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›

Nittobo T玻璃供应吃紧,AI加速器价格涨20%至30%

一家日本企业控制着全球约90%的特种玻璃纤维布供应,这种材料用于每一颗先进AI芯片封装。如今需求激增,价格已上涨20%到30%。

科技新闻林晓雯发布: 2026年9月27日4 分钟阅读资料来源 3
Nittobo T玻璃供应吃紧,AI加速器价格涨20%至30%

Nittobo主导T玻璃市场。T玻璃是一种低热膨胀系数玻璃布,用于IC基板的有机芯层,即芯片与印刷电路板之间的互连层。据Tom's Hardware报道,随着封装密度增加,这种材料能保持大型高发热芯片封装的尺寸稳定。目前需求已超过供给。

数据揭示了现状。铜箔基板等下游材料的交货周期,已从正常的8到10周拉长至20周以上。元大证券分析师Bill Ho告诉Tom's Hardware:“T玻璃供应现在更加紧张,供应商甚至不再提供交货周期。”

Nittobo正在将日本福岛工厂的产能扩大三倍,但新增供应要到2027年年中才能进入市场。无论是Nittobo还是其他厂商,都无法在一夜之间建立T玻璃生产线。该材料需要运行在1600至1700摄氏度之间的专用电熔炉。熔化富硅玻璃、拉丝、织成超薄布,这一过程需要多年的投资和专业经验才能规模化。

为什么T玻璃难以替代

Yole Group分析师Bilal Hachemi长期跟踪IC基板供应链。他表示这种材料不易被替代。他在Tom's Hardware Premium上指出:“替换T玻璃并不容易。”他提到,T玻璃具有“特定的介电常数和热膨胀系数,对AI芯片,尤其是有机芯层,表现更好”。

Hachemi还指出,IC基板行业历来利润率微薄,这意味着即使是温和的需求激增也可能引发短缺。他说:“增层材料、ABF材料或T玻璃需求的任何增加,都可能造成潜在短缺,因为这违背了该行业的基本规律。”

“我们第一次看到终端客户英伟达直接联系上游材料供应商,以确保产能并保证获得供应。”

使当前紧张局势加剧的是背后的推动者。超大规模云厂商订购的芯片封装越来越大,每单位消耗的T玻璃更多。英伟达数据显示,中介层尺寸已从Hopper架构的814mm2增至Blackwell的1700mm2,增幅109%,即将推出的Rubin和Feynman世代将进一步扩大。

Hachemi表示,英伟达直接联系Nittobo这样的上游材料供应商,在该供应链环节尚属首次。令人担忧的是,一旦英伟达锁定其份额,其他芯片买家将不得不争夺剩余部分。

产能押注与竞争对手合作

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(2.66亿美元)接近翻倍,到2028年3月达到877亿日元,营业利润率接近48%。美国银行研究分析师Takashi Enomoto表示:“T玻璃布的需求增长似乎很可能超过最初预期。”他指出,关注点此前集中在用于GPU和CPU封装的厚型T玻璃,但随着尖端器件逐步放弃E玻璃,超薄T玻璃的需求预计将上升。

E玻璃是更便宜的替代品,主要用于微控制器和较旧的移动处理器等低端芯片。对于高功耗芯片以及大型2.5D和3D封装,T玻璃是首选。

除福岛外,Nittobo正在将台湾工厂的玻璃纱产能翻倍,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,将部分织造环节外包。Tom's Hardware指出,与最大竞争对手之一合作,本身表明市场非常紧张。根据公司披露,到2027年,Nittobo约20%的玻璃布预计将由南亚织造。

这一瓶颈与其他压力共同作用于加速器供应链。据ServeTheHome现场报道,在Hot Chips 2026上,微软详细介绍了第二代Maia 200加速器:3nm制程、1400亿晶体管、6组HBM3e堆栈、7TB/s内存带宽、1万TFLOPS的FP4性能和750瓦热设计功耗。d-Matrix在同一活动上展示了Raptor 3D-DRAM加速器。据ServeTheHome报道,它采用36微米面对面堆叠,将台积电N4逻辑裸片堆叠在3D DRAM裸片之上。

这些设计都依赖先进封装,而先进封装依赖基板材料。由于新的T玻璃产能还需一年多才能到位,配货争夺战可能还会持续一段时间。

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. 03d-Matrix Raptor 3D-DRAM Accelerator for Generative Inference at Hot Chips 2026EN

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。