Nvidia 玻璃基板报道指向封装竞赛，而非与 SCHMID 达成交易

据报道，随着 AI 封装规模不断扩大，Nvidia 正在评估玻璃基板，但目前没有公开披露证实 Nvidia 与 SCHMID 存在直接合作关系。Nvidia 玻璃基板的消息之所以重要，是因为封装如今限制了计算能力与高带宽内存能够协同运行的规模。然而，现有证据支持的是供应链探索的叙事，而非一项已签署的联盟协议。

该报道可追溯至德国设备制造商 SCHMID Group 的表述。其高管称，公司正与 Nvidia、Intel 和 AMD 供应链中的主要参与者开展合作。这种措辞意味着，SCHMID 与芯片设计商本身之间仍隔着多个环节。

这一差别十分重要。Intel 已公开展示玻璃基板技术，并宣布了明确的开发合作。Nvidia 已披露 Rubin 对 HBM4 和封装提出的严格要求，但尚未公开点名 SCHMID 为合作伙伴。因此，真正的竞争是玻璃与既有有机及硅基封装技术之间的竞争，而非 Nvidia 与另一家芯片公司之间的竞争。

Nvidia 玻璃基板报道实际说了什么

已确认的进展，是围绕玻璃芯设备展开的供应链合作，而非 Nvidia 与 SCHMID 之间已披露的合同。

9 月 25 日，一篇中国报道称，Nvidia 正与半导体供应链中的公司合作推进玻璃基板技术。报道将这项工作与在未来 AI 加速器封装中集成更多 HBM 的努力联系起来。

该报道援引了 SCHMID 最近的上半年业绩讨论。在电话会议中，一名分析师询问了 Intel 与 Lens Technology 合作之后，客户沟通方面的情况。

SCHMID 高管 Roland Rettenmaier 回应称，Intel、Nvidia 和 AMD 供应链中的参与者都在研究玻璃芯基板。他强调了玻璃的平整度、表面质量、介电性能和信号完整性等特性。

Rettenmaier 还表示，SCHMID 正与重要供应链参与者合作，并以技术和设备为其提供支持。现有的业绩电话会议记录并未指明这些参与者的身份。

记录并未表示 Nvidia 已与 SCHMID 签署开发协议，也未提及采购规模、生产计划、认证里程碑或面向的 Nvidia 产品。

这些缺失并不意味着报道毫无意义。半导体公司通常会通过基板制造商、封装服务商、晶圆代工厂及其他供应商评估设备与材料。一家芯片设计商可以影响某项技术计划，而无需直接购买生产设备。

然而，“与 Nvidia 的供应链合作”并不等同于“直接与 Nvidia 合作”。前者可以涵盖与希望日后服务 Nvidia 产品的基板供应商进行的设备试验。

SCHMID 在这条链条中处于赋能者的位置。它开发制造工艺，并销售用于生产先进封装基板的设备。它并未将自己定位为生产完整 Nvidia 基板的公司。

2026 年 4 月，SCHMID 推出了用于全面板级先进封装的Any Layer ET工艺。Embedded Trace，即 ET，将铜导体嵌入介电层内部，形成更精细的互连，并获得更平坦的表面。

SCHMID 表示，该平台支持有机、混合和玻璃芯结构。公司还称，该工艺面向先进集成电路基板、精细再分布层和垂直互连。

这份公告为 SCHMID 的技术方向提供了具体证据，但仍未将 Nvidia 列为客户或开发合作伙伴。

最准确的解读应保持克制。Nvidia 的封装需求正推动设备公司和基板供应商转向玻璃。SCHMID 表示，其正支持相关供应链中的大型企业，而直接的商业关系仍未披露。

这一验证缺口改变了报道的重心。重点并非 Nvidia 已为量产 GPU 选定玻璃，而是其生态系统正在测试：玻璃能否在这些物理约束拖慢未来 AI 系统之前将其消除。

