一文讀懂PCB:算力浪潮下最容易被忽略的核心環節

聊算力的時候,大多數人的第一反應都是 GPU 、算力卡、 AI 伺服器。很少有人會注意到,所有這些算力硬體的背後,都離不開一塊看起來毫不起眼的板子——PCB 。

如果說 GPU 是 AI 伺服器的大腦,那 PCB 就是整個算力系統的高速公路網路。每一塊 GPU ,每一根記憶體條,每一個供電模組,最終都要焊在 PCB 上,通過 PCB 上密密麻麻的銅箔線路完成訊號和電力的傳輸。沒有達到設計要求的 PCB ,再強的 GPU 性能也無法完全釋放。

這一點被整個市場嚴重低估了。本文將系統拆解 PCB 的技術本質,分析其與 AI 算力的深層關聯,梳理中中國國產業格局,並客觀對比中國外技術差距。

PCB 的技術本質

PCB 的全稱是印刷電路板,是所有電子裝置的基礎載體。手機、電腦、路由器、伺服器,所有電子裝置內部都有 PCB 。各類晶片、電阻、電容、介面元件,都銲接在 PCB 上,通過 PCB 上的銅箔線路互相連接,完成訊號傳輸和電力供應。

看起來好像沒什麼技術含量,不就是一塊絕緣板上鋪銅線嗎?實際差異非常大。 PCB 的技術含量,核心看三個指標:層數、線寬線距、材料等級。

層數是指 PCB 內部疊加的線路層數。普通手機主機板約 10-12 層,普通電腦主機板約 8-10 層,而高端 AI 伺服器使用的 PCB 已經達到 20 層以上,部分場景甚至接近 30 層。層數越多,可布的線路密度越高,能承載的晶片和模組越複雜,工藝難度也呈指數級上升。這裡要說明一下,層數不是越高越好,每增加一層,訊號損耗和製造成本都會顯著上升,需要在設計階段就做好權衡。

線寬線距是 PCB 上銅線的寬度以及兩根銅線之間的距離。當前高端 PCB 量產工藝已經可以做到 30 微米以下,遠細於頭髮絲直徑。線寬越小,單位面積內的布線密度越高,訊號傳輸能力越強。但線寬越小,蝕刻工藝控制難度越大,出現開路、短路的機率顯著上升。很多 PCB 廠號稱能做 20 層板,實際上線寬線距根本達不到 AI 伺服器的要求,最終只能給消費電子供貨。

第三個也是最關鍵的指標是材料。 PCB 的基礎材料是覆銅板,由環氧樹脂和玻璃纖維布壓制而成。不同等級的材料,耐熱性、介電常數、訊號損耗特性差異極大。普通消費電子使用 FR-4 級材料,伺服器使用高 TG FR-4 ,高端通訊和毫米波場景則需要使用碳氫材料、 PTFE 等特種材料。材料的差距,是當前中國 PCB 產業最核心的瓶頸之一,短期內看不到徹底解決的可能。

市場上存在一種普遍誤解,認為 PCB 是沒有技術含量的加工產業。這一認知僅適用於中低端 PCB 領域。高端 PCB ,尤其是 AI 伺服器、高端路由器、航空航天場景使用的 PCB ,技術壁壘極高,涉及材料、工藝、設計、模擬等多個學科的深度積累,全球能夠穩定量產的廠商非常有限。

PCB 與 AI 算力的深層關聯

當前行業討論算力瓶頸時,主要關注 GPU 、 HBM 、光模組等核心部件。但高端 PCB 正在成為 AI 伺服器供應鏈中的關鍵制約環節之一,並且隨著 GPU 和 HBM 供給的逐步改善,高端 PCB 的重要性正在快速提升。

先說價值量的躍升。普通伺服器 PCB 的價值量約為每塊 300-500 元,而 AI 伺服器的 GPU 承載板,單塊價值量已經達到 2000-3000 元,部分高端產品更高。一台 8 卡 AI 伺服器中,僅 PCB 的總成本就可能超過 5000 元,是普通伺服器的數倍。

