9月17日，荣鼎集团发布《透视中国AI融资》报告。报告测算，2026年中国AI基础设施资本开支预计同比增长103%，达到9320亿元，2027年进一步超过1.2万亿元。仅阿里巴巴、腾讯和百度三家企业，2026年上半年资本开支就达到2080亿元。与此同时，三家企业自由现金流从2025年的1700亿元降至今年上半年的负160亿元。

一边是AI基建投入翻倍，一边是现金流明显承压。

对于PCB产业，这个反差比“9320亿元”本身更值得关注：算力基础设施还在扩张，但客户花每一笔钱，可能都会越来越在意硬件的成本、交付速度和投入产出效率。

9320亿元不会直接变成PCB订单，但会一层层传到板上

AI基础设施投资并不是单纯购买服务器。

一个智算中心落地，需要服务器、交换机、光模块、电源、存储、液冷以及大量网络设备共同工作，而这些设备最终都离不开PCB。

以AI服务器为例，GPU、CPU、内存和高速网络接口需要通过主板、加速卡等板卡连接；交换机速率继续提高后，大量高速信号需要在PCB内部稳定传输；电源系统面对更高功率，也需要处理大电流和散热问题。

所以，AI基建投入扩大对PCB产业的影响，并不是简单的“板子数量增加”。

更重要的是，高价值硬件增加之后，PCB产品结构也会跟着变化。

高多层、高速低损耗材料、严格阻抗控制，以及部分高密度互连和厚铜设计，都可能在算力硬件中承担更多任务。

服务器越来越强，PCB上的高速通道也越来越拥挤

算力服务器内部有一个很直观的变化：芯片之间需要搬运的数据越来越多。

GPU与GPU、GPU与CPU、芯片与内存、服务器与交换机之间，都需要高速连接。当传输速率不断提高，PCB已经不能简单理解为“把元器件连起来的一块板”。

高速信号在PCB中传输时，线宽、线距、介质厚度、铜厚以及材料损耗都会影响最终表现。层数增加以后，多次压合中的层间对准、钻孔以及板厚控制也更加复杂。

部分高速板还需要通过背钻减少无效过孔残桩对信号的影响。

这也是AI算力投资传导到PCB行业时容易被忽略的一点：增加的不只是PCB面积，更可能是复杂PCB在整机中的价值占比。

一块普通板和一块高多层高速板，同样是一平方米PCB，背后的材料、设备、工艺控制和良率要求并不相同。

资本开支越大，供应链反而越不能只谈“贵不贵”

荣鼎集团报告还揭示了另一个信号。

2026年上半年，阿里巴巴、腾讯和百度合计自由现金流已经转为负值。报告认为，中国AI企业当前仍面临融资与现金流约束，后续扩张还要受到融资环境、芯片供应等因素影响。

这会把压力继续向硬件供应链传递。

当数据中心建设进入大规模投入阶段，采购方关心的不只是单块PCB报价，而是整个项目能否按计划上线。

如果服务器主板、交换机板卡或电源板因为PCB交付、SMT装联或者品质异常反复返工，影响的可能不只是这一批板，而是后续整机装配和项目部署节奏。

因此，成本控制并不等于单纯压低PCB价格。

减少工程修改、提高批量一致性、降低返工，以及让PCB制造和SMT之间衔接得更顺，本身也是供应链成本的一部分。

从样板到批量，算力硬件更需要制造环节接得住

AI基础设施投资快速扩张，还会带来另一种制造场景：很多硬件并不是一开始就直接进入大批量。

服务器、交换机、电源和其他算力设备通常需要经历研发打样、测试验证、小批量导入，再逐步扩大订单。如果PCB制板、SMT贴片和后续装联由不同供应商分别承接，工程资料、异常反馈和交期之间就需要反复协调。

对于高速高多层板，这种协同尤其重要。

例如阻抗方案发生调整，不只是PCB线路参数要变化，后续贴装和测试也可能需要同步确认。越复杂的板卡，前后工序之间的信息断点越容易变成时间成本。

聚多邦目前覆盖1—40层PCB、HDI、高速差分阻抗控制以及PCB+SMT+PCBA等制造环节。放在算力硬件研发与量产场景中，一站式制造更实际的价值，是让工程评估、制板、贴装和检测之间减少重复流转，在项目逐步放量时保持制造环节的连续性。

万亿投入之后，更值得看PCB订单“往哪里走”

9320亿元并不能简单换算成PCB市场规模，2027年超过1.2万亿元也仍是报告基于企业资本开支计划作出的测算，而不是已经落地的订单。后续投资节奏仍可能受到芯片供应、融资能力和AI商业化进展影响。

但资本正在向算力基础设施集中这一趋势，已经给PCB产业提供了一个更值得观察的方向。

接下来真正重要的，不只是服务器出货多少，而是这些新增投入最终有多少流向高多层高速板、交换机板、电源板以及其他复杂PCB。

如果算力继续向更高性能演进，PCB产业得到的可能不只是更多订单，而是一次产品结构重新分配的机会：价值逐步向高速、高多层、高可靠以及更复杂装联环节集中。

AI基建在拼资本开支，到了PCB制造端，拼的则是能不能把复杂板稳定、连续地交出去。