O boom das PCBs para servidores de IA da NVIDIA está levando as notícias de tecnologia além dos chips

A implementação de Rubin da NVIDIA trouxe um componente antes negligenciado para as notícias de tecnologia: a placa de circuito impresso que conecta processadores, memória, rede e energia dentro de sistemas de IA. Novas previsões do setor apontam um crescimento excepcionalmente rápido das placas para servidores de IA e de seus materiais-base. A pressão já não se limita a obter aceleradores suficientes. Os fabricantes também precisam produzir placas maiores, mais densas e mais complexas sem sacrificar a qualidade do sinal ou a confiabilidade.

Essa mudança ficou visível em 2 de setembro de 2026, quando o veículo financeiro chinês CLS analisou uma alta entre fornecedores de PCB e produtores de materiais. Sua reportagem citou uma previsão da Goldman Sachs de agosto que elevou fortemente as expectativas para o mercado de PCBs de servidores de IA até 2028. O artigo também relacionou essa previsão a repetidos aumentos nos preços dos laminados, escassez de capacidade e resultados robustos dos fornecedores no primeiro semestre.

A NVIDIA é a principal âncora da demanda, mas não é a única. Amazon, Google, Meta e Microsoft estão desenvolvendo aceleradores de IA próprios, enquanto provedores de nuvem instalam racks de computação cada vez mais integrados. A competição entre eles está transformando uma categoria madura da eletrônica em uma restrição estratégica.

A inversão importa. A infraestrutura de IA costuma ser descrita como uma disputa por chips avançados, memória de alta largura de banda e eletricidade. A próxima fase depende igualmente de os fabricantes conseguirem construir os caminhos físicos que permitem a esses componentes trabalharem juntos.

A previsão para PCBs de servidores de IA mudou o debate sobre a cadeia de suprimentos

A mudança importante não é que os servidores de IA usam mais placas de circuito, mas que cada sistema de computação exige uma classe diferente de placa.

Uma placa de circuito impresso, ou PCB, sustenta mecanicamente os componentes eletrônicos enquanto transporta sinais elétricos e energia entre eles. Um laminado revestido de cobre, ou CCL, é o material-base isolante coberto por cobre que os fabricantes processam para formar esses circuitos. Nenhuma das duas categorias é nova, mas os sistemas de IA em escala de rack estão levando ambas muito além dos requisitos de servidores convencionais.

A reportagem da CLS de 2 de setembro atribuiu a reação imediata do mercado a dois acontecimentos. Primeiro, os fornecedores de laminados haviam anunciado uma nova rodada de aumentos de preços. Segundo, a Goldman Sachs havia elevado suas projeções para PCBs e CCLs de servidores de IA.

Segundo o relatório de mercado, a Goldman Sachs espera que o mercado global de PCBs para servidores de IA alcance US$ 84 bilhões em 2028. O banco projeta um mercado de US$ 48 bilhões para os laminados correspondentes. A previsão implica taxas de crescimento anual composto de 148% e 161%, respectivamente, entre 2026 e 2028.

Essas estimativas são previsões, não vendas registradas. Elas também vêm de um relatório de pesquisa de banco de investimento que não está totalmente disponível ao público. Ainda assim, as premissas por trás delas revelam por que investidores e fabricantes estão tratando as placas de forma diferente.

A Goldman Sachs teria projetado que a área de envio de PCBs para servidores de IA suba de 1,3 milhão de metros quadrados em 2026 para 4,5 milhões em 2028. Mais relevante ainda, espera-se que o valor médio por metro quadrado aumente acentuadamente. A área das placas e a complexidade dos produtos, portanto, cresceriam ao mesmo tempo.

Essa combinação diferencia este ciclo de uma recuperação convencional de volume. Os fabricantes não podem simplesmente processar mais placas padrão para servidores nas linhas existentes. Eles precisam de processos adequados a mais camadas, trilhas mais finas, formatos maiores, cobre mais espesso, tolerâncias mais rígidas e materiais com menor perda elétrica.

A mudança já é visível na arquitetura das placas. Placas de servidores convencionais frequentemente contêm entre 14 e 24 camadas. Placas de servidores de IA costumam usar entre 20 e 30 camadas, com alguns projetos avançando ainda mais, segundo pesquisa de manufatura.

