AI 인프라 구축의 레이어 수 폭발

몇 년 전만 해도 일반적인 서버 마더보드는 12~14개의 레이어로 구성되었습니다. 데이터 센터 마더보드 설계에 대한 업계 추적에 따르면 AI 가속기 플랫폼이 주류가 되면서 평균 18~22레이어 정도까지 올라가고 GPU 가속기를 탑재한 보드는 이제 일상적으로 24레이어 이상에 도달하는 것으로 나타났습니다. 이는 마케팅 추세가 아닙니다. 이는 AI 하드웨어가 실제로 보드에서 요구하는 것, 즉 개별적으로 수백 와트를 소비할 수 있는 구성 요소에 대한 전력 공급과 함께 CPU, GPU 및 고대역폭 메모리 간의 대규모 저지연 데이터 이동을 요구하는 것의 직접적인 결과입니다.

24레이어 PCB는 2026년 GPU 서버 보드 및 AI 가속기 카드의 작업 기준에 가까운 것이 되었습니다. 데이터시트에서 더 많은 레이어가 인상적으로 보이기 때문이 아니라 더 적은 레이어가 다른 레이어를 저하시키지 않고 많은 동시 고속 신호 트래픽을 많은 전력 공급에서 물리적으로 분리할 수 없기 때문입니다.

24레이어 AI 서버 또는 GPU 보드 내부에는 무엇이 들어 있을까요?

대표적인 24레이어 AI 서버 스택업은 약 12개의 신호 레이어, 8개의 전력 레이어, 4개의 접지 레이어를 통합합니다. 이는 일반적인 20레이어 텔레콤 또는 백플레인 보드보다 전력 전달에 훨씬 더 많은 할당을 의미합니다. 이는 AI 보드의 작업 중 상당 부분이 옆에 있는 신호 레이어에 노이즈를 주입하지 않고 전력 소모가 많은 실리콘에 깨끗하고 고전류 전력을 공급하는 것임을 반영합니다.

· 고속 상호 연결 — PCIe Gen 5/6 레인, DDR5 메모리 채널, 고대역폭 GPU-GPU 또는 GPU-메모리 링크, 각각 엄격하게 제어된 임피던스 및 길이 일치 차동 라우팅이 필요함

· 전원 공급 네트워크 - CPU, GPU 및 메모리 전압 조정기 모듈을 공급하는 여러 전용 플레인으로 정상 상태 부하가 아닌 일시적인 전류 스파이크에 적합한 크기입니다.

· 열 경로 - 수백 와트를 개별적으로 방출할 수 있는 구성 요소에서 열을 멀리 이동시키도록 설계된 두꺼운 구리 및 열 비아

· 미세 피치 BGA 지원 — 순수 HDI 설계가 아닌 보드에서도 팬아웃을 위한 구조를 통해 HDI급 구조를 요구하는 고밀도 GPU 및 ASIC 패키지

층간 정렬 정확도는 이 밀도에서 정말 중요한 사양이 됩니다. 허용 오차를 넘어서는 몇 미크론의 정합 편차도 고속 차선에서 신호 반사를 눈에 띄게 증가시킬 수 있습니다. 이는 첫 번째 테스트에서 명백한 실패가 아닌 부하 시 간헐적인 오류로 표면화되는 일종의 성능 저하입니다.

24층 AI 보드 고유의 제조 과제

AI 서버 보드는 일반적으로 두껍습니다. 구리와 유전체 24개 층을 쌓으면 2.4mm~3.2mm 범위인 경우가 많습니다. 이러한 두께는 과소평가하기 쉬운 드릴링 문제를 야기합니다. 두꺼운 보드에 구멍을 뚫은 작은 완성 직경의 비아는 높은 종횡비를 가지며, 높은 종횡비 홀의 전체 길이에 걸쳐 구리를 균일하게 도금하는 것은 얇은 보드에 얕은 비아를 도금하는 것보다 상당히 어렵습니다. 펄스 도금 기능과 엄격하게 제어되는 화학 물질이 없는 제작업체는 배럴 내부 깊은 곳에 얇거나 구멍이 난 구리가 남을 수 있으며, 이는 보드가 전기적으로 고장날 때까지 보이지 않습니다.

24개 레이어에 걸쳐 레이어를 등록하려면 최종 라미네이션 전에 정밀한 광학 정렬이 필요합니다. 작은 변화라도 드릴된 비아가 내부 레이어 패드에 깔끔하게 연결되지 않고 클립될 수 있기 때문입니다. 이는 제조 장비의 품질과 프로세스 규율이 잘 시뮬레이션된 설계가 작업 보드가 될지 아니면 값비싼 교훈이 될지 여부를 직접적으로 결정하는 명확한 예 중 하나입니다.

