NVIDIA 的 AI 服务器 PCB 热潮正让科技新闻的焦点超越芯片

NVIDIA Rubin 的推出，令一个长期被忽视的组件进入科技新闻视野：连接 AI 系统内部处理器、内存、网络与电源的印制电路板。最新行业预测显示，AI 服务器电路板及其基材正迎来异常迅猛的增长。如今的矛盾已不再只是能否获得足够多的加速器。制造商还必须在不牺牲信号质量和可靠性的前提下，生产尺寸更大、密度更高、结构更复杂的电路板。

这一转变在 2026 年 9 月 2 日变得尤为明显。当日，中国财经媒体 CLS 分析了 PCB 供应商与材料生产商的股价上涨。其报道援引高盛 8 月的一项预测，该预测大幅上调了对 2028 年前 AI 服务器 PCB 市场的预期。文章还将这一预测与覆铜板多轮涨价、产能紧缺以及供应商强劲的上半年业绩联系起来。

NVIDIA 是需求的核心支撑，但并非唯一驱动力。Amazon、Google、Meta 和 Microsoft 都在开发定制 AI 加速器，而云服务商正部署集成度越来越高的计算机柜。它们之间的竞争，正将一个成熟的电子产品类别转化为战略约束。

这一逆转意义重大。AI 基础设施通常被描述为先进芯片、高带宽内存和电力资源的竞争。下一阶段同样取决于制造商能否构建让这些组件协同工作的物理通路。

AI 服务器 PCB 预测改变了供应链讨论

关键变化不在于 AI 服务器使用了更多电路板，而在于每套计算系统都需要不同等级的电路板。

印制电路板（PCB）可在机械上支撑电子元件，同时在元件之间传输电信号和电力。覆铜板（CCL）则是表面覆有铜箔的绝缘基材，制造商在其基础上加工出电路。这两个类别都不新鲜，但机柜级 AI 系统正将它们推向远超普通服务器要求的水平。

9 月 2 日的 CLS 报道将即时市场反应归因于两项进展。首先，覆铜板供应商发布了新一轮涨价通知。其次，高盛上调了对 AI 服务器 PCB 和 CCL 的展望。

根据这份市场报道，高盛预计，到 2028 年全球 AI 服务器 PCB 市场规模将达到 840 亿美元；相应覆铜板市场规模将达到 480 亿美元。该预测意味着，2026 年至 2028 年间，两者的复合年增长率将分别达到 148% 和 161%。

这些估算属于预测，而非已实现的销售额。它们也来自一份尚未完全向公众公开的投行研究报告。尽管如此，其背后的假设揭示了投资者和制造商为何开始以不同眼光看待电路板。

据报道，高盛预计 AI 服务器 PCB 的出货面积将从 2026 年的 130 万平方米增至 2028 年的 450 万平方米。更关键的是，它预计每平方米平均价值将显著提高。因此，电路板面积和产品复杂度将同步上升。

这种组合使本轮周期不同于传统的销量复苏。制造商无法只是在现有产线上生产更多标准服务器主板。他们需要适用于更多层数、更精细线路、更大尺寸、更厚铜层、更严格公差以及更低电损耗材料的工艺。

这种变化已体现在电路板架构上。传统服务器板通常有 14 至 24 层。根据制造业研究，AI 服务器板通常采用 20 至 30 层，部分设计的层数还在继续增加。

每增加一层，都会带来更多制造步骤和更多缺陷机会。精细线路必须在整个叠层中准确对位。钻孔连接必须在更大板厚下仍保持精度。热量和机械应力不能使电路板产生足以损害高速连接的变形。

AI 硬件还要在处理器、内存、交换机和网络接口之间传输海量数据。在这样的速度下，电路走线不再像简单导线，而更像经过精确工程设计的传输路径。材料的微小差异都可能削弱信号或引入干扰。

这正是为何这则科技新闻不止关乎一轮火热的股市行情。该预测反映的是计算基础设施物理设计和经济价值的变化。先进芯片仍提供计算能力，但日益专业化的电路板决定了这些计算能力能否在机柜规模下运行。

NVIDIA Rubin 让电路板成为计算机的一部分

NVIDIA 的机柜级设计使 PCB 成为主动的性能约束，而不再只是芯片下方的被动载体。

该公司的 Rubin 平台解释了为何需求正在加速。NVIDIA 于 2026 年 1 月推出 Rubin，并表示合作伙伴系统将在下半年上市。其架构将 CPU、GPU、网络处理器、交换机和存储基础设施整合为一套协同系统。

Rubin 平台包括 Vera Rubin NVL72 机柜和 HGX Rubin NVL8 服务器板。NVL72 集成了 72 枚 Rubin GPU、36 枚 Vera CPU 以及 NVIDIA 第六代 NVLink 互连架构。HGX Rubin NVL8 则连接八枚 GPU，面向希望采用 x86 系统的客户。