为什么 Nvidia 玻璃封装正变得迫切

Nvidia 已公开的路线图表明，封装研究不能仅等待晶体管缩放来解决。

AI 加速器封装将计算芯片、内存堆叠、互连、电力传输和结构材料结合在一起。这些组件下方的基板必须保持信号传输，同时在制造和运行过程中维持平整与稳定。

高带宽内存，即 HBM，将多层动态内存芯片垂直堆叠在处理器旁。其短而宽的连接方式，能够提供远高于远离计算芯片布置的传统内存的带宽。

更高的 HBM 容量有助于服务更大的模型、更长的上下文以及更多并发推理请求。更高的带宽能让处理单元持续获得数据供应。但这些提升并非没有代价，因为每增加一个内存堆叠，都会占用封装面积，并带来布线、供电和散热需求。

Nvidia 的 Rubin 一代说明了这一方向。Nvidia 表示，其Rubin 架构每颗 GPU 可提供最高 288 GB 的 HBM4，以及最高每秒 22 TB 的内存带宽。

该公司还表示，Rubin 包含 3360 亿个晶体管。这些数字描绘的是一个远不止依赖 GPU 芯片本身的系统。内存控制器、HBM 堆叠、封装布线、电力传输和外部连接，都会决定硅芯片能否持续高效运行。

Nvidia 将 Rubin 的内存容量与 Blackwell 对比，并称其内存带宽接近后者的三倍。即使未来的计算芯片变得更快，若封装无法为其提供足够的数据，性能仍可能停滞。

这带来了日益显著的封装问题。更大的组件组合需要在更宽区域内实现精细连接，但传统有机材料会在加工期间收缩或翘曲。这种形变会使跨多个层对准极小特征变得更加困难。

硅中介层可以在 GPU 与 HBM 之间提供高密度的局部连接。中介层位于有源芯片与更大封装之间，以高密度方式布线传输信号。

硅具备成熟的精细特征制造能力，但超大面积硅的成本可能很高。光罩尺寸限制、制造良率和组装复杂性，使封装继续扩展变得困难。

玻璃芯基板提供了另一种基础。玻璃能够在大面板范围内保持更高平整度，在温度变化中维持尺寸稳定，并提供有利的电绝缘性能。这些特性有助于制造商在更大的封装中布置更多互连。

玻璃还具有可调节的材料属性。制造商可以选择热膨胀特性适配所连接硅芯片和封装层的成分。更好的匹配可降低反复加热和冷却过程中的机械应力。

这些优势解释了 Nvidia 对玻璃封装的兴趣，但并不保证硅中介层会立即被取代。未来封装可以结合玻璃芯、有机构建层、硅桥及其他互连技术。

可能发生的转变是架构性的，而非简单的材料替换。工程师将决定哪些连接需要硅级密度，哪些连接可以通过更大的玻璃基结构传输。

对 Nvidia 而言，战略吸引力在于为整个计算与内存复合体留出扩展空间。更稳定、更大的基板，理论上可支持更多 HBM、额外计算模块、光学组件以及更密集的电力传输。

随着 AI 系统转向机架级设计，这种能力会变得更有价值。Nvidia 将数据中心视为一个协同的计算单元，但每个机架都始于必须在各个封装内部高效通信的组件。

封装改进可以在网络将信息传输至另一颗 GPU 之前，缩短关键数据路径。它们还可以降低信号损耗，而这在连接以高速运行时至关重要。

这种需求并非 Nvidia 独有。AMD、Intel、定制加速器设计商和超大规模云计算公司都面临类似的内存与互连限制。这一共同压力解释了为何 SCHMID 描述的是多条供应链中的活动，而非围绕单一客户的活动。

