2026年9月29日，OpenAI在DevDay 2026发布常驻AI智能体Dots。Dots基于GPT-6 Astra运行，每个智能体拥有自己的云端电脑和浏览器，可通过插件生态连接超过4000款应用，并能够围绕用户目标持续工作。同期发布的Ultrafast模式，在Codex中最高可实现300 tokens/s的生成速度；GPT-6.1 Sol则以GPT-6 Astra五分之一的标准输入、输出Token价格，降低复杂AI任务的使用成本。

这些产品看起来都在解决同一个问题：让AI干更多活，而且更快、更便宜。

但当AI从“问一次、算一次”走向长期在线、主动执行任务，变化的不只是软件使用方式。持续运行的Agent需要调用模型、浏览器、代码执行环境和外部工具，底层计算、存储和网络资源也要随之支撑。

对PCB产业来说，真正值得关注的是：AI开始长时间工作以后，数据中心硬件也要面对更持续、更复杂的负载。

一、从聊天到“长期干活”，服务器面对的是另一种算力需求

过去使用生成式AI，很多场景是用户提出问题，模型完成一次推理，任务结束。

Dots代表的Agent模式则不同。

它可以接手一个项目，在用户没有持续操作的情况下继续执行任务，也可以同时处理多个项目。一个任务背后可能包含模型推理、网页访问、文件处理、代码运行以及不同应用之间的信息调用。

这让AI算力需求出现两个值得关注的变化。

一个是运行时间拉长。另一个是任务链变长。

单次问答可能只持续几秒钟，而一个复杂Agent任务可能跨越更长时间，并多次调用模型和工具。当类似应用的用户规模扩大，数据中心面对的不只是更大的模型，也包括越来越多并发、持续运行的计算任务。

OpenAI同期推出成本更低的GPT-6.1 Sol，同样值得关注。推理成本下降之后，企业原本因为成本原因不会交给AI处理的任务，也可能逐步自动化。

AI越便宜，不一定意味着算力需求越少。使用门槛下降，反而可能让AI被调用得更多。

二、Agent越来越多，压力不只落在GPU上

谈到AI基础设施，人们首先想到GPU。

但真正的数据中心并不是把大量GPU简单堆在一起。CPU、GPU、内存、存储以及不同服务器之间，需要持续交换数据。

Agent尤其如此。

一个智能体可能一边调用模型，一边访问文件、运行代码、查询数据库，再把结果发送到其他应用。计算任务越多，服务器内部以及服务器之间的数据流量也会增加，高速交换网络的重要性随之提高。

这会把需求继续传导到服务器主板、GPU加速卡、高速交换机、存储设备等硬件，而这些设备都离不开PCB。

因此，AI Agent带给PCB行业的机会不能简单理解成“服务器数量增加，所以PCB需求增加”。

更值得关注的是：数据传输速度和硬件集成度提高以后，一块PCB需要承担的任务正在变复杂。

三、速度越来越快，高速PCB首先要解决“信号跑不跑得稳”

高速服务器和交换设备中，大量数据需要在处理器、加速器、内存和网络芯片之间快速传输。

信号速度提高以后，PCB上的走线就不能再简单看成一根“导线”。

线宽、铜厚、介质厚度、材料特性、过孔结构甚至线路之间的距离，都可能影响高速信号传输。阻抗控制不稳定，或者通道损耗过大，都可能影响整个高速链路的信号完整性。

所以，高速PCB制造真正困难的不是“把线路接通”，而是让大量高速通道在生产之后仍然符合设计要求。

这会进一步考验叠层设计、线路制作、压合、钻孔、背钻以及阻抗控制等制造环节。

当服务器和交换机继续向更高带宽发展，高速低损耗材料、高多层PCB以及更严格的阻抗控制，其重要性也会随之提升。

四、芯片越集中，高多层和HDI制造难度越容易叠加

AI服务器还有另一个特点：一块板上需要连接的高速器件越来越多。

处理器、GPU、内存、电源和高速接口都需要布线，而PCB面积并不能无限扩大。表面放不下的线路，就需要向更多内部层分配。

高多层PCB由此承担更多信号层、电源层和参考平面。

但层数增加并不是简单地“多压几层板”。

压合次数增加以后，板材尺寸变化、层间对位、钻孔精度以及板厚控制都会更加敏感；在高密度芯片区域，如果传统通孔占用过多布线空间，还可能进一步采用激光微孔、盲埋孔以及HDI结构。

这也是AI硬件升级可能改变PCB价值结构的原因。

增加的不只是板的数量，更可能是复杂板的占比。

五、7×24小时运行，更考验制造的一致性

对于数据中心设备而言，性能只是其中一部分，长期稳定运行同样重要。

一块高速多层PCB可能同时涉及细线路、复杂孔结构、多次压合以及阻抗要求。任何一个环节的波动，都可能影响后续装配和整机运行。

因此，制造端不仅要解决“能不能加工”，还需要通过DFM评审、AOI、电测、飞针以及后续PCBA检测，把问题尽可能提前发现。

聚多邦目前可覆盖1—40层PCB、HDI 1—5阶，并支持高速高频材料、背钻等工艺；阻抗控制常规为±8%，高速需求可控制至±5%。在PCBA环节，则配置3D AOI、3D X-Ray等检测手段。对于AI服务器、交换设备等复杂硬件，这类能力更重要的价值，是围绕设计、制板和装联过程降低复杂产品的制造风险。

OpenAI发布Dots，并不能直接等同于PCB订单立即增长。Agent究竟会带来多大的新增基础设施需求，还取决于用户规模、模型效率、任务复杂度、推理成本以及数据中心资源利用率。

但产业链正在出现一个值得PCB企业持续观察的变化：AI竞争正在从“模型有多大”，进一步走向“有多少AI能够同时、持续地工作”。

当Agent从偶尔响应变成长期运行，数据中心需要解决的就不只是计算能力，还有高速互连、供电、散热和可靠性。

PCB处在这些硬件之间。下一阶段真正可能获得更高价值量的，也不会只是“AI概念板”，而是能够承载更高带宽、更高集成度和更复杂互连结构的高速高多层PCB、HDI以及与之配套的高可靠PCBA制造能力。