Cada camada adicional cria mais etapas de fabricação e mais oportunidades para defeitos. Circuitos finos precisam se alinhar por toda a pilha. As conexões perfuradas devem permanecer precisas em uma espessura maior. Calor e estresse mecânico não podem deformar uma placa o suficiente para danificar links de alta velocidade.

O hardware de IA também envia enormes volumes de dados entre processadores, memória, switches e interfaces de rede. Nessas velocidades, uma trilha de circuito se comporta menos como um simples fio e mais como um caminho de transmissão projetado com precisão. Pequenas variações de material podem enfraquecer um sinal ou introduzir interferência.

É por isso que esta notícia de tecnologia vai além de uma sessão aquecida do mercado de ações. A previsão descreve uma mudança no projeto físico e no valor econômico da infraestrutura de computação. Chips avançados ainda fornecem a computação, mas placas cada vez mais especializadas determinam se essa computação pode operar em escala de rack.

NVIDIA Rubin transforma a placa em parte do computador

O projeto em escala de rack da NVIDIA faz da PCB uma restrição ativa de desempenho, e não uma superfície passiva sob os chips.

A plataforma Rubin da empresa explica por que a demanda está se intensificando agora. A NVIDIA apresentou Rubin em janeiro de 2026 e afirmou que os sistemas de parceiros ficariam disponíveis durante o segundo semestre do ano. Sua arquitetura combina CPUs, GPUs, processadores de rede, switches e infraestrutura de armazenamento como um sistema coordenado.

A plataforma Rubin inclui o rack Vera Rubin NVL72 e a placa de servidor HGX Rubin NVL8. O NVL72 integra 72 GPUs Rubin com 36 CPUs Vera e a malha NVLink de sexta geração da NVIDIA. O HGX Rubin NVL8 conecta oito GPUs para clientes que desejam sistemas baseados em x86.

A NVIDIA afirma que o NVL72 oferece 260 terabytes por segundo de largura de banda agregada de scale-up. A rede de scale-up conecta aceleradores dentro de um domínio computacional estreitamente coordenado, permitindo que trabalhem em um modelo como se formassem uma máquina maior.

Esse desempenho exige caminhos elétricos muito curtos, previsíveis e cuidadosamente combinados. A placa e o backplane precisam transportar sinais enquanto gerenciam fornecimento de energia, calor, vibração e capacidade de manutenção. Uma especificação de GPU, por si só, não pode garantir esses resultados.

A NVIDIA também afirma que os sistemas Rubin usam um design modular de bandejas sem cabos. Remover cabos internos pode simplificar a montagem e a manutenção, mas as conexões elétricas não desaparecem. Os projetistas transferem mais responsabilidade para placas, conectores e estruturas rígidas de interconexão.

Esse é o mecanismo por trás do boom de PCBs para servidores de IA. Sistemas em escala de rack combinam diversos domínios de engenharia antes separados. Encapsulamento de chips, placas de servidor, backplanes, malhas de rede, refrigeração e distribuição de energia funcionam cada vez mais como uma única arquitetura.

O aumento de densidade traz consequências por toda a pilha de materiais. Sinais mais rápidos favorecem laminados de baixa perda, que preservam a energia elétrica em trilhas mais longas. Maiores demandas de energia exigem cobre mais espesso ou distribuído com mais cuidado. Mais componentes requerem técnicas de interconexão de alta densidade, ou HDI, que acomodam vias menores e linhas mais estreitas em espaço limitado.

PCBs semelhantes a substratos levam esse processo ainda mais longe. Elas usam métodos de fabricação mais próximos dos substratos de semicondutores, permitindo fiação muito mais fina do que as placas convencionais. O processamento semiaditivo modificado constrói trilhas finas de cobre com maior precisão, em vez de remover grandes quantidades de cobre de uma folha.

Esses processos exigem equipamentos especializados, controles mais rígidos de contaminação e equipes de produção experientes. O rendimento torna-se central. Uma fábrica pode ter capacidade nominal, mas ainda produzir menos placas comercializáveis se um projeto difícil gerar defeitos tardiamente na sequência de fabricação.

