单个 POD 单元可连接 9216 颗芯片，并实现 1.77PB 共享高带宽内存访问，这种设计打破了传统芯片集群中“算力分散、内存孤立”的局限——当处理多模态大模型等数据密集型任务时，多颗芯片可同步调用共享内存资源，避免了单芯片内存不足导致的任务中断，这一特性已在 Anthropic 的商用测试中得到验证：该公司计划部署的 100 万单位 Ironwood，可支撑 Claude 模型实现“训练-推

另一方面，AI 硬件厂商也在与 PCB 企业深度合作，从产品设计阶段就介入高阶 HDI 的研发，比如根据新的 GPU 模组尺寸调整线路布局，或是针对特定算力场景优化板材性能，形成 “需求牵引技术，技术反哺需求” 的循环。在 AI 算力竞赛中，硬件性能的微小差距都可能影响最终的竞争优势，而高阶 HDI 板带来的传输效率提升、设备小型化空间，正是 AI 企业追求的核心价值。从智能城市的实时数据处理，到

尤为关键的是，新规与下游设备技术形成完美呼应。大族数控等设备企业推出的激光直接成像（LDI）设备，已能支持 0.05mm 线宽加工，而标准的出台将加速这类高端设备的规模化应用。新规不仅明确了线宽公差范围，还对积层工艺的介电性能提出具体指标，与国际 IPC-2221 标准形成互补的同时，更贴合国内 FR-4 基材的加工特性。中国电子电路行业协会（CPCA）即将发布的三项团体标准，恰是为这场算力革命量

线路板的导热基材成为散热突破的核心。更前沿的 “热电制冷 - 线路板” 一体化方案也进入试验阶段，通过在芯片下方的线路板层集成热电制冷模块，可实现局部温度精准控制，温差调节范围达 ±10℃，完美适配芯片对工作温度的严苛要求（±2℃波动）。千倍算力下的散热挑战：线路板与元器件的热管理革新 北大新型模拟计算芯片在实现千倍吞吐量的同时，也带来了“高功耗-高热量”的新问题——其每平方厘米功率密度突破50W