隨著人工智能技術在各行業的深度滲透與“東數西算”等國家戰略的推進，國產AI服務器市場在2023年迎來了技術爆發與產品迭代的關鍵一年。其發展已從單純的硬件堆砌，轉向以應用場景為導向、軟硬協同優化的體系化競爭。以下從分類、技術與產品三個維度，梳理2023年國產AI服務器的關鍵進展。

一、 主流分類：按架構與應用場景細分

2023年，國產AI服務器已形成清晰的產品矩陣，主要可按核心處理器架構和應用場景進行劃分：

1. 按處理器架構分類：

• GPU加速服務器： 目前市場主流，搭載國產或國際主流GPU（如NVIDIA A/H系列）。國產化替代趨勢下，搭載海光DCU、天數智芯智鎧、沐曦曦云等國產GPU的服務器產品線日益豐富，重點攻克生態兼容與性能優化。

• ASIC定制服務器： 專為特定AI算法或場景設計，以華為昇騰（Ascend）系列和寒武紀思元（MLU）系列為代表。其優勢在于針對推理或訓練場景的極致能效比和成本控制，在安防、互聯網推薦等領域形成規模化部署。

• CPU主導的異構服務器： 以國產x86（海光）或ARM（飛騰、鯤鵬）平臺為核心，通過優化CPU算力、高速互聯與內存帶寬，承擔部分AI推理和輕量級訓練任務，強調整體解決方案的通用性與安全性。

1. 按應用場景與部署形態分類：

• 訓練服務器： 追求極致算力密度與高速互聯（如NVLink、RoCE），通常采用多路GPU/ASIC設計，配備大容量高帶寬內存和高速存儲，用于大模型預訓練和深度學習模型開發。

• 推理服務器： 強調高能效、低延遲與高吞吐，形態多樣，從邊緣推理盒子到數據中心推理集群均有覆蓋，是當前國產化落地最快的領域。

• 邊緣AI服務器： 面向智能制造、智慧交通等場景，在緊湊、堅固的機身內集成AI算力，具備強環境適應性和實時處理能力。

• 液冷服務器： 隨著單機柜功率密度急劇攀升，風冷已逼近極限。2023年，冷板式液冷成為高端AI服務器的“標配”，浸沒式液冷也進入商業化試點，顯著降低PUE，助力綠色數據中心建設。

二、 核心技術突破：從硬件到系統級優化

2023年的技術開發聚焦于突破算力瓶頸與提升效率，核心進展體現在：

1. 芯片級創新： 國產AI芯片在制程工藝受限的情況下，通過架構創新實現性能追趕。如采用Chiplet（芯粒）技術、存算一體架構探索、以及針對Transformer等大模型算子進行硬件級優化，提升有效算力。
2. 高速互聯與網絡： 服務器內部，PCIe 5.0接口開始普及，為加速卡提供更高帶寬。服務器間，基于RoCEv2的RDMA網絡部署成為大規模集群訓練的基石，國產InfiniBand替代方案也在積極研發中。
3. 軟硬協同與系統優化： 技術競爭從硬件擴展到全棧。各大廠商紛紛推出自研的AI開發平臺、算子庫、模型編譯器和調度軟件，通過軟硬件協同設計，最大限度挖掘硬件潛力，降低開發與部署門檻。例如，針對大模型訓練的混合并行策略、自動切分與容錯技術。
4. 安全可信與可信計算： 集成國產可信計算芯片（TPCM/TCM），構建從硬件固件、操作系統到應用的全棧可信鏈，滿足關鍵行業對數據安全和模型安全的需求。

三、 2023年代表性產品與生態動向

2023年，主流服務器廠商（如浪潮、新華三、華為、寧暢、聯想凌拓等）均發布了新一代AI服務器產品，其共性特點是：

• 支持多元算力： 單一服務器平臺可靈活配置多種國產或國際主流AI加速卡，保護用戶投資并平滑過渡。
• 強化液冷設計： 多數高端型號均提供液冷選項，積極響應“雙碳”目標。
• 聚焦大模型： 產品宣傳和優化重點明顯轉向千億乃至萬億參數大模型的訓練與推理，推出預集成的大模型一體機解決方案。
• 生態構建加速： 廠商深度參與國內各大人工智能開源社區（如OpenI啟智、ModelScope），推動國產硬件對主流AI框架（PyTorch, TensorFlow）的適配與優化，并聯合ISV（獨立軟件開發商）打造行業解決方案。

與展望

2023年，國產AI服務器領域呈現出“分類精細化、技術全棧化、產品場景化”的鮮明特征。在外部環境壓力和內部需求驅動的雙重作用下，技術自主創新的步伐顯著加快。隨著大模型應用落地、邊緣智能普及以及算力基礎設施的全面綠色升級，國產AI服務器將繼續在異構計算融合、光電互聯、智算中心操作系統等方向深化技術開發，構建更加自主、高效、普惠的AI算力底座。