AI PCB 第四阶段：从 GB300、Rubin、ASIC 到 1.6T，谁在把 PCB 价值量继续抬高

目 录

一、先把问题换成 value per rack，而不是 server units

二、GB300 到 Rubin：平台升级不是换芯片，而是重做板级系统

三、ASIC：不是 GPU 的反面，而是 PCB 价值量的第二条曲线

四、800G 到 1.6T：网络把高端 CCL 从服务器推向交换系统

五、800V/HVDC：电源架构把 PCB 价值量从信号板推到重铜板

六、ABF/FC-BGA：从 GPU 载板短缺，变成系统级 substrate upcycle

七、公司排序：谁先兑现，谁弹性最大，谁壁垒最硬

八、为什么这轮不是 2021 年 CCL 周期重演

九、投资结论：买的不是 PCB 概念，而是架构升级中的不可替代位置

AI PCB 第四阶段：从 GB300、Rubin、ASIC 到 1.6T，谁在把 PCB 价值量继续抬高

AI PCB 写到第四篇，最重要的判断要更直接：2026-2027 年 PCB 产业链不该再按“服务器台数”定价，而应按 value per rack 定价。GB300、Rubin、ASIC、800G/1.6T 交换、光模块、HVDC、midplane/backplane 和 FC-BGA/ABF 一起，把单机柜里的 PCB、CCL、铜箔、玻纤布和 ABF 载板从成本项推成交付项。谁能把下游架构升级变成自己的单位价值量提升，谁才是第四阶段真正的瓶颈资产。

AI PCB材料重估全解 — 从CCL涨价、玻纤布织机到ABF缺口与机柜升级

AI PCB 从材料重估到利润兑现：深南 30+层 MLPCB、TUC 高端 CCL、建滔材料一体化、NYPCB 欣兴 ABF 载板，谁先把涨价写进报表

先进封装三足共振进入 2027 价差期 — 欣兴电子 ABF 缺口 35%、联发科 TPU 协调芯片放量、CoWoS 满载万字全解

前面三篇的逻辑是一条从中游往两端推的链。第一篇讲材料重估：M8/M9 CCL、低 CTE 玻纤布、HVLP 铜箔、ABF 和机柜升级不再是普通成本项，而是 AI 交付瓶颈。第二篇讲利润兑现：深南、TUC、建滔、NYPCB、欣兴谁能把涨价写进收入、毛利率和资本开支。第三篇讲供给开闸：扩产公告不等于有效产能，真正卡住的是材料、设备、工艺、认证和资本五道门。

这一篇换一个方向，从下游架构反推 PCB 价值量。我的结论先放在前面：第四阶段最先看 TUC 和高多层 PCB，因为它们最容易先进报表；弹性最大看台光、建滔和 NYPCB，因为它们分别对应 M9/M10、材料一体化和 ABF 现货；壁垒最硬看欣兴、Ibiden 和能稳定做 30+ 层 MLPCB / high layer count PCB 的一线板厂，因为系统级认证和良率最难复制。换句话说，这篇不是再证明“AI PCB 受益”，而是要把“谁先兑现、谁弹性最大、谁壁垒最硬、谁风险最高”排出来。

为什么要这样写？因为市场到现在已经知道“AI PCB 很景气”，但对景气的拆法仍然容易停在两个浅层指标：一是 AI server 出货量，二是 PCB/CCL ASP 涨价。问题是，AI PCB 这一轮不是普通服务器周期。普通周期里，服务器数量上去，PCB 面积跟着上去；这一轮更复杂，GPU 平台、ASIC、交换系统、光互连、电源架构和封装基板同时升级，单位服务器、单位机柜、单位 AI chip 对应的板级材料价值都在变。

更直白一点，AI PCB 的第四阶段不是买“服务器多卖几台”，而是买“每一台服务器、每一个机柜、每一条网络链路、每一颗 ASIC 周边，需要更贵、更厚、更低损耗、更难做的板材和载板”。如果说前几篇是从供给端解释为什么涨价，那么这篇要回答：下游到底在发生什么，让客户愿意继续付更高的 PCB、CCL、ABF 价格？

我会把这条线拆成六个传导环节。

这张表是全文的骨架。AI PCB 不是一条单线，而是六条线同时往上拉。单看 GPU 出货，会低估 ASIC；单看 ASIC，会低估 switch 和 optical；单看服务器主板，会漏掉 HVDC power board；单看 GPU ABF，会漏掉 CPU、DPU、NIC、switch ASIC、CXL 这些系统级 FC-BGA。真正的增量不是一个部件，而是 AI rack 被重构以后，整个板级和载板层的价值重估。

