产棱拆解02 | 从 GB300 到 VR200：一代 AI 机柜的价值到底发生了什么变化？

产棱 · 技术拆解02

深度技术拆解 · BOM价值量 · 架构变化 · 产业传导

图1｜GB300-NVL72与VR200-NVL72整机柜BOM规模变化

一、先看结论：VR200发生的是一次“系统价值重排”

按照本文采用的拆解口径，VR200-NVL72单柜BOM约$7.8万美元，GB300-NVL72约$4.0万美元，增量约$3.8万美元，增幅约95%。

真正值得研究的不是“贵了多少”，而是“新增的钱去了哪里”。

1. GPU约396万美元，占51.0%，仍然是第一价值中心。
2. Memory约200.2万美元，占25.7%，成为第二价值中心，也是最大结构性变化。
3. 网络芯片+NVLink Switch约72万美元，占约9.2%，反映GPU规模扩大后的数据移动需求。
4. PCB约11.67万美元，占约1.5%，但同比约+233%，体现高速互联向材料与制造工艺传导。
5. 液冷与电源合计约14.8万美元，占比不高，却成为MW级机柜的运行硬约束。

图2｜核心价值结构变化；GB300部分项目按同比增幅反推，仅用于结构观察

二、380.9万美元新增BOM：Memory和GPU拿走了大部分增量

如果只看同比增幅，Memory +435%最醒目；如果看绝对增量，GPU和Memory同样是最关键的两个节点。

图3｜主要可比项目的BOM增量贡献

按本文可建立的可比口径，Memory增加约162.8万美元，GPU增加约143.9万美元，两者合计约306.7万美元，约占整柜总增量的80.5%。

三、第一价值中心：GPU——绝对价值继续增长，但相对权重下降

3.1 72颗GPU构成整柜最大价值池

按用户提供的拆解口径，VR200配置72颗Rubin GPU，GPU BOM约396万美元，约占整柜51.0%，折算单GPU约5.5万美元。

GPU占比下降并不是GPU价值下降，而是其他系统价值增长得更快。

1. GPU决定核心算力密度，是整个系统的第一价值锚点。
2. GPU升级会同时拉动HBM、互联、PCB、供电和散热。
3. 因此GPU研究不能停留在芯片本身，而要沿着系统约束继续向外扩散。

四、第二价值中心：Memory——AI机柜正在发生“内存价值跃迁”

4.1 Memory为什么成为最大结构性变化？

VR200 Memory BOM约200.16万美元，占25.7%，同比约+435%。按同一同比口径反推，GB300约37.4万美元，意味着Memory新增约162.8万美元。

4.2 三层Memory共同抬升系统价值

1. HBM4：位于GPU计算体系附近，直接承担高带宽数据供给。
2. LPDDR5X：与Vera CPU配套，形成CPU侧内存体系。
3. 3D-NAND：新增柜内高容量数据承载，使存储进一步进入AI计算系统。

这意味着AI服务器正在从“计算中心”变成“计算+数据供给中心”。当GPU越来越快，数据供给能力本身就可能成为系统瓶颈。

五、网络：GPU越多，数据移动越重要

按用户提供的拆解口径，其他网络芯片约57.6万美元，NVLink Switch约14.4万美元，合计约72万美元。

它们的意义不只在于芯片价格，而在于：72颗GPU必须形成一个高带宽、低延迟的统一计算系统。

5.1 Scale-up与Scale-out必须分开理解

1. Scale-up：计算系统内部GPU之间的高速互联，强调极高带宽和低延迟。
2. Scale-out：不同计算节点之间的网络扩展，强调集群规模与通信效率。
3. 当GPU数量和带宽同步增加时，网络开始从“外围组件”变成“计算能力的组成部分”。

六、正交无源背板：BOM不高，但架构价值极高

图4｜VR200正交背板架构：计算Tray与交换Tray通过高速连接器进入背板互联体系

6.1 背板到底是什么？

正交无源背板本身没有主动交换芯片，更接近高层、高速、低损耗的信号承载平台。计算Tray和交换Tray通过高速连接器与背板建立高速互联。

6.2 为什么3.5–4万美元的背板值得研究？

1. 因为它改变的是整机柜内部互联架构，而不是简单增加一个零部件。
2. 传统架构大量依赖高速铜缆；正交背板把大量连接关系固化到PCB走线与连接器中。
3. 价值因此从部分线缆装配转移到高端PCB、低损耗材料、背钻、高速连接器和精密装配。
4. 因此“背板BOM低”与“背板技术重要”并不矛盾。

6.3 背板真正难在哪里？

1. 高层数：大量高速信号与电源层叠加。
2. 低损耗：高速信号对介质损耗、阻抗和插损更加敏感。
3. 背钻：减少过孔stub对高速信号的影响。
4. 高速连接器：通道密度、机械公差、回损和串扰都成为系统指标。
5. 大板良率：尺寸越大、层数越高，高速性能一致性越难控制。

七、PCB：低BOM、高技术约束的典型节点

VR200整机柜PCB约11.67万美元，较GB300约3.51万美元，增幅约233%。

它只占整柜约1.5%，但增长速度远高于整柜BOM平均增速。原因不是简单“板子更多”，而是每一块板承担的高速信号复杂度更高。

7.1 一块AI高速PCB到底贵在哪里？

1. 材料：低损耗、高频高速覆铜板体系。
2. 层数：高速信号、电源和地层的复杂叠加。
3. 加工：高精度线路、层压、孔加工、背钻。
4. 电气：阻抗控制、插损、串扰、回损和一致性。
5. 测试：高速板需要更严格的电气与可靠性验证。

