Supermicro季度营收同比增长近3倍:AI服务器需求推动机架级基础设施扩张

一家服务器制造商,一个季度能卖出多少台机器?
过去,这个问题往往可以用CPU配置、GPU数量、服务器出货量和平均售价来解释。但随着AI数据中心建设规模扩大,服务器厂商正在面对一种不同的采购需求:客户不仅需要计算设备,还希望获得能够直接部署到机房中的整机架系统,甚至是包含供电、散热、网络和管理软件的整体解决方案。
Supermicro(超微电脑)最新公布的财报,让这一变化更加直观。
当地时间2026年11月3日,Supermicro发布2027财年第一季度业绩。数据显示,截至2026年9月30日的三个月内,公司实现营收约199.46亿美元,上年同期约50.18亿美元,同比增长约297.5%,营收规模接近上年同期的四倍,并创下季度纪录。
同期,公司实现净利润15.94亿美元,明显高于上年同期的1.68亿美元。Supermicro还预计,2027财年全年营收将达到720亿至820亿美元。
公司将业务增长与AI计算平台需求、数据中心整体解决方案以及全球生产交付能力的扩大联系在一起。
但在这份耀眼的财报背后,还有另一组值得关注的数字:Supermicro本季度毛利率为12.7%,虽然高于上年同期的9.3%,却低于上一季度的17.5%。
营收快速增长,毛利率却环比下降。
这意味着,AI服务器市场的变化并不只是客户购买了更多设备,也涉及大型订单的产品结构、定价方式、交付成本和供应链管理。
A5数据认为,Supermicro本次财报最值得IDC行业关注的,不是某款GPU服务器卖得有多好,而是AI基础设施的交易单位正在发生变化——从一台服务器,逐渐延伸到一个机柜、一组计算集群,甚至整套可部署的数据中心基础设施。
一、一个季度接近200亿美元,Supermicro增长有多快?
先来看最新业绩。
根据Supermicro公布的未经审计财务数据,公司2027财年第一季度主要指标如下:
财务指标 | 2027财年第一季度 | 对比情况 |
|---|---|---|
季度营收 | 199.46亿美元 | 上年同期50.18亿美元 |
营收同比增长 | 约297.5% | 规模接近上年同期4倍 |
上一季度营收 | 约111亿美元 | 本季度环比增长约80% |
GAAP毛利率 | 12.7% | 上年同期9.3% |
上一季度毛利率 | 17.5% | 本季度环比下降4.8个百分点 |
季度净利润 | 15.94亿美元 | 上年同期1.68亿美元 |
经营活动现金流 | 净流出4.34亿美元 | 本季度经营现金流为负 |
需要说明的是,Supermicro的财年与自然年不同。
此次公布的是2027财年第一季度业绩,实际统计期间为2026年7月1日至9月30日,并不是2027年已经过去的某个季度。
从收入增长来看,Supermicro这次交出的成绩相当突出。
上年同期营收约50亿美元,而本季度已经接近200亿美元。
这不仅表明AI服务器相关需求持续增长,也说明公司正在承接更大规模的数据中心基础设施项目。
Supermicro创始人、总裁兼首席执行官梁见后在财报中表示,公司正持续向整体AI及IT数据中心解决方案供应商转型。
他特别提到,公司的Data Center Building Block Solutions(DCBBS,数据中心模块化解决方案)能够覆盖从吉瓦级数据中心到单个集装箱式计算模块的不同部署规模。
这段表述很重要。
因为它意味着Supermicro希望客户采购的,不再只是按CPU、内存和硬盘组成的传统服务器,而是一套可以根据规模扩展的计算基础设施。
不过,我们也要明确:199.46亿美元是Supermicro公司的整体营收,涵盖AI、企业计算、存储、边缘计算等相关产品和服务,不能全部直接认定为AI GPU服务器销售收入。
公司季度营收同比增长约297.5%,也不代表全球服务器市场整体增长了同样幅度。
这是Supermicro自身的经营表现。
二、这次AI服务器订单,为什么不再只是采购几台机器?
