從晶片，走到電路板

CPU、GPU 在哪裡？
AI 伺服器的 PCB 為什麼越來越複雜？

先認出做運算的晶片，再看承載與連接它們的板子。GPU、PCB 與 ABF 載板是不同層級的東西。

CPU：協調與執行程式

像工作室的管理者，也親自處理很多一般工作：執行作業系統、準備資料、安排任務。它不是只負責指揮。

像許多人同時做相似的計算，特別適合 AI 的矩陣運算。旁邊的 HBM 幫忙快速供應資料。

晶片封裝下面還有載板；更大的主板與加速器板，則負責零件之間的訊號與電力連接。

一個 GB200 NVL72 機櫃包含 36 顆 Grace CPU 與 72 顆 Blackwell GPU。NVIDIA DGX 的配置採 18 個運算托盤，每個托盤有 2 顆 CPU 與 4 顆 GPU；每塊運算板可再看到 1 顆 CPU 搭配 2 顆 GPU。

圖鑑用抽出的運算板讓你看見晶片；顏色用來區分功能，冷板暫時移開。實際機台運作時，晶片通常被散熱結構蓋住。

板型	在什麼位置	做什麼
OAM 加速器模組板	加速器封裝所在的模組	把加速器與電源、連接介面做成模組；並非所有品牌都採同一模組形式。
UBB 基板	多個加速器模組下方	承接多個模組，讓它們互連；CPU 主板可能是另一塊板。
HPM 主機處理器模組	運算托盤內	OCP 定義為 Host Processor Module；研究表中的特定平台板名仍須對照機台文件，不能把所有世代視為同一種板。
NVSwitch／互連板	交換托盤或互連部分	讓多顆 GPU 交換資料；它不等於 CPU 或 GPU 的主板。

陣營	平台與世代	怎麼理解
NVIDIA	Hopper → Blackwell → Vera Rubin	Rubin 平台包含 Vera CPU、Rubin GPU 與互連晶片；不能只用 GPU 名稱推定整機 PCB 規格。
AMD	EPYC + Instinct／Helios	MI450 與 Helios 的規畫需區分初期出貨及特定客戶部署，不能將某客戶的 2027 導入時間當成整個平台唯一時程。
Amazon AWS	Trainium2 → Trainium3	Trainium 是自研 AI 加速器，並不是 NVIDIA GPU。Trn3 UltraServers 已於 2025 年 12 月宣布正式可用。
Alphabet／Google	Ironwood（第 7 代）→ TPU 8t／8i	TPU 是 Google 的 AI 加速器；第 8 代區分訓練與推論取向，不能直接合併成一種 TPU 板型。

世代名稱不直接決定 PCB 層數。Rubin Ultra、Trainium4、TPU V9 等未來板型，必須分別核對正式產品與板級文件。

這類疊構寫法是在數電路板的層：外側一邊 5 層、中間 8 層、另一邊 5 層，合計 18 層。20L、26L、30L 同樣代表板層數，不是 GPU 數量，也不是 HBM 堆疊高度。

這是讀懂疊構標記的算式範例，並非替特定機台保證 18 層規格。實際層數、材料、盲埋孔與壓合方式，仍以該板的疊構文件為準。

用更細的走線、微孔與增層方式，幫高密度晶片接腳找到路。製程難度不只取決於總層數。

像在樓層間開一條直通通道。高多層板也可能採通孔；HDI 板同樣可以包含通孔，兩者不是絕對互斥。

更多資料要同時傳送，供電也更吃重。設計必須同時顧及路徑密度、訊號損耗、電力與散熱，並非層數越多就一定越好。

CCL 銅箔基板：台光電、台燿、聯茂。沿零件頁可繼續看各家材料與能力；此分類不代表全部供應同一個平台。