AI 伺服器對 PCB 的技術要求,體現在四個維度。

層數要求是最直觀的。普通伺服器主機板一般 12-14 層即可滿足需求,而 AI 伺服器的 GPU 主機板,當前已經普遍做到 20-24 層。層數越多,工藝複雜度越高,良率越低,成本自然上升。同時多層板對層間對位精度要求達到微米級,稍有偏差整塊板即告報廢。很多中小廠擴產時只看層數指標,忽略了對位精度要求,最後良率上不來,根本賺不到錢。

訊號完整性要求是真正的技術門檻。 GPU 之間的高速互聯已經進入 PCIe 5.0 時代, PCIe 6.0 也即將落地,單通道速率達到 64GT/s 。在如此高的傳輸速率下, PCB 上幾釐米的銅線產生的訊號損耗都會嚴重影響系統性能。如果 PCB 材料性能不足,或者線路設計存在缺陷,訊號到達接收端時已經嚴重衰減,再強的 GPU 也無法發揮性能。因此高端 AI 伺服器 PCB 必須使用低損耗、超低損耗特種材料,這類材料本身的成本就非常高。

AI 伺服器 PCB 真正的技術難點,不只是層數和材料,而是整個高速訊號系統工程。 SI (訊號完整性)、 PI (電源完整性)、串擾控制、插入損耗、回波損耗、阻抗控制,每一項都需要深厚的技術積累。這也是為什麼很多 PCB 廠能夠做出 20 層板,卻因為通不過訊號完整性測試而無法進入供應鏈的核心原因。

供電和散熱要求是另一個容易被忽略的難點。高端 GPU 單卡功耗已接近 700W , 8 卡配置即達到 5600W ,加上 CPU 、記憶體、網路卡等部件,整台伺服器功耗接近 10KW 。如此大的電流需要通過 PCB 上的銅箔傳輸到各個負載,對 PCB 的載流能力、耐熱性提出了極高要求。同時 GPU 周圍的溫度波動大, PCB 必須能夠在長期冷熱循環下保持尺寸穩定,不出現變形、開裂、脫焊等問題。這對材料的 TG 值(玻璃化轉變溫度)、熱膨脹係數都有嚴格要求。

產能瓶頸是當前最現實的制約。高端 PCB 的生產周期很長,一塊 20 層的 AI 伺服器 PCB ,從投料到成品出貨大約需要 4-6 周,且良率顯著低於普通板。高端 PCB 產線的擴產也並非短期可以完成,需要配套高端蝕刻裝置、壓合裝置、檢測裝置,以及大量具備豐富經驗的工藝工程師。當前全球範圍內,真正具備大規模量產高端 AI 伺服器 PCB 能力的廠商並不多。

這也是為什麼部分伺服器廠商已經獲得 GPU 供應,卻仍然面臨整機交付延遲的重要原因之一。算力產業的瓶頸,很多時候並不在最受關注的核心部件,而在這些容易被忽略的基礎元器件上。

中國 PCB 產業格局

經過二三十年的發展,中國已經成為全球最大的 PCB 生產國,佔據全球超過 50%的產能。但產能分佈極不均衡,中低端產能嚴重過剩,高端產能顯著不足。

中國 PCB 上市公司大致可以分為三個梯隊。

第一梯隊是鵬鼎控股、深南電路、滬電股份,也是當前高端 PCB 領域佈局最深的三家企業。鵬鼎控股是全球最大的 PCB 廠商,核心優勢在 FPC (柔性電路板),主要服務消費電子產業鏈,同時佈局伺服器和汽車電子領域。鵬鼎的核心競爭力在於規模優勢、管理能力和高良率水平。

深南電路是中國通訊 PCB 領域的龍頭企業,與華為供應鏈深度繫結,華為基站、伺服器、路由器使用的 PCB 很大一部分由深南供應。深南的核心優勢在於通訊領域深厚的技術積累,高端通訊 PCB 技術中國領先,同時佈局封裝基板業務,是這一輪 AI 伺服器 PCB 需求爆發的主要受益者之一。需要注意的是,深南的封裝基板業務目前仍處於虧損階段,真正貢獻利潤還需要時間。

滬電股份是中國伺服器 PCB 領域的另一龍頭,主要客戶包括戴爾、惠普、思科等海外廠商。滬電是中國最早進入高端伺服器 PCB 領域的廠商之一,技術積累深厚,海外客戶認證起步較早,在本輪 AI 算力需求增長中獲得了大量海外 AI 伺服器訂單。滬電的問題在於對海外客戶依賴度較高,地緣政治風險是其最大的不確定因素。

