AI大模型的算力需求尚未见顶，而ABF载板作为高端芯片封装的核心材料，正迎来新一轮的量价齐升周期。华创证券2025年先进封装ABF载板深度报告指出，训练侧Scaling Law法则依然有效，推理侧Scaling Law刚刚崭露头角，OpenAI o系列模型验证了推理时间越长、推理能力越强的新范式。北美科技巨头持续加码AI资本开支，台积电等供给端积极扩产印证AI需求真实性。英伟达AI芯片日趋复杂，Chiplet和HBM数量增长推动ABF载板面积增大、层数增加、精度提升。AI手机、AI PC等终端应用加速渗透将进一步反哺云端推理算力需求，ABF载板作为AI芯片封装标配材料，量价齐升趋势明确。
Scaling Law双轮驱动——训练侧有效、推理侧崛起
AI算力需求尚未见顶的核心逻辑来自Scaling Law的双轮驱动。训练侧，OpenAI的研究表明Scaling Law法则依然有效，大模型参数规模、训练数据量、计算量三者仍呈现幂律关系，GPT系列模型的性能随着参数规模的扩大而持续提升。推理侧，OpenAI o系列模型验证了全新的Scaling Law——模型推理时间越长、推理能力越强。o1通过强化学习+思维链（CoT）模式，在AIME2024数学竞赛中从GPT-4o的12%准确率提升至93%，o3在FrontierMath中达25.2%（此前<2%）。推理侧Scaling Law的确立意味着推理算力需求将呈现结构性增长。
科技巨头的实际行动验证了AI需求的真实性。谷歌、微软、亚马逊、Meta等北美科技巨头纷纷表示AI对业务增长有积极推动作用，AI is real，并持续加码AI基础设施资本开支。台积电、沪电股份等供给端龙头积极扩充产能，进一步印证AI产业中长期高景气的确定性。华创证券报告认为，随着AI大模型朝着多模态、强推理、数据合成等方向发展，AI算力需求有望继续提升，推动AI大模型能力不断提升，助推更多AI应用落地。
ABF载板量价齐升——英伟达AI芯片日趋复杂驱动规格升级
AI芯片需求的快速增长正在直接推动ABF载板量价齐升。英伟达AI芯片的复杂度持续提升——从单芯片到Chiplet架构，HBM数量从HBM2的4颗增长至HBM3E的8颗，GPU核心面积不断扩大。芯片复杂度的提升直接传导至ABF载板规格升级：载板面积增大（从50x50mm向100x100mm+演进）、层数增加（从10层向20层+演进）、线宽线距缩小（从15/15μm向8/8μm演进）。ABF载板的单位价值和单颗芯片用量同步提升，形成“量价齐升”的黄金成长期。
据Trendforce预测，全球AI服务器市场规模快速增长；据IDC数据，全球AI用以太网交换机市场规模同步快速扩张。AI服务器和交换机中大量采用CPU、GPU、AI加速芯片、交换芯片等高端芯片，均需采用FC-BGA封装和ABF载板。华创证券报告指出，随着AI训练和推理需求持续增长，AI服务器出货量有望保持较高增速，带动ABF载板需求持续扩容。
AI终端反哺云端——正反馈循环驱动长期需求
AI终端的大规模普及将形成对云端推理算力的反哺，构建“终端应用→云端算力→芯片需求→ABF载板”的正反馈循环。混合AI（终端+云端协同工作）是AI的未来，能够带来成本、能耗、性能、隐私、安全和个性化优势。全球科技龙头纷纷推出AI终端产品——苹果/三星/小米/华为/OPPO/荣耀等推出AI手机，Intel/AMD/高通推出AI PC芯片。
Canalys预测，AI手机未来几年有望快速渗透，AI PC出货量占比预计从2024年的约18%提升至2025年的40%。AI终端用芯片算力需求逐步提升，也将推动ABF载板规格迭代升级。此外，AI终端的普及将产生海量推理请求，反向推动云端推理算力需求增长，拉动AI服务器/交换机需求持续增长。华创证券认为，AI产业与终端应用的相互促进将形成长期正反馈，ABF载板作为AI芯片封装的核心材料，有望迎来持续成长周期。
表2：AI驱动ABF载板规格升级趋势| 指标 | 传统产品 | AI芯片需求 | 升级趋势 |
|---|
| 载板面积 | 50x50mm | 100x100mm+ | 持续增大 |
| 载板层数 | 10层 | 20层+ | 持续增加 |
| 线宽/线距 | 15/15μm | 8/8μm | 持续缩小 |
| HBM数量 | 4颗（HBM2） | 8颗（HBM3E） | 持续增加 |
| 芯片架构 | 单芯片 | Chiplet | 集成度提升 |
