AI算力竞赛下CoWoS产能告急,台积电、英特尔、三星等厂商谁能主导先进封装市场?

A800 GPU抢购潮解析:AI算力短缺、供应链博弈与国产替代挑战 在人工智能和大模型技术快速发展的背景下,高性能计算(HPC)和GPU加速计算成为支撑AI训练与推理的核心基础设施。其原理在于通过大规模并行处理和海量数据吞吐,显著提升深度学习模型的训练效率。这一技术价值直接体现在加速AI创新和降低研发周期上,尤其在自然语言处理、计算机视觉等前沿领域。当前,AI算力需求爆发式增长,但全球先进制程产能(如台积电5nm)和高端封装技术(如CoWoS)面临瓶颈,导致GPU供应严重紧张。在此背景下,英伟达专为中国市场设计的A800 GPU,虽然其NVLink互联带宽受到限制,但仍成为 阅读详情

为什么非CoWoS不可?

如果说过去十年半导体行业的主旋律是“摩尔定律”,那么当下最响亮的关键词一定是先进封装。随着大模型参数从百亿级狂飙至万亿级,单纯依靠工艺微缩提升算力的路径正在逼近物理极限。一颗AI芯片要同时装下海量计算单元与高带宽内存,传统2D封装早已力不从心。于是,HBM+CoWoS的黄金组合,几乎成了所有高端AI芯片厂商的必选项。从英伟达的Blackwell架构GPU,到AMD的MI系列加速器,再到云厂商自研的训练芯片——谁能拿到足够的CoWoS产能,谁才能在AI算力竞赛中真正站稳脚跟。一场围绕台积电CoWoS封装产能的“卡位战”,在全球芯片巨头之间悄然打响。CoWoS(Chip - on - Wafer - on - Substrate)是台积电研发的2.5D先进封装技术。简单来说,它不再把芯片和内存直接焊在基板上,而是通过高密度的TSV(硅通孔)和微凸点,将GPU/ASIC等计算芯片与HBM内存芯片并排放置在一片中介层(Interposer)上,通过中介层内部密集的微细线路实现芯片间的高速互联,最后整体封装到基板上。传统PCB电路板的线宽太粗,信号传输距离和速度都受限。一颗GPU往往需要同时连接多颗HBM,带宽需求高达每秒数TB,唯有硅中介层的超细线路才能负荷如此庞大的传输量。2011年,台积电正式推出CoWoS,历经多轮迭代,目前已形成CoWoS - S(整片硅中介层)、CoWoS - R(RDL中介层)和CoWoS - L(局部硅桥+有机基板)三类方案。其中CoWoS - L是当前主流方案——以“局部硅桥”替代超大单片硅中介层,在降低翘曲与成本的同时,支持更大的封装面积和更多的HBM堆叠。这套架构的核心优势非常明显:带宽提升:HBM与GPU通过硅中介层直接互联,带宽可达传统DDR的数十倍,彻底解决AI训练中的“内存墙”问题;功耗更低:信号传输距离大幅缩短,数据搬运功耗显著下降;集成度更高:多颗Chiplet小芯片+多颗HBM可以在同一个封装内协同,突破单颗芯片的面积限制。可以说,没有CoWoS,或许就没有今天动辄数千亿参数的大模型训练芯片。

谁在抢CoWoS?

根据摩根士丹利对供应链的调研预测,2026年全球关键客户CoWoS晶圆总需求约为138.4万片,到2027年将飙升至268.2万片,两年近乎翻倍。这场产能争夺战的参与者,早已从单一的GPU厂商蔓延至整个AI算力产业链。

英伟达:仍是主角,但份额正在稀释

英伟达(NVIDIA)仍是绝对主角。2026年英伟达对CoWoS的产能需求是780千片,2027年跃升至1200千片,稳居第一。从Hopper到Blackwell以及最新的Rubin架构,每一代GPU都深度绑定台积电CoWoS - L工艺。同时,CoWoS - R主要用于英伟达的Vera CPU生产,预计出货量达575万颗,强劲的预订量表明Vera CPU出货量将近乎翻倍,对CoWoS - R产能需求也达100千片以上;CoWoS - S则用于Quantum和Spectrum交换机芯片。整体来看,英伟达一家就包走了台积电过半的CoWoS产能。但英伟达在整体需求中的占比将从2026年的约56%下降至2027年的约45%——绝对值在涨,但份额占比正在被稀释。这意味着,CoWoS市场格局正在从英伟达“一家独大”走向多强并立。

AMD:2027年最大黑马,增量直追英伟达

如果说英伟达是存量王者,AMD就是最凶猛的追赶者。AMD在2026年的CoWoS产能仅130千片,2027年暴增至530千片,400千片的增量几乎与英伟达(442k)持平;主要驱动力来自AMD MI系列AI服务器芯片放量,以及3D V - Cache和Chiplet架构的大规模采用,让AMD对CoWoS的需求在一年内翻了三倍还多(增长307%)。据悉,AMD在2027年重点产品为MI455,年底少量生产MI500(Arcadia);针对AMD的Venice CPU领域,AMD主要依靠ASE/SPIL、Amkor等非台积电的CoWoS工艺,产能从5万片激增至27万片,预计对应675万颗CPU产量,主要受Agentic AI需求驱动。被AMD收购的Xilinx的10k片需求原地不动,这大概能说明增长全部来自AMD自有产品线的爆发,FPGA产品线对CoWoS的需求似乎已饱和,或技术路线转向其他封装方式。