玻璃与已成熟封装堆叠之间的较量

玻璃必须在不牺牲良率、可靠性或制造经济性的前提下，胜过一套已成熟的封装堆叠。

这则报道中的主要对手并非 Intel 或 AMD，而是有机基板、硅中介层、制造工具、已认证材料及供应商经验构成的既有体系。

这一既有体系已经大规模支持商业 AI 加速器。工程师了解其失效模式，工厂也已围绕它建立检测流程、组装工艺配方和可靠性测试。

有机基板为众多半导体产品提供了高性价比的信号与供电布线平台。先进系统可以在需要提高连接密度的区域加入硅中介层或嵌入式硅桥。

这种混合方案让制造商能够有选择地使用昂贵的精细特征材料，也避免了围绕新型玻璃芯重建每一个生产环节。

玻璃支持者认为，随着封装尺寸和布线密度提升，有机材料正面临日益严峻的限制。Intel 在 2023 年给出了业内最明确的公开论述。

其玻璃基板路线图称，玻璃可将图形失真降低 50%，并实现最高十倍的互连密度。Intel 将初期应用定位于数据中心、AI 和图形领域的大型封装。

这些是 Intel 报告的开发结果，而非适用于所有玻璃工艺的通用规格。实际效果将取决于材料成分、通孔形成、构建层、设计规则和生产设备。

Intel 还表示，其对玻璃基板的研究已持续十余年。这一时间线表明，转型难度很高。一种前景可观的材料，可能需要经过多年开发才能进入已认证的大规模量产。

Intel 此后提供了更具体的竞争参照。2026 年 7 月，公司宣布与 Lens Technology 开展战略合作，探索基于玻璃基板的封装。

该公告点名了双方，描述了各自的角色，并明确了目标工作负载。这种细节程度与报道中的 Nvidia-SCHMID 关系形成鲜明对比，后者两家公司均未发布等效公告。

因此，Intel 在公开披露的竞赛中领先。它展示了测试基板、发布了性能主张、设定了本十年后半段的目标，并点名了一家玻璃加工合作方。

这并不能证明其会在未来商业出货量中领先。由于其加速器需求强劲，Nvidia 对晶圆代工厂、内存供应商、封装厂和电路板供应商均具有相当大的影响力。其供应商可以在未公开宣布合作关系的情况下研究玻璃方案。

AMD 同样有理由跟进这项技术。其加速器采用 chiplet 和 HBM，因此面临同样的封装面积与互连压力。SCHMID 决定提及这三条供应链，反映出这是一个覆盖全市场的瓶颈。