고전력 AI 구성 요소를 위한 재료 및 열 관리

AI 서버 보드의 전원 구성 요소는 일반적으로 수백 와트를 소비하며 이는 전체 스택에 걸쳐 재료 및 구리 결정을 변경합니다. 전원 플레인의 더 무거운 구리 무게는 지속적인 고전류 하에서 저항 손실과 열 축적을 줄이고, 뜨거운 구성 요소 바로 아래에 배치된 열 비아는 열이 내부층 구리로 전달되어 궁극적으로 섀시로 전달되며, 표면 마감 선택이 생각보다 더 중요합니다. ENIG(무전해 니켈 이머전 골드)는 조밀하게 채워진 보드가 겪는 여러 리플로우 사이클을 견딜 수 있는 평평하고 내산화성 표면을 제공하기 때문에 미세 피치 GPU 및 ASIC BGA 패드에 일반적으로 선택됩니다. 조립.

신호 측면에서는 통신 및 백플레인 보드에 적용되는 동일한 하이브리드 재료 논리가 여기에도 적용됩니다. 가장 빠른 PCIe 및 메모리 인터페이스를 전달하는 레이어의 저손실 라미네이트, 다른 곳에서는 표준 높은 Tg FR-4를 사용하여 실제로 하위 세트에만 프리미엄 유전체가 필요한 경우 24개 레이어 전체에 걸쳐 재료 비용이 확장되지 않도록 합니다.

24레이어 AI 서버 PCB 소싱: 제조 파트너에서 찾아야 할 사항

다층 AI 서버 보드에 대한 수요가 빠르게 증가하여 많은 제조업체가 이제 대량으로 입증되지 않은 기능을 광고하고 있습니다. GPU 보드 프로그램을 제조업체에 맡기기 전에 몇 가지 사항을 직접 확인하는 것이 좋습니다. 즉, 실제로 24개 이상의 레이어(기능 시트의 숫자가 아님)를 포괄하는 문서화된 레이어 수 기능, 고종횡비 비아에 대한 펄스 도금 또는 이와 동등한 프로세스 제어, 이 스택 깊이에 적합한 광학 레이어 등록 장비, 제작이 시작되기 전에 실제 생산 허용 오차에 대해 설계를 확인하는 DFM 검토 프로세스 등이 있습니다.

24층 기판에 대한 비용 및 리드 타임 현실 확인

24레이어 보드는 레이어 수에 따라 비용이 균등하게 확장되는 지점을 훨씬 넘어섰습니다. 각각의 추가 레이어 쌍은 전체 라미네이션, 드릴링 및 도금 주기를 추가하고 12 또는 16레이어보다 이 깊이에서 수율 손실이 더 빠르게 발생하므로 24레이어 보드는 비슷한 크기의 16레이어 보드보다 실제로 몇 배 더 많은 비용이 들 수 있습니다. 특히 규모의 경제가 도움이 되기 전에 낮은 프로토타입 볼륨에서 그렇습니다. 2~4주의 프로토타입 리드 타임은 이 레이어 수의 보드에 대해 업계에서 일반적입니다. 이는 순차적 라미네이션 주기와 이 복합 단지에 실제로 필요한 보드의 확장된 테스트 범위에 따라 결정됩니다. 일정에 따라 24레이어 AI 서버 보드를 표준 멀티레이어 주문처럼 처리하는 것은 빠르게 움직이는 AI 하드웨어 프로그램에서 가장 일반적인 계획 실수 중 하나입니다.

24레이어 프로그램의 예산을 책정하고 일정을 잡는 가장 신뢰할 수 있는 방법은 레이어별 경험 법칙보다는 실제 Gerber 및 스택업 파일에서 확고한 견적을 얻고, 단순한 보드에 대해 광고되는 일반적인 프로토타입 추정보다는 제작자의 실제 생산 대기열에 대한 처리 시간을 확인하는 것입니다.

24개 레이어를 넘어서: 트렌드가 향하는 곳

24개 레이어는 천장이 아닌 현재 작업 기준선입니다. 서버 보드를 14레이어에서 24레이어로 밀어넣는 동일한 압력(더 많은 가속기 성능, 더 많은 고대역폭 메모리 채널, 더 많은 GPU-GPU 상호 연결 대역폭)으로 인해 이미 가장 밀도가 높은 GPU 가속기 카드가 30레이어 이상으로 밀려나고 있으며 일반적으로 해당 밀도에서 미세 피치 BGA 팬아웃을 관리할 수 있도록 HDI 구조와 결합됩니다. 현재 보드를 지정하는 팀의 경우 24개 레이어가 다음 하드웨어 세대를 위한 안정적인 장기 상한선이라고 가정하는 것보다 해당 궤적에 대한 헤드룸을 염두에 두고 스택업을 설계하고 제조 파트너를 선택하는 것이 좋습니다.