博通网络芯片稳健增长

2026年,博通的产能需求是300千片,是CoWoS的第二大需求方;2027年预计将增长至484千片(同比增长61%),被AMD反超位列第三。与前两者不同,博通的主力产品并非GPU,而是高端网络交换芯片。AI集群对800G、1.6T交换机的需求激增,推动博通的Tomahawk系列芯片全面转向CoWoS先进封装。此外,博通也在协助谷歌TPU v7(Ironwood)和v8i(SunFish),以及谷歌TPU v7(Ironwood)和v8i(SunFish)芯片的设计和代工业务,占用CoWoS产能。

联发科异军突起

联发科从40千片飙至180千片,增长350%。联发科的爆发是这张榜单上最意外的看点,这家传统的手机芯片巨头正大举进军AI加速器市场,云端和边缘的ASIC芯片开始大规模采用CoWoS,增速在所有头部客户中位列第一。有供应商透露,联发科的ASIC业务主要是源于谷歌TPU v8t(ZebraFish),预计对应360万颗出货量。

AWS:云厂商自研芯片稳步上量

AWS两条自研芯片产品线(Annapurna和Alchip)合计需求从88千片增至126千片,反映出Trainium训练芯片与Inferentia推理芯片的持续迭代,代表着云厂商摆脱对单一GPU供应商依赖的决心,只是增速相对头部厂商更为温和。

Marvell与GUC:定制ASIC暗流涌动

Marvell从17千片增长到64千片、GUC从14千片增至60千片,分别增长276%和329%。这两家的激增折射出一个趋势:定制化AI ASIC市场正在爆发。Marvell的DPU与AI网络芯片、创意电子(GUC)的ASIC设计服务业务,都在大量消耗CoWoS产能。越来越多的互联网公司选择自研AI芯片,而它们都需要通过设计服务厂来对接台积电的封装产能。

Cisco:传统赛道增长停滞

思科体量和增幅较小,需求仅从5千片增至6千片,反映出传统网络设备与中低端FPGA对高端CoWoS的拉动有限。这部分市场正在逐步被AI相关需求所挤压。整体来看,CoWoS的需求结构正在发生深刻变化:AI GPU阵营是基本盘:英伟达+AMD+博通占据了绝大部分产能;ASIC与网络芯片是新增量:联发科、Marvell、GUC受益AI交换机、高速互连芯片需求,封装需求翻倍增长,增速远超行业平均;云厂商自研芯片是长期变量:虽然当前体量不算太大,但云端自研大模型芯片持续扩产,同时也代表着算力供应链去中心化的方向;传统FPGA/网络设备:Xilinx、Cisco需求停滞,传统业务对高端CoWoS拉动有限。从行业总量视角来看,全球头部关键客户对CoWoS的产能需求从2026年的合计约138.4万片,增至2027年合计约268.2万片,整体增长约94%。两年间全球CoWoS晶圆需求近乎翻倍,印证了摩根士丹利对先进封装赛道高增长的判断。当所有玩家都在往同一条赛道上挤的时候,产能紧缺的问题自然浮出水面。

