LPU（语言处理单元）：AI界“春晚”来咯！AI推理时代的专用处理器突破算力瓶颈

2026年3月16日-3月19日，英伟达计划在GTC大会上发布整合Groq技术的LPU推理芯片，这标志着AI算力需求结构正从“训练优先”向“推理优先”深刻转变。

技术层面：LPU通过片上SRAM存储模型权重（230MB提供80TB/s带宽）、编译时静态调度架构和分布式推理策略，在Llama2-70B模型推理任务中可实现比H100 GPU快约10倍的速度提升，成本约为GPU的十分之一。

市场层面：随着Agent应用爆发，推理侧需求已超过训练侧。预测显示，到2032年训练成本占大型云计算公司数据中心支出的比例将从目前的40%以上降至14%左右。英伟达斥资200亿美元获得Groq核心技术授权，将其定位为“下一个Mellanox”。

产业链层面：LPU采用52层M9级覆铜板+Q布方案，单芯片PCB价值量约3000元，单柜PCB价值量达45-70万元。这一规格跃升推动PCB产业链从用量到单价迎来倍数级增长，并向上游特种材料及精密加工环节扩散。

PCB产业链在电子布（菲利华、中材科技）、树脂（东材科技）、CCL（生益科技）、PCB制造（胜宏科技、沪电股份）、钻针（鼎泰高科）、加工设备（大族数控）等环节迎来重大机遇。

一、引言

1.1 背景

2026年2月，英伟达在2026财年第四季度财报电话会议上详细阐述了对Groq的整合计划，并表示将在3月16日开幕的GTC 2026大会上推出整合Groq LPU技术的全新AI推理芯片系统。这款被英伟达首席执行官黄仁勋称为“世界从未见过”的全新系统，专为加速AI模型的查询响应而设计。

这一战略布局的背景是AI产业竞争重心的根本性转移。此前行业处于以参数堆砌为核心的“训练军备竞赛”阶段，而如今已集体转向模型落地、智能体普及的“应用绞杀赛”。客户关心的核心指标，从“能否训练出最强大模型”急转为“每个Token的推理成本是多少”。

1.2 意义

LPU的推出对AI算力市场和相关产业链具有多重意义：

对AI产业：标志着AI行业正从“规模竞赛期”转向“效率价值兑换期”，推理侧需求大于训练侧需求已成为普遍共识，将推动AI推理硬件向细分化、高效化演进。

对英伟达：这是其在面临市场、客户与技术“三重围剿”下的战略突围，通过引入新架构，英伟达试图在AI产业演进的下一阶段继续巩固市场统治地位。

对PCB产业链：LPU的高规格要求直接催生量价齐升、工艺升级、材料革新、集中度提升的深远影响，为PCB行业打开全新的市场规模空间。

二、LPU的技术架构

2.1 LPU的定义与定位

LPU（Language Processing Unit，语言处理单元）是一种专为AI推理，特别是低延迟实时交互（如对话）设计的专用处理器。其核心设计理念是通过“编译器驱动”的静态调度实现确定性执行，并依赖高速片上SRAM来消除内存瓶颈。

与追求通用计算能力的GPU不同，LPU针对语言模型推理的确定性与低延迟特性进行了专门优化，其结构性优势主要体现在低时延或具有人机交互属性的代理AI场景。

2.2 核心技术特点

2.2.1 片上SRAM存储模型权重

LPU采用高密度片上SRAM（静态随机存取存储器）来存储模型参数，将数据“贴着算力跑”，极大缩短数据路径。230MB的片上SRAM可提供高达80TB/s的内存带宽，从架构层面降低延迟与能耗。

这与GPU形成鲜明对比：GPU通常将大量模型参数存放在外部HBM（高带宽内存）中，计算核心与内存之间需要进行频繁数据搬运，影响模型推理的时效性。

2.2.2 编译时静态调度架构

LPU采用“编译器驱动”的静态调度实现确定性执行，将整个计算和芯片间通信的步骤精确规划到时钟周期，形成稳定的“静态时序”，从而保证稳定的高吞吐量。

相比之下，GPU以运行时动态调度为基础，在执行哲学上存在根本差异。GroqWare采用以编译器静态调度为核心的执行模型，而CUDA则以运行时动态调度为基础。

2.2.3 分布式推理策略

针对片上SRAM容量有限的客观约束，LPU采用分布式推理策略：建立千卡互联集群，每张卡仅存储并计算模型的一小部分，最后聚合输出，从而更好地适配低延迟推理场景。

2.3 LPU与GPU的性能对比

2.4 PD分离架构与异构协同

大模型推理主要分为两个计算过程：

预填充（Prefill）阶段：处理用户输入，是计算密集型任务

解码（Decode）阶段：逐token生成输出结果，是内存密集型任务

真正影响用户推理体验的关键在于Decode阶段的生成速度与延迟。针对这一特点，英伟达于2025年9月提出PD分离式部署（Prefill-Decode Disaggregation）技术，将LLM推理拆分为两个阶段并分别优化。

