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
›

没人算进价格的AI加速器瓶颈:一家日本工厂的玻璃布

日东纺(Nittobo)掌控着全球约90%的T-glass供应,这种玻璃纤维布存在于每一颗先进AI芯片的封装之中。据Tom's Hardware报道,它的新增产能要到2027年年中才会进入市场。

科技分析林晓雯发布: 2026年9月28日4 分钟阅读资料来源 1
没人算进价格的AI加速器瓶颈:一家日本工厂的玻璃布

谈到AI加速器的供应,话题总是从GPU和晶圆厂开始。更有意思的限制条件在上游更深处:一种多数人从未听说过的材料,由一家几乎没有竞争对手的公司生产。

据Tom's Hardware报道,日东纺掌控着全球约90%的T-glass特种玻璃纤维布供应。这种材料位于IC基板的有机芯层,也就是芯片与印刷电路板之间的互连层。封装密度不断提高,面积大、发热高的芯片封装要靠它保持尺寸稳定。Tom's Hardware称目前价格已上涨20%至30%,铜箔层压板等下游材料的交期从正常的8至10周拉长到20周以上。

这是一个被算进了市场错误一端的供应链问题。

T-glass为何难以替代

日东纺正在把日本福岛工厂的产能提高到原来的三倍,但Tom's Hardware报道,新增供应要到2027年年中才能进入市场。生产过程需要专用的电熔炉,炉温在1600至1700摄氏度之间,熔化富硅玻璃,拉成纱线,再织成超薄布。这样的产线不是谁在一个季度内就能搭起来的。

Yole Group追踪IC基板供应链的分析师Bilal Hachemi对Tom's Hardware Premium表示,替换T-glass并不简单,因为它"具有特定的介电常数和CTE数值,对AI芯片更合适,尤其是对有机芯层"。他也指出了这个行业的结构性脆弱:IC基板业务历来利润微薄,所以即使需求温和上升也会引发短缺。他说:"对积层材料、ABF材料或T-glass的任何需求增长都可能造成潜在短缺,因为这违背了这个行业的基本规律。"

元大(Yuanta)分析师Bill Ho对当前市场状况说得更直白。他说:"T-glass的供应现在更加紧张,供应商已经不再提供交期了。"

E-glass是用于微控制器和较早手机处理器的便宜替代品,但并不能直接顶上。2.5D和3D封装更青睐T-glass,而AI加速器恰恰用在这种封装里。

需求曲线正朝不利方向弯折

这轮紧张局面由封装尺寸推动,而不只是出货量。据Tom's Hardware引用的英伟达数据,中介层尺寸从Hopper架构的814平方毫米增长到Blackwell的1700平方毫米,增幅109%,即将推出的Rubin和Feynman代还会继续放大。中介层更大、基板更复杂,每颗加速器用的T-glass就更多。

美国银行估计,日东纺电子材料部门2025年销售额为409亿日元(约26600万美元),到2028年3月将几乎翻倍至877亿日元,营业利润率接近48%。美国银行研究分析师Takashi Enomoto表示:"T-glass布的需求增长似乎很可能超过原先预期。"他补充说,此前注意力集中在用于GPU和CPU封装的厚型T-glass上,但随着领先器件逐步弃用E-glass,超薄T-glass的需求现在很可能上升。

接近48%的利润率解释了日东纺为何投资,也解释了为什么没有人在规模上压价竞争。

英伟达向上游伸手,抢货开始

Tom's Hardware报道中最能说明问题的细节是行为层面的。Hachemi说,英伟达直接联系日东纺这样的上游材料供应商,在供应链的这一环前所未有。他说:"这是我们第一次看到英伟达这个终端客户主动接触上游材料供应商,以锁定产能、确保自己能拿到货。"

对其他造加速器的人来说,这意味着一个不舒服的局面。一旦最大的买家锁定了自己的配额,其他芯片买家只能争抢剩下的部分,而这种材料没有快速替代品。

日东纺也没有原地等待。除福岛之外,它正把台湾工厂的原纱产能翻倍,再把纱线运回日本织布。它还跟南亚塑胶(Nanya Plastics)达成合作协议,把部分织造环节外包出去。根据公司披露,到2027年,日东纺约20%的玻璃布预计由南亚织造。

跟最大的竞争对手之一合作来缓解瓶颈,相当清楚地说明市场已经紧到什么程度。

这一切都不会让AI加速器买不到。但它意味着,只按晶圆厂产能和HBM供应做出的预测,漏掉了一个需要数年而不是几个季度才能缓解的限制。产能确实在来。只是要等到2027年年中,而需求已经在不断累积。

评论 0

资料来源

1
  1. 01Shortages of crucial chip packaging material threatens AI accelerator supply chainsEN

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。