AI算力竞争，正在从GPU延伸到网络层

过去两年，AI产业最受关注的核心硬件是GPU。

但随着大模型规模持续扩大，行业开始发现一个新的问题：GPU性能不断提升，数据传输却正在成为新的瓶颈。

在2026年GTC大会上，英伟达正式发布新一代Rubin平台，并同步推出BlueField 4 DPU和ConnectX-9智能网卡。

其中，BlueField 4集成64核Grace CPU，整体性能较上一代提升数倍；ConnectX-9则将网络带宽提升至1.6Tb/s。

这意味着，AI服务器的竞争已经不仅仅是算力竞争，而是开始进入“算力+网络”的双重竞争时代。

而DPU和智能网卡，正在成为继GPU之后最受关注的新赛道。

为什么DPU突然变得如此重要？

在传统服务器架构中，大量网络、存储和安全任务需要CPU承担。

随着AI集群规模不断扩大，这些任务逐渐成为系统性能瓶颈。

DPU的出现，本质上就是把这些工作从CPU中分离出来。简单理解：GPU负责计算；CPU负责调度；DPU负责数据搬运。

在超大规模AI集群中，数千甚至数万张GPU之间需要高速交换数据。如果网络效率跟不上，再强大的GPU也会被迫“等待”。

因此，越来越多的数据中心开始将DPU视为AI基础设施的重要组成部分。

从某种意义上说，未来AI服务器的竞争，不只是GPU性能之争，更是网络架构之争。

1.6T时代，高速PCB成为关键基础设施

随着ConnectX-9进入1.6Tb/s时代，高速信号设计难度正在急剧增加。

对于PCB而言，这意味着更高的技术门槛。BlueField 4 DPU和ConnectX-9智能网卡普遍采用20层以上高多层HDI结构。

高速信号需要在极短路径内完成传输，对阻抗控制、插损控制以及信号完整性提出极高要求。行业普遍要求阻抗控制精度达到±5%。同时，为降低高速信号损耗，PCB材料也从传统FR-4逐步升级到M7、M8甚至更高等级低损耗材料。

在1.6T网络时代，一块PCB已经不仅仅是电子连接载体，而是直接影响整机性能的重要组成部分。

硅光封装正在重塑PCB需求

除了高速传输，Rubin平台另一个重要趋势是硅光技术加速导入。

随着CPO（共封装光学）和硅光模块普及，DPU和网卡开始采用更高密度封装方案。

这意味着PCB需要支持更细线路、更高布线密度以及更复杂的封装结构。

HDI、类载板（SLP）、高频高速材料等技术正在成为高端网络设备PCB的标配。

未来几年，高速网络设备PCB很可能成为继AI服务器主板之后的新增长市场。

聚多邦如何助力AI网络硬件制造？

面对DPU与智能网卡快速增长带来的需求变化，聚多邦持续布局高频高速PCB制造能力。

目前可支持20层以上HDI板制造，并具备阻抗控制±5%的生产能力，满足高速网络设备对信号完整性的严格要求。

同时，通过DFM前置评审机制，帮助客户提前识别高速布线、层叠设计、阻抗匹配等潜在问题，降低研发风险。

依托PCB制造与PCBA贴装协同能力，聚多邦能够为DPU、智能网卡、光模块等产品提供从样机验证到小批量量产的一站式服务，加速客户产品导入周期。

结语

从GPU到DPU，从400G到1.6T，AI基础设施正在进入全新的升级周期。

当行业目光聚焦于芯片时，支撑数据高速流动的网络硬件同样迎来爆发机会。

而隐藏在DPU和智能网卡内部的高端PCB，也正在成为AI算力网络不可缺少的重要基础设施。

未来，谁能够率先掌握高频高速PCB、高密度HDI以及先进封装配套能力，谁就有机会在下一轮AI硬件浪潮中占据先机。