PCB各领域需求情况如何？

随着 AI 的加速演进和 5G 渗透率的提升，各类终端应用对边缘计算能力和数据高速交换 与传输的要求提高，驱动大尺寸、高层数、高频高速、高阶 HDI、高散热 PCB 产 品需求的快速增长。

1.消费电子：端侧 AI 引领换机潮，提振消费电子景气度

FPC 是一种柔性印刷电路板，以聚酰亚胺或聚酯薄膜为基材，具有高可靠性和优 异的可弯曲性。FPC 的技术起源于美国的航天火箭领域，是在轻薄的塑料片上嵌 入电路设计，实现在有限的空间内堆叠大量的精密元件，形成可以随意弯曲、折 叠的电路。FPC 的结构由绝缘薄膜、导体和粘接剂组成，它具有重量轻、体积小、 散热好、安装简便等特点，突破了传统的互连技术的局限。

全球手机出货量维持同比增长，手机市场持续回暖。据 Canalys 数据，我们看到 2024Q1 全球智能手机出货量 2.96 亿部，YoY+10%，QoQ-7.5%，全球手机出货量连 续两月同比正增长，手机市场景气度逐步回暖；国内智能手机出货量 0.68 亿部，与去年同期近乎持平，与 Q4 旺季相比环比下滑 8.4%。综合来看，我们认为智能 手机市场已基本企稳，未来智能手机出货量将随着手机硬件的迅速迭代快速增长。

苹果 AI 新秀，赋能原生应用。Apple Intelligence 是苹果推出的首个 AI 系统。 在 WWDC 2024 上，苹果推出了首个适用于 iPhone、iPad 和 Mac 的个人智能系统 Apple Intelligence。它基于 A17 Pro 和 M 系列等 Apple 芯片的超强算力，将生 成模型直接集成到 iPhone、iPad 和 Mac 的核心中，使原生应用具备生成图像、 总结文本等新功能，并能够结合个人情境来提供智能协助。 Apple Intelligence 智能终端硬件升级，开启端侧 AI 新篇章。根据 WWDC，Apple Intelligence 将仅支持搭载了 A17 Pro 的 iPhone 15 Pro、iPhone 15 Pro Max 以及搭载 M1 或后续芯片的 iPad 和 Mac 设备。这意味着 Apple Intelligence 的 本地 AI 功能对智能终端硬件，无论是 SoC 及其配套硬件如电源、散热及存储等， 均具有较高的性能门槛。我们认为苹果的 AI 功能将进一步加强消费者对其后续 机型的换机需求，有望引领消费电子市场进入新一轮换机潮。

智能终端功能持续增加，FPC 含量逐步提升。不同的手机设计会导致使用不同的 FPC，下图为苹果手机的拆解示例，实际上苹果手机没有用到“第 5 项侧键用 FPC” 和“第 11 项 SIM 卡座用 FPC”，但这两种 FPC 在大多数国产手机中都有应用，所 以仍然把它们列在表格中。另外，苹果手机采用了“in-cell”技术，把显示模组 和触控模组合并为一体，但需要两个芯片，所以也需要两个 FPC，这两个 FPC 是 粘在一起的，如图中的第 9 项所示。此外，随着智能手机的不断进步，一些新的 部件也需要使用 FPC，比如指纹识别模组、电池等，根据领智电路数据，iPhone X 的 FPC 用量超过 20 片。总的来说，智能手机上的大部分部件都要靠 FPC 来连接 主板。我们认为，随着智能终端的 FPC 含量的逐步提升以及市场的边际回暖将进 一步推动国内 FPC 市场量增。

FPC 有望拥抱 AR/VR 行业星辰大海。我们看到 VR 设备出货量在 2020 年 9 月具备 较高性价比优势的 Oculus Quest 2 发布后迎来了一波高潮，2021 全年出货量达 到 1029 万台，同比增长 72%。 2023 年全球 VR 销量为 753 万台，较 2022 年下滑24%，Meta、Pico 等头部品牌销量双双下滑：2023 年 Meta 全年销量约为 534 万 台，较 2022 年同比下滑 32%，Pico 全年销量为 26 万台，较 2022 年下滑 73%。基 于游戏为核心应用场景的 VR 在 2022 年开始遇到了增长瓶颈，换机周期长，缺乏 重点内容驱动硬件升级和消费者换新。我们认为苹果引领生态端改善有望提振 VR 销量，根据 Wellsenn XR 的预测数据，其对未来的增长前景十分看好，预计 27 年 VR/AR 的出货量将分别达到 3000、500 万台。

