超聚变创业板IPO获受理(附招股书算力行业分析内容摘录)_展会资讯_资讯

超聚变创业板IPO获受理(附招股书算力行业分析内容摘录)

一、公司所处行业的基本情况

1、算力产业概况

算力是以计算为核心，集存储、网络为一体的新型生产力，以算力基础设施（数据中心、智算中心、边缘节点等）的核心算力服务于社会各行各业实质化需求，是激活数据要素潜能、推动科技创新与产业升级的核心支撑。

算力产业围绕“算力”这一核心生产要素，涵盖算力的生产、调度、运营、适配及行业应用等产业链全链条，按照产业链可分为以芯片、服务器、数据中心/智算中心、云服务等算力设备及服务为核心的算力基础设施，以人工智能框架、模型、中间件等为核心的算力应用，以及最终实现人工智能技术在现实场景落地的数智化解决方案。

上述产业链中，公司核心业务算力业务属于算力基础设施，新兴业务则从属于数智化解决方案。核心业务中，公司主要产品包括AI服务器及通用计算服务器，属于服务器层，并在产业链上下层级进行拓展：产品覆盖电源、液冷组件等核心零部件、超节点定制部署等数据中心层产品、边缘计算等云服务层产品；还提供完整的算力解决方案，提供FusionAI Space大模型加速引擎等算力应用服务，帮助企业高效打造智能生产力。

2、算力产业规模

随着人工智能、物联网、汽车电子、消费电子、云计算等多个应用领域的市场增量需求，算力产业迎来高速发展。根据信通院数据，截至2025年6月，全球计算设备算力总规模为4,495EFlops，大幅增长117%，其中基础算力规模（FP32）为597EFlops；智能算力规模（换算为FP32）为3,846EFlops，占总算力比例达到85%，同比增加13个百分点；超算算力规模（换算为FP32）为52EFlops，同比增长63%。随着智能算力成为绝对主导，预计未来五年全球算力规模将以超过60%的速度增长，至2030年全球算力将超过50ZFlops，其中智能算力占比将超过95%。

中国是全球算力产业的重要参与者，在算力产业全链条均进行布局。根据IDC数据，2025年中国智能算力规模将达到1,037.3EFLOPS，预计到2028年将达到2,781.9EFLOPS，而2025年中国通用算力规模将达到85.8EFLOPS，预计到2028年将达到140.1EFLOPS。预测显示，2023-2028年期间，中国智能算力规模的五年年复合增长率预计达到46.2%，通用算力规模预计达到18.8%。

3、算力基础设施与算力服务行业概况

算力基础设施作为算力生产的“核心工厂”，其核心零部件、设备以及算力集群的性能、能效与适配性直接决定了算力产业的运行效率与发展边界，而算力服务是推动算力在应用场景中落地的重要环节。在算力需求呈爆炸式增长的当下，算力基础设施与算力服务不仅是算力供给的基础，更成为推动算力产业技术迭代、生态重构与场景赋能的核心驱动力。当前，算力基础设施呈现多元泛在、智能敏捷、安全可靠、绿色低碳等特征，对于助推产业转型升级、赋能科技创新进步、满足人民美好生活需要和实现社会高效能治理具有重要意义。

算力基础设施的基本算力单元是服务器。服务器比普通计算机运行更快、负载更高、价格更贵，具有高速 CPU 运算能力、更高的可靠性、更强的 I/O 外部数据吞吐能力以及更好的扩展性。按服务器架构及应用场景可分为通用服务器、智算服务器等。

通用服务器主要以 CPU 为算力来源，优化了单线程性能和通用计算任务，而非针对并行处理，主要采用提高核心数来提升管理。随着AI技术的发展，数据量呈几何倍增长，需要大量并行处理能力来训练和推理，导致通用型服务器难以满足日益增长的算力需求。

智算服务器是指专为人工智能应用设计的高性能计算机设备。相较于通用型服务器，智算服务器有以下特点：

1）硬件架构：智算服务器采用异构计算架构，通过异构形式适应不同应用范围以及提升服务器的数据处理能力，异构方式包括 CPU 与 GPU、TPU 等多种加速芯片，目前广泛使用的智算服务器为 CPU 与 GPU 的组合；

2）GPU 数量：通用型服务器一般采用一个或两个 GPU，智算服务器需要承担大量的计算，一般配置四块 GPU 以上；

3）设计不同：智算服务器由于有多个 GPU，需要针对系统结构、散热、拓扑等做专门设计。以上特点使得智算服务器拥有更强的并行处理能力、更快的处理速度和更大的存储空间，能够支持大规模数据处理、模型训练、推理计算等复杂任务。

