1000多家企业挤进云栖大会，AI落地后为什么PCB反而越来越“不一样”？

2026年9月22日，云栖大会在杭州开幕。本届大会以“智以致用”为主题，联合1000多家企业打造超过5万平方米展区，从芯片、服务器、模块化智算中心，到机器人、汽车和制造业应用，AI正在从模型和算力进一步进入不同产业场景。

对PCB行业来说，这场大会真正值得关注的，不是1000多家企业背后能产生多少PCB订单。

而是一个更具体的变化：

过去讨论AI硬件，很多人首先想到服务器；当AI进入汽车、机器人和边缘设备之后，同样是运行AI，里面需要的PCB却越来越不一样。

AI服务器要的是“快”，高速互连先把PCB做难

AI首先需要算力。

云栖大会专门设置算力馆，从芯片、服务器到模块化智算中心，展示支撑AI运行的基础设施。

到了这一层，PCB面对的核心问题之一是高速互连。

GPU、CPU、内存和高速网络之间需要传输大量数据，信号速率提高以后，材料Dk/Df、铜箔粗糙度、差分阻抗、线路长度和过孔结构都会影响链路表现。

部分高速链路可能采用低损耗材料和背钻等工艺，高I/O密度也会增加高多层PCB的设计压力。

高多层真正难的并不是“把板做厚”，而是层数增加以后，压合、层间对准、钻孔、板厚和阻抗还能保持稳定。

这是AI在云端给PCB出的题。

AI进入汽车，考题从速度增加到长期可靠性

到了汽车，逻辑又变了。

智能座舱、辅助驾驶等功能需要更强的计算和数据处理能力，摄像头、雷达、显示、通信等设备还要与计算平台连接。

高速传输依然重要，但汽车电子不能只追求速度。

车辆长期经历温度变化、振动和复杂工作环境，PCB和PCBA还需要结合具体应用考虑机械、电气和长期运行可靠性。

所以服务器上成熟的PCB方案，并不能原样搬进汽车。

芯片可能越来越像，但芯片所处的环境并不一样。

同样是AI计算板，放进数据中心和放进汽车，制造和验证关注点就可能发生变化。

机器人需要的，不是一块板，而是一组不同的板

机器人又是另一种硬件形态。

它既需要主控计算，也需要视觉和传感，还要控制电机、关节和末端执行器。

因此，一台机器人内部可能同时存在计算控制、通信、传感和电机驱动等不同类型的PCB或PCBA。

计算部分关注高速和高密度，驱动部分更关注电流、温升和功率器件，狭窄活动区域则可能使用FPC或刚挠结合结构完成连接。

这也是AI走向实体设备之后，对PCB产业更重要的变化：

需求不只是从一块板变成更多块板，而是从一种PCB变成多种PCB。

场景越分散，制造端越需要适应“小批量、多类型、快迭代”

AI硬件商业化还有一个容易被忽略的阶段：从原型走向产品。

服务器、机器人、智能终端的新产品在研发阶段通常需要反复修改硬件，PCB版本、元器件和结构设计都会跟着调整。

这时候，客户需要的不只是把Gerber文件生产成PCB。

从PCB打样、SMT贴片到BOM配单和整板验证，制造环节之间能否顺畅衔接，会直接影响一次硬件迭代需要多长时间。

聚多邦目前可覆盖1—40层PCB、1—5阶HDI，并支持FPC、刚挠结合、高频高速等不同类型PCB，同时衔接PCB、SMT、BOM配单及元器件的一站式PCBA制造。面对不同AI硬件，更实际的价值在于根据产品场景匹配不同制造方案，而不是用一种PCB能力覆盖所有AI产品。

云栖大会把芯片、算力基础设施、机器人、汽车和产业应用放到同一场大会里，提供了一个观察AI硬件变化的窗口。大会官方展区也从算力基础设施一直延伸到物理AI和产业实践。

这对PCB产业释放的信号，并不是简单的“AI越火，PCB需求越大”。

更值得关注的是：AI应用越分散，PCB需求就越分化。

数据中心需要解决高速互连和高多层，汽车需要兼顾高速与长期可靠性，机器人则同时带来计算、驱动、传感和柔性连接需求。

下一阶段PCB制造真正需要适应的，可能正是这种变化——

AI不再只有一种硬件形态，PCB也就越来越难靠一种板、一道工艺，覆盖所有AI场景。