设备供应商看到了机会，因为玻璃会改变多个制造环节。工厂需要用于钻孔或形成玻璃通孔、表面涂覆、沉积导电种子层、铜填充孔洞以及构建重布线层的工艺。

玻璃通孔（through-glass via，TGV）是一条垂直穿过玻璃核心层的导电路径。它使电信号和电力能够在基板两侧的层之间传输。

TGV 的形成只是问题的一部分。制造商还必须在不产生裂纹的情况下形成洁净孔洞，为非导电玻璃进行涂覆，均匀沉积金属，并在不产生空洞的前提下填充狭窄开口。

SCHMID 的角色集中于这些工艺阶段。其早期的玻璃核心层工作包括实验室和试验环境中的湿法处理、金属化和增层设备。

SCHMID 与 TRUMPF 的另一项合作凸显了工具链可能变得多么专业化。双方提出的激光蚀刻工艺将激光改性与化学蚀刻结合，以在玻璃中形成结构。

这类合作之所以重要，是因为没有任何单台设备能够制造出合格的基板。一条可重复运行的生产线需要兼容的玻璃、钻孔、清洗、电镀、光刻、检测、搬运和组装系统。

现有封装体系已经解决了许多同类协同问题。玻璃必须重复完成这些工作，同时满足更大型 AI 封装更严格的要求。

这才是真正的竞争考验。玻璃并不会仅因实验室特性看起来有吸引力而胜出。只有完整生产线能够实现可接受的良率、吞吐量、可靠性和总成本，它才会胜出。

金属化与认证缺口

最大的不确定性在于，供应商能否以足够稳定的一致性制造高密度玻璃互连，以满足高产量 AI 加速器的需求。

玻璃是一种电绝缘体，因此 TGV 孔壁需要先形成导电材料，电流才能通过。要在大量微小开口内部形成连续金属层非常困难，尤其是在大型面板上。

覆盖不良可能增加电阻，或形成开路连接。铜中的空洞会削弱可靠性。不均匀的沉积可能导致同一基板或同一制造批次中出现不一致的电气行为。

SCHMID 本身已将 TGV 金属化列为尚未解决的技术障碍。根据该报道及其背后的财报电话会议材料，该公司高管还表示，终端客户认证尚未完成。

相比对于未来性能的笼统说法，这一承认更值得重视。它表明，关于 Nvidia 玻璃基板的讨论仍处于商业验证之前，而非之后。

AI 加速器封装的认证不止考察初始电气运行。供应商还必须测试热循环、机械应力、湿气暴露、高温储存和长时间运行。

玻璃具有优异的尺寸稳定性，但也较为脆弱。边缘、孔洞、搬运系统和组装压力都可能引入裂纹或潜在缺陷。

大型面板带来了另一项困难。面板级加工可以提升吞吐量，因为一张矩形面板可容纳许多封装单元。然而，面板上的任何差异都可能影响更多单元。

工厂还需要不会损坏薄玻璃的搬运系统。非接触式或低接触式传输可减少颗粒和机械应力，但也会增加设备复杂性。

良率变得至关重要，因为先进封装包含昂贵组件。在计算裸片和 HBM 堆叠完成贴装后失去一个完整组件，其损失远大于失去一块空基板。

因此，制造商希望尽早发现缺陷。这需要能够在组装前识别微观裂纹、未完整形成的通孔、金属空洞、层间错位和表面污染的检测方法。

设计生态系统也必须成熟。工程师需要准确的信号完整性、供电、热行为和机械应力模型。电子设计软件必须支持选定的玻璃堆叠结构及其制造公差。

标准能够减少碎片化，但早期供应商往往采用不同的面板尺寸、玻璃成分、通孔几何结构和增层工艺。过多不兼容方案可能降低设备利用率，并拖慢客户认证。

产能也是未知数。实验室可以展示工艺可行，试验线只能证明有限程度的可重复性。大规模制造需要在数千张面板和多座工厂中稳定运行。

在供应商通过这些测试前，Nvidia 也几乎没有动力公开作出承诺。它可以评估多条路径，同时继续通过现有封装系统交付产品。

因此，缺少具名产品这一点意义重大。Nvidia 并未表示 Rubin 使用玻璃核心基板，已报道的供应链活动也不应被表述为其确实采用该方案的证据。

Rubin 已公布的 HBM4 规格说明了需求驱动因素，但并未揭示基板材料。如果认证耗时数年，Rubin 之后的未来架构可能才是更现实的导入节点。

商业结构同样仍不确定。Nvidia 可能影响规格制定，同时从制造合作伙伴处购买成品封装。SCHMID 也可能向基板制造商销售设备，而无需将 Nvidia 记录为直接客户。

