Reader
Published
2026-08-30
#
26 / 40

Notes NEWS

AllRSS
  1. 2026-10-10AI 急缺湿实验?
  2. 2026-09-30AI4S 大模型吃不掉的创业机会
  3. 2026-09-27国产 AI 算力:内蒙买电,南洋租芯
  4. 2026-09-27万卡集群的老登与新贵
  5. 2026-09-20Engram:AI 还缺哪种存储?
  6. 2026-09-14一场价值两万亿的减速呼吁
  7. 2026-09-13表外担保 5000 亿美元,英伟达会是 20 年前的思科吗?
  8. 2026-09-11北美数据中心的离网狂欢,与后院里的中国电力设备
  9. 2026-09-09AI 芯片贴钻石:三个月后的工程进度表
  10. 2026-09-09AI 热到要用钻石?
  11. 2026-09-03AI 液冷不仅没凉,连光模块都来接水了
  12. 2026-09-03AI 液冷:真的「凉了」吗?
  13. 2026-09-01AI 的下一场战争:谁能让 Agent 自己进化?
  14. 2026-08-31当模型学会了黑客攻击,GPU 云连门都没锁
  15. 2026-08-30为什么 AI 服务器要用 PTFE?
  16. 2026-08-26OpenAI 第一颗自研芯片,为何让英伟达紧张
  17. 2026-08-24机器人喊了几十年狼来了,这次为什么值得信一次
  18. 2026-08-10当 GPU 开始学 ASIC 的活,博通该担心吗?
  19. 2026-08-10AI 越便宜,这个行业越烧钱
  20. 2026-08-074.5 万美元到 1600 美元,宇树用一种关节跑了八年
  21. 2026-08-05为什么 AI 总缺 InP(磷化铟)
  22. 2026-08-03云计算,怎么突然从「吞金兽」变成了「印钞机」?
  23. 2026-07-30西安:DRAM 的种子,为何没有长出长鑫?
  24. 2026-07-28为何 OpenAI Prism 根本不是 Overleaf + ChatGPT
  25. 2026-07-25CUDA 护城河正在被 AI Agent 填平
  26. 2026-07-18AI 时代最难的判断:技术不断颠覆,商业原则从未改变
  27. 2026-07-03Google 下一代 TPU 封装转向 Intel EMIB-T
  28. 2026-06-27AI 缺胶(Underfill,TIM)?
  29. 2026-06-27MLCC 暴涨:是物理逼的,还是炒的?
  30. 2026-06-22GPT-4.5:两年时间 OpenAI 憋了多大的?
  31. 2026-06-21AI 缺「电」(不只是缺电)?
  32. 2026-06-19AI 缺「布」(电子布)?
  33. 2026-06-19去了一场 AI 硬件分享会,结论是:这波没戏
  34. 2026-06-19Harness 工程:好马配好鞍
  35. 2026-06-19GEO 的过去、现在与未来
  36. 2026-06-19Cloudflare 是 Agent 基础设施提供商吗
  37. 2026-06-19Agent:Make CLI Great Again
  38. 2026-06-19A-RAG:2026 年,知识库升级了
  39. 2026-06-19春节前后的两件大事,和 2026 年的 AI 商业模式
  40. 2026-06-19当 TCB 被吹成「AI 卖铲人」,市场算错了三件事

Info INFO

Published
2026-08-30 22:28
Words
1,477
Read
About 4 min
Tags
PCB · 材料
Original
Published here
Story STORY
ESC back to the list

为什么 AI 服务器要用 PTFE?

The body of this note is currently in Chinese.

随着AI芯片之间的通信接口SerDes(串行器/解串器),需要速率正在从56G、112G一路飙升到224G甚至448G。速率翻一倍,电信号振动的频率就跟着暴增,信号在PCB铜线上跑的时候,能量被板材介质吸收掉的损耗就会急剧上升。

公众号封面图:PCB基材介质损耗(Df)梯队演进

AI服务器的新瓶颈,开始出现在PCB上

随着AI芯片之间的通信接口SerDes(串行器/解串器),需要速率正在从56G、112G一路飙升到224G甚至448G。速率翻一倍,电信号振动的频率就跟着暴增,信号在PCB铜线上跑的时候,能量被板材介质吸收掉的损耗就会急剧上升。

AI服务器恰恰又是SerDes通道最密集的场景。一台机柜里可能有几十颗GPU和几十颗NVSwitch芯片,成千上万条高速信号全都要从PCB板上过。传统高端PCB材料正在接近自身的损耗极限。

AI服务器硬件瓶颈演进路线

为什么偏偏是PTFE?