产能瓶颈:台积电跑得够快,但还不够

早已意识到CoWoS战略价值的台积电,已经在拼命扩产。据数据统计,2022年CoWoS月产能仅约1万片,2025年已逼近7万片。随着台积电及其合作伙伴积极扩产,台积电的CoWoS月产能到2026年有望达到创纪录的12万至14万片晶圆,2027年进一步增至17万片/月(部分规划显示2027年底产能将达20万片/月),扩产主要集中在台南和嘉义,扩产规模将大幅超过此前水平。台积电在扩产CoWoS的同时,正积极推进行业领先的CoPoS(Chip on Panel on Substrate)面板级封装技术,试点生产线预计2026年6月完成调试,最早2028 - 2029年实现大规模量产,以应对大尺寸芯片的封装需求。台积电之外,其它阵营也在积极扩产:预计到2027年底,非台积电阵营(ASE/SPIL、Amkor等)的CoWoS产能将扩张至每月8万片(80kwpm)。其中ASE/SPIL从2026年底的30kwpm增至50kwpm,Amkor从20kwpm增至30kwpm,均侧重于CoWoS - L和CoWoS - R。能看到,行业供应结构开始从台积电单点主导,转向晶圆代工与封测厂并行扩容。UBS预计,CoWoS行业月产能预计将从2026年底16万片增至2027年底的25万片,一年增幅约56%。这轮扩产背后,Rubin、AMD Venice、Google TPU和Amazon Trainium正在同时增加封装需求。与此同时,在未来5年内,台积电CoWoS将持续以每年放大尺寸的节奏发展,以整合更多的逻辑和HBM。2026年已生产全球最大的5.5倍光罩尺寸CoWoS,良率超过98%,后续整合20个HBM的14倍光罩尺寸CoWoS将于2028年量产,以及可整合24个HBM、大于14倍光罩尺寸的版本,则于2029年就绪。供应链透露,不仅CoWoS需求强劲,台积电的SoIC及CoPoS进度也很快,让设备供应链订单期望能见度直接到了2030年。例如台积电的SoIC产能也在持续扩产,此前预估2027年月产能约由1万片拉升至2万片,最新则传出上调至至5万片,英伟达包下大量产能。然而,新增产能很快就会面对更大的订单池。据UBS测算,CoWoS产能总需求将从2026年的130.7万片增至2027年的247.5万片(上文摩根士丹利预测为268.2万片),一年增长约89%,明显快于同期行业月产能增幅。据供应链透露,目前CoWoS供需缺口约20%,预计到2026年底才能收窄至约10%。另有机构测算,2027年产能缺口可能扩大至约70万片,超过30%。有供应链厂商指出,即使CoWoS月产能上调至20万+片,也难以满足所有客户订单需求,加上仍存在扩产、垄断与美国本土制造等风险。很多客户已从先前几乎独供的台积电,将日月光、矽品科技、Amkor等列为外溢订单对象,建立先进封装第二供应路径。另一方面,扩产速度跟不上需求也存在其它原因:一方面工艺门槛高,CoWoS涉及大尺寸硅中介层、TSV通孔、微凸点键合等多项精密工艺,良率爬坡需要时间;另一方面,设备供应链长,先进封装所需的键合机、检测设备交期长达一年以上,不是有钱就能立刻扩产;同时,CoWoS与HBM大多时候是绑定关系,SK海力士、三星的HBM产能跟不上,CoWoS产能再大也无法出货。这就导致了一个尴尬的局面:台积电CoWoS产能在2024 - 2026年持续处于满产状态,订单能见度甚至已经排到了2027年。在这种情况下,各大芯片厂商为了锁定产能,不得不提前一年以上与台积电谈判,甚至出现了“抢产能”优先级的行业潜规则。还有一点需要关注的是,在CoWoS封装需求上升的同时,前端先进制程也在变紧。UBS指出,云端AI产品占台积电N3需求的比例将从2026年的35%升至2027年的72%,两年平均产能利用率分别约108%和109%。Rubin、Vera CPU、Google TPU与Trainium都要先获得N3晶圆,随后才能进入CoWoS环节。在这个过程中,客户结构也在快速变化。英伟达占台积电N3产能的比例预计从2026年的10%升至2027年的30%,Broadcom从10%升至16%;同期Apple占比从38%降至14%。虽然消费电子仍有需求,但云端AI正明显提高对先进制程和后端封装的双重占用。因此,CoWoS供给能否跟上,取决于这些环节是否都能按同一节奏爬坡。2027年底25万片的行业月产能目标,需要先进制程晶圆供给、OSAT全流程良率、键合与量测设备交付同步兑现,也要等Rubin、Venice和TPU按计划放量。需求来自更多客户后,CoWoS摆脱了对单一GPU周期的依赖,却增加了产品组合和排期复杂度。近期业界有声音传出,台积至今仍未确立设备商的订单分配,供应商如坐针毡,担心形成降价抢单氛围,同时设备下单至生产出货时程,至少7 - 9个月,业内担心可能难以如期交付设备。此外,比产能更棘手的问题是技术与成本瓶颈。据悉,CoWoS依赖的硅中介层面临成本高、尺寸受限、易翘曲三大难题。12英寸硅中介层单片成本逾百美元,占整体封装成本一半以上。尤其是随着AI芯片越做越大——NVIDIA B200的封装面积已达单片硅中介层承载极限的3到4倍——硅中介层的尺寸瓶颈已难以回避。下一代Rubin GPU尺寸更大,目前只能靠“局部硅桥+有机基板”的方式应急。

英特尔、三星“磨刀霍霍”

CoWoS产能吃紧,也给了竞争对手机会。CoWoS并非2.5D封装的唯一答案,竞争对手们正在加速布局自己的替代方案。尤其是在先进制程领域鏖战多年的英特尔和三星,在先进封装这块巨额的市场蛋糕与产能缺口面前,磨刀霍霍。