这条间接链路仍可能为设备公司带来可观收入。但它也使公开说法更难验证，因为技术合作、送样、设备订单和终端客户采用代表不同的里程碑。

投资者和行业读者应分别看待这些里程碑：

• 评估意味着工程师正在测试可行性。

• 开发协议列明各方正朝着明确目标合作。

• 工具订单表明存在资本支出，但不代表客户认证。

• 认证意味着某项工艺符合规定的技术要求。

• 生产采用意味着该材料出现在商业封装中。

• 规模化部署意味着产出已在可接受良率下扩大。

目前公开证据支持评估和供应链开发，但并不能证明 Nvidia 已在生产中采用。

这种审慎的表述并非否定玻璃，而是指出玻璃成为高价值 AI 硬件可靠基础之前所需完成的工作。

什么将证实 Nvidia 转向玻璃基板

三个信号将显示，如今的供应商活动是否正在演变为真正的 Nvidia 制造转型。

第一个信号是具名协议或技术披露。Nvidia、封装合作伙伴或基板制造商需要明确指出合作关系及其范围。

一项有价值的公告应说明该工作涵盖研究、试生产、设备安装、认证还是未来产品。对“AI 客户”的泛泛提及，无法弥补当前的验证缺口。

直接公告将增强以下判断：Nvidia 的玻璃封装已经超越生态系统探索阶段。持续沉默并不能否定研发，但会限制外部观察者能够作出的判断。

第二个信号是成功的 TGV 金属化和客户认证。SCHMID 已将金属化和批准列为剩余障碍，因此这里的进展将直接检验技术论点。

应关注已公布的可靠性结果、试验线里程碑、重复设备订单，或终端客户已认证玻璃核心工艺的声明。良率信息尤其有价值，即使供应商只公布区间数据。

认证将强化玻璃能够支持量产级 AI 封装的论点。反复延期或重新设计，则会支持继续使用有机基板，并选择性采用硅互连。

第三个信号是将玻璃与某一特定加速器世代关联的产品路线图。Nvidia 已公布的 Rubin 材料描述了 HBM4 容量和带宽，但未提及玻璃基板。

未来的架构披露可能会提到玻璃核心层、面板级封装、扩大的封装尺寸，或整合更多 HBM 的新方法。晶圆代工和外包组装合作伙伴可能会比 Nvidia 更早披露这种变化。

这种产品级证据很重要，因为技术成熟并不保证采用。新基板必须提供足够的性能、容量或成本优势，才能证明跨越设计、工具、认证和供应链变革的合理性。

竞争对手的回应将提供更多背景。Intel 公开的玻璃项目为供应商提供了一个可见目标，而 AMD 和定制加速器开发商面临类似的内存限制。

如果多家芯片设计商认证兼容工艺，设备和材料公司就能将开发成本分摊给更多客户。这种规模将改善玻璃的经济合理性。

如果每家设计商都要求不同的堆叠结构，市场则可能碎片化。供应商可能难以从专业化试验线迈向可重复的生产。

读者还应关注 HBM 扩展如何改变问题。单个堆叠更高的容量可能减轻增加物理堆叠的压力，但更高带宽和更宽接口可能会加剧布线需求。

先进封装已成为处理器架构的一部分，而不再只是最终组装任务。内存放置、桥接技术、光链路和基板材料的决策正日益塑造系统性能。

即使尚未确认与 SCHMID 达成交易，这也使有关 Nvidia 兴趣的报道具有战略可信度。随着内存和计算需求上升，Nvidia 无法假定当今的封装材料能够无限扩展。

审慎的结论也更具实用价值。SCHMID 已记录玻璃核心设备和工艺工作，并描述了其与主要芯片供应链的接触。Intel 已公布直接的玻璃路线图，而 Nvidia 已公布使新封装具有吸引力的内存需求。

仍然缺失的是连接这些事实的桥梁：具名的 Nvidia 合作伙伴、完成的认证，以及采用该技术的商业产品。

对于开发者和企业 AI 买家而言，直接影响有限。当前采购决策仍取决于已交付的加速器、可用内存、网络、软件支持和整体系统效率。

长期影响可能很大。如果玻璃能实现具有更密集连接和更多 HBM 的更大封装，未来系统就可能在 GPU 附近容纳更多模型状态，并以更快速度移动这些数据。

这将影响长上下文推理、训练效率以及系统能够同时服务的工作负载数量。它还可能重塑哪些封装供应商能够从 AI 基础设施市场中获取价值。

因此，下一次可信的更新不应只是又一则未具名的供应链消息。应关注正式协议、认证结果或产品披露。在这些信息出现之前，Nvidia 玻璃基板的消息仍是一项严肃的制造业调查，而非已经达成的合作关系。

在将玻璃视为 Nvidia 的既定路线之前，应持续追踪这三个信号。这项技术存在明确的应用理由，也面临成熟竞争对手，并且仍有待解决的量产风险。决定性问题已不再是玻璃是否具备吸引人的特性，而是供应商能否以 AI 加速器所要求的良率与规模完成认证。