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加速器瓶颈转移:日东纺T玻璃垄断约九成供给

日本企业日东纺(Nittobo)控制了全球约90%的专用玻璃纤维布供应,这种材料用在每一颗先进AI芯片的封装里。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27日4 分钟阅读资料来源 3
AI加速器瓶颈转移:日东纺T玻璃垄断约九成供给

日东纺的T玻璃是一种低热膨胀系数(CTE)的玻璃布,用在IC载板的有机芯层里,也就是芯片与印刷电路板之间的互连层。它能让面积大、发热高的封装保持尺寸稳定。AI处理器越做越大、温度越来越高,这一点就变得更加重要。Tom's Hardware 3月9日报道称,这种材料出现在每一颗先进AI芯片的封装中。

价格已经上涨了20%到30%。铜箔基板等下游材料的交货周期从正常的8到10周延长到了20周以上。

元大证券分析师Bill Ho对Tom's Hardware表示:“现在T玻璃供应更加紧张,供应商已经不再给出交货周期了。”

这个瓶颈很难通过设计绕开。Yole Group追踪IC载板供应链的分析师Bilal Hachemi告诉Tom's Hardware,T玻璃“具有特定的介电常数和热膨胀系数,更适合AI芯片,尤其是对有机芯层而言”。成本更低的E玻璃用于微控制器和老款手机处理器等低端芯片。对于大型2.5D和3D封装,也就是先进AI加速器所用的封装,T玻璃是首选。

日东纺正把日本福岛工厂的产能提高到原来的三倍。但Tom's Hardware报道称,新增供应要到2027年年中才会进入市场。新的生产线无法一夜之间建起来:这种材料需要专用的电熔炉,炉温在1600到1700摄氏度之间。工艺过程包括熔化富硅玻璃、拉丝成纱、再织成超薄布。Hachemi还提到这个行业利润率很薄。他说:“积层材料、ABF材料或T玻璃的需求只要一增加,就可能造成短缺,因为这违背了这个行业的基本规律。”

封装越大,用布越多

超大规模厂商订购的芯片封装越来越大,每颗芯片消耗的T玻璃也更多。根据Tom's Hardware援引的英伟达数据,中介层面积从Hopper架构的814mm2增至Blackwell的1700mm2,增幅109%。即将推出的Rubin和Feynman世代还将继续扩大。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)增长到2028年3月前的877亿日元,几乎翻倍,营业利润率接近48%。

美国银行研究分析师Takashi Enomoto对Tom's Hardware表示:“T玻璃布的需求很可能比原先预期的增长更多。过去关注的是GPU和CPU半封装用厚T玻璃的需求增长。但现在随着先进器件从E玻璃转向超薄T玻璃,超薄T玻璃的需求可能会上升。”

抢产能的场面已经出现了不寻常的一幕。Hachemi告诉Tom's Hardware,英伟达直接联系上游材料供应商,在这条供应链上从未有过先例。“我们第一次看到英伟达这个终端客户直接去找上游材料供应商,锁定产能,确保自己能拿到货,”他说。风险在于,一旦英伟达锁定了自己的份额,其他芯片买家就只能在剩下的部分里争抢。

日东纺并不只依靠福岛。它正在把台湾工厂的原纱产能翻倍,再把纱线运回日本织成布。它还和南亚塑胶达成合作协议,把部分织造环节外包出去。Tom's Hardware报道称,到2027年日东纺大约20%的玻璃布预计由南亚织造。和自己的最大竞争对手之一合作,足以说明市场已经紧张到什么程度。

更广泛的加速器产业链也没有停下。据ServeTheHome对Hot Chips 2026会议的报告,微软的Maia 200基于台积电3nm工艺,TDP为750瓦,6组HBM堆栈提供7TB/秒的HBM带宽,FP4性能为10000 TFLOPS。这些封装仍然需要只有少数供应商能生产的载板材料。

与此同时,英伟达正把AI更深地引入自己的设计流程。据The Next Platform 7月27日报道,英伟达计算工程副总裁兼总经理Tim Costa对记者表示,AI和加速计算正“从生产力工具变成基础性的工程基础设施”。Cadence称其AI Super Agents能把寄存器传输级验证周期加快40倍。Synopsys则表示其智能体工作流交付经过验证的RTL比其他平台快50倍。

这些都无法缩短T玻璃的排队时间。载板短缺提醒人们,AI建设依赖的是一些很少有人听说过的材料,而生产这些材料的公司几乎没有竞争对手。

评论 0

资料来源

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. 03Nvidia Accelerates Chip Engineering With AI AgentsEN

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。