跳到正文
世界时间EU--:--UK--:--USA--:--CN--:--PLDEFRIT中文EN

关于人工智能与技术的门户事件 · 分析 · 访谈 · 技术背景

搜索
直播
›

AI加速器撞上材料墙:T玻璃、HBM限制与设计挤压

先进AI芯片封装里的玻璃纤维布,约90%来自同一家日本公司。供应吃紧已经反映在价格、交期和英伟达的采购方式上。

科技分析林晓雯发布: 2026年9月27日4 分钟阅读资料来源 5
AI加速器撞上材料墙:T玻璃、HBM限制与设计挤压

Nittobo的T玻璃是一种低热膨胀系数的玻璃布,用在IC基板的有机芯层里。这层芯层负责芯片与印刷电路板之间的互连。Tom's Hardware在3月9日报道,这种材料能让尺寸大、发热高的封装保持形状稳定。需求已经远超供应,AI加速器的供应链因此受到冲击。

价格上涨了20%到30%。铜箔层压板这类下游材料的交期,从正常的8到10周拉长到20周以上。元大分析师Bill Ho对Tom's Hardware说:“T玻璃的供应现在更紧张,供应商已经不再给交期了。”

这个瓶颈不容易靠工程手段绕开。T玻璃要用专用电熔炉,炉温在1600到1700摄氏度之间。把富硅玻璃熔化、拉成纱、再织成超薄布,需要多年投入和经验才能扩大规模。Nittobo正在把福岛工厂的产能提高到原来的三倍。新增供应要到2027年年中才能进入市场。

英伟达为何亲自向上游要货

这次紧缺不寻常的地方在于抢货的是谁。超大规模云厂商订的芯片封装越来越大,每一代单颗芯片消耗的T玻璃都更多。Tom's Hardware引用英伟达的数据:中介层面积从Hopper的814mm²增长到Blackwell的1700mm²,增幅109%。即将推出的Rubin和Feynman两代还会继续放大。

Yole Group跟踪IC基板供应链的分析师Bilal Hachemi说,T玻璃的介电常数和热膨胀系数有特定数值,对AI芯片更合适,尤其是有机芯层。他补充说,基板厂商利润很薄,需求哪怕温和上涨也会引发短缺。他还说,英伟达直接找上游材料供应商,这在此前没有先例:“这是我们第一次看到英伟达这样的终端客户直接联系上游材料供应商,去锁定产能,确保自己能拿到货。”

英伟达一旦锁定自己的份额,其他芯片买家只能去抢剩下的部分。Nittobo正在把台湾工厂的纱线原丝产能提高一倍,再把纱线运回日本织布。它还和南亚塑胶合作,把一部分织布工序外包出去。到2027年,Nittobo大约20%的玻璃布预计由竞争对手南亚织造。美国银行估计,Nittobo电子材料部门的销售额将从2025年的409亿日元(2.66亿美元)增长近一倍,到2028年3月达到877亿日元,营业利润率接近48%。

存储墙同步逼近

封装上的挤压并不是逼近加速器设计的唯一物理限制。在Hot Chips 2026上,d-Matrix展示了Raptor,一款面向生成式推理的3D DRAM加速器。它的论证主要围绕带宽的经济性。模型权重一直在增长,KV缓存则随上下文长度乘以批大小而膨胀:64个用户、100万上下文,KV缓存大约就是935 GB。

HBM解决了容量问题,但在带宽上吃力。ServeTheHome报道,d-Matrix提到HBM4封装(例如英伟达的Vera Rubin和AMD的Instinct MI455)的实际上限在20 TB/s左右。限制来自引脚速度、每个基底芯片的I/O宽度,以及大约8到16个堆叠的封装边缘空间。按2.4 pJ/bit计算,让100 TB/s的数据通过HBM,在算上互连流量之前就要消耗约1.92 kW。d-Matrix的方案是把台积电N4逻辑芯片叠在3D DRAM芯片上,采用36微米面对面堆叠。公司称这项技术已经成熟、成本低、适合量产、良率高。

同一场大会上详细介绍的微软Maia 200走的是另一条路。它是一颗3nm芯片,有1400亿个晶体管、六个HBM3e堆叠、7TB/s的HBM带宽、10000 TFLOPS的FP4算力和750瓦热设计功耗。ServeTheHome报道,微软把它和全连接的四节点拓扑搭配,网络只做纵向扩展,没有横向扩展网络。微软押注的是统一以太网,覆盖128个机架、6000颗芯片。

设计工具填补缺口

物理限制越来越紧,业界更依赖AI辅助设计。据The Next Platform在7月27日报道,英伟达的Tim Costa在一次记者电话会上说,预计到2030年,业界每月要生产2万亿颗芯片、处理约4100万片晶圆。他说传统设计流程跟不上这个节奏。Cadence称其AI Super Agents可以运行数百次仿真,让寄存器传输级验证快40倍。Synopsys称其自主验证流程拿到经验证的RTL比其他平台快50倍。

这些说法在签核之前都需要验证。SemiEngineering在9月25日指出,转向专用智能体正在带来编排、集成和护栏方面的新问题。Cadence报告,其从规格到RTL的智能体相比纯基础模型生成代码,面积减少约24%,功耗降低18%。

这些都没有解决基板瓶颈。Nittobo福岛的新产能要到2027年年中才出来,而更大中介层和更长上下文带来的需求曲线并没有变平。

评论 0

资料来源

5
  1. 01Shortages of crucial chip packaging material threatens AI accelerator supply chainsEN
  2. 02d-Matrix Raptor 3D-DRAM Accelerator for Generative Inference at Hot Chips 2026EN
  3. 03Microsoft's Maia 200 AI Accelerator at Hot Chips 2026EN
  4. 04Nvidia Accelerates Chip Engineering With AI AgentsEN
  5. 05Chip Industry Week In ReviewEN

本文所有数字与引语均来自下列来源,未添加来源之外的内容。

本内容由编辑部在人工智能辅助下制作完成。

林晓雯

林晓雯

人工智能、模型与技术

林晓雯负责FLASH24的人工智能、模型与技术方向,主要写科技、人工智能与模型、媒体与互联网三个领域。她习惯从论文预印本、开源代码库和厂商技术文档入手,先核对训练数据来源和评测口径,再决定是否落笔。遇到模型跑分,她会自己复现一遍小规模测试,并对照独立第三方榜单,确认数字没有注水。她常联系一线工程师和产品经理,也盯着各大会议截稿日,把不同版本的技术报告放在一起比。业余时间她玩3D打印、折腾老电脑,还关心模型从网络垃圾里学到的偏见问题,这让她对数据清洗格外敏感。她有一条原则:拿不到原始数据的性能宣称,不写。

编辑部 →

评论

0
  1. 还没有评论——来说两句吧。

写评论

评论公开展示。我们不发布辱骂、垃圾信息和广告内容。