智能终端硬件升级推动类载板占比提升。类载板（Substrate-Like PCB，SLP）是 一种介于 IC 载板以及 HDI 板之间的一种 PCB 板。随着对重量及尺寸较为敏感的 消费电子终端在轻量化方面的要求日渐苛刻，但同时对终端功能及性能的需求进 一步提升，因此消费电子终端需要更小的线宽，SLP 也就应运而生，也正是各大 手机厂商对 SLP 产品的巨大需求推动了近年来 PCB 供应商对 SLP 的大力投资。

PCB 主要分为以下三种工艺： 减成法（SP）：最传统的 PCB 制造工艺，首先在覆铜板上镀一定厚度的铜层，然 后使用干膜将线路及导通孔保护起来，将不需要的铜皮刻蚀掉。该方法最大的问 题是在蚀刻过程中，铜层侧面也会变刻蚀一部分（侧蚀）。侧蚀的存在使得 PCB 的 最小线宽/间距只能大于 50μm（2mil），从而只能用于普通的 PCB、FPC 以及 HDI 等产品上。 加成法(AP)：首先在含光敏催化剂的绝缘基板上进行线路曝光，然后在曝光后的 线路上进行选择性化学沉铜，从而得到完整的 PCB。该方法由于不需要后期的蚀 刻，可以达到很高的精度，制成可以达到 20μm 以下。目前该方法对基材和工艺 流程要求很高，成本高，产量小；主要用于生产 WB 或 IC 载板，其制程可达 12μ m/12μm。 改良型半加成法（MSAP）：首先在覆铜板上电镀薄铜层，然后将不需要电镀的区域 保护起来，再次进行电镀并涂上抗蚀涂层，接下来通过闪蚀将多余的化学铜层去 除，留下来的就是需要的铜层线路。由于一开始电镀的铜层很薄，闪蚀的时间很 短，因此侧蚀造成的影响较小。相比于减成法和加成法，MSAP 工艺在制造精度上 与加成法相差不大的情况下，生产良率大幅度提高，生产成本下降，是目前精细 电路线路载板最主流的制造方法。该技术大量应用于 CSP、WB 和 IC 载板等精细 线路载板的制造。

SLP 可集成更多元件，需求将进一步提升。SLP 技术要求线宽/线间距等于或小于 30/30μm 以减小主板的尺寸，为附加元件提供更多空间。因此，虽然 SLP 属于印 制线路板，但其采用 MSAP 制程技术而非减成法工艺。同时，随着芯片功率的上 升以及先进封装形式的快速迭代，芯片、IC 载板以及 PCB 之间的 CTE 系数逐渐出 现了不匹配，而 SLP 可以缩小 PCB 与 IC 载板和芯片之间的 CTE 差距，这对于手 机等在散热方案较为单一的终端来说尤为重要，而这进一步巩固了 SLP 相较于传 统 PCB 的优势。我们认为随着消费电子终端对轻量化以及集成化的需求进一步提 升，SLP 因其能集成更多元件以及更优的 CTE 系数等优势，预计在智能终端中的 份额将进一步提升。

人形机器人新需求，PCB 占比伺服驱动材料成本 10%。机器人运动关节伺服电机 控制是机器人技术中至关重要的组成部分，它驱动了机器人的高精度、智能和协 调运动。伺服系统最主要构成包括伺服驱动和伺服电机两部分，其中伺服驱动直 接材料成本占 85%，材料成本中 IGBT+DSP 芯片占 50%以上，PCB 占比 10%。特斯 拉最新的 Optimus 二代新增至 42 个伺服关节，目前国内已发布的几款人形机器 人中，优必选的 Walker X 用了 41 个高性能伺服驱动关节，小米 Cyber one 用的大力矩电机，有 24 个关节；智元机器人远征 A1 用了多种电机与执行器，全身 49 个关节。我们认为，人形机器人将成为继计算机、智能手机、新能源汽车后的颠 覆性产品，有望成为新的 PCB 需求增长点。

