当DeepSeek、Seedance 2.0等现象级AI应用接连落地,全球算力需求正以远超预期的速度狂飙。然而,算力军备赛背后,AI基础设施(AI Infra)产业链正遭遇前所未有的系统性梗阻。从芯片制造的核心设备到数据中心的一根铜缆,从特种材料到洁净厂房,几乎每一个关键环节都亮起了“红灯”。
算力发展的四大"墙"
AI算力的发展并非单一维度的芯片性能提升,而是一个涉及计算、存储、传输、能源的复杂系统工程。
(一)存储墙:AI推理时代的第一重枷锁
当前,AI行业重心正从大模型训练转向推理,预计2026年全球AI推理需求将超越训练场景。AI推理侧需求爆发,直接拉动对高带宽内存(HBM)及大容量DRAM的需求。
尽管主要存储芯片厂商正在计划扩大产能,但从投资到生产线真正投产,至少需要两年时间,这决定了紧缺格局在短期内难以缓解。新增产能主要集中在2027年及以后释放,2026年行业将呈现需求快速增长而供给释放滞后的结构性错配。
(二)带宽墙:数据流动的“毛细血管堵塞”
算力提升速度远超数据传输速度。这一矛盾导致了严重的“带宽墙”问题——数据在芯片内部、芯片之间、机柜内部以及数据中心之间的流动,成为了整个算力系统的性能瓶颈。
当前的带宽瓶颈是多层级的:在芯片内部,晶体管之间的互联延迟和功耗不断上升;在芯片之间,传统的PCB板载互联已经无法满足AI芯片之间的高带宽、低延迟需求;在机柜内部,服务器之间的互联带宽成为了Scale Up(纵向扩展)的制约;在数据中心之间,长距离传输的带宽和延迟则限制了Scale Out(横向扩展)和跨区域算力调度的效率。
据测算,在当前的AI训练集群中,数据搬运的能耗已经超过了计算本身的能耗。如何打通数据流动的“毛细血管”,降低传输延迟和功耗,是AI Infra发展必须解决的问题。
(三)计算墙:高端芯片制造是根本制约
AI芯片的性能迭代高度依赖先进制程工艺,而先进制程的产能则完全受制于上游的高端制造设备,尤其是EUV(极紫外)光刻机。
目前,全球只有ASML一家能够生产EUV光刻机,其产能极其有限,且受到严格的出口管制。这直接导致了7nm以下先进制程的产能严重不足,无法满足AI芯片的爆发式需求。英伟达作为全球AI芯片的龙头,其H100、H200等高端芯片的出货量一直受制于台积电的先进制程产能,交货周期长达数月甚至一年以上。
更严峻的是,芯片制造是一个高度全球化的产业链,任何一个环节的断裂都会影响整个产能。从光刻胶、靶材、电子特气等原材料,到刻蚀机、沉积设备等关键设备,都存在不同程度的垄断和供给限制。这使得高端芯片制造能力成为了AI Infra产业链中最难以突破的制约瓶颈。
(四)电力墙:相对可控的短期挑战
与前三者相比,电力墙是相对容易解决的瓶颈。AI数据中心是能耗大户,一个超大型数据中心园区的年耗电量,甚至超过数十万人口的中等城市。目前,全球数据中心总用电量占全球总用电量的2%~3%,且仍在攀升。但电力问题本质上是基础设施建设问题,可以通过燃气轮机、燃料电池、光伏等多元能源供给方式来解决。
从长期来看,随着可再生能源技术的发展和能源基础设施的完善,电力供应不会成为AI算力发展的中长期最大瓶颈。但在局部地区,由于电网建设滞后,短期供电压力仍然存在,可能会限制数据中心的建设速度。
扩产的“隐形杀手”:设备与材料的全面紧缺
AI芯片扩产速度远低于预期,核心制约并非芯片本身,而是上游设备与材料环节的全面短缺。
(一)测试设备需求增长迅速
AI芯片技术升级推高了测试设备的精度、效率要求。相较于普通逻辑芯片,AI GPU的信号端口数量暴增,会消耗更多测试机的信号通道资源;同时其晶体管数量激增,对应的测试向量规模和单芯片测试时长也大幅增加。更关键的是,传统消费电子领域的芯片只有一定比例的芯片会进行测试,但对于人工智能芯片来说,必须对所有芯片进行100%的测试,而且通常需要经过多个阶段,以确保整个芯片组正常运行。在AI算力需求的强力驱动下,叠加存储器市场的爆发,半导体测试设备(ATE)几乎成为了整个半导体设备赛道中出货量增速最快的品类。
全球最大的芯片测试设备供应商爱德万测试(Advantest)也表示,预计截至2026年3月的财年将创下历史新高,营收预计增长37%,净利润将比上年翻一番以上。
(二)IC载板/封装基板:比芯片更贵的“卡脖子”环节
令人意外的是,当前英伟达等头部芯片厂商的最大供应链痛点,不是芯片本身,而是IC载板(封装基板)。IC载板是连接芯片和PCB板的关键部件,起到电气连接和物理支撑的作用。AI芯片对IC载板的要求极高——需要更大的面积、更高的布线密度、更好的散热性能和更低的信号损耗。这也意味着它的价值必然要比普通PCB高得多。据测算,在整个封装成本中IC载板成本占比高达50%左右,在先进的倒装封装中,这一比例甚至高达70%—80%。根据所选的树脂材料不同,IC载板主要分为BT载板、ABF载板。其中,BT载板的主要应用产品是各类存储芯片;而ABF更集中于逻辑芯片,例如CPU、GPU、FPGA、ASIC等。
