當DeepSeek、Seedance 2.0等現象級AI應用接連落地，全球算力需求正以遠超預期的速度狂飆。然而，算力軍備賽背后，AI基礎設施（AI Infra）產業鏈正遭遇前所未有的系統性梗阻。從芯片制造的核心設備到數據中心的一根銅纜，從特種材料到潔凈廠房，幾乎每一個關鍵環節都亮起了“紅燈”。

01

算力發展的四大"墻"

AI算力的發展并非單一維度的芯片性能提升，而是一個涉及計算、存儲、傳輸、能源的復雜系統工程。

（一）存儲墻：AI推理時代的第一重枷鎖

當前，AI行業重心正從大模型訓練轉向推理，預計2026年全球AI推理需求將超越訓練場景。AI推理側需求爆發，直接拉動對高帶寬內存（HBM）及大容量DRAM的需求。

盡管主要存儲芯片廠商正在計劃擴大產能，但從投資到生產線真正投產，至少需要兩年時間，這決定了緊缺格局在短期內難以緩解。新增產能主要集中在2027年及以后釋放，2026年行業將呈現需求快速增長而供給釋放滯后的結構性錯配。

（二）帶寬墻：數據流動的“毛細血管堵塞”

算力提升速度遠超數據傳輸速度。這一矛盾導致了嚴重的“帶寬墻”問題——數據在芯片內部、芯片之間、機柜內部以及數據中心之間的流動，成為了整個算力系統的性能瓶頸。

當前的帶寬瓶頸是多層級的：在芯片內部，晶體管之間的互聯延遲和功耗不斷上升；在芯片之間，傳統的PCB板載互聯已經無法滿足AI芯片之間的高帶寬、低延遲需求；在機柜內部，服務器之間的互聯帶寬成為了Scale Up（縱向擴展）的制約；在數據中心之間，長距離傳輸的帶寬和延遲則限制了Scale Out（橫向擴展）和跨區域算力調度的效率。

據測算，在當前的AI訓練集群中，數據搬運的能耗已經超過了計算本身的能耗。如何打通數據流動的“毛細血管”，降低傳輸延遲和功耗，是AI Infra發展必須解決的問題。

（三）計算墻：高端芯片制造是根本制約

AI芯片的性能迭代高度依賴先進制程工藝，而先進制程的產能則完全受制于上游的高端制造設備，尤其是EUV（極紫外）光刻機。

目前，全球只有ASML一家能夠生產EUV光刻機，其產能極其有限，且受到嚴格的出口管制。這直接導致了7nm以下先進制程的產能嚴重不足，無法滿足AI芯片的爆發式需求。英偉達作為全球AI芯片的龍頭，其H100、H200等高端芯片的出貨量一直受制于臺積電的先進制程產能，交貨周期長達數月甚至一年以上。

更嚴峻的是，芯片制造是一個高度全球化的產業鏈，任何一個環節的斷裂都會影響整個產能。從光刻膠、靶材、電子特氣等原材料，到刻蝕機、沉積設備等關鍵設備，都存在不同程度的壟斷和供給限制。這使得高端芯片制造能力成為了AI Infra產業鏈中最難以突破的制約瓶頸。

（四）電力墻：相對可控的短期挑戰

與前三者相比，電力墻是相對容易解決的瓶頸。AI數據中心是能耗大戶，一個超大型數據中心園區的年耗電量，甚至超過數十萬人口的中等城市。目前，全球數據中心總用電量占全球總用電量的2%～3%，且仍在攀升。但電力問題本質上是基礎設施建設問題，可以通過燃氣輪機、燃料電池、光伏等多元能源供給方式來解決。

從長期來看，隨著可再生能源技術的發展和能源基礎設施的完善，電力供應不會成為AI算力發展的中長期最大瓶頸。但在局部地區，由于電網建設滯后，短期供電壓力仍然存在，可能會限制數據中心的建設速度。