NVIDIA 表示，NVL72 可提供每秒 260 TB 的总横向扩展带宽。横向扩展网络会在紧密协同的计算域内连接加速器，使它们能够像一台更大的机器那样共同处理同一模型。

这种性能需要极短、可预测且经过精确匹配的电气路径。电路板和背板必须在管理供电、散热、振动和可维护性的同时传输信号。仅凭 GPU 规格无法保证这些结果。

NVIDIA 还表示，Rubin 系统采用模块化、无内部线缆的托盘设计。移除内部线缆可以简化装配和维护，但电气连接并不会消失。设计人员只是将更多责任转移到电路板、连接器和刚性互连结构上。

这正是 AI 服务器 PCB 热潮背后的机制。机柜级系统融合了此前彼此独立的多个工程领域。芯片封装、服务器板、背板、网络架构、散热和配电正日益构成一个统一架构。

密度提升会影响整个材料堆栈。更快的信号需要低损耗覆铜板，以在更长走线上保持电能。更高的功率需求需要更厚或分布更精细的铜层。更多元件则需要高密度互连（HDI）技术，以便在有限空间内布置更小的过孔和更窄的线路。

类载板 PCB 将这一工艺进一步推进。它们采用更接近半导体基板的制造方法，实现远比传统电路板更精细的布线。改良型半加成工艺通过更精确地构建薄铜线路，而非从铜板上大量蚀刻去除铜材。

这些工艺需要专用设备、更严格的污染控制和经验丰富的生产团队。良率成为核心问题。一座工厂即使拥有名义产能，若复杂设计在制造后期产生缺陷，实际可销售电路板的产量仍可能较低。

电路板还承载着架构变革的成本。每一代 NVIDIA 产品都会重新组织计算托盘、交换机、连接器和供电系统。供应商必须在量产前完成新材料和制造步骤的认证。任何环节的延误，都可能拖慢整套机柜的交付，即便处理器本身已经到位。

Rubin 并非整个市场的全部。Microsoft、Amazon、Google 和 Meta 也在围绕内部加速器开发系统。据报道，高盛预计，这些定制 ASIC 的部署带来的新增 PCB 需求，将超过 NVIDIA GPU 服务器本身。

专用集成电路（ASIC）是为比通用处理器更窄的工作负载设计的芯片。云公司利用 AI ASIC 来控制自有服务的性能、能耗和成本。

这些项目使电路板需求来源更加多元，但也更加碎片化。供应商可能需要支持多种架构、材料组合和认证周期。这提升了工程专业能力的价值，同时也限制了通用产能的实用性。

结果是一场系统雄心与制造现实之间的较量。NVIDIA 和超大规模云服务商希望实现年度产品周期、更高密度的机柜和更低的推理成本。电路板制造商必须将这些目标转化为能承受多年高温和持续电负载的实体产品。

科技新闻在 GPU 之下发现了新的瓶颈

承受最大压力的并不只有 PCB 供应商，也包括每一位期待 AI 硬件按时交付的客户。

过去几年，先进加速器是 AI 扩张最明显的限制因素。高带宽内存和半导体封装随后也加入了这一行列。最新证据表明，电路板、覆铜板、玻璃纤维布、铜箔和生产设备如今也应被纳入同一讨论。

建滔积层板在其 2026 年上半年业绩中提供了最清晰的供应商信号之一。营收较 2025 年同期增长 55%，归属于股东的净利润增长 209%。覆铜板出货量增长 14%，平均月出货量超过 1,000 万张。

该公司表示，现有产能已大幅转向 AI 相关产品。根据其中期业绩，这一重新分配导致传统电子级玻璃纤维纱和玻璃纤维布严重短缺。

这一表述揭示了挤出效应。工厂无需关闭传统产线，短缺也可能出现。它可以优先生产规格更高的产品、为每件产品消耗更多稀缺材料，或将最好的设备投入 AI 客户。

于是，传统电子产品买家只能争夺剩余供应。即使自身需求保持稳定，汽车、消费电子、工业和通用服务器制造商也可能面临更长交货周期或更不利的合同条款。

材料生产商正在作出回应。Panasonic Industry 宣布对覆铜板、半固化片、柔性材料及相关电路板产品进行广泛调价。该公司表示，调整将适用于 2026 年 5 月 1 日起发货的产品。

Panasonic 将这一决定归因于铜箔、玻璃布、树脂、物流、包装、能源和劳动力成本上涨。其材料通知表明，AI 需求正与投入成本通胀相互碰撞，而非孤立运行。

半固化片（Prepreg）是用于粘合并绝缘 PCB 各层的浸渍树脂玻璃纤维片材。高性能电路板需要树脂表现稳定且玻璃纤维结构受到严格控制。任何缺陷或差异都可能同时改变机械稳定性和电气性能。

