Rubin產業鏈:HVLP4銅箔存在20%缺口

AI速讀
產業調研顯示,AI板卡材料正加速向M8/M9及第四代HVLP銅箔升級。NVIDIA Rubin平台與亞馬遜Trainium3已全面採用HVLP4,而Google TPUv8則基於成本平衡採用HVLP3。然而,預計2027年HVLP4銅箔月需求將攀升至2500-2600噸,即便三井金屬擴產,總供應仍無法滿足需求,缺口約20%。這標誌著AI算力的瓶頸正從晶片端轉移至底層材料端,未來將上演激烈的「銅箔爭奪戰」。

2027年,銅箔或將成為AI產業鏈最嚴峻的瓶頸。

今天的文章,核心是聚焦關於AI板卡材料的升級路徑,以及第四代HVLP銅箔的供需缺口

一、AI算力需求“狂飆”,但產能爬坡為何“慢”了?

你可能以為,NVIDIA的產能會像火箭一樣躥升。但專家指出,NVIDIA的產能爬坡節奏明顯放緩。原因有二:

1.機櫃份額下滑

NVIDIA的高端機櫃在雲服務商採購中的佔比,不如從前。

2.自研晶片替代

Google亞馬遜等雲巨頭,正在加大自研ASIC晶片的使用,Google TPUv8需求強勁,目前CCL月需求已達80萬張,專家甚至警告存在超額預訂風險

當前爬坡節奏,絕對數量下降,但周期沒變。這背後是客戶結構的變化。

二、NVIDIA Rubin平台:材料方案“分層”明顯

NVIDIA的Rubin平台,是當前最核心的產品線。專家詳細拆解了其材料方案:

1. 計算卡(Bianca Board)

  • 材料

M8(訊號層)+ M4(電源層)混壓,搭配第四代HVLP銅箔

  • 結構

26層,六階HDI。

  • 供應商

100%韓系廠商。

2. 交換機板(Switch Board)

  • 材料

M8,搭配第二代玻璃布第四代銅箔

  • 結構

32層板。

  • 供應商

台光電生益科技

3. 中板(Mid-panel)

  • 材料

M9 + 第二代玻璃布,明確不用石英布或PTFE。

  • 供應商

同樣台光電生益科技

材料升級的核心是M8/M9配合第四代銅箔,這是AI板卡性能提升的“黃金組合”。

三、Rubin Ultra平台:更激進的嘗試

Rubin Ultra平台,專家指出,其計算卡、交換機板、正交背板方案更激進:

  • 計算卡

M9 + 第二代玻璃布,不用石英布

  • 交換機板與正交背板

PTFEM9混壓,但方案未最終確認。如果PTFE不行,正交背板將沿用已驗證的M9Q(石英布)方案。甚至還有備選——不採用正交背板,繼續用銅纜連接

專家強調: 正交背板若採用PTFE方案,層數可能飆升至104層甚至112層,是真正的“技術極限”。

四、Google TPUv8:獨特的“M8+HVLP3”組合

Google的TPUv8項目,材料方案頗具特色:

  • UBB

M8M6混壓,40層,其中M8搭配HVLP3銅箔

  • CPU board

M6,22層。

  • Switch board

M8,22層。

目前主要客戶中,只有Google為M8搭配第三代HVLP3銅箔,這是基於其電氣性能與成本的平衡。而其他客戶,如NVIDIA亞馬遜,則直接上第四代HVLP4

五、亞馬遜Trainium3:供應商多元化

亞馬遜的Trainium3項目,已開始爬坡:

  • UBB

M8 + HVLP4

  • OAM

M7 + 第二代銅箔,22層,4階HDI。

  • Switch board

自研,M8M4混壓,26層,無HDI。

亞馬遜在採購策略上更注重風險分散,已開始認證第二梯隊供應商銅冠,用於其泰國工廠。

六、第四代HVLP銅箔:供需缺口約20%,2027年成為最大瓶頸

這是調研中最核心的預警。

當前供需(2026年9月)

  • 月需求量:約1000噸
  • 月供應量:約800噸
  • 缺口:約20%

2027年預測

  • 月均需求:2500-2600噸(年底可能達4000-5000噸)
  • 三井擴產:全年僅新增1000噸(上半年釋放400噸)
  • 供需缺口:即使加上三井,總供應僅約2200噸,仍無法滿足需求。

玻璃布擴產相對穩健,但銅箔的產能爬坡依賴新供應商匯入,不確定性最大。預計2027年,第四代銅箔將成為產業鏈最嚴峻的瓶頸。

專家原話: “T公司和D公司的產品,顏色與三井不同,表面偶爾不均勻,但良品部分電氣性能合格。在當前供需失衡下,仍會被採用。”

七、一場“銅箔爭奪戰”即將上演

想像一下,2027年,當AI算力需求再翻倍,全球各大雲廠商都在爭搶第四代HVLP銅箔三井的產能被NVIDIA亞馬遜Google瓜分,古河福田穩坐釣魚台,金居銅冠德福則在品質與產能間突破。

最後

AI的算力,正從“晶片”轉移到“材料”。
覆銅板、銅箔,這些看似底層的“小材料”,正在成為決定AI產業速度的關鍵。 (數之湧現)