最核心的模型，是把平台代际从“芯片升级”翻译成“板级价值升级”。H100/H200 到 GB200/GB300，PCB/CCL 价值已经从 OAM、UBB、compute board 和 switch board 抬高一轮；到 Rubin/Rubin Ultra，变量不再只是 GPU 本身，而是 package 数量、Vera CPU、switch fabric、midplane/backplane、power rack 和 FC-BGA/ABF 的系统级扩散。

这张表是本文的“硬模型”。如果只看服务器台数，可能会觉得出货波动很大；但如果看每一代平台的 board count、layer count、material grade、substrate count 和 power board，就会发现价值量仍在上行。AI PCB 第四阶段买的不是单一出货量，而是单位 rack 的材料含量继续变重。

一、先把问题换成 value per rack，而不是 server units

过去看 PCB，最常见的分母是出货面积、服务器数量、交换机数量。这个分母在传统电子周期里够用，但放到 AI 机柜里会失真。因为一台 GB200/GB300 或 Rubin 机柜，本质上已经不是“很多服务器堆起来”，而是一个 rack-scale compute system：GPU、CPU、switch、NIC、retimer、power、liquid cooling、backplane/midplane 都在同一个系统里共同设计。

当系统从 server-level 走向 rack-level，PCB 的估值逻辑会发生三层变化。

第一，单位 GPU 对应的 PCB/CCL 价值上升。H100/H200 到 GB200/GB300，compute board、switch board、UBB/OAM 和高速 CCL 的规格已经上台阶；到 Rubin/Rubin Ultra，机柜密度、功耗和互连要求继续抬高，midplane/backplane 或更复杂的板级互连会把材料要求继续往上推。

第二，单位机柜里的高性能逻辑芯片数量上升。传统写法容易只数 GPU，但 AI 系统里 CPU、DPU、NIC、switch ASIC、CXL 相关器件都在增加。每一颗芯片后面都有 substrate，每一个高速节点后面都有 PCB 和 CCL。单颗价值可能低于 GPU，但数量多、分布广，累积起来就是系统级需求。

第三，网络和电源不再是外围。800G/1.6T 交换、光模块、OCS/CPO/NPO、800V DC、BBU、PDU、DC/DC 全都把 PCB/CCL 从服务器内部推到机柜和数据中心基础设施。AI PCB 的边界正在扩大，从“服务器板”扩大到“机柜板”“电源板”“网络板”“光模块板”“封装载板”。

高盛在台湾 PCB/CCL 报告里给了一个很关键的框架：M8+ grade CCL 的 TAM 2024-2027 年复合增速约 130%，而整体 CCL 行业只有约 12%；到 2027 年，M8+ 可能占到整体 CCL TAM 的 20%。这个对比极其重要。它说明 AI PCB 的重估不是“CCL 行业整体变好”，而是 M8+ 这个高端切片长得远快于行业，且价格是行业平均的数倍。

M8+ grade CCL TAM will lead the overall CCL market growth.

这个短句背后，是本轮 AI PCB 的核心。普通 CCL 还在普通电子周期里，高端 M8/M9 CCL 已经跟着 GPU、ASIC、800G/1.6T switch 进入另一个增长曲线。把两者混在一起看，会同时低估龙头利润弹性、也高估普通供应商跟涨能力。

胜宏科技工厂参观报告则把 value per rack 写得更直接：AI server PCB/CCL 的增长不是单纯数量增长，而是出货、材料消耗和 ASP 同时上移。也就是说，量在涨，单价也在涨，且单价涨幅本身足够决定利润弹性。关键数据放在下面这张表里。

这就把第四阶段的核心问题说清楚了：如果一个供应商只吃到出货面积增长，它是 AI PCB 的 beta；如果它同时吃到材料等级、层数、客户认证、ASP 和毛利率，它才是 AI PCB 的 alpha。

二、GB300 到 Rubin：平台升级不是换芯片，而是重做板级系统

NVIDIA 平台升级最容易被写成芯片代际：H100/H200 到 B200/GB200，再到 GB300、Rubin、Rubin Ultra。这个写法对半导体主线没问题，但对 PCB 不够。PCB 更关心的是：平台升级以后，系统怎么连、怎么供电、怎么散热、怎么把 GPU/CPU/switch/HBM 放在一起。

Rubin Ultra 是一个很好的观察点。瑞银供应链分析认为，Rubin Ultra 预计 2027 年下半年推出，可能继续采用 2 GPU die CoWoS package，每个 package 包含 2 个 GPU die 和 8 个 HBM stack。这与部分市场此前讨论的 4 die 方案有差异。这个分歧本身不应简单理解为“规格下修”，而应理解为封装、CoWoS、substrate、rack density 之间的系统权衡。

Nvidia's Rubin Ultra sticking with 2-die CoWoS package.