这种压力向上游蔓延。玻璃纤维供应商必须生产更薄、更均匀的织物。铜箔生产商需要提供表面粗糙度可控的产品。化工企业则必须提供既耐高温、又能尽量降低信号损耗的树脂。

压力同样向下游传导。服务器制造商没有合格的电路板，就无法交付完整系统。云服务商没有完整服务器，就无法部署承诺的算力。若安装进度延误，AI 开发者也无法获得这些算力。

美国还面临额外的地域风险。大量先进 PCB 和电子制造产能仍集中在亚洲。行业协会 IPC 认为，国内 AI 基础设施政策必须涵盖电路板设计、HDI 制造、元器件组装和测试，而不应只关注半导体生产。

其供应链分析估计，未来五年 AI 服务器将以 12.3% 的复合年增长率增长。IPC 还指出，IC 载板、HBM 组装、PCB 制造和系统组装等领域需要获得更多关注。

这一警告揭示了产业政策中的错配。各国政府已向晶圆制造和先进封装投入大量资源。这些投资确实在解决实际瓶颈，但如果本地产能缺失，即使加速器在本土生产，仍会依赖进口电路板和材料。

因此，承压对象十分广泛。PCB 制造商必须在不损害良率的前提下扩产。材料供应商必须增加产能，同时避免日后出现供过于求。云服务商必须足够早地预测需求，以预留生产能力。政策制定者则必须决定，电路板基础设施是否应获得与芯片同等的战略待遇。

这正是 AI 服务器 PCB 从元器件采购话题进入科技新闻的原因。它处于计算性能、工厂产能、地缘政治和资本支出的交汇点。

快速扩张无法消除良率风险

庞大的市场预测并不保证每一家新工厂、供应商或电路板项目都会成功。

最有力的质疑在于，已宣布的产能与通过认证的实际产出之间存在差异。企业可以迅速订购设备、建设工厂，却无法立即复制复杂电路板所需的工艺经验。

高层数电路板需要经过反复的层压、成像、电镀、钻孔、检测和测试环节。接近生产末端的失效，会浪费此前各阶段积累的工作和材料。更多层数和更精细的连接会加剧这种累积风险。

大型 AI 电路板也使均匀性更难控制。温度、压力、树脂流动、铜厚和对位必须在更大的表面范围内保持一致。一套在较小电路板上表现良好的制造工艺，放大后可能产生不可接受的缺陷。

客户还设置了另一道门槛。服务器平台要求供应商在进入量产前完成认证。该过程可能包括电气测试、热循环、可靠性分析和试生产。一座新工厂不会仅因配备了相似设备，就能与成熟供应商互换替代。

市场前景还依赖于激进的系统层面假设。据报道，高盛预计，到 2028 年，出货面积和单板平均价值都将增长。任何一个变量发生变化，都会削弱这一预测。

架构效率带来了一项不确定性。NVIDIA 表示，Rubin 训练混合专家模型所需的 GPU 数量仅为 Blackwell 的四分之一，且每瓦推理吞吐量最高可提升十倍。这些均为公司主张，仍需在客户工作负载中得到验证。

如果改进后的系统能以更少机架完成更多工作，云运营商可能会放缓单位采购。需求仍可能增长，但电路板面积预测与 AI 使用量、已部署服务器之间的关系将不再像简单线性关系那样直接。

定制加速器构成第二项不确定性。其增长扩大了客户基础，但超大规模云服务商设计硬件，部分目的在于降低基础设施成本。当预期回报下降时，它们可以简化某些系统、重新谈判供应合同，或调整部署计划。

资本支出带来第三项风险。AI 基础设施依赖于一小群云计算公司及融资伙伴持续投入。如果 AI 服务收入无法匹配折旧、电力和运营成本，这些买家可能推迟建设新园区，或延长设备更换周期。

材料替代也可能改变经济性。供应商正开发新型覆铜板、玻璃纤维织物、铜箔处理方案、光链路和封装方法。有些创新会提升 PCB 价值，另一些则会将功能从传统电路板走线中转移出去。

共封装光学体现了这种模糊性。该方案将光学组件置于更靠近网络芯片的位置，缩短最快电信号必须传输的距离。它能够缓解部分电路板级信号挑战，同时引入新的封装、散热和可靠性问题。

因此，在当前工厂达到满产前，竞争格局可能已经发生变化。围绕某一种电路板规格设计的产能，可能需要为后续架构进行改造。设备依然有用，但产能利用率和利润率未必会遵循今天的预测。

将暂时性短缺视为永久性稀缺同样存在风险。供应链正在以大规模投资应对。TrendForce 报道称，中国 PCB 生产商已加快扩张计划，其中包括面向 AI 芯片和光模块的新建高端设施。

