一年时间，2026年智能算力预测从1460升到2576 EFLOPS，PCB要跟上的不只是订单

2026年9月21日，IDC与浪潮信息联合发布《2026年中国人工智能计算力发展评估报告》。报告预计，2026年中国智能算力规模将达到2576.5 EFLOPS，同比增长87.9%；人工智能算力市场规模达到515亿美元，同比增长37%，到2030年进一步增至1501亿美元。

还有一个数字更值得注意。

2025年发布的上一版报告曾预计，2026年中国智能算力规模约为1460.3 EFLOPS。如今，这一预测已经上调到2576.5 EFLOPS。

对PCB行业来说，问题已经不只是“AI服务器会不会增加”，而是算力基础设施正在比此前预期更

快地向高密度、高互联方向发展。

87.9%的算力增长，不等于服务器增加87.9%

先厘清一个容易被误读的数据。

EFLOPS衡量的是计算能力，而不是服务器数量。

今年智能算力增长87.9%，可能来自更多AI服务器投入运行，也可能来自单颗AI芯片性能提高、单机搭载更多加速芯片，以及超节点等新架构提高系统算力。

因此，不能简单推导成“AI服务器出货接近翻倍”，更不能直接换算成PCB订单增长87.9%。

但这反而揭示了PCB行业更值得关注的变化：算力增长正在同时推高硬件数量和单机复杂度。

现在的AI服务器已经不只是安装几颗高性能芯片。64卡、128卡超节点开始出现，大量GPU、AI加速芯片、内存和网络设备需要高速协同。

IDC也指出，随着大模型向多节点协同发展，数据通信正在成为影响算力释放的重要因素，互联技术和算网融合成为新一代智算基础设施的重要方向。

芯片算得越快，PCB上的数据也要跑得更快

过去看服务器PCB，更多关注主板本身。

现在则需要把计算板、加速卡、交换板、背板以及高速网络设备放到整个算力集群中来看。

原因很简单：几百颗甚至更多AI芯片同时工作，数据需要在芯片、服务器和机柜之间频繁移动。

速度提高之后，PCB上的高速线路就会面临更严格的损耗和信号完整性要求。

材料的Dk、Df、铜箔粗糙度开始影响高速信号传输；线路宽度、线距、过孔结构和介质厚度则共同影响阻抗。

这会推动部分服务器和交换设备采用更低损耗材料、更复杂的高多层结构，以及背钻等工艺。

制造难点也随之从“线路能不能导通”，进一步转向大量高速通道能不能保持一致。

高多层不是把PCB简单做厚

AI服务器需要连接更多计算、存储和网络资源，PCB布线空间随之变得紧张。

增加层数是一种解决办法。

但高多层PCB并不是把更多芯板和半固化片叠起来这么简单。

层数增加后，压合过程中的板厚、树脂流动和层间对准更加难控制；高速过孔可能需要通过背钻减少Stub；线路加工偏差又会影响最终阻抗。

与此同时，AI芯片功耗提高还会增加供电和散热压力。

于是同一块服务器板卡上可能同时存在两种需求：一边要让高速信号低损耗传输，一边又要处理大电流供电和热量。

算力越集中，PCB越需要同时解决“跑得快”和“送得稳”。

智能体爆发，还会把压力从训练推向推理

此次IDC报告还有一个容易被忽略的信息：推动下一轮算力增长的不只是大模型训练，还有智能体应用。

报告预计，2026—2030年中国活跃智能体数量年复合增长率达到151.2%，同期Token消耗量增长更快。随着智能体从简单问答走向多轮推理、工具调用和跨系统协作，单个任务消耗的计算资源也在增加。

这会让算力需求从集中式训练进一步延伸到持续运行的推理基础设施。

对于PCB产业而言，这种变化更值得长期观察。

因为服务器、交换机等硬件不仅需要增加部署，还需要持续升级互连速度、功率密度和系统效率。

聚多邦目前可覆盖1—40层PCB、1—5阶HDI，并支持M6/M7、Rogers等材料、背钻以及高速差分阻抗控制，同时可衔接PCB+SMT+PCBA制造。面对服务器、高速交换及其他算力硬件，更现实的制造要求，是在打样阶段就结合材料、叠层、阻抗和过孔结构进行工程评估，再逐步进入小批量和后续制造验证。

2576.5 EFLOPS这个数字真正值得PCB行业注意的，并不是它能够换算成多少块PCB。

更值得关注的是，中国智能算力增长速度已经超过此前预期，而算力增长方式也正在从单颗芯片升级，走向更多芯片、更高速互连和更高密度系统协同。

下一阶段PCB行业需要跟上的，也就不只是AI服务器的数量。

当算力竞争开始从“有多少芯片”转向“多少芯片能够高效协同”，PCB的价值也会更多集中到高多层、低损耗材料、高速互连和稳定制造这些真正影响系统性能的环节。