AI 加速器瓶颈向下游转移:玻纤布与 3D DRAM
Nittobo 掌控全球约 90% 的 T 玻璃供应。这种特种玻璃纤维布用于先进 AI 芯片封装。据 Tom's Hardware 报道,短缺正在重塑加速器供应链。

Nittobo 正在将日本福岛工厂的产能扩大三倍。Tom's Hardware 3 月 9 日报道,新供应要到 2027 年中期才能进入市场。该材料价格上涨了 20% 到 30%,下游覆铜板的交货期从正常的 8 到 10 周延长到超过 20 周。
T 玻璃是一种低热膨胀系数(CTE)玻璃布,用于 IC 基板的有机核心,即芯片与印刷电路板之间的互连层。它保持大型、高热量芯片封装的尺寸稳定性。随着 AI 处理器变大且运行温度升高,这一点变得愈发重要。较便宜的替代品 E 玻璃主要用于微控制器和较旧的移动处理器等低端芯片。对于大规模 2.5D 和 3D 封装,T 玻璃是首选。这种特性组合和有限的替代性,使一种小众材料变成了供应链瓶颈。供应紧张之所以严峻,是因为需求驱动者是谁。超大规模云服务商正在订购越来越大的芯片封装,每个单元需要更多的 T 玻璃。
根据 Tom's Hardware 引用的 Nvidia 数据,中介层尺寸已从 Hopper 架构的 814mm² 增长到 Blackwell 的 1700mm²,增幅达 109%,而 Rubin 和 Feynman 将进一步扩大规模。Yuanta 分析师 Bill Ho 告诉该出版物:“随着 T 玻璃供应现在更加受限,供应商不再提供交货期。”
替换并不简单。Yole Group 分析师 Bilal Hachemi 跟踪 IC 基板供应链,他说 T 玻璃“具有特定的介电常数和 CTE 值,对 AI 芯片更好,尤其是有机核心”。他补充说,基板行业历来利润微薄,因此即使是适度的需求激增也可能引发短缺。
Nittobo 的应对超出了福岛工厂。它正在将台湾工厂的原纱产能翻倍,并将原纱进口回日本进行织布制造,还与南亚塑胶达成合作协议,将部分织造业务外包。到 2027 年,预计 Nittobo 约 20% 的玻璃布将由竞争对手南亚织造,这让人感受到市场的紧张程度。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(26600万美元)增长到 2028 年 3 月的 877亿日元,营业利润率接近 48%。
与此同时,加速器设计师正从另一个方向攻克内存墙。据 ServeTheHome 报道,d-Matrix 在 Hot Chips 2026 上展示了 Raptor,这是一种用于生成式推理的 3D DRAM 加速器,使用 36 微米面对面堆叠技术,将 TSMC N4 逻辑裸片堆叠在 3D DRAM 裸片之上。该公司估算,一个 72 卡扩展机架可托管 Kimi K3 等前沿模型,支持 1M 上下文,每卡使用 4 位权重和 8 位 KV 缓存,容量为 32GB。
垂直堆叠的理由在于能源。片上 SRAM 成本约为 50 fJ,而包含芯片级能耗的 2.5D HBM4 系统运行在 2.5 到 5 pJ 范围。垂直 3D IO 约为 0.3 到 0.4 pJ,比 HBM 低约 10 倍,因为它是无 PHY 的毫米级路径,而不是厘米级中介层路线。d-Matrix 引用了 HBM4 封装约 20 TB/s 的实用带宽上限。
Microsoft 在 Maia 200 上走了不同的路线。据 ServeTheHome 在同一会议上报道,这款 3nm 芯片拥有 1400亿 晶体管,6 堆 HBM3e,7TB/秒的 HBM 带宽,1万 TFLOPS 的 FP4 性能以及 750 瓦 TDP。它没有横向扩展网络,只有纵向扩展,演示配置包含 128 个机架和 6000 颗芯片。
研究工作指向更远的未来。据 Stanford Engineering 报道,Stanford、Carnegie Mellon、Penn、MIT 和 SkyWater Technology 在美国晶圆厂制造了首个单片 3D 芯片,原型机性能比同类 2D 芯片高出约 4 倍,而更高设计的模拟显示在 AI 工作负载上最高可达 12 倍提升。
资料来源
4- 01Shortages of crucial chip packaging material threatens AI accelerator supply chainsEN
- 02d-Matrix Raptor 3D-DRAM Accelerator for Generative Inference at Hot Chips 2026EN
- 03Microsoft's Maia 200 AI Accelerator at Hot Chips 2026EN
- 04Scientists and U.S. foundry achieve 3D chip breakthrough to accelerate AIEN
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。
评论
0- 还没有评论——来说两句吧。