微软将AI超算带入个人终端：算力越来越强，PCB为什么更难做？

2026年10月8日，据36氪、智东西相关报道，微软发布Surface Laptop Ultra，采用英伟达RTX Spark N1X超级芯片，配置最高128GB统一内存，报道所述FP4算力达到1 PFLOPS。同时，桌面AI计算设备DGX Station for Windows也受到关注，进一步展示了大模型本地运行的产品方向。

从云端服务器到个人电脑，AI计算正在探索更多本地部署场景。对于PCB产业而言，值得关注的不只是芯片算力提升，而是当高速计算、内存访问和散热需求集中到更小的设备空间时，电路板需要承担怎样的制造挑战。

AI算力进入个人电脑，主板为什么更复杂？

传统笔记本主要围绕处理器、内存、存储和外围接口进行设计，而面向大模型推理的高性能AI终端，需要在有限空间内实现更密集的数据交换。

尤其是采用CPU与GPU协同计算、统一内存架构的设备，处理器与内存之间需要持续传输大量数据。

统一内存可以减少部分数据在不同存储空间之间的复制，但并不意味着主板布线会随之简单。

高速内存接口需要严格控制走线长度、信号时序和电气特性。接口密度提高后，有限的布线空间还要容纳电源、接地和其他高速信号。

对于PCB设计而言，增加布线层数、采用HDI结构或优化器件布局，都可能成为解决方案。

不过，高算力并不必然对应16层以上PCB。实际层数仍取决于芯片封装、内存布局、接口数量和整机结构，不能仅凭算力指标判断。

高速内存传输，为什么对PCB阻抗要求更高？

当AI模型在本地运行时，处理器需要频繁读取模型参数和中间计算数据。

如果内存传输速度跟不上计算需求，即使芯片具备较高算力，也可能受到数据带宽限制。

以LPDDR5X等高速内存技术为例，信号传输速度提高后，PCB走线不再只是简单的电气连接。

线路宽度、介质厚度、铜箔特性及参考平面完整性，都可能影响信号阻抗与传输质量。

阻抗出现明显不连续时，容易产生信号反射；走线长度或时序控制不合理，也可能缩小高速接口的工作裕量。

因此，制造端需要关注材料稳定性、线路加工精度、层间厚度及阻抗检测。

对于部分高速差分接口，还需要配合差分阻抗设计与控制。但内存接口并非全部采用差分信号，具体要求必须依据芯片和接口规范确定。

高速PCB真正考验的，不只是线路能否连接，而是信号能否在复杂环境下稳定传输。

算力密度提高，散热与供电也成为PCB难题

高性能AI芯片在运行复杂模型时，需要持续消耗电能并产生热量。

笔记本与桌面设备的散热条件不同。笔记本受到机身厚度、电池空间和风道限制，而桌面AI工作站通常拥有更大的散热设计空间。

对于PCB而言，散热不仅是安装散热器的问题，还涉及电源分配、铜层设计、导热过孔和元器件布局。

高电流供电区域可能需要增加铜厚或优化电源平面，以降低线路损耗和局部温升。

但铜厚增加也会影响精细线路加工，复杂层叠结构还需要兼顾压合可靠性与板面平整度。

与此同时，高密度器件布局会增加SMT贴装、焊点检测和返修难度。PCB制造与电子组装之间的协同因此更加重要。

从AI电脑到桌面工作站，PCB制造机会在哪里？

AI终端并不是单一产品市场。

轻薄笔记本更关注空间利用率、功耗和轻量化，桌面AI工作站则可能更重视高速互连、大电流供电及系统扩展能力。

不同产品对应的PCB工艺路线也存在差异。高密度主板可能采用HDI结构，高速接口板需要重视阻抗控制，部分高功率板卡则需要加强电源与热管理设计。

这些变化也会影响研发打样与小批量制造需求。

例如，一款AI计算模组从设计验证到试产，可能需要反复调整层叠结构、阻抗参数和器件布局。供应商能否及时完成工艺评审、制造与组装衔接，将直接影响研发效率。

聚多邦现有制造服务覆盖1—40层PCB、1—5阶HDI及SMT、PCBA业务，并具备高速PCB阻抗控制相关工艺能力，可针对不同产品的设计要求开展制造可行性评估。

但具体产品能否实现，仍需结合材料、线宽线距、层叠结构和检测要求综合判断。

AI终端升级，PCB价值将向复杂制造环节集中

高性能AI电脑与桌面工作站的出现，为PCB产业提供了新的产品观察方向。

相比传统消费电子，部分高算力终端可能需要更复杂的互连结构、更严格的信号控制和更精细的热管理设计。

但芯片算力提高，并不代表PCB层数必然增加，也不意味着所有终端都会采用服务器级制造工艺。

下一阶段，AI终端PCB的价值增长点，可能更多集中在高密度互连、高速阻抗控制、电源与热管理，以及PCB与SMT协同制造能力上。

真正值得观察的，是高性能AI终端能否形成持续的市场需求，以及这些需求最终会转化为怎样的PCB产品结构。