十万卡国产GPU集群在路上，服务器PCB为什么也要重新适配？

2026年9月，京东云宣布已与摩尔线程等合作伙伴建成国产万卡集群，下一步规划建设十万卡全功能GPU集群。与此同时，字节跳动获得296亿美元银团贷款，相关资金预计部分投向AI芯片和数据中心等基础设施；燧原科技9月登陆科创板后，摩尔线程、沐曦股份、壁仞科技与燧原科技也已相继进入资本市场。

国产AI芯片正在从“单卡”走向“集群”。

对PCB行业来说，真正值得关注的问题也随之出现：GPU换成国产之后，服务器PCB是不是照着原来的板子生产就行？

答案没那么简单。

万卡之后，难题从“芯片性能”转向“怎么把芯片连起来”

一张GPU卡可以独立运行，但到了万卡甚至更大规模的集群，真正困难的是让大量GPU协同工作。

GPU之间需要高速交换数据，服务器之间也要通过网络继续互联。集群规模越大，对高速通信、交换和整机架构的要求越高。

这些连接最终都会落到硬件上。

GPU模组、服务器主板、交换设备以及其他高速互连硬件，都需要PCB承担信号、电源和器件连接。

所以十万卡真正带给PCB行业的，不只是“多了很多GPU”。

芯片数量增加只是第一层，如何让这些芯片高速连接起来，才会继续推高PCB的复杂度。

国产GPU替换的不是一颗芯片，而是一套硬件适配

不同GPU的封装形式、功耗、I/O接口和互连方案并不完全相同。

因此国产GPU进入服务器之后，并不能简单理解为把原有GPU拆下来，再换上一颗国产芯片。

芯片发生变化，周围的供电、信号连接、散热以及板级布局都可能需要重新评估。

比如GPU需要更多高速I/O，PCB就要解决更多高速线路如何布线；功耗提高，电源网络又需要考虑载流、压降和散热；器件密度继续增加，则可能进一步压缩布线空间。

这也是国产算力规模化之后，PCB值得关注的一个变化：国产芯片不仅带来供应链替代，也会带来新的板级工程适配需求。

不同芯片最终采用多少层PCB、什么材料以及什么互连结构，仍然取决于具体服务器方案，不能简单套用同一套参数。

高速、高多层和供电，开始挤到同一块板上

AI服务器PCB最麻烦的地方，是几个制造难点经常同时出现。

首先是高速。GPU、CPU、内存以及网络接口之间需要传输大量数据。信号速率提高以后，PCB材料损耗、线路尺寸、铜箔粗糙度和阻抗一致性都会影响信号表现。其次是高密度。

连接越来越多，而主板空间有限，就需要通过增加层数、优化叠层，部分设计还会结合HDI、盲埋孔等结构提高布线能力。

高速通孔留下的Stub还可能影响信号完整性，因此部分设计需要通过背钻减少多余孔铜。再往下还有供电。

高算力芯片功耗增加以后，电源相关PCB和电源网络需要处理更大的电流及热量。这里不能简单理解为“铜越厚越好”，而要结合铜厚、线路宽度、板层结构和散热路径共同设计。

AI服务器真正难的，不是某一种PCB参数特别高，而是高速、高密度和高功率开始同时出现。

从国产GPU打样，到集群交付，中间还有一道制造题

国产GPU产业进入资本市场，只是产业化的一部分。

更值得PCB制造端关注的是，国产算力正在从芯片、板卡继续走向整机和集群。摩尔线程今年已经披露智算集群交付，并与京东云进一步推进万卡、十万卡级项目。

当产品处于研发阶段时，PCB更看重工程验证和快速迭代；进入服务器批量制造以后，关注点就会转向材料稳定、阻抗一致性、复杂工艺良率以及批次间的一致性。

聚多邦目前可提供1—40层PCB及1—5阶HDI制造，覆盖M6/M7等高速材料，并支持背钻、盲埋孔、盘中孔及阻抗控制等工艺，同时提供PCB、SMT及PCBA配套服务。对于国产算力硬件项目，这类制造能力更适合承接的是从板级验证到后续批量导入过程中不断变化的工程需求。

国产GPU进入万卡集群阶段，对PCB行业真正有价值的信号，不是简单计算“十万张GPU需要多少块PCB”。

更重要的是，国产算力开始形成自己的芯片、板卡、服务器和集群系统。

不同GPU架构进入不同服务器方案以后，PCB也需要跟着重新解决高速互连、电源、散热和高密度布线问题。

芯片国产化解决的是“用什么算”，集群规模化接下来要解决的是“怎么连、怎么供电、怎么稳定运行”。

当国产GPU从一张卡走向十万卡规划，PCB的机会也会从单纯增加数量，逐渐转向更复杂的高多层、高速和高密度制造需求。