2. 服务器：算力需求井喷，高价值量 AI 服务器渗透率逐升

全球数据中心资本开支长期增长趋势明显，PCB 需求持续增长。根据 Dell'Oro Group，2022 年全球数据中心资本支出同比增长 15%达到 2410 亿美金。超大规模 云服务提供商经历过去三年强劲的扩张周期，在经济下行周期中开始谨慎地进行 资本开支，2023 年全球数据中心资本支出增速或将回落至个位数。长期来看，数 据量持续增加，AI 驱动数据运算需求加速增长，数据中心和企业市场资本开支长 期维度仍将持续扩张。Dell'Oro Group 预计 2027 年全球数据中心资本支出将达 5000 亿美元，超过 20%的服务器部署可能会是加速类型，边缘计算预计将占数据 中心基础设施总支出近 8%。 服务器出货将在2024年显著增长。受下游需求疲软以及终端库存持续调整影响， 尽管由于主要的云服务提供商资本开支增速回落，2023 年服务器出货量同比下滑6%。但随着下游持续去库存，长期来看数据处理量的增长以及数据中心的提升， 我们认为服务器出货有望在 24 年恢复增长，预估 24 年全球服务器整机出货量约 1365.4 万台，年增约 2%。

AIGC 热潮驱动 AI 服务器加速扩张。受自动驾驶、AIoT 与边缘运算等新兴应用驱 动，诸多大型云服务商开始加大投入 AI 相关的基础设施建设，TrendForce 估计 2023 年 AI 服务器年出货量占整体服务器比重为 8%左右，2024 年市场仍聚焦部 署 AI 服务器，估计 AI 服务器出货占比约 12.1%。从采购份额来看，预估 24 年美 系四大 CSP Microsoft、Google、AWS、Meta 各家占全球需求比重分别达 20.2%、 16.6%、16%及 10.8%，合计将超过 6 成，其中，搭载 NVIDIA GPU 的 AI 服务器机 种占大多数，其 GPU 服务器占整体 AI 市场比重高达 6-7 成。

AI 服务器带动 PCB 量价齐升。服务器内部需要多种形式的 PCB，通常包括服务器 主板、CPU 板、硬盘背板、电源背板、内存、网卡等多种不同规格的 PCB 产品。服务器平台的升级将带动内部 PCB 层数、材料特性等提升，对应价值量亦将大幅 增长。AI 服务器相比于传统服务器增量在于 GPU 板（UBB）、GPU 加速卡（OAM）以 及 Switch Board 等产品。以 DGX A100 为例，其内部 PCB 价值量较高的 GPU 加速 模块，包含一张 GPU 母板、8 张 GPU 加速卡以及 6 个 NvSwitch，支持 600GB/s 的 GPU 与 GPU 之间高速互联。除此之外，网络接口、硬盘、内存、电源、风扇等都 将相应贡献整机 PCB 用量，AI 服务器单机价值量较传统服务器大幅提升。

GB200 NVL72 是一个全机架解决方案，具有 18 台 1U 服务器，每台服务器都有两 个 GB200 超级芯片。GB200 Superchip compute Tray 配备两颗 Grace CPU 和四 颗 B200 GPU，具有 80 petaflops 的 FP4 AI 推理性能和 40 petaflops 的 FP8 AI 训练性能。除了 GB200 Superchip compute Tray 外，GB200 NVL72 还配备 9 个 NVLink Switch Tray，每个 tray 有两个 NVLink Switch 芯片，提供 14.4TB/s 的 总带宽。总体来看，GB200 NVL72 拥有 36 个 Grace CPU 和 72 个 Blackwell GPU， 具有 720 petaflops 的 FP8 和 1440 petaflops 的 FP4 计算能力，英伟达表示 NVL72 可以为 AI LLM 处理多达 27 万亿个参数的模型。