7.2 连接器不能从PCB研究中被删除

信号从计算Tray进入背板，需要经过高速连接器。速率越高、通道越密集，连接器就越接近系统性能瓶颈。

八、液冷与电源：BOM占比低，但决定AI机柜能不能继续扩张

8.1 液冷：解决的不是“温度”，而是“功率密度”

VR200采用全液冷体系。用户提供的机柜内液冷BOM约7.21万美元，不含外置CDU。

1. 冷板：直接从高热流密度器件带走热量。
2. 歧管：负责液体分配与回收。
3. CDU：位于机柜外部，不应与机柜内液冷BOM混算。

8.2 800V电源：供电开始成为AI基础设施的系统工程

用户提供的拆解口径中，VR200采用800V高压直流供电，电源系统约7.6万美元。

当机柜进入MW级功耗，电流、转换效率、配电空间、线缆和热损耗都开始成为约束。

九、CPU、ABF、MLCC、ODM：为什么小项也值得拆？

9.1 CPU：不是所有芯片都同步升值

VR200配置36颗Vera CPU，用户提供的拆解口径中CPU约18万美元，同比约0%。

这说明AI机柜的价值迁移具有选择性，并不是所有芯片都会随着整机柜价值同步上升。

9.2 ABF：单柜金额小，但处于高端封装链

ABF载板约2.03万美元，占0.3%。研究重点应放在大尺寸封装、线宽线距、层数、良率和高端产能，而非单纯看单柜金额。

9.3 MLCC：典型的“低单价×高数量”

MLCC单柜约4320美元，占0.1%。但计算/交换板上的高频去耦需求使其更适合采用“单板数量×单板用量×集群规模”研究。

9.4 ODM：从服务器组装走向整柜系统集成

ODM装配增值约22.88万美元，占2.9%。当产品从服务器演化为整机柜，制造商承担的工作从板卡装配向系统集成、测试和交付迁移。

十、把VR200重新画成一条完整的产业传导链

图5｜产棱视角：算力密度提高后，约束从芯片逐层外溢到系统基础设施

从产业研究角度，VR200可以被压缩成下面这条因果链：

GPU密度↑ → Memory↑ → 数据移动↑ → 高速互联↑ → PCB/连接器↑ → 功耗↑ → 液冷/电源↑ → 数据中心基础设施↑

这就是产棱所谓的“产业传导”：不是把供应商名单列出来，而是解释为什么需求会从一个物理节点传到另一个物理节点。

十一、传统线缆互联 vs 正交背板：价值到底转移到了哪里？

十二、从一台VR200继续向下钻：产业链研究应该怎么展开？

十三、三个不能直接从BOM得到的结论

13.1 BOM占比高 ≠ 股票一定更有价值

GPU占51%不意味着GPU产业链一定拥有最高投资回报，还要看竞争格局、供给弹性、客户集中度、价格和市场预期。

13.2 BOM增速高 ≠ 议价权一定强

PCB同比+233%很醒目，但如果产能可以快速扩张、竞争者大量进入，价值未必长期沉淀在制造商。

13.3 技术门槛高 ≠ 股价没有反映

技术拆解解决的是产业事实和价值结构问题；最终仍要通过订单、价格、产能、库存、利润和股价反馈进行验证。

十四、产棱如何把技术拆解接入产业研究系统？

这篇文章最重要的长期价值，不是发布当天的阅读量，而是以后每一次催化出现，都可以重新调用对应技术节点。

1. 催化：HBM4、1.6T光模块、CPO、高速PCB、液冷、800V等新事件。
2. 技术定位：找到催化对应的物理节点。
3. 价值量定位：判断它位于单颗、单板、单Tray还是整柜价值池。
4. 产业传导：判断需求变化向上游还是下游扩散。
5. 供给验证：检查产能、良率、认证、材料和设备约束。
6. 资产映射：映射到产业链公司。
7. 市场验证：最后检查价格、订单、利润与股价是否兑现。

十五、本篇最终结论

1. VR200相对GB300发生的是一次系统级价值重排，而不是单纯GPU升级。
2. GPU仍是第一价值中心，但Memory已经成为第二价值中心。
3. Memory是本轮最大的结构性增量节点，约162.8万美元的新增价值来自这一模块。
4. 网络的重要性来自GPU规模扩大后的数据移动约束，而不只是交换芯片本身的价格。
5. 正交无源背板本身BOM有限，却改变了机柜内部互联架构，并把复杂度传导至高速PCB、材料和连接器。
6. PCB属于典型的低BOM、高技术约束节点，研究价值不能只看单柜占比。
7. 液冷、电源属于低BOM、高系统必要性环节，未来应重点观察其是否成为AI数据中心扩容瓶颈。
8. CPU、ABF、MLCC、ODM等小项说明价值迁移是结构性的，不是所有环节同步受益。
9. 最终应该追踪的不是“谁在供应VR200”，而是“算力密度提升后，哪个物理约束首先变成产业瓶颈”。

附录：数据口径与使用说明

1. VR200-NVL72约780.3万美元、GB300-NVL72约399.5万美元及各组件金额/同比数据，采用用户提供的摩根士丹利2026-05拆解口径。
2. GB300部分可比项目由VR200金额和同比增幅反推，仅用于结构和增量分析，不应视为原始报告逐项复刻。
3. 不同研究机构可能对网络芯片、NVSwitch、连接器、线缆和ODM装配存在分类差异。
4. 正交背板约3.5–4万美元是单板估算；整机柜全部PCB约11.67万美元，二者不可混用。
5. BOM是物料/系统成本研究口径，不等同于NVIDIA对外报价、整机销售价格或终端客户TCO。
6. 本文用于技术与产业研究，不构成投资建议。

产棱｜技术拆解 02

从技术原理拆到物料，从物料拆到价值量，从价值量拆到产业传导。