如果 Rubin Ultra 继续 2 die package，单个 package 的极限尺寸压力低于 4 die 方案，但系统端未必降级。因为算力需求不会消失，可能通过更多 package、更多 rack unit、更高 rack density 和更高功率来实现。瑞银报告也提到，2 die 方案会提高 ODM rack unit count 和 value add revenue，并推动 power rack 从 660kW 继续向 1MW+ 升级。对 PCB 来说，这意味着需求可能从单个超大封装部分转移到更多系统板、更复杂机柜互连和更高功率配套。

这就是 AI PCB 和纯先进封装不同的地方。封装路线变化会在 ABF/CoWoS 上重新分配价值，但 rack-level 系统复杂度仍然上升。即使 GPU package 不从 2 die 跳到 4 die，更多 package、更高机柜密度、更强 host CPU、更复杂 switch fabric，也会继续推高 PCB/CCL 和 FC-BGA 需求。

这里要避免一个常见误判：把 GPU 平台升级只看作“GPU 单价”和“GPU 出货”。对 PCB 来说，真正重要的是每一代平台会不会带来更多板位、更高层数、更高材料等级、更复杂的互连拓扑和更高的可靠性要求。GB300/Rubin 不是简单替换 H100/H200，而是把 AI 服务器从单机服务器继续推向机柜级系统。

在这个过程中，midplane/backplane 可能成为最关键、也最容易被低估的 PCB 增量。传统服务器里，主板和背板是相对成熟的部件；AI rack 里，midplane/backplane 承担的是高速互连、模块连接、电源分配、信号完整性和机械可靠性。层数、面积、厚度、板翘、压合、阻抗、低损耗材料、热膨胀匹配都会变成系统稳定性的前提。

这也是为什么深南、胜宏、GCE 这类高多层 PCB 厂，不能只按“PCB 面积”估值。高层数、大尺寸、高速材料、多次压合和客户认证共同构成有效产能。AI rack 里，一块 midplane/backplane 如果失败，影响的不只是单个板位，而是整套机柜交付。

从投资角度看，GB300/Rubin 平台升级带来的不是单一赢家，而是三个层次的重估。第一层是高多层 PCB：深南、胜宏、GCE、沪电这类供应商吃到层数、面积和客户份额。第二层是高端 CCL：TUC、台光、生益、建滔吃到 M8/M9/M10 和低损耗材料。第三层是 ABF/FC-BGA：欣兴、NYPCB、景硕、Ibiden、SEMCO 吃到 GPU、CPU、DPU、switch ASIC 等高性能芯片 substrate 需求。

三、ASIC：不是 GPU 的反面，而是 PCB 价值量的第二条曲线

市场有时把 ASIC 和 GPU 写成竞争关系：ASIC 放量，会不会削弱 NVIDIA GPU？这个问题对芯片估值很重要，但对 PCB/CCL/ABF 来说，答案更复杂。ASIC 不是 PCB 需求的反面，很多时候反而是第二条增长曲线。

原因很简单。云厂自研 ASIC 的目标是更好的 workload customization、更低成本、更强推理效率。它并不消灭 AI server，反而增加了 AI server 的形态分化：full rack GPU server 继续存在，baseboard-based high power AI server 和 ASIC AI server 同时放量。对 PCB 来说，服务器形态越分化，板级设计、客户认证、材料组合和高层数 PCB 项目越多。

高盛服务器 TAM 报告预计，全球 AI server volume 对 AI chips 的需求在 2025/2026 年分别为 900 万和 1200 万颗，其中 ASIC 出货占比分别为 38% 和 40%。同一份报告还把基于 ASIC 和 GPU 平台的 baseboard-based AI server 2025/2026 年单位预估分别上调 25% 和 14%，理由是这类服务器更适合定制化，也能降低客户预算压力。