英特尔的EMIB与Foveros

英特尔拥有自己的2.5D/3D封装技术矩阵。其中,EMIB(嵌入式多芯片互连桥接)技术正积极抢占市场。与CoWoS不同,EMIB通过局部嵌入式硅桥替代全尺寸中介层,实现芯粒间局部高速互连,良率更高,成本大幅降低。对比CoWoS,EMIB硅用量仅其1/3 - 1/5,单颗成本低30% - 50%;EMIB - M已支撑6倍光罩尺寸,预计2026 - 2027年达8 - 12倍;热膨胀失配风险低,翘曲问题少,良率已突破90%。EMIB工艺也在不断演进迭代:EMIB(一代):基础硅桥,面向CPU+GPU/HBM一般异构集成;EMIB - M(Matrix):多桥阵列。当前6倍光罩,2026 - 2027年目标8 - 12倍,瞄准超大规模多芯粒AI芯片;EMIB - T(Through - Silicon - Via):硅桥引入TSV实现垂直供电。电源与信号从封装底面直达芯片,抑制DC/AC噪声串扰,契合AI加速器与数据中心芯片对带宽和功耗的严苛要求。后段良率已爬至90%以上;EMIB+玻璃基板:2026年初首发,78×77mm巨型封装(2倍标准光罩),“10 - 2 - 10”堆叠(800μm厚玻璃芯+上下各10层RDL = 20层电路),定位HPC与AI服务器。在市场进展方面,2026年英特尔EMIB - T封装已拿下Google下一代TPU的订单;英伟达下一代GPU Feynman也计划导入EMIB;Meta也计划在2028年的CPU中采用;SK海力士正与英特尔合作测试EMIB,以降低对CoWoS的依赖。近日,英特尔宣布任命李锡熙为Intel Foundry执行副总裁,负责先进封装、系统集成、后端技术开发和后端制造,并直接向CEO陈立武汇报。这一任命的核心意义在于,Intel正在把先进封装提升为Foundry业务的重要增长点。AI加速器通常需要把逻辑芯片、HBM、I/O芯片和其他Chiplet集成到同一封装中,封装平台能力直接影响客户是否愿意采用Intel Foundry。Intel将后端封装独立强化,有助于其在18A、14A和后续制程之外,提供更完整的系统级制造方案。对全球格局而言,Intel并不只是希望在前道制程上追赶台积电,也在试图通过EMIB、Foveros、EMIB - T和混合键合等后端技术,吸引AI ASIC、HPC和云服务客户。先进封装可能成为Intel重新进入高端客户供应链的切入口。有业内人士表示,EMIB正从CoWoS替代选项跃迁为AI大芯片时代的封装第二极,其“硅桥+玻璃基板”的双线演进正在制约CoWoS的溢价空间。Foveros则是Intel真正的3D堆叠技术,可实现逻辑芯片叠逻辑芯片。随着英特尔IDM 2.0战略推进,其封装业务也开始对外接单,直接对标台积电CoWoS和SoIC。

三星的I - Cube

三星的竞争优势在于其能够提供从HBM制造、逻辑制程代工到先进封装的完整“交钥匙”方案。三星的SAINT(Samsung Advanced Interconnect Technology)家族涵盖了I - Cube(2.5D)和X - Cube(3D)技术,背靠自身HBM内存产能优势,三星正在全力争取AI芯片客户的封装订单,试图形成“内存+封装”的一体化竞争力。I - Cube利用硅中介层集成逻辑芯片与HBM,目前已能支持多达8个HBM堆栈的集成。针对下一代HBM4,三星正积极推进混合键合技术,以取代传统的微凸点堆叠,旨在提升热耗散能力并缩减封装高度。三星计划到2026年将其HBM月产能大幅提升至25万片,以期在高性能AI加速器市场夺回主导权。不过有行业人士表示:“采用三星2.5D封装平台的客户,要么出货量很小,要么只是几个月的短期项目。在先进封装决定芯片性能的时代,三星亟需加强这一领域的竞争力。”对此,三星正将2.5D封装的技术路线从传统的晶圆级封装(WLP)转向面板级封装(PLP)。PLP使用方形大尺寸面板,面积利用率高,生产效率优于圆形晶圆。随着AI芯片尺寸不断增大,PLP的适用性将进一步提升。三星正在推进将Cube技术从WLP改为PLP,并着手开发面向超大芯片的“系统级面板(SoP)”,目前开发尺寸为415mm×510mm。

行业玩家的多元路线

此外,ASE(日月光)、Amkor(安靠)等封测巨头也在发展类似的2.5D封装方案,虽然在最尖端性能上与CoWoS尚有差距,但在成本与产能灵活性上具备优势,正在蚕食中高端市场。

日月光

日月光推出的VIPack™平台旨在支持从扇出型芯片封装(FOCoS)到共封装光学(CPO)的全方位异质集成需求。为了应对AI爆发带来的产能短缺,日月光计划在2025年投入超过60亿美元的资本支出,重点在高雄及中科厂区扩充类CoWoS产能。日月光还展示了先进的硅光子技术,通过将光学引擎直接集成在封装基板上,大幅提升了AI数据中心内部的数据传输效率。