Avary Holding 披露，计划在深圳建设高端类载板 PCB 和柔性板制造基地。Victory Giant 也在扩张高端产能。中国、台湾、日本和东南亚的其他生产商同样正将资本投向 AI 服务器产品。

如果多个项目同时通过认证，供给的追赶速度可能快于预期。市场规模仍会扩大，但议价权可能从制造商重新转向客户。

因此，投资者应区分三项主张：AI 服务器需要更先进的电路板；当前高端供应紧张；当前的利润率和增长率将贯穿每一个扩产周期。第一项主张有强有力的技术支持，第二项有当前供应商证据支撑，第三项仍未得到证明。

对企业买家而言，实际教训也类似。采购团队应跟踪认证、良率、交期和第二供应源准备情况。供应商规划的厂房面积，远不如其能否按要求规格交付可靠电路板重要。

对开发者和知识工作者而言，其影响虽间接却真实存在。硬件可得性会影响云端算力、推理延迟、服务限制以及新模型部署速度。实体供应链能够决定哪些 AI 功能会在何时触达用户。

关注这一转变的团队，需要一种可靠方式来关联财报、产品公告和技术规格。可搜索的知识库能够在故事跨越众多供应商持续发展时，保留这些关联。

三项信号将检验 AI PCB 论点

下一阶段将由生产证据决定，而不是又一份头条预测。

第一项信号是 2026 年下半年 NVIDIA Rubin 系统的量产爬坡情况。NVIDIA 表示 Rubin 已进入全面生产，并点名 AWS、Google Cloud、Microsoft、Oracle、CoreWeave、Lambda、Nebius 和 Nscale 为预计的早期提供商。

出货时机将显示，周边供应链是否能支撑 NVIDIA 的发布节奏。顺利部署将强化这一判断：先进 PCB 生产已与芯片、网络和散热同步扩展。

如果延误与电路板、连接器或互连结构有关，结论则恰恰相反。这会证实该元器件的战略重要性，同时削弱近期出货假设。两者的区别很重要，因为瓶颈既可能提高产品价值，也可能阻碍供应商确认预期销量。

第二项信号是覆铜板和 PCB 制造商的运营数据。仅靠营收增长无法解决这一问题。投资者需要关注出货量、产品结构、产能利用率、交期、毛利率以及管理层对认证情况的评论。

Kingboard 的上半年业绩确立了较高基准：出货增长伴随着利润的大幅提升。未来报告将表明，这一表现反映的是可持续的高端需求、暂时性材料通胀，还是两者兼有。

产能配置同样值得关注。如果供应商持续将生产转向 AI 材料，同时称传统品类出现短缺，那么产能挤出论将更具说服力。如果交期恢复正常、产能利用率下降，供应可能正在追上需求。

第三项信号是超大规模云服务商部署定制 ASIC 服务器的速度。据报道，高盛认为，这类系统带来的增量需求将超过 NVIDIA 服务器。这一主张是最乐观 AI PCB 市场前景的核心。

云计算公司并不总会披露电路板级采购情况。更有用的证据将出现在加速器部署公告、数据中心投产时间表、供应商客户集中度，以及专业制造设备订单中。

多种内部芯片的广泛爬坡，将强化这样一种观点：该市场规模不止取决于一家供应商的产品周期。更缓慢的推进则会使 PCB 需求更依赖 NVIDIA，并让供应商暴露于更狭窄的架构路线图之下。

这些信号应结合解读。Rubin 出货可以验证近期执行能力。供应商业绩可以显示技术稀缺性能否转化为可持续收益。定制 ASIC 部署则能检验需求是否在结构上实现多元化。

更广泛的结论已经清晰可见。AI 计算已从单个加速器转向以机架和数据中心规模衡量的集成系统。随着这一转变发生，价值正向元器件之间的连接迁移。

印刷电路板正是其中一种连接。它传输电力、保持信号完整性、支撑高密度元器件，并将分别制造的芯片转化为可运行的计算机。随着每个机架集成度不断提高，它的重要性也在上升。

这并不意味着每一项预测都可靠，也不意味着每家供应商都值得看好。但这确实意味着，不能再将电路板视为可以忽略的商品。技术难度、认证壁垒和产能集中赋予了它战略分量。

未来的科技新闻仍将聚焦于更快的处理器和更大的模型。读者也应追问：这些处理器之下是什么，哪些工厂能够制造它，以及生产能否跟上节奏。

未来三个月，请关注实际 Rubin 供货情况、供应商对良率的评论，以及超大规模云服务商的加速器部署。这些事实将揭示，AI 服务器 PCB 热潮究竟正在成为持久的产业扩张，还是仍只是一轮由稀缺驱动的激增。