未来的推理架构很可能是GPU与LPU的异构协同：

GPU：凭借强大的并行能力和大显存，依然是模型训练和处理大量上下文（Prefill阶段）的核心

LPU：在要求即时响应的文本逐词生成（Decode阶段）中发挥优势，适合高并发的在线推理服务

三、市场背景与战略布局

3.1 推理时代的市场转变

随着Agent应用爆发，全球算力需求结构正发生明显变化，市场重心从训练转向推理。据彭博社预测，2025年训练成本占大型云计算公司数据中心支出的40%以上，但到2032年，这一比例将降至14%左右。IDC同样指出，到2028年，中国非GPU服务器的市场规模占比将逼近50%。

英伟达CEO黄仁勋表示，“AI推理计算将增长超过10亿倍”。市场普遍认为，AI推理的市场规模将是AI训练的3倍至5倍。

3.2 英伟达的Groq整合计划

2025年底，英伟达斥资约200亿美元现金，完成了对Groq核心技术授权及其核心团队的收购，吸纳了包括创始人Jonathan Ross在内的高管团队。Jonathan Ross被誉为“谷歌TPU之父”。

黄仁勋将此次收购与2020年收购Mellanox相提并论，暗示Groq将在英伟达的AI版图中发挥革命性的基础作用。核心战略在于：快速获取LPU这一“推理利器”，并将其作为“加速器”，深度整合进英伟达的CUDA+TensorRT-LLM全栈软件生态。

3.3 市场竞争格局

多家头部模型厂商已开始分散风险，与不同芯片供应商达成合作：

OpenAI：与Cerebras签署数十亿美元推理优化芯片订单；同时签署使用亚马逊Trainium芯片的重大协议

Anthropic：与谷歌签订210亿美元TPU合作协议

Meta：与AMD达成大规模推理芯片合作；英伟达本月宣布扩大与Meta的合作，进行首次大规模的纯CPU部署

在中国市场，国产模型也正加速转向本土算力方案。DeepSeek将其最新模型V4的早期访问权限优先适配昇腾、寒武纪等国产计算平台，而非英伟达或AMD。据Bernstein Research预测，到2026年，华为在中国AI芯片市场份额可能达到50%，而英伟达份额或降至个位数。

四、对PCB产业链的详细影响

4.1 PCB用量与价值的倍数增长

LPU的高规格要求直接催生PCB产业链的革命性变化。由于单颗LPU的230MB SRAM存在容量瓶颈，运行大规模模型需要数百颗LPU串联。

用量测算：

相较于Rubin单柜采用8颗至32颗GPU芯片，LPU单柜采用256颗芯片

单柜内256颗芯片的PCB用量面积提升50%至9.2平方米

电子布用量接近翻倍达到1037平方米

价值量测算：

传统8卡GPU所用PCB为20层至24层

英伟达Rubin所用PCB为40层至78层

LPU采用52层M9级覆铜板+Q布的增强方案

单颗LPU芯片所用PCB价值量约3000元，是传统方案的5倍至10倍

单柜PCB总价值量（包括计算板、背板）达到45万至70万元

4.2 材料体系的全面升级

4.2.1 电子布：Q布成M9标配

石英布（Q布）成为M9基材的标配，其信号损耗仅为普通电子布的1/100，且受热不膨胀，是满足224Gbps高速信号传输的关键材料。Q布的市场价值约为普通电子布的10倍，需求放量直接推高行业产值。

玻纤布价值量占到覆铜板成本约30%。据产业调研，目前电子布供应紧张态势预计将持续至2027年下半年，基板交期已拉长至半年。

4.2.2 树脂：向BCB体系升级

M9等级基材对高频高速树脂的损耗因子、吸水率等指标要求大幅提升，推动树脂体系从传统PPO向BCB（苯并环丁烯）升级。BCB树脂单价高达300万-1000万元/吨，是传统树脂的6-20倍。