安靠

安靠作为全球第二大OSAT,其战略重心在于与先进制程代工厂的紧密绑定。安靠与台积电签署了谅解备忘录,将在其亚利桑那州新厂为台积电提供封装与测试支持,从而缩短晶圆跨太平洋运输的周转时间。安靠在高性能计算领域的研发重点包括RDL中介层技术和桥接技术(如Connect - S),目前已有多家计算与网络客户进入资格认证阶段,预计2026年实现大规模量产。此外,安靠在高密度扇出(HDFO)领域具有显著优势,能够为下一代智能手机和车载ADAS系统提供轻薄且高效的互连方案。这些路线并非完全竞争和互相互斥,而是针对性的服务于不同应用。高端AI GPU更重视带宽、良率和成熟度;定制AI ASIC可能更重视成本、供货弹性和多供应商策略;消费电子和边缘AI产品则更重视尺寸、成本和批量制造能力。可以预见,未来的先进封装市场不会是台积电一家独大,而将呈现多技术路线、多供应商并存的格局。

中国先进封装如何破局

当先进封装被攥在少数几家厂商手中时,国内半导体产业自然也无法置身事外。CoWoS的产能紧缺与技术壁垒,恰恰折射出中国在先进封装领域加速突破的紧迫性。好消息是,国内正在全力追赶,且在先进封装赛道并非从零起步。长电科技、通富微电、华天科技等封测巨头均已布局2.5D/3D封装、Chiplet等技术路线,部分产品已进入量产阶段。例如,长电科技2026年6月宣布投资78亿元在上海临港建设高端先进封装工厂,聚焦2.5D/3D堆叠、HBM3e、Chiplet与CPO四大方向。此外,盛合晶微、甬矽电子、晶方科技等本土企业,也正在通过各具特色的先进封装能力,提升本土供应链价值。大基金三期已将先进封装列入重点支持方向。与台积电CoWoS相比,中国厂商在最高端AI GPU封装中或许仍存在HBM协同、良率控制和客户生态差距,但在国产AI芯片和特色应用中具备更强的本地客户贴近度。更重要的是,Chiplet架构的普及为国内产业提供了一个“换道超车”的窗口。当芯片不再追求单颗极致大,而是通过多颗小芯片拼接实现高性能,封装的价值占比将持续提升——这恰恰是国内封测产业积累深厚的领域。

写在最后

CoWoS的争夺战,远未结束。台积电在扩产,英特尔、三星、日月光在追赶,国内在奋力突围。谁能在先进封装这场竞赛中笑到最后,将深刻影响未来十年的AI芯片格局。而对于国内产业来说,这既是挑战,也是不容错过的历史机遇。

一文读懂先进封装:从传统封装到玻璃基板的芯片革命 芯片封装是半导体产业链中连接芯片与系统的关键环节,它不光是给芯片加个外壳,更承担着机械支撑、电气连接、散热和环境保护等核心功能。随着摩尔定律逼近物理极限,传统引线键合与基板互连在带宽、功耗和集成密度上遭遇瓶颈,先进封装应运而生。通过提升互连密度、缩短信号路径及多芯片异构集成,2.5D/3D封装、TSV硅通孔、扇出型封装与Chiplet设计正在重新定义芯片性能的演进方式,成为AI加速卡和高性能计算的核心底座。与此同时,玻璃基板凭借低介电常数、高平整度与可调热膨胀系数等优势,被视为突破有机载板天花板的下一代封装 阅读详情

相关推荐

玻璃基板:AI芯片先进封装的材料革命与关键技术解析

先进封装技术是提升芯片性能的关键路径,其核心原理在于通过创新的互连和集成方案突破传统制程限制。在AI算力需求爆发背景下,封装材料的热稳定性和电气性能成为技术价值的重要体现。玻璃基板凭借其低热膨胀系数和高频低损耗特性,正在成为支撑大尺寸AI和HPC芯片封装的关键材料。TGV通孔技术和RDL布线工艺作为实现高密度互连的核心环节,解决了传统有机基板翘曲和硅中介层尺寸受限的痛点。随着台积电CoPoS和英特尔Glass-Core两大技术路线的推进,玻璃基板在AI训练芯片、高性能计算等场景的应用前景日益清晰,这场材料革

weixin_33675507的博客 414

台积电收购面板厂背后:先进封装产能竞赛与半导体产业新格局

在摩尔定律逼近物理极限的背景下,半导体行业正经历从“制程微缩”向“先进封装”的战略转向。先进封装技术,如3D堆叠和异质集成,通过将不同功能的芯片在三维空间进行高密度集成,成为延续芯片性能提升的关键路径。其核心价值在于突破单一制程瓶颈,实现系统级性能跨越,并大幅提升集成度与能效。该技术对生产环境要求极高,需要类晶圆厂的超高洁净度与大空间厂房,这直接催生了对现成高规格生产空间的迫切需求。当前,随着AI、高性能计算等应用爆发,先进封装产能已成为行业稀缺资源,巨头们正通过收购、改造等方式加速布局,以抢占未来十年的竞

congsikuai0611的博客 367

SK海力士引入EMIB,HBM竞争转向封装互连生态

AI算力的持续提升,让内存带宽成为系统性能的核心瓶颈。以HBM为代表的高带宽内存,通过TSV硅通孔实现多层DRAM垂直堆叠,突破了传统DDR内存的带宽极限。随着HBM向更高层数演进,内部堆叠所需的MR-MUF等封装技术,以及HBM与计算芯片之间的外部互连方案,逐渐成为决定性能的关键。目前主流的CoWoS封装依赖大面积硅中介层,成本与良率压力日益凸显。相比之下,英特尔EMIB嵌入式多芯片互连桥接技术,通过局部嵌入硅桥实现高密度互连,具备成本可控和设计灵活等优势。SK海力士在下一代HBM中引入EMIB,标志着H

