Przejdź do treści
Czas na świecieEU--:--UK--:--USA--:--CN--:--PLDEFRIT中文EN

portal o AI i technologiiwydarzenia · analizy · wywiady · tło techniczne

Szukaj
NA ŻYWO
›

Nittobo nie nadąża z T-glassem. Ceny w górę o 20-30%, dostawy akceleratorów AI zagrożone

Japońska firma kontroluje około 90% światowych dostaw specjalistycznej tkaniny z włókna szklanego, która trafia do każdej zaawansowanej obudowy chipu AI. Popyt przerasta jej możliwości, a ceny poszły w górę o 20 do 30%.

TechnologiaNewsMarta ZielińskaOpublikowano: 27 września 20264 min czytaniaŹródła 3
Nittobo nie nadąża z T-glassem. Ceny w górę o 20-30%, dostawy akceleratorów AI zagrożone

Nittobo dominuje na rynku T-glassu, tkaniny szklanej o niskim współczynniku rozszerzalności cieplnej. Materiał trafia do organicznego rdzenia podłoży IC, czyli warstwy łączącej chip z płytką drukowaną. Jak podaje Tom's Hardware, utrzymuje on stabilność wymiarową dużych, mocno grzejących się obudów chipów, gdy rośnie upakowanie. Popyt przewyższa podaż.

Liczby mówią same za siebie. Czasy realizacji materiałów na dalszych etapach produkcji, takich jak laminaty pokryte miedzią, wydłużyły się z typowych 8 do 10 tygodni do ponad 20. Bill Ho, analityk w Yuanta, powiedział Tom's Hardware: "Przy jeszcze bardziej ograniczonej podaży T-glassu dostawcy przestali podawać terminy realizacji."

Nittobo potraja moce w zakładzie w Fukushimie, ale nowa podaż trafi na rynek dopiero w połowie 2027 roku. Ani Nittobo, ani nikt inny nie uruchomi linii T-glassu z dnia na dzień. Materiał wymaga specjalistycznych pieców do topienia elektrycznego pracujących w temperaturze od 1 600 do 1 700 stopni Celsjusza. Sam proces, topienie szkła bogatego w krzemionkę, przędzenie go w przędzę i tkanie w ultracieńką tkaninę, wymaga lat inwestycji i wiedzy specjalistycznej, żeby go skalować.

Dlaczego T-glass jest trudny do zastąpienia

Bilal Hachemi, analityk w Yole Group zajmujący się łańcuchem dostaw podłoży IC, twierdzi, że materiału nie da się łatwo zastąpić. "Nie jest łatwo zastąpić T-glass" powiedział Tom's Hardware Premium, wskazując na jego "konkretne wartości przenikalności dielektrycznej i współczynnika rozszerzalności cieplnej, które lepiej sprawdzają się w chipach AI, zwłaszcza w organicznym rdzeniu".

Hachemi zauważył też, że branża podłoży IC od zawsze działała na cienkich marżach, więc nawet umiarkowany skok popytu może wywołać niedobory. "Każdy wzrost popytu na materiały do budowy warstw, materiał ABF czy T-glass może spowodować potencjalny niedobór, bo to kłóci się z podstawami tej branży" powiedział.

"Po raz pierwszy widzimy, jak Nvidia, klient końcowy, zwraca się bezpośrednio do dostawców materiałów na wcześniejszych etapach, żeby zabezpieczyć moce i mieć pewność, że je dostanie."

Obecny kryzys zaostrza to, kto go napędza. Hiperskalerzy zamawiają coraz większe obudowy chipów, które zużywają więcej T-glassu na jednostkę. Dane Nvidii pokazują, że rozmiary interposerów wzrosły z 814mm2 dla architektury Hopper do 1 700mm2 dla Blackwell, czyli o 109%. Nadchodzące generacje Rubin i Feynman mają skalować się jeszcze bardziej.

Hachemi mówi, że bezpośredni kontakt Nvidii z dostawcą materiałów na wcześniejszym etapie, takim jak Nittobo, jest bez precedensu w tej części łańcucha dostaw. Obawa jest taka, że gdy Nvidia zabezpieczy swoją część, konkurencyjni odbiorcy chipów będą walczyć o to, co zostanie.