第二梯隊包括勝宏科技、生益科技、景旺電子、崇達技術等。勝宏科技的核心優勢在於顯示卡 PCB , NVIDIA 消費級顯示卡 PCB 的很大一部分由勝宏供應,目前也在向 AI 伺服器 PCB 領域拓展。勝宏的特點是執行力強,擴產速度快,成本控制能力突出。但勝宏在高速訊號設計方面的積累相對薄弱,能否真正打入高端 AI 伺服器供應鏈,還需要觀察。

生益科技的定位比較特殊,它不生產 PCB 成品,而是 PCB 的核心上游材料——覆銅板的供應商。生益是全球領先的覆銅板廠商之一,技術實力雄厚,中高端覆銅板已經基本實現中國國產替代。生益相當於 PCB 產業的"賣鏟人",行業景氣度上升時會普遍受益,風險也相對較小。

第三梯隊是大量中小 PCB 廠商,主要服務中低端消費電子、小家電、玩具等領域,技術壁壘不高,競爭激烈,利潤率較低。這部分產能嚴重過剩,也是市場形成"PCB 是夕陽產業"認知的主要原因。

封裝基板是另一個值得單獨關注的領域,通常被視為 PCB 產業鏈中技術門檻最高的方向之一,用於晶片封裝環節。該領域此前基本由日本、台灣廠商壟斷,中國只有深南電路、興森科技等少數企業具備生產能力,且主要集中在中低端產品。特別是 ABF 載板,作為當前 AI 晶片封裝的核心瓶頸之一,其工藝更接近半導體製造,線寬線距要求遠高於普通 PCB ,中國目前仍處於追趕階段,差距比很多人想像的要大。

整體來看,中國 PCB 產業的當前格局是:中低端產能嚴重過剩,價格競爭激烈;中高端產能基本能夠滿足中國大部分需求,並且正在快速搶佔全球市場;最高端產品如頂級 AI 伺服器 PCB 、高端封裝基板、毫米波通訊 PCB 等領域,與海外領先廠商仍存在明顯差距。

中國外技術差距的核心維度

市場上關於中國 PCB 產業已經全球領先的說法,僅適用於中低端領域。在高端 PCB 領域,中國廠商與日本、美國、台灣的頂尖廠商仍存在不小差距。這種差距是多維度的,不只是材料層面。

第一個也是最核心的差距是材料。 PCB 的核心材料是覆銅板,覆銅板的核心性能由樹脂和玻璃纖維布決定。在這兩個基礎材料領域,中國與海外的差距非常顯著。

舉例而言,當前高端 AI 伺服器使用的超低損耗覆銅板,仍主要採用日本松下的產品。中國生益科技等廠商已經能夠生產同等級產品,但在材料一致性、長期可靠性方面,與國際領先廠商仍存在差距。客戶並非不願意採用中國國產材料,而是出於風險考量:一塊 PCB 的成本不過數千元,但搭載的 GPU 單價高達數萬元,一旦 PCB 材料出現問題導致 GPU 損壞或伺服器當機,損失將遠大於材料成本的節約。

更高端的特種材料,如碳氫材料、 PTFE 材料,用於毫米波通訊、汽車雷達、航空航天等場景,目前基本由美國羅杰斯、日本松下等少數企業壟斷。中國廠商能夠生產同類產品,但性能仍有差距,且產能規模較小。

材料領域的差距無法通過短期投入快速彌補。材料技術需要幾十年的配方積累、工藝積累,需要一代一代工程師的反覆試錯,需要大量長期可靠性資料積累。這是中國 PCB 產業最核心的短板,也是最難追趕的環節。很多企業號稱在材料領域取得突破,實際上只完成了實驗室樣品,距離大規模量產還有很遠的距離。

第二個差距是高速設計能力和系統工程能力。市場上存在一種誤解,認為 PCB 設計就是"畫線"。實際上, AI 伺服器 PCB 最難的不是實現 20 層以上的層數,而是整個高速訊號系統的設計: SI/PI 協同模擬、阻抗控制、串擾抑制、電源分配網路設計。這需要對晶片、封裝、 PCB 、連接器整個鏈路都有非常深入的理解,這恰恰是中國廠商的普遍短板。