如果一家企业准备部署普通网站,采购一台物理服务器通常只需要确定处理器、内存、硬盘、带宽以及操作系统。
例如,一台搭载AMD EPYC或Intel Xeon处理器的服务器,配置相应内存和SSD后,就可以承担网站、数据库或企业应用。
但大型AI基础设施的采购方式明显不同。
假设一家企业准备建设大型模型训练集群。
它需要的可能不是几台单独运行的GPU服务器,而是多个GPU节点构成的统一计算资源池。
这些服务器之间需要高速通信。
计算任务需要在不同节点之间分配。
数据需要在存储系统、CPU和GPU之间持续流动。
与此同时,所有设备还要获得稳定的供电和散热支持。
当服务器数量不断增加时,真正限制系统交付的因素可能不再只是能否买到GPU。
例如,即使加速器已经到货,如果机柜供电能力不足,设备依然无法按计划运行。
如果散热系统无法承担持续计算产生的热量,服务器可能出现降频或稳定性问题。
如果网络互联不匹配,多个GPU节点之间的数据交换可能成为整体计算效率的瓶颈。
因此,大规模AI服务器采购需要解决的不是单一硬件问题,而是计算、网络、电力和散热之间的协调问题。
Supermicro此次重点强调DCBBS解决方案,正是希望在服务器制造阶段,把更多系统级需求提前整合。
我们认为,这是AI服务器制造商与传统服务器装配业务之间正在扩大的差别。
三、DCBBS究竟是什么?为什么Supermicro反复强调它?
DCBBS是Supermicro提出的数据中心模块化解决方案体系。
从实际应用角度理解,它并不只是某一台服务器或者某一个独立硬件产品,而是将计算节点、机柜、网络、冷却、软件和相关服务按照不同需求进行组合的解决方案。
对于大型AI客户来说,这种方式具有一定吸引力。
传统服务器采购通常需要客户分别处理多个环节。
例如,采购服务器、选择网络交换设备、部署机柜、设计散热系统,以及安装集群管理软件。
不同设备可能来自不同供应商。
如果项目规模较小,这种方式可以保持较高的灵活性。
但当项目需要部署大量GPU服务器时,逐项采购和现场集成可能增加交付复杂度。
模块化系统的价值,是把部分系统设计、测试和集成工作提前完成。
例如,厂商可以根据客户需求提供已经设计好的计算机架,配合网络和散热组件,在交付前完成相应验证。
客户到机房后,仍然需要完成电力、网络和冷却系统接入,但部分原本需要现场处理的问题,可以提前解决。
这并不意味着模块化交付一定能够让所有项目成本更低。
具体成本仍取决于项目规模、硬件配置、机房条件和供应商方案。
但对于大规模建设AI计算集群的企业来说,更标准化的系统设计可能有助于减少重复集成工作。
从Supermicro的业务方向看,公司正在尝试通过DCBBS扩大自己在整套数据中心建设项目中的参与程度。
这也有助于解释,为什么AI服务器厂商在最新财报中越来越频繁地讨论机架级交付、制造能力和部署效率,而不只是某款服务器的配置参数。
四、机架级AI服务器的第一道门槛:供电
AI服务器的发展正在改变部分数据中心的电力需求。
传统IDC机柜通常按照既定电力容量安排设备上架。
对于普通网站服务器,一台机器的功耗相对容易评估。
但GPU服务器往往具有更高的计算密度。
当多个高性能GPU安装在同一台服务器内,再将多台服务器集中部署到一个机柜,整柜功耗可能显著提高。
这会带来几个现实问题。
首先,是机柜能否提供足够的持续电力。
一套AI服务器系统可能需要同时满足计算设备、交换设备以及其他辅助组件的用电需求。
其次,是机房配电系统是否具有足够余量。
如果机柜本身能够安装设备,但配电容量不足,增加服务器数量也无法解决问题。
再次,是供电冗余和维护能力。
对于需要长期运行AI训练任务的客户来说,电源故障可能导致计算任务中断,并产生额外的恢复成本。
因此,高密度AI机柜的部署不能只按照机箱数量来计算。
A5数据认为,未来提供大型GPU服务器托管服务的IDC企业,需要在销售阶段就明确供电条件。
例如,客户采购多台高性能GPU服务器之前,应首先确认机柜可用功率、实际功耗要求、供电冗余以及机房能否长期承载对应负载。
这些问题并不属于传统服务器配置表里的CPU、内存和硬盘参数,但可能直接决定整个项目能否交付。
五、第二道门槛:液冷开始进入AI基础设施采购方案
在机架级AI系统中,散热的重要性与供电相当。
普通服务器主要依靠风扇和机房空调进行空气冷却。