실제로 이는 자체 한계에 맞게 운영되는 제조업체보다는 현재 레이어 수를 훨씬 뛰어넘는 자격을 갖춘 역량을 갖춘 제조업체를 선호하는 것을 의미합니다. 현재 최대 24개 레이어의 공정을 갖춘 제조업체는 완전히 새로운 기능을 재인증하지 않고 동일한 제품 라인의 차세대를 흡수할 여백이 없습니다. 최대 40개 레이어까지 자격을 갖춘 제조업체는 프로그램 중간에 공급업체를 변경하도록 강요하는 대신 설계와 함께 성장할 여지가 있습니다.

자주 묻는 질문

Q: AI 서버 보드가 14-18 레이어에 머물지 않고 24 레이어로 이동한 이유는 무엇입니까?

이러한 점프는 GPU 및 가속기 구성 요소에 대한 훨씬 더 높은 전력 공급 요구 사항과 각각 고유한 참조 평면이 필요한 훨씬 더 밀도가 높은 고속 상호 연결(PCIe Gen 5/6, DDR5, 고대역폭 GPU 링크)이라는 두 방향의 동시 압력에 의해 주도됩니다. 더 적은 수의 레이어로는 다른 레이어의 품질을 저하시키지 않으면서 그렇게 많은 전력과 신호 트래픽을 분리할 수 없습니다.

Q: 24레이어 AI 서버 보드와 관련된 가장 큰 제조 위험은 무엇입니까?

높은 종횡비 비아 도금은 가장 일반적인 실패 지점 중 하나입니다. 이러한 보드는 일반적으로 두껍고(2.4mm~3.2mm) 전체 두께를 관통하는 작은 직경의 비아가 필요하기 때문입니다. 비아 배럴 깊은 곳에 있는 고르지 않은 구리 도금은 보드가 전기적으로 고장날 때까지 보이지 않습니다. 이는 데이터시트에 나타나는 것보다 제조자의 공정 제어를 더 중요하게 만듭니다.

Q: 24개 레이어 모두 저손실, low-Dk 재료가 필요합니까?

아니요. PCIe, DDR5 또는 기타 고속 상호 연결을 전달하는 레이어에만 저손실 라미네이트를 적용하고 전력 및 접지 레이어에 표준 높은 Tg FR-4를 사용하는 하이브리드 접근 방식은 업계 전반에서 사용되는 일반적인 비용 효율적인 접근 방식입니다.

Q: 24층 프로토타입을 얻는 데 얼마나 걸리나요?

순차적 적층 및 확장된 테스트로 인해 이 레이어 수의 프로토타입에 대한 업계의 일반적인 범위는 2~4주이지만, 정확한 소요 시간은 관련된 특정 스택 및 구리 무게에 따라 다릅니다. 제작자의 실제 생산 대기열에 대해 일정을 확인하는 것이 일반적인 프로토타입 리드 타임을 가정하는 것보다 더 안정적입니다.

Q: 이 보드의 GPU 및 ASIC BGA 패드에 가장 일반적인 표면 마감은 무엇입니까?

ENIG(Electroless Nickel Immersion Gold)는 조립 중에 조밀하게 채워진 AI 서버 보드가 겪는 여러 리플로우 주기를 견디는 평평한 산화 방지 표면을 제공하므로 일반적인 선택입니다.

24계층 AI 서버 프로그램 계획

AI 하드웨어 프로그램은 빠르게 움직이며 PCB 제조를 늦게 처리할 수 있는 필수 단계로 취급하려는 유혹을 받고 있습니다. 24개 레이어에서는 이러한 가정이 무너집니다. 즉, 설계 중에 내려진 스택업, 재료 및 비아 전략 결정은 제작업체가 제공하는 보드가 실제로 시뮬레이션된 보드인지 여부를 직접적으로 결정합니다. 진정한 다층 카운트 경험을 갖춘 제조 파트너를 스택업 대화에 조기에 참여시키고, 추정이 아닌 실제 생산 데이터를 기준으로 비용과 일정을 모두 확인하는 것이 AI 서버 보드 프로그램을 첫 번째 프로토타입부터 전체 배포까지 순조롭게 유지하는 비결입니다.