A placa também absorve o custo da mudança arquitetural. Cada geração da NVIDIA reorganiza bandejas de computação, switches, conectores e sistemas de energia. Os fornecedores precisam qualificar novos materiais e etapas de fabricação antes da produção em massa. Um atraso em qualquer estágio pode desacelerar o rack completo, mesmo se os processadores estiverem disponíveis.

Rubin não representa todo o mercado. Microsoft, Amazon, Google e Meta também estão criando sistemas em torno de aceleradores internos. A Goldman Sachs teria projetado que essas implementações de ASICs personalizados contribuam com mais demanda incremental por PCBs do que os servidores com GPUs da NVIDIA sozinhos.

Um circuito integrado de aplicação específica, ou ASIC, é um chip projetado para uma carga de trabalho mais restrita do que um processador de uso geral. Empresas de nuvem usam ASICs de IA para controlar desempenho, uso de energia e custo em seus próprios serviços.

Esses programas diversificam a demanda por placas, mas também a fragmentam. Um fornecedor pode precisar suportar várias arquiteturas, conjuntos de materiais e cronogramas de qualificação. Isso aumenta o valor da expertise em engenharia, ao mesmo tempo que limita a utilidade de capacidade genérica.

O resultado é uma disputa entre ambição de sistemas e realidade de fabricação. A NVIDIA e as hyperscalers querem ciclos anuais de produtos, racks mais densos e menores custos de inferência. Os fabricantes de placas precisam transformar esses objetivos em produtos físicos que sobrevivam anos de calor e carga elétrica contínua.

As notícias de tecnologia têm um novo gargalo abaixo da GPU

As empresas sob maior pressão não são apenas os fornecedores de PCB, mas todos os clientes que esperam que o hardware de IA chegue no prazo.

Por vários anos, os aceleradores avançados foram a restrição mais clara à expansão da IA. Memória de alta largura de banda e encapsulamento de semicondutores posteriormente entraram na lista. As evidências mais recentes sugerem que placas, laminados, tecido de vidro, folha de cobre e equipamentos de produção agora devem fazer parte da mesma conversa.

A Kingboard Laminates ofereceu um dos sinais mais claros dos fornecedores em seus resultados do primeiro semestre de 2026. A receita cresceu 55% em relação ao mesmo período de 2025, enquanto o lucro líquido atribuível aos acionistas aumentou 209%. O volume de envios de laminados cresceu 14%, com remessas mensais médias acima de 10 milhões de folhas.

A empresa afirmou que a capacidade existente havia migrado substancialmente para produtos relacionados à IA. Essa realocação contribuiu para uma grave escassez de fios e tecidos tradicionais de fibra de vidro eletrônica, segundo seus resultados intermediários.

Essa declaração captura o efeito de deslocamento. Uma fábrica não precisa fechar uma linha convencional para que surjam escassezes. Ela pode priorizar produção de especificação mais alta, consumir mais material escasso por produto ou dedicar seus melhores equipamentos a clientes de IA.

Os compradores tradicionais de eletrônicos então competem pelo fornecimento restante. Fabricantes de produtos automotivos, de consumo, industriais e de servidores em geral podem enfrentar prazos de entrega maiores ou condições contratuais menos favoráveis, mesmo quando sua própria demanda permanece estável.

Os produtores de materiais estão respondendo. A Panasonic Industry anunciou uma ampla revisão que abrange laminado revestido de cobre, prepreg, materiais flexíveis e produtos relacionados a placas de circuito. A empresa afirmou que as mudanças se aplicariam a remessas a partir de 1º de maio de 2026.

A Panasonic atribuiu a decisão ao aumento dos custos de folha de cobre, tecido de vidro, resinas, logística, embalagens, energia e mão de obra. Seu aviso sobre materiais demonstra que a demanda por IA está colidindo com a inflação dos custos de insumos, em vez de operar isoladamente.

Prepreg é uma folha de fibra de vidro impregnada com resina, usada para unir e isolar camadas de PCB. Placas de alto desempenho precisam de comportamento consistente da resina e estruturas de vidro rigorosamente controladas. Um defeito ou variação pode alterar tanto a estabilidade mecânica quanto o desempenho elétrico.

