DIGITIMES預估全球AI伺服器出貨總量將達逾181萬台，年增26.3％，其中搭載高頻寬記憶體（HBM）的高階AI伺服器出貨，則將有機會突破百萬台大關、年增四成以上。
DIGITIMES分析，以高階AI伺服器的採購對象而言，因商用圖形處理器（GPU）叢集（cluster）效能進展迅速，以及部分雲端用戶加快AI特殊應用積體電路（ASIC）採用步調，預期2025年北美大型雲端業者的採購比重將回升至7成。
DIGITIMES指出，2025年高階AI伺服器採購量成長最快的預估為甲骨文（Oracle），主因甲骨文為OpenAI的星際之門計畫（Stargate Project）合作業者中最積極者之一；而北美4大雲端業者2025年仍將採購大量高階AI伺服器，並以微軟（Microsoft）採購成長幅度最高，將近8成；Google採購量預期仍將排名第一，但其採購速度將為4大業者中最慢。
AI伺服器是什麼？跟一般伺服器有何不同
一般伺服器以中央處理器（CPU）為主要運算核心，圖形處理器（GPU）僅為輔助；而AI伺服器則相反，以GPU為主要運算引擎，CPU為輔，並常搭配特殊用途晶片，如 ASIC、FPGA、TPU 等，以滿足人工智慧訓練與推論所需的大量平行計算需求。
AI伺服器製造階段解析：
L1~6主要以各種模組組裝為主，出貨為主機板形式；L7~L9階段再加上CPU、GPU、HDD、記憶體等關鍵零組件；L10進行系統組裝與測試；L11是整機櫃組裝，也是多數台灣ODM廠做到的層級。
整體AI伺服器市場而言，做到L10～L12系統階段相對而言需整合更多元件或軟硬體整合，技術層次較高及競爭力愈強，可進攻雲端客戶的整套解決方案，例如鴻海、廣達、緯穎等，皆是以這類型的業務為主。
AI伺服器的優勢
效能最佳化與高度擴展性
AI伺服器可以根據不同工作的效能需求，搭配出最合適的硬體架構，以達到系統所需的低延遲與高吞吐量，確保運算效率最佳化。
採用模組化設計，根據實際需求擴充運算、儲存和以及網路等，靈活支撐從邊緣端到雲端的各種工作負載。
深度學習訓練與推理應用
大型AI模型訓練需要極大量資訊運算，高效能的GPU伺服器能讓訓練時間從數週縮短至數小時，提升模型精確度，即時影像辨識、語音助理等應用，要求快速回應與高可用性，AI伺服器能在雲端或邊緣端就近部署，滿足低延遲服務需求。
IT運維
結合AI演算法與大數據分析，用於自動化故障檢測、事件關聯與資源管理，分析工業設備感測數據，提早預測元件故障安排維修，提升資料中心或雲端基礎設施的穩定性。
自主系統
自駕車、無人機、機器人等系統需要即時感知數據，AI伺服器可以提供關鍵的運算支援，確保系統反應速度與穩定性。
相關伺服器概念股
點我加理周寶LINE好友🔥最新看漲訊息報給你知 👉 https://lin.ee/EDu8u6q