4.2.3 铜箔：HVLP技术壁垒高

HVLP系列技术壁垒极高，核心工艺及后处理设备依赖日本进口，扩产周期长达12-18个月。2026-2028年HVLP-4供需缺口预计达24%、40%、36%。

4.3 加工设备与耗材的新需求

52层高多层板和M9/Q布的硬材料特性，使得PCB加工难度大幅提升：

钻针环节：由于M9材料硬度高，钻针寿命从传统500孔降至100孔，消耗量显著增加。预计PCB钻针将呈现供不应求及产品涨价的高景气度局面。

激光设备环节：超快激光钻孔技术成为加工M9/Q布等难加工材料的刚需。同时，GPU+LPU的异构架构对封装技术和精度要求较高，预计在PCB电子装联环节对高精度装联设备的需求量将进一步提升。

4.4 先进封装要求提升

英伟达有望利用3D堆叠技术，将Groq的LPU单元直接堆叠在GPU主芯片之上，通过多芯片协同弥补SRAM容量不足，同时保持低延迟优势，实现通用计算与专用推理在物理层面的深度融合。

GPU+LPU的异构架构对封装技术和精度要求较高，预计将推动CoWoS、SoIC等先进封装技术的需求激增。

五、产业链梳理

5.1 上游核心材料

5.1.1 电子布

5.1.2 树脂

5.1.3 SRAM

5.2 中游CCL/PCB及设备

5.2.1 CCL

5.2.2 PCB

5.2.3 设备与耗材

5.3 下游系统集成与配套设施

以下是网传的NV供货：（强调是网传）

六、行业趋势与投资机遇

6.1 产业高景气度持续

AI产业快速发展，带动PCB市场需求持续旺盛，涨价成为行业关键词：

2024年3月以来：CCL、粘合胶片、电子布开启价格上涨模式，涨价5%-15%

2025年第四季度：生益科技、建滔集团开启第二轮涨价，普通FR-4板涨价8%-10%，高速高频板涨价10%-15%

2026年3月：日本Resonac上调CCL及粘合胶片价格30%，预计将传导至高端制造环节

2026年至今电子布涨价速度也是让人震惊！

展望PCB产业的需求及价格趋势，高盛认为AI驱动产业进入超级周期，带动PCB量价齐升，涨价将贯穿2026年至2027年，高端产品的供需缺口持续。

6.2 市场规模预测

咨询机构Prismark预计，2024年至2028年全球PCB行业产值仍将以5.4%的年复合增长率成长，到2028年预计超过900亿美元。其中，HDI板2027年市场规模有望达到145.8亿美元，2023年至2028年CAGR达6.2%，高于行业平均增速。

AI带动高速材料量价齐升，M9级CCL、石英电子布等核心材料供给缺口还在扩大。

6.3 国产替代机遇

英伟达高端芯片在中国市场的缺位，为华为昇腾、海光、沐曦、摩尔线程等国产算力企业提供了练兵场与试错空间。DeepSeek等领先模型公司与国产芯片的深度合作，是构建自主软硬协同生态的关键一步。

国产算力的机会，或将首先出现在对尖端制程依赖相对较低、更强调软件优化和行业理解的推理侧，以及政务、金融、工业等特定行业的模型落地中。

七、全文汇总

LPU的出现反映了AI计算架构向领域专用化发展的必然趋势。通过深入分析语言模型的计算特征并据此优化硬件设计，能够在推理任务上实现显著的性能提升。英伟达将Groq LPU整合进自身AI芯片体系，展现了专用推理芯片在生成式AI推理计算中的战略重要性。

随着AI应用落地及规模快速增长，专用AI推理芯片的市场将快速扩张，为上游核心材料、中游制造加工、下游系统集成等环节带来全新的市场空间。

LPU ——万通智控：“芯”驭未来，双轮驱动，LPU商业化启航$万通智控(SZ300643)$ 智微智能：LPU架构横空出世，锚定“智能经济”新形态，打造AI推理算力稀缺标的$智微智能(SZ001339)$

风险提示：以上内容基于公开资料整理（部分为网传资料），本文所提到的观点仅代表个人的意见，所涉及标的不作推荐，本文仅为静态整理，不构成动态投资建议，据此买卖，风险自负。