Rubin PCB與1.6T光模組搶料,M8覆銅板告急!

AI速讀
AI 算力競賽正陷入底層基材的搶料大戰。目前全球僅三款 M8 覆銅板能滿足 NVIDIA 認證,但因 Vera Rubin 平台的優先需求,導致 1.6T 光模組面臨嚴重缺料,每月產能缺口達 25 萬張。技術端,mSAP 工藝因線寬線距極細,難度較 HDI 提升 16 倍,良率成為勝負關鍵。在 PCB 廠商競爭中,滬電與深南憑藉 5G 基站經驗領先技術沉澱,而鵬鼎則在裝置規模與佈局速度上反超。此外,光模組瓶頸不僅在 PCB,EML 與 DSP 晶片短缺同樣嚴重。整體格局顯示,誰能率先突破良率與擴產,將在下一輪 AI 浪潮中掌握主導權。

“現在能供NVIDIA 1.6T光模組使用的基材,全球只有三個料號。”一位資深專家在閉門交流中直言,“而這三種料號,與Vera Rubin所用的基材一模一樣。”

這句話,揭開了當前AI產業鏈最隱秘的“卡脖子”環節——M8覆銅板

一、三個料號,一個“共享”困局

全球能過NVIDIA認證的M8基板,只有三種:台光的EN892K、斗山的DS740/7,409D、生益科技的9GM。

原本,這些產能主要供應1.6T光模組。但形勢在今年7月發生逆轉——供應商開始以7:3的比例,將原本用於1.6T光模組的產能切給Vera Rubin

“未來很有可能進一步降低1.6T光模組的產能佔比。”專家強調,“為了滿足Rubin需求,斗山台光等正在拚命擴產,預計到今年11月中下旬,供應緊張能得到部分緩解。”

換句話說,過去三個月,1.6T光模組一直在“吃”Rubin的剩飯

二、一個月缺口25萬張,誰在“餓肚子”?

專家用一組資料算了一筆帳:

  • Vera Rubin的Compute Tray

7+12+7結構的26層板,中間12層核心板必須用特定CCL基板。單台機櫃用36片,需要0.18平方米×12層×36片。按6萬台機櫃算,需求巨大。

  • 1.6T光模組

7+2+7結構,核心板2層,單片0.06平方米×2層。

現實是台光斗山生益三家合計月產能約110萬張(折合130萬平方米),而市場月需求約135萬至140萬張。每月缺口25萬張,折合近30萬平方米

“注意,這是100%良率下的計算。”專家提醒,“實際上,Compute Tray良率約70%,1.6T光模組良率約85%。”

三、mSAP工藝:16倍難度提升,一步錯整批報廢

為什麼mSAP工藝這麼難?專家用了一個形象的比喻:步步陷阱

“從UV雷射、層壓到電鍍,每個環節都是坑。”專家解釋,“HDI的線寬線距標準在35-90微米,SLP在50微米以下,而mSAP適用於18-30微米。當做到8微米時,難度相比最先進的35微米HDI,提升了16倍。”

“任何一個管控點出問題,整批產品報廢。因為AI光模組對訊號完整性要求極嚴,沒有返工機會。”

技術的殘酷,在這裡體現得淋漓盡致。

四、國產PCB三強:鵬鼎、滬電、SN,誰在領跑?

在國內mSAP領域,競爭格局正悄然變化。

滬電SN之所以在mSAP技術積累上領先,源於早期為華為5G基站項目提供SLP工藝產品。“基站產品層數動輒28層,而鵬鼎的SLP經驗主要來自蘋果項目,只有14層。層數差異,決定了技術沉澱的厚度。”

但在裝置層面,鵬鼎反超了。“鵬鼎的裝置更先進,佈局進度比滬電SN快約一年,產能規模也遠超這兩家。”專家指出,“鵬鼎在技術積累上已追近深南,達到並駕齊驅,但與滬電仍有差距,滬電的良率或比鵬鼎高出2-3個百分點。”

滬電SN目前尚未拿到最新一代裝置,即便未來獲得,技術提升也需要時間。

S公司則相對較弱,擁有約6000平方米mSAP產能,另有2萬平方米在建,但進度較慢。

五、1.6T光模組:不是只有PCB在卡脖子

“很多人以為瓶頸只在PCB,其實遠不止。”專家強調,“上游的光晶片、DSP晶片、光耦合器,都在緊缺。”

  • EML晶片

用於1.6T光模組的EML和DSP晶片產能,無法滿足全球月均約400萬隻的需求。

  • 技術路線

EML目前有氮化鎵和磷化銦兩種工藝,磷化銦襯底是瓶頸。碳化矽襯底正在測試中,若成功,EML供應將大幅緩解。

  • 誰解決晶片,誰佔市場

旭創新易盛,誰能率先解決晶片供應,誰就佔據更大份額。

六、誰在“悶聲發大財”?

資料顯示,Compute Tray領域,台灣新興電子佔40%,鵬鼎勝宏各佔30%。

東山精密則走了一條更封閉的路:自產PCB,交給100%控股的索爾思
封裝,最終交付給Meta。而旭創的客戶主要是NVIDIAGoogle和亞馬遜北美零售市場。

滬電SN目前未參與Compute Tray供應,滬電側重正交背板,SN聚焦正交中板,但SN在Switch Board領域有一定份額。

NVIDIA在確定供應商份額時,主要看每個月的有效交付能力,除非重大品質問題,否則不會輕易調整。

最後:一場關於“基材”的戰爭,才剛剛開始

當AI算力競賽進入“基材級”競爭,每一張M8覆銅板,每一塊mSAP基板,都成了決定勝負的關鍵。

誰能先解決良率,誰能先擴產到位,誰就能在下一輪浪潮中,笑到最後。

而這場“搶料”大戰,或許會決定未來的競爭格局。 (數之湧現)