2026年3月，英伟达发布最新季度财报，数据中心业务收入再创新高，GPU出货量持续增长，同时公司透露GB200 NVL72与Vera Rubin平台在多个超大规模AI训练集群中投入使用。这些信息让产业观察者意识到，英伟达AI服务器的算力提升不仅是芯片数量增加，更是整机板级互连体系升级的直接结果。单片GPU性能固然重要，但机柜级高速互连、底板/背板设计、服务器主板和网络交换板才真正支撑起整体算力。AI服务器PCB不再只是单张板，而是一个系统化、高速互联、功率密度高、可靠性要求极严的整体。 

从单颗GPU到整机柜系统 

GB200 NVL72是一个典型案例。它并非普通服务器或单卡加速器，而是机柜级液冷系统，由36颗Grace CPU和72颗Blackwell GPU构成，通过NVLink形成72-GPU互连域，实现高带宽、低延迟数据传输。到了Vera Rubin平台，英伟达进一步将CPU、GPU、NVLink Switch、ConnectX SuperNIC、BlueField DPU以及Spectrum Ethernet Switch等组件整合到同一平台叙事中。这种架构显示出AI基础设施正在演变为整柜级超级计算机，而不是传统意义上的单台服务器。对于PCB产业而言，系统复杂度提升意味着板级互连增加、信号速率更快、材料和工艺要求更高，同时背板、中板和交换板在机柜级整合中变得关键。 

第一类位置：GPU模组及加速器周边板 

GPU本体涉及芯片制造、先进封装、HBM存储和封装基板等环节。在此处，封装基板与服务器PCB的概念需要区分：封装基板靠近芯片封装，线宽线距、材料和工艺要求更高，而服务器PCB则承担板级连接、供电和高速信号传输任务。GPU进入服务器后，需要与CPU、内存、供电模块及网络接口连接，这些互连落到加速器板、服务器主板、底板、连接器及线缆系统上。高功率GPU还要求电源完整性、散热布局优化，板子的电源层、地层、铜厚、材料及结构设计都受到直接影响。 

第二类位置：OAM、UBB和加速器底板 

AI服务器中，多颗GPU并非独立运行，而是形成高速互连域。OAM（Open Accelerator Module）和UBB（Universal Base Board）承担多GPU互连及供电任务。板卡设计涉及高速信号、大电流供电、多层结构、精密连接器、散热空间和严苛可靠性要求，这类板不是普通主板，也不是简单转接板，而是AI服务器板级互连的核心环节。 

第三类位置：服务器主板 

服务器主板负责CPU、内存、管理芯片、网卡接口、电源管理及外设接口连接。AI服务器主板相比普通服务器更高功率、更高信号速率，布线更复杂，对可靠性要求更高。观察A股板厂时，不仅要看公司是否生产“服务器板”，更要关注产品代际及应用场景。真正高端的AI服务器PCB通常会涉及高多层、HDI、高速材料、背钻、阻抗控制等技术关键词。

第四类位置：NVSwitch和高速交换机板 

AI训练集群需要大量GPU互连，服务器间数据流动依赖高速交换机。NVSwitch、以太网交换机、InfiniBand设备及数据中心网络硬件，均需要高端高速PCB。沪电股份（002463.SZ）2025年年报显示，其数据通信PCB收入约146.56亿元，其中高速网络交换机及配套路由收入约81.69亿元，AI服务器及HPC应用收入约30.06亿元。这说明，高速交换机板和AI服务器板都构成数据中心基础设施的重要PCB需求方向。端口速度升级至800G/1.6T，信号链路密度高、长度短，对低损耗材料、精密阻抗和可靠性要求极高。 

第五类位置：背板、中板及正交背板 

当系统扩展到整机柜，Backplane背板、Midplane中板及Orthogonal Backplane正交背板成为关键，它们承载模块间高密度连接，使服务器、交换机、供电、管理及散热结构紧密组合。行业报告显示，cableless设计及midplane/backplane需求与高端Low-Dk玻纤布供应约束，共同影响AI服务器供应链。背板和中板通常面积大、层数多、连接器密度高，对材料稳定性、压合、钻孔、电镀及测试要求极高，是后续讲CCL覆铜板、电子布和钻针环节的核心应用场景。 

第六类位置：网卡、电源板与管理板 

AI服务器还包括网卡和SuperNIC板、DPU相关板、电源板及管理板，这些板卡虽单块价值不及核心加速器板，但数量多、可靠性要求高，是整机不可或缺的组成部分。产业链观察不能只盯“最贵的板”，需关注整机PCB数量、复杂度及材料等级变化对系统性能的综合贡献。 

ASIC服务器同样适用 

虽然本篇以英伟达平台为例，但逻辑同样适用于云厂商自研ASIC、AI推理服务器及数据中心网络架构。不同架构下芯片名称、互连协议及模块形态不同，但高速信号、低损耗材料、高多层板、背钻、连接器密度及电源完整性问题普遍存在。因此，研究PCB公司时应关注产品是否覆盖AI服务器、HPC、高速交换机、数据中心网络及云计算基础设施，是否具备高多层、HDI、高速材料和背板/中板能力，并能在头部客户体系中批量交付。 

网络设备的重要性 

训练集群和推理集群都依赖网络。GPU数量增加，服务器数量增加，数据在服务器间流动压力加大，高速交换机和网络设备升级压力随之上升。沪电股份披露的高速交换机及路由收入数据强调，高速交换板和AI服务器板应并列观察，前者对应计算节点，后者对应网络节点。计算节点与网络节点升级压力同步，带动高端CCL、低损耗材料及背板/中板需求。 

小结 

英伟达AI服务器中的PCB构成一张系统地图：GPU周边板、OAM/UBB底板、服务器主板、NVSwitch和交换机板、背板/中板、网卡、电源板及管理板，共同支撑AI算力硬件基础。理解这张地图后，再研究高多层PCB、HDI、CCL覆铜板、电子布、钻针和设备，产业逻辑将自然衔接。下一篇将重点讲：AI服务器PCB相比普通PCB的设计难点及技术挑战。