这种方式在大量传统计算环境中仍然有效。
但随着设备功率密度提高,部分高性能AI系统可能需要采用液冷或者混合冷却方案。
液冷可以通过液体循环,将关键发热部件产生的热量传递到对应的冷却系统。
对于高密度计算设备来说,这种方式有机会改善散热能力,并帮助机房管理热负载。
不过,液冷并不只是把服务器内部的散热器更换成水冷设备。
完整的液冷部署还需要考虑冷却液分配、管路连接、漏液检测、供回液条件以及设备维护。
如果机房原本没有相应基础设施,增加液冷服务器可能涉及较大的改造工程。
这也是为什么部分服务器厂商希望提供更完整的机架级方案。
因为散热设计如果能够与设备结构提前匹配,就可能减少现场集成难度。
Supermicro近年来持续拓展液冷及高密度数据中心解决方案,此次财报强调DCBBS和整体交付,也与这一方向一致。
但我们需要区分行业趋势与本次财报的实际披露。
Supermicro本季度营收增长近3倍,并不意味着其全部新增收入都来自液冷服务器。
官方没有在本次财报中提供足够细分的数据,证明液冷业务单独贡献了多少收入。
因此,更准确的理解是:高密度AI服务器需求增加,为液冷和机架级基础设施创造了更广阔的应用空间,而Supermicro正在参与这一市场。
六、第三道门槛:GPU之间的高速互联
对于普通网站服务器来说,网络配置主要围绕公网带宽、线路质量和用户访问延迟展开。
但大型AI计算系统需要关注另一种网络能力:服务器与加速器之间的高速数据通信。
例如,在分布式训练中,多个计算节点需要交换模型参数和中间计算结果。
如果网络带宽不足,GPU可能需要等待数据传输,影响计算效率。
对于大规模推理系统,不同节点之间也可能需要进行任务协调和数据传递。
因此,AI服务器集群通常需要专门设计内部互联网络。
这类网络与用户访问互联网使用的公网带宽不是同一回事。
一个机柜即使具有较高的公网出口带宽,也不能因此认定其适合所有分布式AI计算任务。
真正影响集群效率的,还包括内部交换网络的速率、延迟、拓扑结构以及软件通信机制。
对于Supermicro这样的服务器厂商来说,如果能够把计算节点、网络和机架布局整合设计,就可以向大型客户提供更加完整的部署选择。
而对于IDC服务商,这也意味着未来部分AI算力业务的竞争,不再只是提供多少张GPU。
客户可能进一步询问:这些GPU之间如何互联?是否能够跨服务器协同运行?网络故障如何处理?整套集群能够提供怎样的稳定性?
我们认为,当客户开始提出这些问题时,传统单机GPU租赁与大型AI基础设施服务之间的差异就会逐渐显现。
七、营收增长近3倍,为什么毛利率反而环比下降?
这份财报还有一个值得深入分析的细节。
Supermicro本季度毛利率为12.7%。
从同比来看,这是改善。
因为上年同期毛利率为9.3%,本季度提高了3.4个百分点。
但如果与上一季度17.5%的毛利率比较,则下降了4.8个百分点。
因此,不能简单地说Supermicro毛利率持续恶化,也不能只强调收入增长而忽略环比回落。
这种差异说明,在不同季度,公司的产品组合和客户结构可能发生了较大变化。
大型AI基础设施项目往往具有金额高、采购规模大、硬件成本占比较高等特点。
在这类项目中,收入增长并不必然与利润率同比例增长。
例如,如果一笔订单包含大量高价值GPU、服务器整机和其他硬件,即使合同金额很高,采购成本也可能相应增加。
此外,大型客户可能拥有更强的议价能力,订单规模和产品组合也会影响毛利率。
Supermicro在此前的业务更新中提到,客户和产品组合是影响毛利率的重要因素。
不过,具体到本季度毛利率环比下降4.8个百分点,仍需要结合公司的详细经营披露判断,不能把全部原因都归结于某一家客户或某一种GPU产品。
A5数据认为,对于IDC行业来说,这组数据提出了一个很现实的问题:
AI服务器订单越来越大,并不代表每一美元收入都能带来同样比例的利润。
假设某家IDC服务商承接了大量GPU服务器租赁订单,但设备采购成本、电费、带宽和维护成本同时提高。
那么即使营业收入快速增长,也需要进一步判断实际利润和资金回收周期。
这与Supermicro当前面临的财务问题并不完全相同,但背后的经营逻辑具有相似之处。
因此,未来观察AI服务器行业,除了关注销售额,还需要持续关注毛利率、运营费用和现金流。
八、经营现金流净流出4.34亿美元,意味着什么?
