戴爾科技2027會計年度第2季營收達470億美元、年增58%，基礎設施解決方案事業群營收318億美元、年增89%。其中，AI伺服器新訂單金額明顯高於當季認列營收，第2季AI最佳化伺服器接單609億美元，實際認列營收164億美元，訂單約為營收的3.7倍。即使持續大量出貨，季末AI伺服器未出貨訂單仍由第1季513億美元升至950億美元，單季增加將近437億美元，增幅約85%。

當企業開始把AI由試驗推向正式部署，大型模型除了仰賴圖形處理器(GPU)執行加速運算，同時也需要中央處理器支援資料處理、檢索、協調與一般工作負載，並利用儲存系統保存企業資料、模型權重與向量資料，再透過高速網路串聯運算及儲存節點，形成可橫向擴充的整體架構。目前，戴爾AI需求已進一步向企業與主權AI擴張，戴爾AI工廠客戶超過6500家，其中最近3季新增3300家。企業專案的單案規模未必等同超大型雲端資料中心，卻往往需要更細緻的系統工程、資料治理、儲存、網路、資安與部署服務，部分專案甚至需要50種以上設計組合，以因應工作負載效能、電力、散熱與資料中心環境差異。這也意味AI基礎設施競爭已逐步轉向完整系統整合與部署能力。

當機櫃級架構逐步成熟並進入放量階段，機櫃已從設計初期便把運算、網路、供電、冷卻、儲存與管理視為一套整體系統。其中，技嘉(2376)公開的Vera Rubin NVL72機櫃級方案即配置36顆Vera中央處理器、72顆Rubin圖形處理器、18組液冷運算托盤與9組NVLink交換器托盤，並採用4組3RU、110kW電源模組，以及54V直流、5000A母排，每機櫃功耗最高達240kW，搭配列間式液冷分配單元。

若以技嘉GIGAPOD公開規格比較，GB200 NVL72每機櫃最高功耗約130KW，GB300 NVL72提高至約140kW，Vera Rubin NVL72則進一步升至240kW。隨著資料中心資料吞吐量持續增加，企業級儲存容量與效能也必須同步提升；當機櫃功耗由數10kW跨入100kW甚至兆瓦級叢集，供電架構也由分散式電源供應器，逐步朝高功率電源模組、集中式母排與獨立電源機櫃演進。熱密度攀升後，冷板、分流歧與資料中心水路，也逐漸成為高密度液冷系統的重要工程。

光寶科(2301)的AI資料中心布局已由高階伺服器電源供應器延伸至110kW機架式電源、800VDC液冷電源機櫃、備援電池系統與280kW機櫃內冷卻液分配單元，並與雲達科技共同展示支援輝達Vera Rubin NVL72的整合式電源方案。光寶將高壓直流電源機櫃視為下一波重要成長動能，800VDC架構也不只是提高既有電源供應器瓦數，而是重新設計資料中心的供電、配電與熱管理架構。隨著高功率、高整合度產品占比提高，電源供應商的角色也逐步由零組件供應走向基礎設施解決方案，台達電(2308)更將布局從晶片端電源轉換延伸至資料中心整體架構。26年公開的800VDC方案涵蓋列間電源、110kW交流轉直流機架式電源、90kW直流轉直流機架式電源與電子保險絲；散熱端則布局冷板、2.4MW列間液對液冷卻液分配單元，以及已開始出貨的3MW GoCool液對液冷卻系統，形成從電網、機櫃一路延伸至晶片的供電與散熱架構。

未來AI機櫃價值量提升的核心，在於運算晶片效能愈強，周邊基礎設施就愈難停留在上一世代。高速運算需要更高速的網路與互連，模型與企業資料增加則推升高容量、低延遲儲存需求；單櫃功耗攀升後，也需要更高電壓、高功率電源模組與備援電力。當熱密度跨入100kW級，高密度AI機櫃的液冷也由輔助選項逐步轉為核心基礎設施，並須完成配線、水路與流量確認、韌體設定、供電驗證、洩漏測試、網路連線與整櫃測試，才能把高價值運算設備轉化為真正可部署上線的算力。

鴻海(2317)今年3月已於Nvidia GTC完整展示Vera Rubin NVL72 AI伺服器機櫃，6月更公開把定位由AI伺服器供應商進一步推向AI詞元工廠與完整AI工廠基礎設施整合。現有能力已涵蓋機櫃級系統、模組化資料中心、高速互連、數位孿生與模擬驗證，以及全球規模製造，競爭已從單一伺服器製造延伸至整套資料中心部署。近期，鴻海與Bull在歐洲的合作模式尤具代表性，其中相關AI系統先在鴻海捷克廠區製造並進行初步測試，再送往法國昂熱Bull工廠完成組裝、最終整合與系統級驗證，意味機櫃級產品已可依客戶所在地與區域供應鏈需求，把製造、測試、系統整合及最終交付拆分為跨區域流程。

鴻海目前在全球24個國家擁有超過240個據點，公司也將全球布局、垂直整合與高度自動化視為處理高單價、高複雜度AI產品的重要基礎，全球製造能力因此逐漸由規模與成本優勢，延伸為完整系統交付能力。

廣達(2382)的競爭優勢，更接近長期服務大型雲端客戶所累積的設計、整合與量產經驗。大型雲端服務商對客製化與共同設計需求較高，平台開發也由伺服器延伸至機櫃、網路、儲存與供電，因此供應商的核心門檻，在於能否快速完成工程驗證、設計驗證與量產驗證，再進入大規模生產，並透過全球製造據點複製交付能力。英業達(2356)則從既有伺服器能力進一步向圖形處理器與客製化晶片多平台延伸。AI資料中心已不再只有單一加速器架構，除輝達圖形處理器外，大型雲端服務商也持續擴大自研ASIC。若ODM能將供電、散熱、網路、機構與驗證能力移植至不同運算平台，就能提高新平台導入與量產效率，降低單一晶片世代切換帶來的衝擊。英業達目前ASIC專案主要集中於北美大型雲端客戶，公開產品則同時涵蓋輝達與超微平台。和碩(4938)近年加快AI伺服器布局，今年已展示Vera Rubin NVL72液冷機櫃級系統，以及多種輝達、超微平台，並將伺服器全年營收目標由原先年增十倍進一步朝超越原目標推進。未來當出貨由少量導入走向大批量部署，自動化、標準化與追溯管理的價值會快速增加。