行业市场规模：

算力基础设施行业覆盖广泛，涵盖算力芯片、服务器、数据中心、云服务等多个层级。以服务器市场规模作为算力基础设施行业规模参照，根据行业咨询机构IDC数据，2025年全球服务器市场出货量达到1,678万台，同比增长15.3%；市场规模约为4,441亿美元，同比增长80.4%。驱动这一增长的核心要素包括人工智能算力需求激增、云计算基础设施持续扩容、企业数字化转型深化以及边缘计算部署规模扩大。特别是生成式AI模型训练与推理对高性能计算（HPC）服务器的需求呈现指数级上升趋势，推动智算服务器等高端产品线快速增长。

美国及中国是算力产业的主要参与者，也是服务器市场份额及出货量增长最快的国家，2025年度，美国服务器市场出货量占比达46%，而中国服务器市场出货量占比为28%。

2025年，中国服务器市场在人工智能需求的强力驱动下实现跨越式增长，全年出货量达464万台，其中x86服务器出货量占比约78%，出货量增速仅4.4%但市场规模增速为46.0%，主要系AI服务器单价更高，成为推动整体市场爆发的核心引擎。

行业发展前景：

①全球算力需求持续提升，推动算力基础设施及算力服务各层级市场规模快速提升

人工智能、大模型等新兴技术的快速发展推动算力需求向异构计算、高性能计算转型，也进一步推动算力基础设施行业市场规模快速提升。算力芯片方面，根据IFIND统计数据，2021年全球GPU芯片市场规模为335亿美元，2023年为604亿美元，2021-2023年复合年均增速为34.28%，预计2030年市场规模将增长至4,774亿美元，2023-2030年复合年均增速为34.36%。服务器领域，根据IDC数据，2025年全球服务器市场出货量达到1,678万台，同比增长15.3%；市场规模约为4,441亿美元，同比增长80.4%，这一数据充分印证了算力基础设施行业市场规模与算力需求的强关联性。

在算力市场整体快速增长背景下，不同细分领域算力发展呈现差异化发展趋势，通用算力规模保持稳步增长，而智能算力受人工智能技术发展与落地驱动，增速更快。自2022年以来，大模型训练场景快速推动集中化的数据中心服务器需求显著提升，并进一步推动了超节点、算力集群等部署形态的发展；随着大模型推理场景逐步落地带来的边缘端算力需求提升，叠加OpenClaw等新兴产品带来的个人大模型部署需求增长，边缘端算力基础设施也在快速增长。从产业链层级来看，算力市场的快速发展已经带动从芯片、光模块、内存等核心零部件到服务器整机、算力集群，再到算力部署解决方案、算力应用的全链条产业的规模提升，但核心零部件市场等硬件侧市场发展相对更快，算力应用层则仍处于摸索阶段，大模型厂商也在不断探索商业化路径。短期来看，核心零部件以及整机市场的发展确定性更强。

②异构计算架构普及，从单一CPU架构向多算力芯片协同转变

2025年作为大模型应用落地元年，全球大模型技术正加速从“技术验证”迈向“商业闭环”。以大模型为代表的AI技术落地极大催生了对智算算力的需求，智算算力已成为算力产业的核心驱动力。

从技术架构来看，算力基础设施使用的算力芯片已从单一CPU架构转向“CPU+GPU+DPU+ASIC”的异构计算模式，通过多芯片协同工作，大幅提升了算力输出效率。例如，英伟达下一代产品凭借3nm制程工艺，单片算力突破20 PFLOPS，而华为昇腾、谷歌TPU等专用芯片通过存算一体设计，将内存带宽提升5倍以上。

在此背景下，支撑多类别算力芯片的异构计算架构，已成为提升系统效能、适配复杂业务场景、实现算力高效利用的关键路径。异构计算架构通过统筹不同架构算力芯片的协同工作，可针对通用计算、并行计算、AI训练推理、低时延加速、专用场景处理等差异化任务进行最优算力匹配，避免单一芯片在性能、功耗、成本上的局限，显著提升系统整体算力密度与能效比；能够兼容不同厂商、不同代际的算力芯片，增强平台扩展性与投资延续性，已成为算力基础设施供应商的核心竞争力。