这张表说明，ASIC 对 PCB 是加法，不是减法。GPU 平台继续推动最高端机柜、最高功耗和最复杂互连；ASIC 平台推动更多云厂自研项目、更分散的 board design、更大规模的推理服务器和更高的定制化认证。两者一起，会让 PCB/CCL 需求从“一个大客户一条路线”变成“多个云厂多条路线”。

高盛台湾 PCB/CCL 报告也把 ASIC 写得很清楚：M8 grade CCL 主要由 800G 和 ASIC AI server 拉动，2025 年 TAM 可能同比约 300%；M8+ CCL 的关键应用包括 GPU/ASIC AI server 和 800G switch。报告还预计，M8+ CCL TAM 将从 2024 年约 3 亿美元，升至 2027 年约 36.21 亿美元。这里的重点不是某一年绝对值，而是增长速度和应用结构：ASIC 与网络共同把 M8+ 拉成高端 CCL 里最陡的曲线。

ASIC 还有一个容易被低估的价值：它让客户认证更值钱。GPU 平台虽然高端，但路线相对集中；ASIC 项目来自不同 CSP，不同芯片、不同板级设计、不同散热和电源方案，会产生更多认证组合。对供应商来说，进入一个 ASIC 项目，不只是拿一个订单，而是拿到未来几代定制硬件的学习曲线和客户粘性。

这也是为什么 GCE、胜宏、深南这些高多层 PCB 厂，以及 TUC、台光、生益、建滔这些 CCL 厂，要单独看 ASIC 暴露。高盛报告认为 GCE 在 CSP ASIC AI server 市场份额可能从 2024 年不到 30% 提升到 2025 年约 40%，成为最大供应商之一；胜宏报告也提到公司 MLPCB 和 HDI 已进入全球 GPU AI server 客户，并向多个 AI ASIC server 客户扩张。这个信息的价值在于，ASIC 正在成为高多层 PCB 厂的第二增长曲线，而不是 GPU 周期的尾部补充。

如果用一句话概括：GPU 决定 AI PCB 的规格上限，ASIC 决定 AI PCB 的需求宽度。前者让材料更贵，后者让项目更多。两条线同时成立，AI PCB 才不是单一 GPU 周期，而是 AI 基础设施材料周期。

四、800G 到 1.6T：网络把高端 CCL 从服务器推向交换系统

AI PCB 第四阶段最值得单独写的一条线，是 800G/1.6T 交换。原因很简单：很多人看 AI PCB 只看服务器主板和 GPU 载板，但网络升级会把高端 CCL 的需求从服务器内部扩展到交换机、线卡、光模块和背板系统。

训练集群越大，GPU/ASIC 之间的数据交换越重。推理进入 agentic 和长上下文以后，networking 也不再只是训练集群的配套，而是推理成本、延迟和吞吐的关键。800G/1.6T 交换不是一个“光模块故事”，它对 PCB/CCL 的要求很硬：更高速率、更低损耗、更严格阻抗、更高热密度、更复杂布线、更高层数。

高盛台湾 PCB/CCL 报告明确把 800G switch 和 ASIC AI server 放在一起，认为二者是 M8+ CCL 和 high layer count PCB 的关键驱动。报告预计，800G switch 和 ASIC AI server 的 PCB TAM 从 2024 年约 1.12 亿美元和 6.75 亿美元，升至 2025 年约 5.50 亿美元和 16.40 亿美元。这个增速解释了为什么 high-end PCB/CCL 供应商能在短期 ramp 里承受部分良率压力，因为项目本身的 ASP 和毛利率上限更高。

这里最容易犯的错误，是把 800G/1.6T 写成光模块供应链，而忽略交换机主板和背板。光模块当然重要，但交换芯片、switch PCB、line card、backplane/midplane 同样会消耗 M8/M9 CCL、HVLP 铜箔和高层数 PCB 产能。随着 1.6T 加速，板级材料的损耗预算更紧，供应商不能简单用上一代材料做延伸。

从公司映射看，TUC 是这条线里最直接的样本之一。TUC 已经是高端 switch CCL 的核心供应商，并在 400G/800G/1.6T switch、1.6T 光模块和 AI server 之间形成组合。台燿报告也显示，公司受益于 AI server、光模块份额提升和高压直流铜箔基板需求。光模块板面积小，但材料等级高、ASP 友好；switch board 面积更大、层数更高，是 CCL 和 high layer count PCB 的双重受益。