02

擴產的“隱形殺手”：設備與材料的全面緊缺

AI芯片擴產速度遠低于預期，核心制約并非芯片本身，而是上游設備與材料環節的全面短缺。

（一）測試設備需求增長迅速

AI芯片技術升級推高了測試設備的精度、效率要求。相較于普通邏輯芯片，AI GPU的信號端口數量暴增，會消耗更多測試機的信號通道資源；同時其晶體管數量激增，對應的測試向量規模和單芯片測試時長也大幅增加。更關鍵的是，傳統消費電子領域的芯片只有一定比例的芯片會進行測試，但對于人工智能芯片來說，必須對所有芯片進行100%的測試，而且通常需要經過多個階段，以確保整個芯片組正常運行。在AI算力需求的強力驅動下，疊加存儲器市場的爆發，半導體測試設備（ATE）幾乎成為了整個半導體設備賽道中出貨量增速最快的品類。

全球最大的芯片測試設備供應商愛德萬測試（Advantest）也表示，預計截至2026年3月的財年將創下歷史新高，營收預計增長37%，凈利潤將比上年翻一番以上。

（二）IC載板/封裝基板：比芯片更貴的“卡脖子”環節

令人意外的是，當前英偉達等頭部芯片廠商的最大供應鏈痛點，不是芯片本身，而是IC載板（封裝基板）。IC載板是連接芯片和PCB板的關鍵部件，起到電氣連接和物理支撐的作用。AI芯片對IC載板的要求極高——需要更大的面積、更高的布線密度、更好的散熱性能和更低的信號損耗。這也意味著它的價值必然要比普通PCB高得多。據測算，在整個封裝成本中IC載板成本占比高達50%左右，在先進的倒裝封裝中，這一比例甚至高達70%—80%。根據所選的樹脂材料不同，IC載板主要分為BT載板、ABF載板。其中，BT載板的主要應用產品是各類存儲芯片；而ABF更集中于邏輯芯片，例如CPU、GPU、FPGA、ASIC等。

據不完全統計，2025年以來，IC載板價格累計漲幅超過30%。漲價主要有兩大原因：一是上游原材料成本傳導，高端玻纖布、銅箔等核心原材料自2025年起持續供不應求，產能缺口不斷擴大；二是2.5D/3D先進封裝的需求爆發，GPU等高端芯片普遍采用多芯片堆疊架構，芯片層數與面積的大幅增加，直接推高了載板面積需求量。

不同于普通PCB，IC載板技術壁壘高、工藝復雜度大，全球高端IC載板的產能主要集中在欣興電子、南亞電路等少數臺資廠商手中，產能擴張周期長達18-24個月。這意味著，IC載板的緊缺局面在未來兩年內難以得到根本緩解。

（三）關鍵特種材料：極度稀缺的“工業味精”

一些看似不起眼的特種材料，正在成為AI產業鏈的“致命軟肋”。Low-CTE（低熱膨脹系數）玻璃纖維、特種銅箔、高端鉆針等材料，雖然用量不大，但卻是制造高端IC載板和PCB板不可或缺的“工業味精”。

AI芯片的高功耗和高性能要求，使得載板和PCB板必須使用具有極低熱膨脹系數的材料，以防止在高溫工作環境下發生變形。同時，由于填料變硬，加工過程中使用的鉆針壽命大幅縮短至原來的1/5-1/7，導致鉆針的需求呈爆發式增長。

這些特種材料的技術壁壘極高，全球產能高度集中，且擴產難度大。一旦出現供給中斷，將直接影響整個AI產業鏈的正常運轉。

（四）高端潔凈室：被忽視的高壁壘環節

在AI產業鏈的擴產過程中，高端潔凈室是另一個被嚴重忽視的高壁壘環節。先進制程芯片和先進封裝對生產環境的潔凈度要求極高，空氣中的一粒微塵都可能導致整片晶圓報廢。

高端潔凈室的建設不僅需要巨額的資金投入，還需要極高的技術水平。從空氣凈化系統到防靜電設施，從溫濕度控制到振動隔離，每一個環節都有嚴格的標準。目前，全球高端潔凈室市場主要被海外廠商主導，其凈利率可達20%以上，遠高于國內同行。