weixin_33895475的博客 323

深度 | 英特尔CEO点名台积电95%太危险:一半招商话术,一半内存实况

陈立武在 Splunk 大会上公开点名台积电,说 95% 依赖一家台湾公司太危险,还搬出 EMIB 挑战 CoWoS。市场真正该记住的,是他顺带说的另一句——内存价格涨了 5 到 7 倍。我判断,这段表态要拆成两半听:一半是招商话术,一半是供应链实况。混着听会误判。上图:同一个数字,两种口径。裁到「95% 单一台湾公司」,才能给 Intel 代工一个招商理由。

summerliyang的博客 203

芯片代工市场结构性分化:成熟制程过剩与先进制程紧缺

半导体制造工艺的发展呈现出明显的双轨制特征,一方面先进制程遵循摩尔定律持续微缩,7nm以下工艺成为AI芯片等高性能计算产品的关键支撑;另一方面成熟制程通过特色工艺优化,在汽车电子、工业控制等领域持续发挥价值。这种技术演进路径的分化直接导致了当前芯片代工市场的结构性特征:消费电子领域的28nm及以上成熟制程面临产能过剩,而车规级芯片和先进制程却供应紧张。从产业实践看,台积电等头部代工厂80%的资本开支集中在先进制程,这种投资结构使得特色工艺产能增长缓慢。理解这种结构性分化对芯片设计公司的产能规划、终端厂商的供

weixin_29188043的博客 280

从英伟达天量融资看AI算力需求与CUDA生态护城河

在人工智能和半导体领域,算力已成为驱动创新的核心基础设施。其原理在于通过GPU等专用硬件对矩阵运算等AI负载进行深度优化,并结合高速互联技术构建大规模计算集群,从而突破软件创新的性能天花板。这种硬件定义趋势的技术价值在于为大型语言模型训练、科学计算及自动驾驶等前沿应用提供了必需的“发动机”。应用场景已从集中的云端训练扩展至边缘推理与私有化AI工厂。当前,以英伟达CUDA为代表的软硬件生态,通过提供从芯片到云服务的全栈解决方案,形成了强大的开发者锁定效应,这正是其应对AI算力需求爆炸和市场竞争的关键护城河。

weixin_34341117的博客 337

芯片封装大变局:台积电押注“玻璃基板”,半导体行业进入3D堆叠新时代

传统有机基板已经跟不上AI芯片的膨胀速度了。AI大模型的训练与推理推动着高端CPU、GPU、HBM存储和Chiplet异构集成的快速迭代-。英伟达的GB200、GB300以及正进入量产的Rubin平台,封装尺寸持续扩张。芯片越大,封装面临的问题就越棘手——翘曲、散热、信号传输、供电,每一个都是良率杀手。传统有机基板在这些挑战面前渐显疲态。高频损耗大、大尺寸易翘曲,物理极限正在逼近-。硅中介层虽然性能更好,但成本高昂、工艺复杂-。业界迫切需要一种新材料来打破瓶颈。玻璃基板正是在这个节骨眼上走到了台前。

fuquxiaoguang的博客 626

CPO技术全景解析:产业链布局、核心玩家竞争格局与未来市场机遇

本文全面解析CPO技术在AI时代的应用与产业链布局,探讨其作为光速高速公路的核心价值。从上游的硅晶圆制备到中游的精密制造,再到下游巨头的军备竞赛,详细分析了全球竞争格局与未来技术路线。CPO技术不仅大幅降低功耗,还推动光计算与存算一体的发展,成为中美科技博弈的新战场。

weixin_30399821的博客 617

SK海力士赴美建HBM封装基地,AI算力供应链迎来关键变局

在AI算力体系中,内存带宽是决定训练效率的核心瓶颈,高带宽内存应运而生。HBM通过硅通孔技术将多层DRAM垂直堆叠,在极小面积内实现远超传统内存的吞吐能力,成为高端AI加速卡不可或缺的组件。而先进封装环节直接决定了HBM的性能与良率,技术壁垒极高,也是供应链中最具战略价值的节点。SK海力士作为HBM市场的主要供应商,计划在美国建设首个HBM封装基地,这一动作不仅缩短了北美大客户的供应半径,也标志着全球AI算力产能布局从芯片设计向封装与存储环节下沉。对于开发者而言,理解HBM的迭代节奏、封装产能释放进度以及显