Coherent 和 Lumentum 财报线索也说明，1.6T 不是远期概念。Coherent FY26 Q3 收入达到 18.06 亿美元，Non-GAAP 毛利率 39.6%，Q4 指引继续上行；Lumentum FY26 Q3 收入 8.084 亿美元，同比增约 90%，Non-GAAP 毛利率 47.9%，经营利润率 32.2%。这些数据本身不是 PCB 数据，但它们验证了 800G/1.6T 光互连需求正在进入报表。光互连越快放量，对 switch PCB、光模块 PCB 和高端 CCL 的拉动就越扎实。

更重要的是，OCS、CPO/NPO 会改变网络系统的板级拓扑。传统可插拔光模块可以让光模块和交换机板有相对清晰的边界；CPO/NPO、OCS 和更复杂的光电混合，会让封装、PCB、散热、电源和光学器件耦合更紧。对 PCB/CCL 来说，这不是需求消失，而是形态迁移。供应商需要证明自己能在更高频、更高热、更短互连、更复杂封装边界下稳定交付。

所以，1.6T 对 AI PCB 的意义不是“光模块单价涨了”。它真正的意义是，网络层的速率升级把 PCB/CCL 的瓶颈从服务器主板扩散到交换系统。GPU 和 ASIC 提高算力密度，800G/1.6T 决定算力能不能互联，二者共同抬高材料规格。

五、800V/HVDC：电源架构把 PCB 价值量从信号板推到重铜板

如果只从高速信号看 AI PCB，很容易漏掉电源板。AI rack 功耗上升以后，供电架构正在从“服务器内部电源问题”变成“机柜级系统设计问题”。这条线会把 PCB/CCL 的增量从低损耗信号材料，推到 heavy copper CCL、厚铜板、PDU、BBU、DC/DC 和 power rack。

数据中心物理拐点报告里有一组关键数字：Blackwell/B300 单芯片 TDP 已经进入 1kW+，Rubin 约 2.3kW，Rubin Ultra 超过 3.5kW。芯片功耗上去以后，风冷不够，液冷成为主流；更重要的是，传统 AC/DC 多级转换在机柜级效率下降，800V DC（±400V）架构被 NVIDIA 在 NVL72 参考设计里推到 2027 年下半年试产、2028 年上半年量产的窗口。

这条线对 TUC、台燿、建滔这类 CCL 厂尤其重要。台燿报告提到 HVDC 需求在 2026 年下半年可能环比翻倍，铜箔规格从 2-3oz 升到 5-6oz，heavy copper CCL 已在 1Q26 贡献约 12% 收入。这个细节说明，AI PCB 的材料升级不只有低损耗，也有厚铜和高电流。信号板要求低损耗，电源板要求大电流、高可靠和热稳定。两类材料的价格逻辑不同，但都由机柜功率密度驱动。

TUC 的 HVDC 线索同样值得重视。公司不仅有 AI server CCL，还有 Trainium 3、1.6T 光模块、1.6T switch 和 HVDC heavy copper CCL 多条线。如果只把 TUC 当成“AI server CCL 涨价”，会低估它在机柜侧电源升级中的位置。HVDC 项目一旦放量，TUC 的收入结构就不只是服务器主板，而是从服务器、网络扩到电源。

从供给角度看，HVDC 也不是普通扩产能解决。5-6oz 铜箔、heavy copper CCL、DC/DC 转换器板、BBU/PDU 板，都需要可靠性认证。800V DC 的安全问题还涉及 SiC 器件长期可靠性和 DC 电弧熄灭。NVIDIA 参考设计给出 2027 年下半年试产、2028 年上半年量产，如果认证延迟，机柜密度和供电效率都会受影响。

但从 PCB 投资角度，这种认证慢反而是壁垒。只要客户把 power rack、HVDC、BBU、PDU 和服务器系统一起设计，能够提前进入项目、配合验证的 CCL/PCB 供应商就会获得更强粘性。电源板不像普通消费电子板可以快速换供应商，一旦进入系统级安全认证，替换成本很高。

所以，HVDC 是 AI PCB 第四阶段必须写的一条线。它证明 PCB 价值量不是只跟带宽走，也跟功率走。GPU/ASIC 越快，信号板越贵；rack 功率越高，电源板越贵。AI PCB 的价值量被“高速信号 + 高功率供电”两端同时推高。