Essa pressão se espalha para montante. Fornecedores de fibra de vidro precisam criar tecidos mais finos e uniformes. Produtores de folha de cobre precisam fabricar produtos com rugosidade superficial controlada. Empresas químicas devem fornecer resinas que suportem o calor e, ao mesmo tempo, minimizem a perda de sinal.

Ela também se espalha para jusante. Fabricantes de servidores não podem entregar um sistema completo sem placas qualificadas. Provedores de nuvem não podem implantar a capacidade prometida sem servidores completos. Desenvolvedores de IA não podem acessar essa capacidade se os cronogramas de instalação atrasarem.

Os Estados Unidos enfrentam um risco geográfico adicional. Grande parte da fabricação avançada de PCBs e componentes eletrônicos continua concentrada na Ásia. A associação do setor IPC argumentou que a política doméstica de infraestrutura de IA deve incluir projeto de placas, fabricação de HDI, montagem de componentes e testes, e não apenas a produção de semicondutores.

Sua análise da cadeia de suprimentos estimou que os servidores de IA cresceriam a uma taxa anual composta de 12,3% ao longo de cinco anos. A IPC também identificou substratos de IC, montagem de HBM, fabricação de PCB e montagem de sistemas como áreas que exigem maior atenção.

Esse alerta expõe um descompasso na política industrial. Governos comprometeram recursos substanciais para a fabricação de wafers e o empacotamento avançado. Esses investimentos enfrentam restrições reais, mas um acelerador produzido domesticamente ainda depende de placas e materiais importados se não houver capacidade local.

O alvo dessa pressão, portanto, é amplo. Fabricantes de PCB precisam expandir sem prejudicar os rendimentos. Fornecedores de materiais precisam ampliar a capacidade sem criar um excesso de oferta posterior. Provedores de nuvem precisam prever a demanda com antecedência suficiente para reservar a produção. Formuladores de políticas precisam decidir se a infraestrutura de placas de circuito merece o mesmo tratamento estratégico dado aos chips.

É por isso que os PCBs para servidores de IA passaram da aquisição de componentes para as notícias de tecnologia. Eles estão na interseção entre desempenho computacional, capacidade fabril, geopolítica e gastos de capital.

A Expansão Rápida Não Pode Eliminar o Risco de Rendimento

Uma grande projeção de mercado não garante que toda nova fábrica, fornecedor ou programa de placas terá sucesso.

O argumento cético mais forte diz respeito à diferença entre a capacidade anunciada e a produção qualificada. As empresas podem encomendar equipamentos e construir fábricas rapidamente. Elas não conseguem reproduzir instantaneamente o conhecimento de processo necessário para placas complexas.

Placas com muitas camadas passam por etapas repetidas de laminação, imageamento, revestimento, perfuração, inspeção e testes. Uma falha perto do fim desperdiça o trabalho e os materiais acumulados nas etapas anteriores. Mais camadas e conexões mais finas elevam esse risco cumulativo.

Placas grandes para IA também tornam a uniformidade mais difícil. Temperatura, pressão, fluxo de resina, espessura do cobre e alinhamento precisam permanecer consistentes em uma superfície maior. Um processo de fabricação que funciona bem em uma placa menor pode gerar defeitos inaceitáveis quando ampliado.

Os clientes impõem outro obstáculo. Plataformas de servidores exigem qualificação antes que um fornecedor possa entrar em produção em volume. Esse processo pode incluir testes elétricos, ciclos térmicos, análise de confiabilidade e fabricação piloto. Uma nova fábrica não se torna intercambiável com um fornecedor estabelecido simplesmente porque ambas listam equipamentos semelhantes.

As perspectivas de mercado também dependem de premissas agressivas para os sistemas. O Goldman Sachs supostamente espera que tanto a área embarcada quanto o valor médio das placas cresçam até 2028. Uma mudança em qualquer uma dessas variáveis enfraqueceria a projeção.

A eficiência arquitetônica apresenta uma incerteza. A NVIDIA afirma que Rubin pode treinar modelos de mixture-of-experts com um quarto do número de GPUs do Blackwell e oferecer até dez vezes mais capacidade de inferência por watt. Essas são alegações da empresa e exigem validação em diferentes cargas de trabalho de clientes.