从算力基础设施服务商角度，对于异构计算的支持则体现在多算力芯片兼容及多元算力统一纳管两方面。在多算力芯片兼容方面，服务器整机厂商需在架构设计阶段即统筹考虑兼容性问题，服务器应支持不同架构、不同品牌加速芯片的灵活组合与部署，并在软硬件层面完成深度适配，从而满足多算力平台并行部署及国产化替代需求。在多元算力统一纳管方面，尽管国际主流AI芯片仍由英伟达主导，但国产芯片已呈百花齐放之势，客户侧算力池通常涵盖国内外多种算力芯片，亟需算力基础设施服务商提供异构算力统一调配与协同部署能力，实现多元算力资源的高效整合与弹性调度。

③绿色低碳转型深化，液冷成为从服务器到数据中心的主流散热方案，算电协同助力数据中心应对电力需求增长

作为新质生产力的关键载体，算力正深刻重构产业生态，但其发展建设过程中的能耗和碳排放问题日益凸显，发展绿色算力已经成为业界普遍共识；人工智能能训推环节的高能耗也导致数据中心用电需求持续提升，带动电力设备及储能产业链景气度提升。

绿色算力从单一能效优化升级为涵盖技术革新、政策协同、产业模式创新的系统工程，需要围绕着算力生产、供给、运营、应用的全过程，通过统筹推进算力设备、算力载体、算能协同和算用协同等多个环节的绿色化体系建设，实现高质量算力绿色低碳发展。技术创新是降低算力能耗的核心抓手，液冷技术从试点走向规模化普及，成为算力基础设施技术升级的核心趋势之一，实现从液冷组件、液冷整机柜到液冷集群的多层级应用：芯片层面通过先进制程、存算一体架构减少数据搬运能耗；服务器层面普及高密度集成服务器普及，液冷服务器占比不断提升；在数据中心层面，液冷技术成为主流，浸没式、冷板式液冷替代传统风冷，并通过深度利用自然冷源，进一步减少整体能耗。

同时，大型、超大型算力中心负荷集中、密度大，未来智算中心扩张将进一步加剧局部电网扩容压力；受此趋势影响，国家政策持续强化算力与能源协同布局，数据中心逐步纳入新型电力系统体系，算电协同已从行业概念升级为国家级新基建方向，政府工作报告明确提出推动绿色电力与算力协同布局，并加强全国算力监测与调度体系建设，通过负荷调节和绿电供给相结合的方式提升电力系统运行效率，推动算力基础设施与新型电力系统深度融合。

④单机柜算力密度持续提升，超节点成为算力新底座

传统智算中心受限于芯片工艺物理极限、“内存墙”瓶颈及通用服务器性能天花板，算力供给已难以匹配当前爆发式增长的需求。服务器高密度部署与集群化应用，通过Scale-up纵向扩展与Scale-out横向扩展等多种路径，推动算力资源实现规模化供给，显著提升了算力密度与空间利用率，为大型数据中心的高效运营奠定了坚实基础。

超节点作为整机柜级一体化紧耦合算力系统，已成为AI大模型训练的核心基础设施。其通过芯片级高速互联、统一液冷供电与集中式管理，有效破解了传统服务器集群在带宽、时延与运维层面的瓶颈。当前，全球AI算力架构正加速向超节点演进：英伟达已推出标杆方案，国内厂商亦密集发布自研产品，在集成密度、通信速率与计算能力等关键指标上逐步逼近国际一流水平。

超节点更为国产加速卡追赶国际领先水平开辟了新的可能。在该架构下，不同计算单元得以通过更低通信延迟与更高带宽实现深度协同，从根本上提升集群有效算力。借助架构与互联层面的系统性创新，国内算力体系无需完全依赖单卡性能突破，而是通过规模化堆叠，在集群有效算力上逼近甚至在特定场景下超越海外领先水平。

超节点的技术攻坚聚焦于高密集成、高速互联、全局协同、可靠运维四大维度。单机柜上百颗芯片带来数百千瓦级供电压力与极致散热挑战，亟需高效液冷方案支撑；高密部署场景下，百纳秒级时延的紧耦合互联对自研协议、交换芯片、高速线缆及信号完整性提出极高要求；统一内存架构与硬件级集合通信依赖软硬件深度协同设计；高密度、高功耗、高复杂度的系统必须攻克漏液防护、供电冗余、故障精准定位与快速恢复等工程化难题，方能实现稳定商用。

超节点作为系统级创新载体，正推动算力基础设施从“硬件堆叠”向“系统创新”实现质变。凭借软硬件协同的架构优势，其支撑AI技术持续迭代与产业深度赋能，重塑算力基础设施格局，标志着智算中心正式迈入超节点时代。

