陷阱：

如果未来某些 ODM 营收增速放缓，市场不能立刻解读成 AI 退潮。

它也可能意味着商业模式从“卖货”转向“卖工程能力”。

真正值得看的，不是它搬了多少货，而是它有没有机柜级液冷调试、电源整合、网络测试、快速部署和客户深度绑定能力。

整柜时代的 ODM，不再只是组装厂。

头部玩家会更像 AI 数据中心的工程总包商。

五、下一阶段更夸张：机柜会变成数据中心本身

VR200 还不是终点。

如果 2027 年 Rubin Ultra / NVL576 / Kyber 继续推进，单柜功率可能来到 600kW 级别。

这已经不是“服务器更耗电”这么简单。

这意味着传统数据中心的供电、冷却、承重、布线、维护方式都要重写。

800V HVDC 会变重要，因为低压大电流在 600kW 级别会遇到物理极限。

CPO 会变重要，因为电信号在高速互连里越来越难走远。

M9 等更高等级 PCB 材料会变重要，因为信号完整性要求继续提高。

整柜液冷会变重要，因为风冷早就不够，普通液冷也会被推到极限。

这就是为什么我们不能只把 VR200 当成一代产品涨价。

它更像一个过渡信号：AI 硬件正在从“设备”变成“基础设施系统”。

当机柜功率从 100kW、200kW 走向 600kW，机柜就不再只是放在数据中心里的东西。

它会反过来定义数据中心怎么建。

六、这张图真正的读法：周期、结构、权力

所以，这张 BOM 表不能只读成一个涨价故事。

它至少要分三层看。

第一层：周期

内存涨价最猛，但周期性也最强。

HBM4、SOCAMM、DRAM 的供需紧张会带来利润弹性，但也会随着扩产进入回落周期。

看内存，不能只用成长股逻辑，也不能只用传统周期股逻辑。

它是周期品里长出了战略属性。

第二层：结构

PCB、ABF、MLCC、液冷、电源，这些是系统复杂度上升带来的含量提升。

这里的关键不是“哪个环节涨幅最大”，而是“哪个环节有不可替代的技术门槛”。

高频高速 PCB、先进基板、整柜液冷、HVDC 电源，和普通零部件不是一回事。

主题会扩散，但壁垒会分化。

第三层：权力

最深的一层，是供应链权力重新分配。

英伟达通过整柜化扩大产品边界。

云厂商通过直采和 consignment 抢回 BOM 控制权。

ODM 从买料组装转向工程总包。

零部件厂从二级供应商变成某些关键瓶颈的直接受益者。

这不是简单的“谁涨价谁受益”。

这是整个 AI 硬件价值链重新切分。

读懂 780 万美元机柜的三层框架：周期、结构、权力必须分开看

结语：780 万美元不是价格，是边界

一台 VR200 NVL72 机柜 780 万美元。

这个数字看起来像价格。

但它真正代表的是边界变化。

芯片公司的边界，正在向整柜延伸。

云厂商的边界，正在向零部件采购延伸。

ODM 的边界，正在向工程总包延伸。

内存、PCB、ABF、MLCC、液冷、电源这些过去不在聚光灯下的环节，正在被 AI 机柜重新照亮。

所以这张图最重要的结论不是：英伟达又卖贵了。

而是：AI 算力的价值载体变了。

过去，价值集中在 GPU。

现在，价值开始分散到整柜系统。

未来，价值可能会继续上移到整个 AI 数据中心。

真正该问的问题，不是“哪个零件涨得最多”。

而是：

当 AI 硬件从芯片变成机柜、再变成 AI 工厂，谁能定义系统？谁能控制采购？谁能承担资金风险？谁又能在周期退潮后，留下真正的结构性价值？

这才是 780 万美元背后的产业重构。