weixin_34101784的博客 384

DeepSeek V4发布:国产AI算力从能用到必用的转折点

大模型推理与训练依赖的AI算力,本质是硬件、软件栈与工程化能力的系统集成。当参数规模突破万亿、上下文扩展至百万级,单纯堆叠芯片已失效,垂直整合成为关键——这正是昇腾910C与DeepSeek V4协同突破的核心逻辑。通过算法代偿(如动态KV缓存压缩)、全栈原生适配(Ascend C算子融合、MindSpore调度优化)及标准化推理服务框架,国产AI算力正实现从‘能跑通’到‘可量产’的跃迁。其技术价值不仅在于替代英伟达,更在于构建确定性交付、可控TCO与政策安全的新型基础设施。当前已在金融、短视频、科研等长文

weixin_33885676的博客 716

苹果M6芯片战略调整与2nm工艺技术解析

芯片制造工艺的演进是半导体行业的核心驱动力,从传统的FinFET到GAAFET架构的转变,标志着晶体管技术进入新纪元。2nm工艺通过采用环绕栅极晶体管设计,实现了晶体管密度提升50%和功耗降低36%的突破,这背后是纳米级精度控制和新型材料应用的工程挑战。在商业层面,苹果取消M6高配版的决策反映了芯片行业从性能竞赛向能效优先的战略转型,这与市场实际需求(仅15%用户需要满负荷性能)和供应链优化(台积电2nm产能预订80%)密切相关。对于开发者而言,适配ARMv9指令集和Metal API将成为释放2nm芯片潜

weixin_34379433的博客 430

H100 GPU算力紧缺解析:从供应链到云服务与替代方案

在AI大模型训练领域,GPU算力已成为核心基础设施。其工作原理基于并行计算架构,通过数千个计算核心同时处理海量数据,显著加速深度学习模型的训练与推理过程。这一技术价值在于,它使得训练参数规模达千亿级别的大语言模型成为可能,直接推动了生成式AI的快速发展。当前,Transformer架构优化和高速互联技术(如NVLink)进一步释放了硬件潜力。应用场景涵盖从自动驾驶、药物研发到自然语言处理的广泛领域。然而,全球范围内高端AI芯片(如英伟达H100)面临严重供需失衡,其产能被头部云厂商和科技巨头的大规模集群采购

weixin_34269583的博客 385

深入解析FPGA中的GTX高速收发器架构与设计原理

本文深入解析了FPGA中GTX高速收发器的核心架构与设计原理。文章将GTX比作数据“高速公路”,详细拆解了其PMA(物理媒介适配层)与PCS(物理编码子层)的双层结构,阐述了串并转换、时钟恢复等关键技术,并提供了时钟源选型(QPLL/CPLL)、上电复位流程及信号完整性调试等实战指南,是掌握高速接口设计的必备知识。

f6g7h8i9j的博客 222

AI算力新常态:从粗放消耗到精细运营的实战指南

高性能计算(HPC)与人工智能算力是现代技术创新的核心基础设施,其原理在于通过大规模并行处理单元加速复杂计算任务。在工程实践中,算力的技术价值不仅体现在训练速度上,更关乎模型部署的可行性、服务稳定性与总体拥有成本。随着大模型应用场景的广泛落地,算力已从可无限获取的资源转变为需要精细管理的战略资产。开发者需关注GPU利用率、模型推理优化等关键指标,并构建混合算力架构以应对供应链波动。本文以行业热点事件为引,探讨了在算力约束下,如何通过软件优化、成本监控和供应链多元化,确保AI项目的稳健推进与持续创新。

weixin_30256901的博客 584

unity转微信小游戏:使用CDN加载游戏(微信开发者工具云开发CDN)

unity转微信小游戏:使用CDN加载游戏(微信开发者工具云开发CDN)

会潜水的小火龙的博客 3072

SRAM故障排查实战:如何用Nano Prober定位6T存储单元的异常点

本文详细介绍了在SRAM故障排查中,如何运用Nano Prober(纳米探针)技术精准定位6T存储单元的内部异常。面对传统方法难以发现的电性参数漂移(如晶体管阈值电压偏移)或微小物理缺陷,Nano Prober能直接对单个6T单元内的晶体管进行I-V特性测量,结合失效模式分析,有效解决读写错误等疑难问题,是芯片失效分析的关键工具。

v5w6x的博客 668

2026年芯片公司评测指南:五大维度拆解与选型策略

芯片选型不仅是性能对比,更是多维度技术生态的系统评估。在制程工艺、算力能效、AI软件栈、生态兼容度与成本供货性五大维度中,每一层差异都会转化为实际项目的交付效率与长期TCO。先进封装与2nm量产重塑了硬件天花板,而CUDA/ROCm等软件栈的成熟度则决定了模型适配速度。面向AI训练、数据中心、边缘计算及工业场景,不同芯片公司的技术路线各有优劣,唯有先明确需求坐标系,再结合真实负载PoC验证,才能规避跑分陷阱与优化误差。从峰值算力转向机柜级能耗,从单卡性能转向生态粘性,2026年的选型逻辑更强调综合匹配度——

weixin_34277853的博客 298

用Proteus8.9自带STM32F401VE的Controller仿真STM32F407ZGT6,F429IGT6

@用Proteus8.9自带STM32F401VE的Controller仿真STM32F407ZGT6,F429IGT6 一, 目前得到的 Proteus8.9版本软件能够支持的Cortex-M4固件库项目,只能到达STM32F401VE (如下图1所示)。 (图1) 作为ST公司Cortex-M4更为广泛应用的F407,F429系列芯片;现在的Proteus8.9版本软件还没有固件库支持,不能...

