长期以来，AI产业有一个普遍认知：国产芯片可以做推理，但真正的大模型训练仍然离不开英伟达。

如今，这一认知正在被打破。

近日，深圳河套学院联合哈尔滨工业大学（深圳）、华为等团队宣布，依托昇腾910C国产算力集群，成功完成1.6万亿参数大模型DeepSeek-V4-Pro全参数后训练。整个训练过程累计运行1500多步，实现零中断、零报错，模型算力利用率（MFU）超过30%，关键训练算子效率提升14%。这是全球第三方机构首次在国产算力平台上完成这一量级模型的全参数训练，标志着国产AI芯片正式跨越“能推理”到“能训练”的关键门槛。

对于AI产业而言，这是国产算力的重要里程碑；而对于PCB行业来说，这同样意味着一个新的增量市场正在加速打开。

从推理到训练，AI服务器进入新阶段

AI推理与AI训练虽然都属于人工智能计算，但对硬件平台的要求截然不同。

推理更关注响应速度和部署成本，而训练则需要海量数据吞吐、超高带宽互联以及长时间高负载运行能力。尤其是在万亿参数级模型训练过程中，服务器集群需要持续进行复杂的数据交换和计算协同，对芯片、网络以及PCB系统都提出极高要求。

过去国产AI芯片更多应用于推理场景，而此次昇腾910C成功完成超大规模训练任务，意味着国产算力平台开始进入高性能训练市场。这不仅是芯片能力的突破，也将带动整个国产AI服务器生态快速成长。

万亿参数训练背后，PCB正在承担更重要角色

很多人关注的是芯片性能，却忽略了支撑芯片运行的PCB系统。

事实上，在AI训练服务器内部，高速信号传输、电源分配和散热管理都需要通过PCB实现。随着训练规模不断扩大，服务器主板层数持续增加，12层、16层甚至20层以上高多层PCB已经成为主流配置。

与此同时，56G、112G SerDes高速接口以及大规模GPU互联，对信号完整性提出极高要求。任何微小阻抗偏差，都可能影响数据传输稳定性。当训练任务连续运行数天甚至数周时，PCB已经不仅仅是电子连接平台，更成为影响整个训练集群稳定性的关键基础设施。

国产AI服务器，正在带来新的PCB机会

随着国产AI芯片训练能力获得验证，未来将有越来越多AI服务器开始采用国产算力方案。

这意味着大量服务器平台需要重新设计和验证。芯片封装形式、接口标准、供电方案以及散热结构，都需要针对国产芯片进行适配优化。

对于PCB企业而言，这不仅意味着订单增长，更意味着技术升级机会。高多层PCB、高速背板、高精度阻抗控制以及高可靠PCBA制造能力，将成为未来AI服务器供应链的重要竞争门槛。谁能够率先完成国产算力平台的PCB工艺适配，谁就更有机会进入下一轮AI基础设施建设周期。

从单机竞争到系统竞争

AI产业的发展已经进入系统级竞争阶段。过去比拼的是单颗芯片性能，如今比拼的是整个计算平台的协同能力。从芯片、服务器、交换机到PCB，每一个环节都决定着最终训练效率。

此次昇腾910C实现1500多步训练零中断，不仅证明了国产芯片的能力，也说明整个硬件系统已经具备较高成熟度。而在这个系统中，高速PCB的信号完整性、电源稳定性以及长期可靠性同样发挥着关键作用。

未来，随着万亿参数模型逐渐成为行业常态，高性能PCB的重要性只会进一步提升。

聚多邦看到的新机会

国产AI芯片从“可用”走向“可训”，正在推动AI服务器产业链全面升级。

聚多邦持续布局高多层PCB、高速PCB、精密阻抗控制以及高可靠PCBA制造能力，支持AI服务器、数据中心及算力基础设施建设需求。通过DFM前置评审、快速打样响应以及严格品质管控体系，帮助客户缩短研发验证周期，提高量产成功率。

当国产算力开始承担万亿参数大模型训练任务，AI产业竞争已经不再只是芯片竞争，而是整个硬件生态的竞争。而高性能PCB，正在成为支撑国产AI训练平台稳定运行的重要底座。