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加速器被忽视的瓶颈:日本一家工厂的玻璃布

据Tom's Hardware报道,日东纺(Nittobo)控制着全球约90%的T-glass供应。这种玻璃纤维布用于每一颗先进AI芯片封装,其新增产能要到2027年年中才能上市。

科技分析王雅琴发布: 2026年9月28日4 分钟阅读资料来源 1
AI加速器被忽视的瓶颈:日本一家工厂的玻璃布

讨论AI加速器供应时,人们通常先想到GPU和晶圆厂。但更关键的约束在上游,那是一种鲜为人知的材料,由一家几乎没有竞争对手的公司生产。

据Tom's Hardware报道,日东纺掌握着全球约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,即芯片与印刷电路板之间的互连层。随着封装密度增加,它确保大型、高温芯片封装保持尺寸稳定。Tom's Hardware指出,当前价格已上涨20%至30%,铜箔基板等下游材料的交期从正常的8到10周延长至20周以上。

这是一个被错误定价的供应链问题。

为什么T-glass难以替代

日东纺正在将日本福岛工厂的产能扩大三倍,但据Tom's Hardware报道,新增供应要到2027年年中才能进入市场。生产过程需要专用电熔炉,在1600到1700摄氏度之间运行,熔化富硅玻璃,拉丝并织成超薄布。这不是一个季度就能建成的产线。

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,尤其是有机芯层”。他还指出该行业的结构性脆弱:IC载板业务历来利润微薄,因此即便需求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白。“随着T-glass供应进一步收紧,供应商已不再提供交期,”他说。

E-glass是用于微控制器和旧款移动处理器的廉价替代品,但无法直接替换T-glass。2.5D和3D封装更偏好T-glass,而这正是AI加速器所在的领域。

需求曲线正朝错误方向弯曲

这轮紧张由封装尺寸驱动,而非仅由出货量推动。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世代还将进一步扩大。中介层更大、载板更复杂,意味着每颗加速器消耗更多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)增长至2028年3月的877亿日元,几乎翻倍,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。他补充道,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,也解释了为何没有人在规模上压低其价格。

英伟达向上游走,抢购开始

Tom's Hardware报道中最具指示性的细节在于行为层面。Hachemi表示,英伟达直接接触日东纺这样的上游材料供应商,在该供应链环节前所未有。“我们第一次看到英伟达作为终端客户,直接联系上游材料供应商以锁定产能,确保自己能获得供应,”他说。

这对其他所有制造加速器的公司来说令人不安。一旦最大买家锁定配额,其他芯片买家只能争夺剩余部分,而这种材料没有快速替代品。

日东纺也没有坐以待毙。除福岛外,它正在将台湾工厂的原纱产能翻倍,并将纱线进口回日本进行织布。它还与南亚塑胶达成合作协议,将部分织造外包。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。

与最大竞争对手之一合作以缓解瓶颈,相当清楚地表明市场已紧张到何种程度。

这些情况并不意味着AI加速器会断供。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约束。产能在路上,只是要到2027年年中才到位,而需求已在复合增长。

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。

王雅琴

王雅琴

人工智能、模型与技术

王雅琴负责FLASH24的人工智能、模型与技术报道,覆盖科技、人工智能与模型、媒体与互联网领域。她习惯直接查阅技术文档、模型卡与官方博客,而非依赖新闻稿,对未经核实的参数和跑分数据一概不放行。每篇报道前,她会逐项核对基准测试结果,对照论文原文与开源代码,确认版本号、数据集和评测条件是否一致。她常联系开发者与研究人员求证细节,也盯着各大厂商的发布会和论文截稿日期,横向比较同类模型的实际表现。私下她自建服务、折腾家庭网络,这让她对部署成本和真实算力需求有直观判断。她的原则是:没有可复现来源的数字,不写进稿子。

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。