Se sistemas aprimorados realizarem mais trabalho com menos racks, operadores de nuvem poderão moderar as compras por unidade. A demanda ainda poderia crescer, mas as projeções de área de placas se tornariam menos diretas do que uma relação simples entre uso de IA e servidores instalados.

Aceleradores personalizados criam uma segunda incerteza. Seu crescimento amplia a base de clientes, mas hyperscalers projetam hardware em parte para reduzir custos de infraestrutura. Eles podem simplificar determinados sistemas, negociar contratos de fornecimento ou ajustar cronogramas de implantação quando os retornos esperados diminuem.

Os gastos de capital criam um terceiro risco. A infraestrutura de IA depende de investimentos contínuos de um grupo concentrado de empresas de nuvem e parceiros financeiros. Se a receita dos serviços de IA não acompanhar a depreciação, a energia e os custos operacionais, esses compradores podem adiar novos campi ou prolongar os ciclos de substituição.

A substituição de materiais também pode alterar a economia. Fornecedores estão desenvolvendo novos laminados, tecidos de vidro, tratamentos de cobre, links ópticos e abordagens de empacotamento. Algumas inovações aumentam o valor dos PCBs. Outras afastam funções das trilhas convencionais das placas.

A óptica coempacotada ilustra essa ambiguidade. A abordagem posiciona componentes ópticos mais perto do silício de rede, reduzindo a distância que os sinais elétricos mais rápidos precisam percorrer. Ela pode aliviar determinados desafios de sinal no nível da placa, ao mesmo tempo que introduz novos problemas de empacotamento, resfriamento e confiabilidade.

O cenário competitivo pode, portanto, mudar antes que as fábricas atuais atinjam a produção total. A capacidade projetada em torno de uma especificação de placa pode exigir modificações para uma arquitetura posterior. Os equipamentos continuam úteis, mas a utilização e as margens podem não acompanhar as projeções atuais.

Também há o perigo de tratar escassez temporária como falta permanente. A cadeia de suprimentos está respondendo com grandes investimentos. A TrendForce informou que produtores chineses de PCB aceleraram planos de expansão, incluindo novas instalações de alto padrão voltadas a chips de IA e módulos ópticos.

A Avary Holding divulgou planos para uma base de fabricação em Shenzhen de PCB de alto padrão semelhante a substrato e placas flexíveis. A Victory Giant também vem ampliando a capacidade de alto padrão. Outros produtores na China, em Taiwan, no Japão e no Sudeste Asiático estão direcionando capital para produtos destinados a servidores de IA.

Se vários projetos forem qualificados ao mesmo tempo, a oferta poderá alcançar a demanda mais rápido do que o esperado. O mercado continuaria maior, mas o poder de negociação poderia passar dos fabricantes de volta para os clientes.

Os investidores devem, portanto, separar três afirmações. Servidores de IA precisam de placas mais sofisticadas. A atual oferta de alto padrão é limitada. As margens e taxas de crescimento atuais persistirão em todos os ciclos de expansão. A primeira afirmação tem forte respaldo técnico, a segunda conta com evidências atuais dos fornecedores, e a terceira continua não comprovada.

Para compradores empresariais, a lição prática é semelhante. Equipes de compras devem acompanhar qualificação, rendimento, prazo de entrega e prontidão de fontes alternativas. A área planejada de uma fábrica revela menos do que sua capacidade de fornecer placas confiáveis na especificação exigida.

Para desenvolvedores e profissionais do conhecimento, o efeito é indireto, mas real. A disponibilidade de hardware influencia a capacidade de nuvem, a latência de inferência, os limites de serviço e o ritmo de implantação de novos modelos. A cadeia de suprimentos física pode moldar quais recursos de IA chegam aos usuários e quando.

As equipes que acompanham essa transição precisam de uma forma confiável de conectar relatórios de resultados, anúncios de produtos e especificações técnicas. Uma base de conhecimento pesquisável pode preservar essas relações à medida que a história se desenvolve entre muitos fornecedores.

Três Sinais Testarão a Tese dos PCBs para IA

A próxima etapa será decidida por evidências de produção, não por mais uma projeção de manchete.