Zakłady o moce i konkurencyjne partnerstwo

Bank of America szacuje, że segment materiałów elektronicznych Nittobo niemal podwoi sprzedaż z 40,9 mld jenów (266 mln dolarów) w 2025 roku do 87,7 mld jenów do marca 2028 roku, przy marżach operacyjnych zbliżających się do 48%. "Popyt na tkaninę T-glass prawdopodobnie wzrośnie bardziej, niż pierwotnie oczekiwano" powiedział Takashi Enomoto, analityk badawczy w Bank of America. Zauważył, że uwaga skupiała się na grubym T-glassie do obudów GPU i CPU, ale popyt na ultracieńki T-glass prawdopodobnie wzrośnie, gdy wiodące urządzenia zaczną odchodzić od E-glassu.

E-glass to tańsza alternatywa, stosowana głównie w chipach niższej klasy, takich jak mikrokontrolery i starsze procesory mobilne. W przypadku chipów o wyższej mocy i ogromnych opakowań 2.5D i 3D preferowaną opcją jest T-glass.

Poza Fukushimą Nittobo podwaja moce produkcyjne surowej przędzy w zakładzie na Tajwanie i importuje przędzę z powrotem do Japonii, żeby produkować z niej tkaninę. Firma zawarła też umowę o współpracy z Nanya Plastics, żeby zlecić część tkania na zewnątrz. Tom's Hardware zauważa, że partnerstwo z jednym z największych konkurentów samo w sobie jest sygnałem, jak ciasny jest rynek. Według ujawnienia spółki do 2027 roku około 20% tkaniny szklanej Nittobo ma być tkane przez Nanyę.

Wąskie gardło nakłada się na inne naciski w łańcuchach dostaw akceleratorów. Na Hot Chips 2026 Microsoft przedstawił swój drugi akcelerator Maia 200, chip 3nm ze 140 mld tranzystorów, sześcioma stosami HBM3e, przepustowością pamięci 7TB na sekundę, wydajnością 10 000 TFLOPS w FP4 i TDP 750 watów, zgodnie z relacją na żywo ServeTheHome. d-Matrix wykorzystał to samo wydarzenie, żeby zaprezentować swój akcelerator Raptor 3D-DRAM, który układa układ logiczny TSMC N4 na układzie 3D DRAM, łącząc je twarzą w twarz w technologii 36 mikronów, podał ServeTheHome.

Wszystkie te konstrukcje opierają się na zaawansowanym pakowaniu, a zaawansowane pakowanie opiera się na materiałach podłożowych. Ponieważ nowe moce produkcyjne T-glassu są wciąż ponad rok stąd, walka o przydziały potrwa jeszcze jakiś czas.

Komentarze 0

Źródła

3
  1. 01Shortages of crucial chip packaging material threatens AI accelerator supply chainsEN
  2. 02Microsoft's Maia 200 AI Accelerator at Hot Chips 2026EN
  3. 03d-Matrix Raptor 3D-DRAM Accelerator for Generative Inference at Hot Chips 2026EN

Wszystkie liczby i cytaty w tym tekście pochodzą z poniższych źródeł. Nie dopisujemy danych, których w źródłach nie ma.

Materiały zostały przygotowane przez zespół redakcyjny wspierane przez AI.

Marta Zielińska

Marta Zielińska

AI, modele i technologie

Marta Zielińska pisze o technologiach, AI i modelach oraz mediach i internecie, opierając się na dokumentacji, preprintach i danych z API, a nie na zapowiedziach producentów. Przy każdej publikacji sprawdza karty modeli, parametry treningowe i benchmarki, a liczby porównuje z niezależnymi testami i wynikami z repozytoriów. Rozmawia z badaczami i inżynierami, czeka na kolejne wydania modeli i zestawia ich działanie z wcześniejszymi wersjami. Prywatnie drukuje w 3D, naprawia stare komputery i sprawdza, jak modele uczą się na śmieciach z internetu. Nie publikuje wyników, których nie może odtworzyć na własnym sprzęcie.

Redakcja →

Komentarze

0
  1. Brak komentarzy — bądź pierwszy.

Dodaj komentarz

Komentarze są widoczne publicznie. Nie publikujemy wulgaryzmów, spamu i treści reklamowych.