据不完全统计,2025年以来,IC载板价格累计涨幅超过30%。涨价主要有两大原因:一是上游原材料成本传导,高端玻纤布、铜箔等核心原材料自2025年起持续供不应求,产能缺口不断扩大;二是2.5D/3D先进封装的需求爆发,GPU等高端芯片普遍采用多芯片堆叠架构,芯片层数与面积的大幅增加,直接推高了载板面积需求量。
不同于普通PCB,IC载板技术壁垒高、工艺复杂度大,全球高端IC载板的产能主要集中在欣兴电子、南亚电路等少数台资厂商手中,产能扩张周期长达18-24个月。这意味着,IC载板的紧缺局面在未来两年内难以得到根本缓解。
(三)关键特种材料:极度稀缺的“工业味精”
一些看似不起眼的特种材料,正在成为AI产业链的“致命软肋”。Low-CTE(低热膨胀系数)玻璃纤维、特种铜箔、高端钻针等材料,虽然用量不大,但却是制造高端IC载板和PCB板不可或缺的“工业味精”。
AI芯片的高功耗和高性能要求,使得载板和PCB板必须使用具有极低热膨胀系数的材料,以防止在高温工作环境下发生变形。同时,由于填料变硬,加工过程中使用的钻针寿命大幅缩短至原来的1/5-1/7,导致钻针的需求呈爆发式增长。
这些特种材料的技术壁垒极高,全球产能高度集中,且扩产难度大。一旦出现供给中断,将直接影响整个AI产业链的正常运转。
(四)高端洁净室:被忽视的高壁垒环节
在AI产业链的扩产过程中,高端洁净室是另一个被严重忽视的高壁垒环节。先进制程芯片和先进封装对生产环境的洁净度要求极高,空气中的一粒微尘都可能导致整片晶圆报废。
高端洁净室的建设不仅需要巨额的资金投入,还需要极高的技术水平。从空气净化系统到防静电设施,从温湿度控制到振动隔离,每一个环节都有严格的标准。目前,全球高端洁净室市场主要被海外厂商主导,其净利率可达20%以上,远高于国内同行。
随着全球AI芯片产能的扩张,高端洁净室的需求持续旺盛,成为了产业链中一个确定性极强的高景气环节。
连接技术的“路线之争”:铜回潮与光电融合
在算力和扩产瓶颈之外,数据中心内部的连接技术也正在经历一场深刻的变革。铜与光的技术路线之争,以及PCB/载板的技术升级,正在重塑AI Infra的连接格局。
(一)铜与光的场景化竞争与替代
长期以来,光模块一直被认为是数据中心高速互联的未来方向。但随着AI算力需求的爆发,铜缆技术正在迎来“回潮”,铜与光形成了在不同场景下的互补与替代关系。
短距离(≤7米):铜缆(AEC,有源铜缆)凭借成本低、可靠性高、延迟低的优势,正在全面替代基于激光的光模块。在服务器内部和机柜内部的短距离互联场景中,铜缆的性价比优势十分明显。
中距离(~30米):Micro LED光缆成为了折中方案。它结合了铜缆和光模块的优点,可靠性优于激光光模块,成本也低于传统光模块,适用于机柜之间的中距离互联。
长距离(数据中心间):传统可插拔光模块与光纤仍然是主流。CPO(光电共封)技术被认为是未来的发展方向,它将光引擎和芯片封装在一起,能够大幅提升带宽和降低功耗,但目前仍面临成本高、可靠性差等挑战,大规模商用尚需时日。
值得关注的是,AI数据中心对光纤的采购规模与性能规格要求,已与传统电信网络形成量级差距。为满足GPU集群低时延、高带宽的互联需求,G.657.A2等特种光纤需求持续走高,而更为前沿的空芯光纤方案也已进入实际部署阶段。空芯光纤以空气取代传统玻璃纤芯,传输性能实现显著优化:传输损耗可由常规0.14dB/km降至0.1dB/km以下,传输时延从5μs/km降至3.46μs/km,同时可耐受更高光功率。
当前空芯光纤市场参与厂商快速扩容,价格却保持相对稳定,单价约3万-4万元/公里,远高于普通光纤。
(二)PCB/载板的技术升级压力
为了满足AI芯片的高带宽需求,PCB和载板技术也在不断升级。当前,PCB/载板正在向n+m结构、玻璃基板、半加成法(mSAP)工艺方向发展。
n+m结构通过增加层数和布线密度,提升了载板的带宽能力;玻璃基板具有更低的热膨胀系数和更好的高频性能,是未来高端载板的重要发展方向;mSAP工艺则能够实现更精细的线路布线,满足高密度互联的需求。
这些技术升级对上游的设备、材料和制造工艺都提出了全新的要求,也带来了新的产业机会和挑战。
总结
AI Infra产业链正面临着多维瓶颈的交织制约。从算力层面的存储墙、带宽墙、计算墙、电力墙,到扩产层面的测试设备、IC载板、特种材料、洁净室紧缺,再到连接层面的技术路线之争,每一个环节都在影响着AI算力的规模化部署。
高端芯片制造能力是最根本的制约,它决定了AI芯片的性能上限和产能规模。而测试设备、高端IC载板、关键特种材料等,则是当前产业链中确定性最强、供需矛盾最突出的环节。从长期来看,AI Infra的发展将呈现出两大趋势:一是铜缆回潮与光电融合的技术演进,不同技术路线将在各自的优势场景中并存;二是全球产业链的重构与国产化的加速,国内企业在部分细分领域有望实现突破。
本文来自微信公众号“半导体产业纵横”(ID:ICViews),作者:鹏程
