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
›

没人计入价格的AI加速器瓶颈:日本一家工厂的玻璃布

据Tom's Hardware报道,日东纺控制着全球约90%的T-glass供应,这种玻璃纤维布存在于每一颗先进AI芯片封装内部,而它的新增产能要到2027年年中才能进入市场。

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
没人计入价格的AI加速器瓶颈:日本一家工厂的玻璃布

关于AI加速器供应的讨论,通常从GPU和晶圆厂开始。更有意思的限制在更上游。那是一种大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,日东纺控制着全球约90%的T-glass特种玻璃纤维布供应。这种材料位于IC载板的有机芯层,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,又大又热的芯片封装要靠它保持尺寸稳定。Tom's Hardware称当前价格已上涨20%到30%,铜箔基板等下游材料的交期从正常的8到10周拉长到20周以上。

这是一个被计入市场错误一端的供应链问题。

为什么T-glass难以替代

日东纺正在把日本福岛工厂的产能提高到三倍,但Tom's Hardware报道称新增供应要到2027年年中才能到达市场。生产过程需要专用电熔炉,在1600到1700摄氏度之间运行,熔化富硅玻璃,拉成纱线,再织成超薄布。这不是一个季度就能拉起来的产线。

Yole Group追踪IC载板供应链的分析师Bilal Hachemi对Tom's Hardware Premium表示,替代T-glass并不简单,因为它“具有特定的介电常数和CTE值,更适合AI芯片,尤其是对有机芯层而言”。他还指出这个行业结构上的脆弱:IC载板业务历来利润微薄,因此即便需求只是温和上升也会引发短缺。“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,”他说。

元大证券分析师Bill Ho对当前市场状况的描述更直接。“随着T-glass供应如今更加紧张,供应商已经不再提供交期,”他说。

E-glass是用于微控制器和较老移动处理器的更便宜替代品,但无法直接替换。2.5D和3D封装更偏好T-glass,而AI加速器恰恰就在这个领域。

需求曲线正朝错误的方向弯折

这轮紧张由封装尺寸推动,而不只是出货量。根据Tom's Hardware引用的英伟达数据,中介层尺寸已从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世代还会进一步扩大。中介层更大、载板更复杂,意味着每颗加速器用掉更多T-glass。

美国银行估计,日东纺电子材料部门的销售额将从2025年的409亿日元(约2.66亿美元)到2028年3月几乎翻倍至877亿日元,营业利润率接近48%。“T-glass布的需求似乎很可能比原先预期增长得更多,”美国银行研究分析师Takashi Enomoto说。他补充说,此前关注点集中在用于GPU和CPU封装的厚T-glass上,但随着领先器件从E-glass转向,超薄T-glass的需求现在也可能上升。

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低它的价格。

英伟达向上游走,抢购开始

Tom's Hardware报道中最能说明问题的细节是行为上的。Hachemi说,英伟达直接接触日东纺这样的上游材料供应商,在这段供应链中前所未有。“我们第一次看到英伟达这个终端客户直接接触上游材料供应商,以锁定产能并确保自己能拿到货,”他说。

这对其他所有制造加速器的公司来说都不舒服。一旦最大的买家锁定自己的配额,其他芯片买家只能争夺剩下的部分,而这种材料没有快速替代品。

日东纺也没有停下。除福岛之外,它正在把台湾工厂的原纱产能翻倍,并把纱线进口回日本织布。它还和南亚塑胶达成合作协议,把部分织造外包出去。根据公司披露,到2027年,日东纺大约20%的玻璃布预计由南亚织造。

与最大的竞争对手之一合作来缓解瓶颈,相当清楚地表明市场已经紧到什么程度。

这些都不意味着AI加速器会买不到。它意味着,基于晶圆厂产能和HBM供应的预测漏掉了一个需要数年而非数个季度才能缓解的限制。产能在路上。只是要到2027年年中才到,而需求已经在复合增长。

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。