2026年10月8日，据华尔街见闻援引花旗10月6日研报，AI智能体的发展可能推动全球CPU潜在市场规模（TAM）从2025年的290亿美元增长至2030年的3000亿美元。报告认为，随着AI应用从模型训练、内容生成延伸至任务规划、工具调用和自动化执行，CPU承担的计算与调度任务可能增加。

这一预测引出了一个值得PCB行业关注的问题：如果AI服务器需要更多CPU资源，是否意味着服务器主板也要增加层数、提高布线密度？

AI智能体需要更多CPU，原因在哪里？

传统AI训练主要依靠GPU完成大规模并行计算，CPU则承担任务调度、数据处理及系统管理等工作。

AI智能体的运行方式有所不同。

例如，一个能够自动处理业务流程的AI智能体，可能需要连续完成信息检索、调用数据库、执行程序和整理结果等任务。

这些操作并非全部由GPU完成。CPU需要负责部分程序执行、任务编排和系统资源管理。

当大量智能体同时运行时，服务器可能面临更高的CPU计算、内存访问和网络通信需求。

不过，CPU需求增长并不代表每台服务器都必须增加CPU数量。实际配置还取决于软件架构、任务并发量及计算资源利用效率。

CPU与GPU配置变化，会怎样影响服务器PCB？

花旗研报提出，部分AI智能体应用可能推动CPU与GPU资源配置比例发生变化。

但CPU与GPU配比并没有适用于所有AI服务器的固定标准。不同任务和系统架构，对两类处理器的需求差异较大。

对于PCB而言，真正需要关注的是服务器硬件配置是否发生实际调整。

例如，服务器主板通常需要连接CPU、内存、网络接口及存储设备。

如果系统采用更多处理器、增加内存通道或扩展高速接口，就可能提高主板的布线复杂度。

在有限板面空间内，更多高速信号和供电线路可能需要通过增加布线层、优化层叠结构等方式实现。

但增加CPU数量不一定意味着PCB数量同步增加，也不能直接推断主板必须采用16层以上结构。

服务器PCB的复杂程度，取决于处理器接口、内存配置和系统连接方式，而不是CPU与GPU数量的简单比例。

高速接口增加，PCB为什么更考验阻抗控制？

CPU与内存、网络设备及其他处理器之间的数据交换，需要通过相应的高速接口完成。

在服务器PCB中，部分高速信号采用差分传输方式，对线路阻抗和信号完整性具有明确要求。

信号经过PCB走线、过孔及连接器时，如果阻抗变化较大，可能产生反射，影响传输质量。

因此，高速PCB需要在设计阶段合理安排层叠结构、参考平面和走线路径。

进入制造环节，线路宽度、介质厚度及材料特性等因素，都会影响实际阻抗。

对于部分高速信号路径，还可能采用背钻工艺，减少过孔残桩对信号传输的影响。

但阻抗控制精度并不能单独代表整块PCB的信号完整性。最终性能还需要结合材料损耗、接口设计及实际测试结果判断。

高多层PCB制造，难点不只是增加层数

服务器PCB可能采用多层结构，为高速信号、电源和接地提供不同的布线空间。

随着层数增加，制造过程中需要更加关注层间对位、压合厚度及钻孔质量。

例如，多层板压合后，如果介质厚度与设计值存在偏差，可能影响相关线路的阻抗表现。

钻孔和电镀环节则需要保证层间连接质量，避免孔铜缺陷影响电气可靠性。

对于高密度器件区域，还需要结合焊盘设计和后续SMT工艺评估制造可行性。

聚多邦现有制造服务覆盖1—40层PCB、HDI、阻抗控制及SMT、PCBA业务，可根据具体设计资料开展DFM评审和制造工艺评估。

不过，能否满足特定AI服务器板卡要求，仍取决于材料、层叠结构、信号指标及客户验证标准。

CPU市场增长，PCB企业真正应该关注什么？

花旗提出的3000亿美元CPU市场规模属于长期预测，并非已经形成的实际订单。

AI智能体能否持续推动CPU需求增长，还受到软件效率、芯片性能、服务器利用率和数据中心投资节奏等因素影响。

对于PCB产业，更有参考价值的是服务器厂商是否增加CPU配置、内存通道和高速接口，以及这些变化是否进入实际量产设计。

如果部分服务器平台因此采用更复杂的主板结构，高多层PCB、高速材料及精密制造工艺可能获得更多应用机会。

AI智能体带来的PCB机会，不在于CPU市场规模预测有多大，而在于新增计算需求最终转化成怎样的服务器硬件结构。

下一阶段，值得观察的是CPU服务器出货结构、AI计算平台的接口变化，以及高多层高速PCB需求能否随实际设备部署持续增长。