炒股就看金麒麟分析师研报，权威，专业，及时，全面，助您挖掘潜力主题机会！

（来源：泡财经）

提起工业富联（601138.SH），很多人的第一反应仍然是两个字：代工。

流水线、组装、薄利，这是过去很多年资本市场理解电子制造企业最常用的一套框架。

但到了AI时代，这套理解可能需要更新了。

一台传统服务器和一台AI整机柜，看起来都是“服务器”，背后的制造复杂度却已经完全不同。

英伟达GB200 NVL72为例，一台整机柜内部集成了72颗GPU、36颗CPU，同时涉及液冷、电源、高速互联、光纤以及整柜系统测试。其功耗达到百千瓦级，对散热、供电和高速信号传输提出了远高于传统服务器的要求。

这也是为什么，“组装”这个词已经越来越难准确描述AI服务器制造。

更准确的说法，或许是——系统级精密集成。从“把零件装起来”到“让整个系统跑起来”

传统电子制造最容易被理解成一件事：把零部件按照图纸装进产品。

但AI整机柜真正困难的地方，并不是把GPU插进去。

几十颗GPU需要通过高速互联协同工作，机柜内部还要同时解决供电、散热、信号完整性、光通信以及系统管理等问题。

完成硬件组装之后，还需要进行整柜联调和压力测试，验证GPU之间的通信、系统稳定性和满载情况下的散热能力。任何一项指标不达标，都可能意味着重新排查甚至返工。

因此，AI时代制造企业交付的不再只是一个“装好的柜子”，而是一套能够通电、联网并稳定运行的算力系统。

我们把这种能力概括为四个方面：

精密制造、热管理、高速信号完整性，以及经过长期客户认证的质量管理体系。

这也是工业富联正在发生变化的地方。

从单板制造走向整柜系统集成

在电子制造产业内部，从PCB贴片、服务器主板，到服务器节点，再到完整整机柜，本身就是一条不断向系统级集成延伸的路径。

我们将最高层级的整柜交付称为L11：服务器节点、液冷系统、电源、光纤和管理系统被集成到同一个机柜中，并经过系统级联调后直接交付。

过去，制造业长期处在所谓“微笑曲线”的中间位置。

芯片设计掌握较高利润，云计算服务掌握最终用户，而制造企业更多依靠规模和效率赚钱。

AI整机柜正在改变其中一个变量：产品复杂度和单机价值量大幅提升。

这并不意味着制造企业突然拥有了芯片公司的利润率，而是意味着系统集成能力正在成为一种更加稀缺的产业能力。

以前比拼的是谁能把服务器做得更快、更便宜。

现在还要比拼：谁能够更快完成新平台导入，谁能够解决液冷和高速互联问题，谁能够在客户要求的时间窗口内实现大规模稳定交付。

制造竞争的维度正在改变。

液冷为什么成为新的门槛

这种变化在散热环节尤其明显。

随着AI芯片功耗持续提高，一台高性能AI整机柜的整体功耗可以突破100kW。传统风冷方案在这样的功率密度下越来越接近能力边界，液冷由过去少量高性能计算系统中的特殊方案，逐渐进入AI数据中心主流技术路线。

而液冷并不是简单“加一根水管”。

冷板、管路、密封测试、冷却液、泄漏检测，都需要新的设备、工艺和质量体系。

这实际上提高了AI服务器制造的进入门槛。

一家企业能够生产普通服务器，并不意味着它可以立即稳定交付高功率液冷整机柜。

真正有价值的是从工程设计、供应链协同、制造、测试到大规模量产形成完整能力。

从“你设计、我制造”走向共同开发

另一个值得关注的变化，是制造企业与客户的合作方式。

通常将传统制造分成OEM、ODM和JDM三个阶段。

OEM更接近按照客户图纸生产；ODM开始承担部分产品设计；而JDM则进一步参与产品早期开发，从热仿真、信号完整性、机械结构到可制造性评审，与客户共同推进产品落地。

对于更新速度越来越快的AI硬件来说，这种合作模式的重要性正在上升。

因为一代AI产品从设计到量产，本身就是一个复杂的工程项目。

芯片架构变化之后，服务器内部的供电、散热、PCB、互联和机械结构往往都要随之调整。

制造企业越早参与产品定义，积累的工程经验和客户协同能力也就越难在短时间内复制。

这也是AI时代制造壁垒正在发生变化的一个重要原因。

“代工”没有消失，但它正在变得越来越复杂

需要强调的是，这并不是说电子制造企业已经变成了芯片设计公司。

它们依然属于制造业，利润率和商业模式也仍然遵循制造业规律。

真正发生变化的是：制造本身的技术含量正在提高。

过去，一台服务器最重要的价值往往集中在CPU、内存等核心零部件。

现在，一台AI整机柜需要同时解决计算、网络、散热、供电和系统可靠性。

芯片只是起点。

如何把几十颗甚至更多AI芯片真正变成能够稳定工作的算力系统，同样成为产业链中的关键环节。

因此，重新理解工业富联，可能首先要放下一个旧问题：

“它是不是一家代工厂？”

更值得问的是：

当AI基础设施越来越复杂之后，谁有能力把最先进的芯片真正变成可以规模化交付的算力？

这或许才是AI时代重新理解制造业价值的起点。