隨著全球AI芯片產能的擴張，高端潔凈室的需求持續旺盛，成為了產業鏈中一個確定性極強的高景氣環節。

03

連接技術的“路線之爭”：銅回潮與光電融合

在算力和擴產瓶頸之外，數據中心內部的連接技術也正在經歷一場深刻的變革。銅與光的技術路線之爭，以及PCB/載板的技術升級，正在重塑AI Infra的連接格局。

（一）銅與光的場景化競爭與替代

長期以來，光模塊一直被認為是數據中心高速互聯的未來方向。但隨著AI算力需求的爆發，銅纜技術正在迎來“回潮”，銅與光形成了在不同場景下的互補與替代關系。

短距離（≤7米）：銅纜（AEC，有源銅纜）憑借成本低、可靠性高、延遲低的優勢，正在全面替代基于激光的光模塊。在服務器內部和機柜內部的短距離互聯場景中，銅纜的性價比優勢十分明顯。

中距離（~30米）：Micro LED光纜成為了折中方案。它結合了銅纜和光模塊的優點，可靠性優于激光光模塊，成本也低于傳統光模塊，適用于機柜之間的中距離互聯。

長距離（數據中心間）：傳統可插拔光模塊與光纖仍然是主流。CPO（光電共封）技術被認為是未來的發展方向，它將光引擎和芯片封裝在一起，能夠大幅提升帶寬和降低功耗，但目前仍面臨成本高、可靠性差等挑戰，大規模商用尚需時日。

值得關注的是，AI數據中心對光纖的采購規模與性能規格要求，已與傳統電信網絡形成量級差距。為滿足GPU集群低時延、高帶寬的互聯需求，G.657.A2等特種光纖需求持續走高，而更為前沿的空芯光纖方案也已進入實際部署階段�？招竟饫w以空氣取代傳統玻璃纖芯，傳輸性能實現顯著優化：傳輸損耗可由常規0.14dB/km降至0.1dB/km以下，傳輸時延從5μs/km降至3.46μs/km，同時可耐受更高光功率。

當前空芯光纖市場參與廠商快速擴容，價格卻保持相對穩定，單價約3萬-4萬元/公里，遠高于普通光纖。

（二）PCB/載板的技術升級壓力

為了滿足AI芯片的高帶寬需求，PCB和載板技術也在不斷升級。當前，PCB/載板正在向n+m結構、玻璃基板、半加成法（mSAP）工藝方向發展。

n+m結構通過增加層數和布線密度，提升了載板的帶寬能力；玻璃基板具有更低的熱膨脹系數和更好的高頻性能，是未來高端載板的重要發展方向；mSAP工藝則能夠實現更精細的線路布線，滿足高密度互聯的需求。

這些技術升級對上游的設備、材料和制造工藝都提出了全新的要求，也帶來了新的產業機會和挑戰。

04

總結

AI Infra產業鏈正面臨著多維瓶頸的交織制約。從算力層面的存儲墻、帶寬墻、計算墻、電力墻，到擴產層面的測試設備、IC載板、特種材料、潔凈室緊缺，再到連接層面的技術路線之爭，每一個環節都在影響著AI算力的規模化部署。

高端芯片制造能力是最根本的制約，它決定了AI芯片的性能上限和產能規模。而測試設備、高端IC載板、關鍵特種材料等，則是當前產業鏈中確定性最強、供需矛盾最突出的環節。從長期來看，AI Infra的發展將呈現出兩大趨勢：一是銅纜回潮與光電融合的技術演進，不同技術路線將在各自的優勢場景中并存；二是全球產業鏈的重構與國產化的加速，國內企業在部分細分領域有望實現突破。

       原文標題 : AI Infra產業鏈卡在哪里了？