拆解 GB200 NVL72 的硬件结构，从上往下依次为最顶层的 2 台 IB 交换机，3 组 电源控制模块，10 台 GB200 服务器，9 台 NVLink 交换机，8 台 GB200 服务器以 及底部的 3 组电源模块。

从架构角度来看，单台 GB200 服务器内部由两个 Superchip 组成，每片 superchip 搭载一块 Grace CPU 以及两块 B200 GPU，CPU 与 GPU 之间基于 PCIe 互联，GPU 之 间通过 Nvswitch 基于 Nvlink 互联。除了 CPU 与 GPU 之外，GB200 服务器内部其 他的重要部件还包括网卡以及 DPU 等。

从 PCB 的角度来看，GB200 NVL72 的架构升级对 PCB 的影响有以下两点： 1）此前 A100 及 H100 的 OAM 卡升级为 superchip，升级之后的 Superchip 主板 融合了承载 GPU、CPU、内存以及其他关键器件的功能并实现各器件之间的互联 互通，一方面 Superchip 面积增大以承接更多器件，另一方面材料及功能复杂 度提升以匹配性能升级，整体集成度提升，对应不再需要 CPU 主板及 UBB，因 此常规的通孔板用量大幅减少，而基于 HDI 方案的 PCB 用量则显著提升。 2）NVLink switch 独立出来形成单独的 NVLinkSwitch 交换机，以实现整个机架 GPU 互联以及内存带宽共享，对应 PCB 的需求一方面面积显著增加，另一方面伴 随 NVLinkswitch 的升级 PCB 材料亦有升级，单机价值量进一步提升。

总结来看，GB200 的架构升级对应 PCB 层面来看，整机集成度不断提升，同时性 能、高频高速材料、带宽传输速率、功耗散热各个维度均有成倍提升。而集成度 提升对应布线密度提升、以及传输和散热能力的提升正是 HDI 板的优势所在。我们判断 AI 时代 HDI 需求将有显著提升。 进一步梳理各个结构器件的升级，以此判断 PCB 的升级程度。 GPU：从 H100 升级至 GB200（两颗 B200），B200 GPU 内部晶体管数量为 2080 亿 颗，较 H100 的 800 亿颗提升 2.6 倍，更多的晶体管数量可以支持更大参数模型 的训练，但对应功耗也从 H100 的 700W 升级至 B200 的 1000W，而整个 GB200 的功 耗则预计达到 2700W（2*GPU+1*CPU）。 内存：GPU 内存采用 HBM3e，每颗芯片内存容量为 24GB，理论带宽限制为 1.2TB/s， 实际带宽为1TB/s。一片Superchip的内存容量为24*16=384GB，带宽则为16TB/s。 整机 HBM 内存容量高达 13.5TB，带宽为 576 TB/s。

NVLink：从 4.0 升级至 5.0，NVLink 4.0 时显卡单一 lane 带宽为 50GB/s，18 条 lane，故带宽为 900GB/s，而升级的 NVLink5.0，保持 18 条通道不变，但单一通 道的带宽从 50GB/s 升级至 100GB/s，故 Nvlink 5.0 的带宽达 1.8TB/s。也即 GPU 最大带宽达 1.8TB/s。 NVswitch：第四代 NVSwitch 芯片有 72 个 NVLink 端口，每个端口有 2 个通道， 双向带宽为 100GB/s，总计 7.2TB/s。除了 GPU 互联带宽较 Nvswitch3.0 提升一 倍，其集群互联带宽上限达 1PB/s。 IB NIC：GB200 NVL 72 将使用新一代 InfiniBand 网卡 ConnectX-8，对应的通信 带宽为800Gb/s。之前的H100则使用的是ConnectX-7网卡，通信带宽为400Gb/s， 而 A100 则使用的是 ConnectX-6 网卡，带宽为 200Gb/s。IB 连接带宽显著增加。 综合以上，GB200 的架构升级对应 PCB 层面来看，整机集成度不断提升，同时性 能、高频高速材料、带宽传输速率、功耗散热各个维度均有成倍提升。而集成度 提升对应布线密度提升、以及传输和散热能力的提升正是 HDI 板的优势所在，因 此我们认为 HDI 需求将在 AI 时代显著提升。