kaillen的博客 3万+

2026科技投资主线:AI芯片、商业航天、脑机接口与量子计算

人工智能算力需求正从模型训练侧向推理侧迁移,这一结构性变化重塑了AI芯片的投资逻辑——训练增速放缓并不意味着机会减少,推理规模化、先进制程与HBM封装产能以及国产替代的真实订单,成为更值得追踪的产业线索。与此同时,可回收火箭技术让商业航天从概念炒作转向订单能见度,低轨星座组网和地面设备需求开始兑现。脑机接口领域,侵入式与非侵入式路线进入临床里程碑密集期,上游电极、专用芯片和算法数据成为确定性更高的“卖水人”环节。量子计算虽远期想象空间巨大,但当下更稳健的配置方向聚焦于稀释制冷机、量子云服务与软件工具链。理解

weixin_29192365的博客 320

[WeChatMsg]导出csv格式微信聊天记录的手把手教程

手把手教大家如何导出自己的聊天记录得到csv文件,即使是电脑小白也可以轻松学会o(* ̄▽ ̄*)ブ

weixin_51094633的博客 1万+

Amber分子动力学模拟:蛋白结构准备全流程与关键注意事项

分子动力学模拟是研究蛋白结构、配体结合与构象变化的重要计算手段,其结果的可靠性高度依赖初始结构的质量。在Amber模拟体系中,结构准备是决定后续计算成败的“一票否决”环节,任何缺失残基、错误质子化状态或未处理的二硫键都可能让长时程模拟失去意义。从PDB原始文件出发,需依次完成结构检查与清洗、残基命名统一、配体参数化、金属离子建模、加氢及质子化状态判断,最后通过tleap构建力场、溶剂盒子与离子环境。这一过程看似琐碎,却直接决定了蛋白在模拟中的物理合理性。无论是解析催化机制、评估药物结合亲和力,还是探索构象变

weixin_31714129的博客 241

GPU芯片那些事

英伟达高端GPU的高价,本质是技术+生态+市场三位一体的垄断定价。领先2-3年的算力性能全球最完善的AI开发生态快速部署AI模型的时间成本优势长期技术支持与迭代保障随着AMD、英特尔及国产GPU厂商的崛起,市场格局可能逐步改变,但短期内英伟达的定价权仍难以撼动,尤其是在训练端市场。你这个问题问到了芯片行业最核心的物理规律,很多外行都会这么想:既然小纳米贵,我用成熟的28nm,把芯片做大一倍、十倍,不就算力也上去了?完全行不通,这是物理定律锁死的死胡同。

lusa1314的博客 568

Arduino、ESP32驱动TEMT6000传感器(光照传感器篇)

TEMT6000是一个三极管类型的光敏传感器,其光照强度和基极的电流成正比。用起来也相当简单,可以简单的连接该传感器的基极到模拟电压输入,通过简单的检测电压值就可以判断当前的光照强度。

不脱发的程序猿 4236

2026年06月17日科技热点新闻

公开审计财务数据显示,OpenAI2025 全年总支出 340 亿美元,其中研发投入 190 亿美元,主要用于超算集群搭建、GPT 系列模型训练与安全对齐优化。Gartner数据显示2026年DRAM价格涨幅125%、NAND闪存上涨234%,AI大模型催生HBM芯片持续供不应求,SK海力士占据全球60%HBM市场份额,存储从周期商品转为战略稀缺资源。微软365 Copilot全面接入英国国家医疗体系NHS,覆盖50万医护人员,是全球规模最大医疗AI落地项目,用于病历整理、诊断辅助、排班调度。

BluerCat的博客 1557

ROSTCM6+Gephi的网络语义分析详细教程(附案例实战)

ROSTCM6是武汉大学沈阳教授研发编码的国内目前唯一的以辅助人文社会科学研究的大型免费社会计算平台。该软件可以实现微博分析、聊天分析、全网分析、网站分析、浏览分析、分词、词频统计、英文词频统计、流量分析、聚类分析等一系列文本分析。Gephi是一款开源免费跨平台基于JVM的复杂网络分析软件,可用于各种图形和网络的可视化和探索,是最受欢迎的网络可视化软件之一。

m0_64336780的博客 1万+

NTscan扫描工具

ntscan是一个扫描器,可以扫描没有密码和弱密码的共享,先到配置文件中填写猜测的用户名和密码,扫描过程中右侧出现的是扫描日志。

上一篇: 互联网大厂冷落“龙虾”,运营商却视若瑰宝,押注Token经营能否破局?
下一篇: Beavis Ultrasound PnP 声卡复刻版:开源设计、制作及组装全解析!
IT界那些事儿
博客等级 码龄6年 2万+粉丝 22原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值