O primeiro sinal é a aceleração do volume dos sistemas NVIDIA Rubin durante o segundo semestre de 2026. A NVIDIA informou que Rubin entrou em produção plena e citou AWS, Google Cloud, Microsoft, Oracle, CoreWeave, Lambda, Nebius e Nscale entre os provedores iniciais esperados.

O cronograma de embarques mostrará se a cadeia de suprimentos ao redor consegue sustentar o ritmo de lançamento da NVIDIA. Implantações sem contratempos reforçariam a tese de que a produção avançada de PCBs escalou junto com chips, redes e resfriamento.

Atrasos ligados a placas, conectores ou estruturas de interconexão apontariam na direção oposta. Eles confirmariam a importância estratégica do componente, ao mesmo tempo que enfraqueceriam as premissas de embarques no curto prazo. A distinção importa porque um gargalo pode elevar o valor do produto e, simultaneamente, impedir os fornecedores de reconhecer o volume esperado.

O segundo sinal são os dados operacionais de fabricantes de laminados e PCBs. O crescimento da receita, por si só, não resolverá a questão. Investidores precisam de volume de embarques, mix de produtos, utilização, prazos de entrega, margens brutas e comentários da administração sobre qualificação.

Os resultados do primeiro semestre da Kingboard estabeleceram uma base elevada, com o crescimento dos embarques acompanhado por um aumento muito maior nos lucros. Relatórios futuros indicarão se esse desempenho reflete demanda duradoura de alto padrão, inflação temporária de materiais ou ambos.

A alocação de capacidade também merece atenção. Se os fornecedores continuarem deslocando a produção para materiais de IA enquanto descrevem escassez em categorias convencionais, a tese de deslocamento se fortalecerá. Se os prazos de entrega se normalizarem e a utilização cair, a oferta poderá estar alcançando a demanda.

O terceiro sinal é o ritmo de implantação de servidores com ASICs personalizados pelos hyperscalers. O Goldman Sachs supostamente considera esses sistemas uma fonte de demanda incremental maior do que os servidores da NVIDIA. Essa afirmação é central para a perspectiva mais otimista do mercado de PCBs para IA.

Empresas de nuvem nem sempre divulgam a aquisição de placas no nível dos componentes. Evidências úteis aparecerão, em vez disso, em anúncios de implantação de aceleradores, cronogramas de comissionamento de data centers, concentração de clientes dos fornecedores e pedidos de equipamentos especializados de fabricação.

Uma expansão ampla entre vários chips internos reforçaria o argumento de que esse mercado é maior do que o ciclo de produto de um único fornecedor. Uma implementação mais lenta deixaria a demanda por PCBs mais dependente da NVIDIA e exporia os fornecedores a um roteiro arquitetônico mais estreito.

Esses sinais devem ser lidos em conjunto. Os embarques de Rubin podem validar a execução no curto prazo. Os resultados dos fornecedores podem mostrar se a escassez técnica se converte em lucros sustentáveis. As implantações de ASICs personalizados podem testar se a demanda é estruturalmente diversificada.

A conclusão mais ampla já é visível. A computação de IA passou de aceleradores individuais para sistemas integrados medidos em escala de rack e data center. À medida que isso acontece, o valor migra para as conexões entre os componentes.

A placa de circuito impresso é uma dessas conexões. Ela transporta energia, preserva sinais, suporta componentes densos e transforma chips fabricados separadamente em um computador operacional. Sua importância aumenta à medida que cada rack se torna mais integrado.

Isso não torna toda projeção confiável nem todo fornecedor atraente. Mas torna impossível descartar a placa como uma commodity. A dificuldade técnica, as barreiras de qualificação e a capacidade concentrada lhe deram peso estratégico.

As futuras notícias de tecnologia continuarão focadas em processadores mais rápidos e modelos maiores. Os leitores também devem perguntar o que existe sob esses processadores, quais fábricas conseguem fabricá-lo e se a produção consegue acompanhar o ritmo.

Nos próximos três meses, acompanhe a disponibilidade real de Rubin, os comentários dos fornecedores sobre rendimento e as implantações de aceleradores pelos hyperscalers. Esses fatos revelarão se o boom dos PCBs para servidores de IA está se tornando uma expansão industrial duradoura ou permanecendo uma alta impulsionada pela escassez.