PTFE,聚四氟乙烯,也叫特氟龙。过去它主要用在雷达、卫星通信、微波设备、射频前端这些军工和高频通信领域的PCB上。

它能进入高频PCB领域,靠的是一个参数,介质损耗因子(Df)非常低。Df衡量的是信号经过介质时有多少能量被吸收掉。在所有常见PCB基材里,PTFE的Df几乎是最低的一档。

高速数字信号的本质仍然是高频电磁波。SerDes跑到224Gbps,信号的基频和谐波分量已经进入毫米波频段,PCB介质对信号的衰减就成了头号问题。

高端PCB材料这些年一直沿着同一个方向升级。

FR-4 → Low Loss → M7/M8 → M9/M10

每一代Df都比上一代更低,同时配合Low-Dk玻纤布和HVLP铜箔,三管齐下控制通道损耗。

到M9/M10这一代已经做得相当好了,但224Gbps往上走,继续压Df的空间越来越小。再往前一步,PTFE就是自然的选择,它的Df比M10类材料还要低一个台阶。

所以PTFE进入AI服务器PCB,并不突然。高端CCL材料十几年来一直沿着”更低介质损耗”这条路走,PTFE只是这条路继续走下去的结果。

PCB基材介质损耗(Df)梯度对比

Rubin为什么可能成为PTFE的重要产业化节点?

NVIDIA每一代平台都在推高GPU互联带宽。到Vera Rubin这一代,系统结构出现了一个明显的变化。

高速互联越来越多地通过分层结构完成。Compute Tray上放GPU,NVLink Switch Tray上放NVSwitch芯片,中间用一块PCB Midplane连接。GPU和NVSwitch之间的高速信号,要从Compute Tray穿过Midplane再进入Switch Tray。

AI服务器分层高速互联架构

PCB承担的工作比以往多了。过去主要负责供电和短距离布线,现在高速信号要穿越多块板卡之间的连接,路径变长,过孔和连接器也更多,每多一段路径损耗就多一份。

到Rubin Ultra,GPU数量增加,NVLink带宽继续提升,Switch密度更高。这些变化叠加在一起,对PCB通道的信号完整性要求更高了。

Switch Board、Midplane、Backplane这些负责高速互联的板卡,通道更长,信号速率更高,对插入损耗的要求最严格,就成了PTFE最有可能率先进入的位置。

不过截至目前,NVIDIA并没有公开确认Rubin Ultra会全面采用PTFE。更准确地说,PTFE已经进入了AI/HPC领域的高速PCB体系,一些对损耗极度敏感的应用已经在用PTFE或PTFE混合方案。Rubin及后续平台正在把PCB性能要求推到更高的位置,这个位置越高,PTFE的优势越明显。

Rubin的重要性在于,它可能第一次把PTFE从小众的高频通信材料,推向大规模AI计算基础设施。当出货量足够大、系统结构又确实需要这个级别的低损耗材料时,PTFE的产业化空间就打开了。

PTFE不会全面替代M9/M10,它更可能从关键高速层开始渗透

PTFE的电性能这么好,未来AI服务器的PCB会不会全部改成PTFE?大概率不会。

PTFE在工程上有明显缺点。成本比M9/M10贵不少。热膨胀系数和常规材料差异大,多层压合时层间对准和结合力控制更难。PTFE表面能低,钻孔后孔壁金属化的铜附着力天然不如环氧树脂体系。板子越大,良率越难控。

军工和通信领域板子小、层数少、产量有限,可以用精细工艺克服。AI服务器板子大、层数多、出货量要往上走,每一项工程缺陷都会被放大。

所以真实的工程路线大概率是分板卡、分层选择材料。

GPU Compute Board承载大尺寸BGA封装的GPU芯片,要兼顾热循环可靠性、CTE匹配、机械强度和电源完整性,M9/M10的组合仍然有竞争力。而Switch Board、Midplane、Backplane更看重低Insertion Loss和信号完整性,PTFE优势突出。

甚至可能出现M9/M10 + PTFE混压,普通层继续用传统高端材料,只在关键高速信号层用PTFE。

AI服务器PCB材料选型与混压

随着AI服务器的带宽一代一代往上推,PTFE能渗透多少关键高速层、多少高速板卡,从Switch Board的几层关键信号层开始,到Midplane,到Backplane,每多进入一块板卡,就多打开一块市场空间。这才是PTFE在AI服务器里的核心产业逻辑。