⑤国产化替代深化，国产软硬件及服务器整机适配逐步完善

目前，各国政府均密集出台政策加大对算力基础设施发展的政策扶持，并将算力竞争作为国力竞争的重要手段，算力自主性也成为各国算力产业发展重点。在贸易摩擦等不稳定因素助推下，中国将算力自主可控上升到前所未有的高度，关键算力基础设施去“卡脖子”化成为战略目标，AI芯片国产化提速、软硬件生态自主可控，全产业链自主可控程度不断提升。同时，国内以互联网厂商为主的算力需求方在规划长期算力建设战略时，已从“绝对性能优先”转向“供货稳定、成本可控、系统可预期”的综合指标，国产芯片虽然短期内在性能上有一定差距，但在可获得性、价格体系和长期可持续性方面更具优势，下游需求量不断提升。

目前，算力基础设施领域各环节均加快实现国产化，本土算力基础设施厂家凭借对国内市场的深刻理解、快速响应的服务能力以及持续提升的技术产品力，在国内市场份额持续扩大，推动核心环节国产化进程加速。鲲鹏、昇腾、海光等芯片厂商的技术突破，为国产服务器提供了核心硬件支撑；超聚变、浪潮信息等服务器厂商通过自主研发，在智能计算服务器、液冷服务器等领域实现技术领先，带动了精密制造、散热技术等配套产业的发展。算力基础设施产业的崛起，不仅提升了我国高端制造业的竞争力，更推动了整个产业链的自主可控，为产业结构升级注入了强大动力。

⑥算力向边缘延伸加速，边缘AI落地与场景化应用持续深化

据IDC预测，2025年全球超50%的数据将在边缘产生，75%的企业数据需在靠近数据源的边缘侧实现处理闭环。当前，大模型的训练和推理主要依托云端强大的集中算力完成，但随着AI技术的逐渐成熟，产业重心正在从模型训练向场景应用迁移，当前推理算力需求进入结构性、可持续的爆发式增长周期；同时，云端大模型面临网络延迟高、数据安全隐患以及成本压力等挑战，而边缘计算能够有效降低数据回传带宽成本、提升业务处理效率，增强数据安全与合规能力，为AI应用下沉奠定坚实基础。

考虑到边缘场景下大模型应用面临的资源受限、模型轻量化等问题，行业主要参与者正通过软硬件协同优化和新型架构创新来逐步破解：一方面，加速研发边缘轻量化大模型，在降低推理时延和功耗的同时保障精度与数据安全；另一方面，完善云边协同机制，或通过分层推理缓解端单端压力；同时，推动统一的边缘AI框架与标准建设，提升跨平台部署兼容性与生态成熟度。通过多种举措实现“云边协同”，能够实现大模型与边缘计算的融合应用，为各领域的智能化升级提供强有力的支撑。

目前，边缘AI已经逐步实现落地，以工业场景为例，通过在产线直接部署边缘节点并安装AI视觉缺陷检测、设备预测性维护等边缘AI应用，可显著提升生产良品率与系统运行稳定性，进一步释放边缘算力的产业价值。

⑦AI行业落地提速，全栈价值升级与规模化闭环逐步成型

未来五年，AI行业落地正迈入关键机遇期。随着AI技术向行业纵深渗透，客户需求已从单点效率优化升级为全局业务创新与效益提升，全栈AI建设中的价值创造逻辑发生根本转变，企业对于算力的需求已从传统的底层硬件参数比拼，转向注重实际业务产出，高质量、可复制的词元（Token）成为产业新价值高地。

在此背景下，以算力软硬协同为核心的AI Infra体系正成为竞争关键，算力服务商通过算力调度优化、模型工程化与行业知识深度融合，将分散的算力资源转化为可量化、可复用的智能服务，真正实现从“卖算力”到“卖效果”的商业模式跃迁。从产业演进路径看，行业正构建起“算力筑基-平台赋能-场景变现”的商业闭环，底层算力设施提供弹性支撑，中层AI平台实现模型训练、推理与调度的全栈管理，上层行业应用则将智能能力转化为可量化的业务收益。这一闭环不仅标志着AI从“技术可用”迈向“商业可行”，更预示着产业智能化进入以价值创造为核心的高质量发展新阶段。

在市场与技术双轮驱动下，政务、金融、制造等数据基础扎实、场景需求明确的行业将率先实现规模化落地，而算力基础设施服务商之间的竞争将不仅局限于算力性能及规模，也将聚焦于场景适配度与商业闭环效率；能够将算力基础、平台能力与行业Know-How深度耦合的服务商，才能在算力市场中占据价值高地，真正实现产业智能化的质变。