第三個差距是裝置。 PCB 生產需要大量高端裝置,包括高速蝕刻機、高精度鑽孔機、自動光學檢測裝置( AOI )、 X 射線檢查裝置等。這些裝置目前大部分仍依賴進口。例如最高端的雷射鑽孔機,主要採用德國 LPKF 、日本三菱的產品。裝置差距帶來的直接影響是,中國高端 PCB 廠的產線建設成本高於海外廠商,裝置交付周期長,擴產速度受限。同時核心裝置依賴進口也存在供應鏈安全風險。

第四個差距是技術積累和客戶認證。 PCB 行業的技術經驗至關重要。一塊高端 PCB 的生產有數百道工序,每一道工序的參數最佳化,都需要十幾年甚至幾十年的經驗積累。日本、台灣的老牌 PCB 廠商,經過幾十年的發展,積累了大量工藝 Know-how ,這些經驗無法通過簡單複製獲得。

客戶認證也是重要的行業壁壘。高端伺服器、通訊裝置的 PCB 認證周期通常為 1-2 年,部分場景更長。客戶不僅測試產品性能,還要驗證產品的長期可靠性、一致性、供應鏈穩定性。一旦通過認證,客戶通常不會輕易更換供應商。這種客戶粘性導致新進入者很難突破市場壁壘。

儘管差距客觀存在,但中國廠商的追趕速度非常快。五年前,中國還沒有廠商能夠量產 16 層以上的伺服器 PCB ,目前已經有多家企業能夠生產 20 層以上的 AI 伺服器 PCB 。覆銅板領域同樣如此,五年前高端覆銅板基本依賴進口,目前中國國產產品已經能夠進入大部分中高端應用場景。

產業趨勢判斷

基於當前產業發展現狀,可對 PCB 行業的未來發展做出幾個基本判斷。

AI 算力將重構 PCB 產業的價值分佈。此前手機 PCB 是 PCB 產業價值最高的細分領域,未來五年,伺服器 PCB ,尤其是 AI 伺服器 PCB ,將成為整個 PCB 產業價值最高、增長最快的細分領域。該領域技術壁壘高,未來將形成少數廠商主導的競爭格局。

材料能力和高速設計能力將成為下一個階段的核心競爭要素。此前 PCB 廠商的競爭主要集中在工藝、良率、成本控制方面,未來競爭的核心將轉向材料研發能力和系統設計能力。能夠開發更低損耗、更高耐熱性材料,能夠掌握 SI/PI 協同設計能力的廠商,將在高端市場佔據優勢地位。缺乏核心技術能力的純加工型廠商將面臨越來越大的競爭壓力,甚至可能被淘汰。

中國國產替代處理程序將加速。當前 AI 伺服器 PCB 的主要供應商仍是台灣廠商,中國廠商市場份額不高。但這一輪 AI 算力需求增長,為中國廠商提供了良好的切入機會。一方面海外產能不足,客戶有動力引入新的供應商;另一方面中國伺服器廠商的崛起,也為中國國產 PCB 提供了應用場景。未來 3-5 年,中國廠商在全球高端伺服器 PCB 市場的份額將快速提升。

封裝基板將成為下一個重要突破點,但難度超過市場普遍預期。當前中國 PCB 產業在中高端領域已經站穩腳跟,封裝基板是下一個最重要的中國國產替代方向。該領域全球市場規模約 150 億美元,基本由日台廠商壟斷,中國替代空間巨大。但 ABF 載板等高端產品的技術壁壘極高,國際領先廠商已經積累了二十年以上的經驗。未來 5-10 年,中國有望在部分封裝基板領域實現突破,但全面替代並不現實。

PCB 行業沒有 GPU 那樣高的關注度,也沒有光模組那樣高的市場熱度,它只是整個算力產業中一個默默無聞的基礎環節。但正是這些不起眼的基礎環節,真正決定了一個國家的產業根基。一棟建築的最終高度,從來不取決於最頂部的裝飾是否精美,而取決於地基是否足夠堅實。

算力產業的競爭,最終是整個產業鏈的競爭,從最上游的材料到最下游的應用,每一個環節都不能掉隊。關注算力產業鏈的基礎環節,才能真正理解產業發展的底層邏輯。 (Ai算力空間)