2026年9月28日，AMD宣布已签署最终协议，将以约82亿美元的全股票交易收购李飞飞领导的AI研究公司World Labs。交易预计于2026年底前完成，仍需获得监管批准。交易完成后，李飞飞将加入AMD，担任执行副总裁兼首席科学家。World Labs主要研究空间智能，其模型能够从文本、图像和视频中生成、重建和模拟可交互的3D环境。

表面看，这是一笔AI公司之间的大额并购；但对电子制造产业而言，更值得关注的是AMD给出的理由：随着AI从语言和推理继续进入机器人、仿真和物理世界，计算基础设施需要适应更加复杂的模型和应用。

当AI开始“理解现实世界”，算力硬件面对的问题，也不再只是把GPU做得更快。

一、从生成文字到模拟世界，AI需要处理的数据变了

大语言模型主要处理文本和其他数字化信息，而空间智能面对的是另一类任务：理解物体的位置、尺度和运动关系，生成三维环境，并在环境中持续进行推演。

World Labs开发的模型，就包括从文本、图片和视频输入生成、重建以及模拟交互式3D环境，并用于机器人学习与仿真。AMD也明确提到，AI正在向推理、机器人、仿真和Physical AI等方向扩展。

这种变化会把压力继续向服务器底层传导。

大量GPU或其他加速器不仅要完成计算，还要不断与CPU、存储、网络以及其他加速器交换数据。计算规模越大，芯片之间的数据通道、服务器内部互连以及集群网络就越重要。

所以，物理AI真正带来的硬件问题之一是：算得更快以后，数据能不能同样快速而稳定地传出去？

而PCB恰好处在这些高速芯片与接口之间。

二、带宽继续提升，PCB难点开始从“连通”转向“信号质量”

在普通低速电路里，PCB首先解决的是元器件之间如何连接；进入高速服务器以后，仅仅“连接起来”已经不够。

目前数据中心高速互连正在从112G PAM4继续向224G PAM4发展。IEEE相关研究指出，从112G PAM4提升至224G PAM4后，信号奈奎斯特频率由28GHz提高到56GHz，PCB中的通孔、垂直互连结构等对信号完整性的影响会进一步放大。

这时候，一段走线、一颗过孔，甚至铜箔表面的粗糙程度，都可能成为高速信号链路的一部分。

制造端因此需要更加关注介质厚度、线路几何尺寸、铜面特性、层间对准、过孔结构和阻抗一致性。对于部分高速通道，还可能采用背钻去除多余孔桩，减少高速信号经过过孔时产生的反射和损耗。

速度提高一倍，并不等于PCB只需要把线路做得更细。

真正困难的是，在复杂的大尺寸、多层结构上，仍然把整条高速信号通道控制在设计允许的范围内。

三、芯片越来越密，高多层与HDI承担更多连接任务

另一个变化来自芯片本身。

AI加速器周围通常需要连接高速存储、网络接口、电源模块以及大量高速信号。当器件密度和I/O数量提高，有限的PCB表面很难容纳所有线路，于是更多连接需要进入内部层。

这也是高多层PCB在AI服务器等高性能计算设备中受到关注的原因。增加层数可以提供更多信号层、电源层和参考平面，但层数增加以后，压合、层间对位、钻孔以及板厚控制也会变得更加复杂。

对于细间距BGA等高密度区域，传统通孔还可能占用过多布线空间，因此HDI、激光微孔、盲埋孔等结构会根据具体设计被引入。

这形成了一个很容易被忽略的变化：

AI算力增加的不只是PCB需求量，还可能改变PCB的产品结构。

普通多层板能够完成的连接，可能逐渐向高多层、HDI、高速低损耗材料以及更加复杂的互连结构迁移。PCB单板承担的功能越集中，对制造一致性的要求也随之提高。

四、真正难的是把高速设计稳定制造出来

高速PCB有一个典型特点：设计参数和制造参数越来越难分开讨论。

例如阻抗并不是线路设计完成后再检测一下即可。线宽、线距、铜厚、介质厚度以及材料介电特性都会影响最终结果。设计阶段确定的一个高速差分通道，需要经过实际制造后仍尽可能接近目标值。

层数增加以后又会出现另一个问题——多次压合和加工产生的尺寸变化，需要在层间对位、钻孔和线路制作中持续控制。

因此，高端算力PCB竞争的重点，会逐渐从“能不能做”转向“复杂结构能不能稳定地做”。

这也是DFM前置评审越来越重要的原因。制造商越早参与叠层、线宽线距、孔结构、阻抗和材料方案评估，越有机会在正式生产之前发现制造风险。

以聚多邦现有制造能力为例，可覆盖1—40层PCB、HDI 1—5阶以及3+N+3、任意层等结构，并支持高速高频材料、背钻等工艺；阻抗控制常规为±8%，高速需求可控制至±5%。对于复杂板项目，通过DFM评审提前检查叠层、孔结构及制造参数，比生产完成后再处理问题更有实际价值。

五、物理AI真正带给PCB的，是复杂度继续向上走

AMD收购World Labs，并不能简单等同于“马上增加多少PCB订单”。一项AI技术从模型研究走向机器人、服务器和数据中心，再传导至PCB供应链，中间仍然需要经历产品定义、硬件架构和规模部署等多个环节。

但这笔82亿美元交易提供了一个值得观察的信号：芯片厂商正在更深入地理解下一代AI模型需要怎样的计算基础设施。AMD也明确表示，希望借助World Labs的模型研究能力影响未来硬件、软件和系统路线。

对于PCB产业而言，下一阶段值得关注的因此不只是AI服务器出货多少，而是高速互连向什么速率演进、单板集成度提高到什么程度，以及这些变化会采用怎样的PCB结构。

当高速、高多层、HDI、低损耗材料、阻抗控制和复杂孔结构越来越多地出现在同一块板上，PCB的价值也会更多向制造难度和工程能力集中。

物理AI最终会发展到多大的市场规模，现在还需要时间验证。

但有一点正在变得清晰：算力平台越复杂，留给PCB制造误差的空间就越小。