AI需求正在从训练转向推理
过去，AI算力需求主要来自大模型训练。训练阶段需要大量GPU集中计算，因此高性能芯片一直是产业关注焦点。但随着大模型应用加速落地，AI产业正在进入新的阶段。
从智能客服、AI搜索，到办公助手、工业视觉和自动驾驶，越来越多AI应用开始进入真实场景。这意味着推理需求正在快速增长。相比训练，推理更强调实时响应、低延迟和高并发。这也让数据中心内部的数据传输压力持续上升。
光模块配比率持续提升
随着AI推理需求爆发，GPU与光模块之间的配比正在提高。行业数据显示，H100 GPU与光模块配比约为1:3，而B300算力平台配比已提升至1:4.5。在部分ASIC训练集群中，这一比例甚至达到1:8。这说明AI算力系统已经不再只是“堆GPU”。高速网络、光模块、交换机等互联设备，正在成为影响系统效率的关键环节。当GPU数量越来越多，节点之间的数据交换越频繁，光模块需求自然同步增长。
光模块放量带动PCB需求增长
光模块数量增加，直接带动上游PCB需求提升。高速光模块内部需要精密PCB承载光芯片、DSP、电源管理芯片以及高速接口。在800G、1.6T光模块中，PCB不仅承担连接作用，还直接影响信号完整性和传输稳定性。尤其是高速SerDes信号速率持续提升后，对PCB材料和工艺提出更高要求。低损耗板材、精密阻抗控制、高密度布线，正在成为光模块PCB的核心门槛。
PCB材料选型越来越关键
高速光互联时代，PCB材料选择不再只是成本问题。不同板材会直接影响信号损耗、介电稳定性和长期可靠性。对于高速光模块而言，板材需要具备低Dk、低Df以及良好的温度稳定性。同时，阻抗控制精度也必须更严格。一旦阻抗偏差过大，就可能造成信号反射、眼图恶化，甚至影响整机通信稳定性。因此，在光模块PCB制造中，材料选型、叠层设计和阻抗管控必须提前介入。
聚多邦助力高速光互联国产替代
随着光模块配比率持续提升，国产高速PCB供应链迎来新的机会。聚多邦持续布局高频高速板制造能力，具备高频材料应用、精密阻抗控制和高密度PCB制造经验。针对光模块、交换机及AI服务器客户，聚多邦可提供PCB打样、小批量试产及PCBA一站式服务。通过DFM前置评审，帮助客户在设计阶段提前识别阻抗走线、材料选型、叠层结构等潜在风险，缩短产品验证周期。
结语
AI产业从训练走向推理，带来的不仅是算力需求变化。更是光互联架构和PCB供应链的同步升级。当GPU与光模块配比不断提升，高速PCB正在从幕后走向台前。未来，谁能掌握高频高速材料、精密阻抗控制和稳定制造能力，谁就更
24H服务热线:
粤公网安备 44030002011549号