Supermicro还披露,本季度经营活动现金流净流出4.34亿美元。
与此同时,公司实现净利润15.94亿美元。
这两个数字并不矛盾。
利润反映企业按照会计准则确认的经营成果,而经营现金流关注实际经营活动带来的现金流入和流出。
对于快速扩张的硬件企业来说,两者可能出现明显差异。
例如,企业在交付大量服务器时,可能需要提前采购GPU、内存、存储设备和其他零部件。
同时,部分大型订单可能存在账期,收入已经确认,但客户款项尚未全部回收。
这些因素都可能占用营运资金。
不过,仅凭本季度现金流为负,还不能直接认定Supermicro存在严重的流动性危机。
根据财报,截至2026年9月30日,公司持有约69亿美元现金及现金等价物,同时拥有约86亿美元的银行债务和可转换票据。
判断企业资金状况,需要综合考虑现金储备、债务到期安排、应收账款、存货及未来经营现金流,而不能只依据单季度某一项指标。
但经营现金流确实值得持续观察。
尤其是在服务器制造商不断承接大型AI基础设施订单时,生产规模扩大可能对供应链和资金管理提出更高要求。
A5数据认为,这也是AI基础设施行业与普通软件服务行业的重要差异。
服务器制造和交付需要大量实物硬件投入。
即使市场需求强劲,企业仍然必须解决生产、采购、库存和资金周转问题。
对于IDC服务商而言,同样需要警惕过快扩张带来的资金压力。
如果大量采购高端GPU服务器,但客户租赁周期、实际利用率和回款情况没有同步改善,就可能形成较高的资金占用风险。
九、Supermicro上调全年预期,未来增长能持续多久?
在公布第一季度业绩的同时,Supermicro还给出了下一阶段财务展望。
公司预计2027财年第二季度营收为195亿至215亿美元。
对于截至2027年6月30日的整个2027财年,公司预计营收达到720亿至820亿美元。
这意味着,管理层预期AI及数据中心基础设施业务仍将维持较大规模。
但需要强调,这些数字属于公司对未来经营情况的预测,并不是已经实现的销售收入。
实际结果仍可能受到客户采购时间、订单交付、零部件供应和市场竞争等因素影响。
特别是AI服务器业务,部分大型客户项目金额较大,单个项目的交付时间变化,就可能对季度收入产生明显影响。
例如,原计划在某个季度完成的系统,如果因为机房准备不足、供电条件未完成或者客户验收安排发生变化,可能影响收入确认时间。
此外,AI服务器供应链涉及GPU、CPU、HBM、网络设备和其他关键零部件。
即使客户已经决定采购,也需要相关供应商按照计划完成交付。
因此,我们认为,Supermicro未来的增长情况,需要结合订单交付能力和实际盈利表现判断。
不能因为公司提出了720亿至820亿美元的全年营收预期,就认定这一规模已经确定实现。
十、Supermicro与AMD同日公布强劲业绩,说明了什么?
2026年11月3日,AMD也公布了第三季度财报。
AMD数据显示,其数据中心业务营收同比增长97%,主要受EPYC服务器处理器需求和Instinct AI加速器业务推动。
Supermicro则公布了接近200亿美元的季度营收,收入规模同比增长约297.5%。
两家公司的业务并不完全相同。
AMD主要提供处理器和加速计算平台。
Supermicro则主要面向客户交付服务器、整机架系统及相关基础设施解决方案。
因此,不能直接将两家公司的财报增长比例相加,也不能据此推算全球AI服务器市场的整体规模。
但它们同时公布的强劲业绩,反映出AI计算需求正在影响服务器产业链的多个环节。
芯片厂商需要提供更高性能的计算产品。
服务器制造商需要将这些计算产品整合到稳定运行的系统中。
数据中心运营商则需要提供电力、网络和散热条件。
而最终的云服务商和企业客户,需要将这些资源转化为能够实际使用的算力服务。
从产业链角度看,AI基础设施投资不是只由GPU一个环节完成。
一套计算集群能够运行,取决于多个环节共同交付。
这也是为什么我们认为Supermicro的财报,与AMD的财报虽然都反映AI需求增长,但具有不同的新闻分析价值。
AMD更多体现计算芯片和平台的市场需求。
Supermicro则进一步反映这些芯片如何被整合成能够进入数据中心的基础设施产品。
十一、A5数据观察:普通IDC服务商是否应该进入机架级AI服务器市场?
