AI服务器和传统通用服务器在设计方案上主要区别在于对高性能计算资源、内存和存储、网络连接（PCB）、电源管理等。AI服务器为应对AI工作负载需求，对资源进行了优化
　　计算资源方面：
　　总体而言：AI服务器通常具有更强的计算能力，不仅包括高性能的CPU（通用服务器及AI服务器均以配置INTEL 5318为例），还包括一个或多个高性能GPU以处理大量并行计算，从而强化深度学习和机器学习任务上的优势。尤其GPU自身数目的提高（如从两张升级到八张），或升级到H800等，都会使得计算能力进一步强化（同时在BOM表的占比也会持续提高）
　　通用服务器：假设双路服务器（一台服务器中含两个CPU）。由于无需含GPU，其CPU可能占BOM的近30% 
　　AI服务器：分为训练服务器和推理服务器:
　　◆训练服务器：由于CPU数量与型号不变，CPU的占比从近30%下降到10%以下；AI芯片方面，假设使用A800，相对应的增加的GPU，会占成本的50%以上，如果后续升级，不管是使用更多张A800（从两张到8张），或者升级到H800，GPU在BOM表的占比会更高。以8张A800为例，单机价值量高达76万，占比80%以上
　　◆推理服务器：以搭载GPU为T4卡（单价3500$），单机挂4个GPU为例，单机价值量近10万，成本占比约42%
　　风险提示：
　　1）下游需求不及预期；
　　2）竞争加剧致厂商利润率下滑；
　　3）上游原材料持续涨价。