对于国内外大量中小型IDC服务商来说,Supermicro接近200亿美元的季度营收,可能让人对AI服务器市场的规模产生更直观的认识。
但市场规模扩大,并不意味着所有IDC企业都适合立即投入大型GPU集群建设。
我们认为,需要先区分三种业务。
第一类:传统物理服务器租用
这一类业务主要服务企业网站、数据库、虚拟化、游戏及其他通用计算需求。
客户通常根据CPU、内存、存储和公网带宽选择配置。
这类市场不会因为AI基础设施扩张而自动消失。
对很多企业来说,普通计算资源仍然是日常业务的基础。
第二类:单机或小规模GPU租赁
这一类服务主要面向模型推理、开发测试、小规模训练和其他GPU计算任务。
客户可能只需要一张或数张GPU,也可能需要一台配置多张GPU的独立服务器。
对于具备硬件采购和运维能力的IDC服务商,这类业务的进入门槛相对可控。
但仍然需要考虑设备成本、客户需求和GPU利用率。
第三类:机架级AI计算集群
这类业务需要多台GPU服务器协同工作,并涉及更复杂的供电、散热、网络和集群管理。
如果客户要求交付完整的训练集群,或者希望部署高密度GPU机架,服务商就需要具备相应的基础设施条件。
除了采购服务器本身,还需要评估机柜功率、冷却系统、网络交换设备及故障维护能力。
对于缺乏相应条件的IDC企业,盲目进入这一市场可能产生较大的资金和运营压力。
因此,我们建议服务商根据现有机房条件和客户需求逐步规划,而不是简单复制大型云厂商的机架级部署模式。
如果现阶段客户主要需要单机GPU推理服务器,就没有必要为了追求市场热点,直接建设大规模训练集群。
反过来,如果已经拥有稳定的大型客户需求,并具备相应供电、网络和冷却能力,那么机架级系统也可能成为值得评估的新业务方向。
十二、A5数据观点:AI服务器的竞争,正在从硬件销售转向交付能力
Supermicro本次财报最直观的数字,是季度营收接近200亿美元,同比增长约297.5%。
但我们认为,真正值得服务器行业持续观察的,是这家公司正在如何定义自己的业务。
过去,Supermicro以服务器硬件产品和模块化设计能力为重要竞争基础。
现在,公司更加突出整体AI及IT数据中心解决方案,希望参与从计算设备到机架级基础设施的更多环节。
这种变化与大型AI客户的采购需求相吻合。
当计算规模不断扩大时,客户越来越难仅凭单台服务器的性能参数判断整个项目能否成功。
高性能GPU固然重要,但如果供电能力不足、散热系统不匹配,或者内部网络成为瓶颈,最终的计算效率仍然可能受到影响。
因此,机架级系统、模块化设计和整体交付能力正在获得更多关注。
不过,Supermicro的财报同样提醒我们,行业增长并不意味着经营没有风险。
本季度公司收入规模快速扩大,但毛利率环比下降,经营现金流也出现净流出。
这说明大型AI基础设施项目需要的不只是销售能力,还包括供应链管理、资金周转和成本控制。
对于IDC服务商来说,这些问题同样具有参考价值。
投资高端服务器之前,应先确认市场需求和实际租赁场景。
建设AI机房之前,应核算长期供电、冷却和维护成本。
提供大型算力集群之前,则需要确保网络和管理系统能够达到客户要求。
我们认为,未来服务器市场将形成更加多样化的业务结构。
普通物理服务器继续承载网站、企业应用和通用计算。
高性能GPU服务器满足推理和专业计算需求。
机架级AI系统则面向更大规模的模型训练与推理基础设施。
这几类市场并非完全互相替代,而是对应不同规模和技术要求的客户。
A5数据认为,Supermicro营收同比增长近3倍,反映出的不仅是AI服务器销量和订单规模的变化,更是计算基础设施交付方式正在发生转变。
未来的竞争,不只是看一台服务器能够安装多少张GPU,也要看厂商能否把计算、网络、供电、散热和运维整合成真正可用的系统。
对于大型服务器制造商,这意味着从硬件产品走向整体解决方案。
对于IDC服务商,则意味着需要根据自身资源和客户需求,找到适合参与的基础设施环节。
而对于最终用户,真正重要的仍然是:购买或者租赁的计算资源,能否以可接受的成本,长期、稳定地完成实际工作负载。
从这个角度看,Supermicro的最新财报既展示了AI基础设施市场的增长潜力,也提醒行业——卖出更多服务器只是增长的开始,能否高效交付并持续盈利,才决定这种增长能够走多远。
本文由A5数据原创发布,转载请注明出处:https://www.a5idc.com/helpcontent/7589.html

