说到玻璃基板概念,那就不得不提台积电了
Source: http://x.com/i/article/2063883613679292416
一、从硅片到算力:台积电存在的必然性
1. 集成电路的起点
1959 年,Robert Noyce 和同事 Jean Hoerni 在仙童半导体公司提出平面工艺概念 Planar Process 。在此之前,电路由分立元件手工焊接而成。
平面工艺核心思路是,在同一块硅晶圆的表面,通过一系列可控的物理化学反应,完成所有元件的构建与互连。
具体步骤分为四个环节。
首先,在硅晶圆表面通过高温氧化生成一层二氧化硅( SiO₂ )。这层绝缘膜由 Jean Hoerni 发明,称为表面钝化,将半导体的电学活性区域密封在内部,同时在后续工序中充当化学屏障。
其次,通过光刻与化学蚀刻在绝缘层上开出精确的微米级窗口。在 SiO₂ 表面涂覆光刻胶,用掩膜版曝光,再以化学溶剂和氢氟酸依次去除光刻胶和裸露的 SiO₂ 。
第三步是扩散掺杂。杂质气体,如硼或磷只能通过无绝缘层覆盖的窗口进入硅晶圆内部,在特定区域形成半导体。
最后是金属互连。Robert Noyce 在整片晶圆表面蒸镀铝薄膜,再次利用光刻与蚀刻技术,去除多余金属,留下设计好的导线图案,直接将各晶体管电极连接成完整电路。
这一工艺的革命性在于两点:
1)制造步骤从三维变为二维;
2)批处理能力( Batch Processing )使同一块晶圆上可以同时制造成千上万个晶体管,奠定了通过缩小线宽、扩大晶圆尺寸来降低单颗芯片成本的商业模式。
2. 摩尔定律:预言与路线图
1965 年,Gordon Moore 提出一项结论,集成电路上可容纳的晶体管数目,约每隔 18 至 24 个月便会增加一倍,可用指数函数表示:
芯片尺寸不变的前提下,计算能力每两年翻倍;或在维持相同计算能力的前提下,单颗芯片成本与体积减半。
这种可预期的性能曲线定义了整个 IT 产业的软硬件更新周期。
3. 登纳德缩放比例:算力提升的物理基础
摩尔定律的实现依赖一个更底层的物理定律。
1974 年,Robert Dennard 指出登纳德缩放比例。
摩尔定律指向晶体管数量的指数增长。在二维平面上,要实现晶体管密度每隔两到三年翻倍,单个晶体管的物理尺寸,如栅极长度、氧化层厚度必须按比例缩小。 这个比例就是登纳德缩放比例。
集成电路可以在增加晶体管数量、提升频率的同时,不增加额外的散热负担。这是早期 CPU 频率一路攀升的物理基础。
大约在 2005 年,这一定律开始失效。
当绝缘层缩薄至几个纳米时,开始进入量子物理学领域,量子隧穿产生大量静态功耗与热量,即使是在关机状态下。
行业由此被迫从单核高频转向多核并行架构。这也是当前 AI 计算依赖 GPU 大规模并行的底层物理原因。
4. 从微米到纳米:成本为何指数级上升
芯片工艺不断接近物理极限,直接推高了资本支出与研发投入。
1)当工艺推进至 7 纳米及以下,传统深紫外( DUV )光刻技术无法满足分辨率要求,必须使用极紫外( EUV )光刻机。
单台 EUV 设备造价高达数亿美元,一座先进晶圆厂通常需要配置多台。刻蚀( Etch )、薄膜沉积( Deposition )和量测( Metrology )等配套设备也需全面升级。
2)在设备光学分辨率受限的条件下,须对同一掩膜层进行多次曝光与刻蚀,即多重曝光技术( Multi-patterning )。工序增加导致晶圆加工周期拉长,为维持相同的月产能,晶圆厂须购置更多设备、建设更大厂房。
3)在纳米尺度下,量子隧穿使得每次架构的根本性迭代,都意味着器件模型、材料配方和制造工艺的全面重建。与此同时,高 K 介质( High-K Dielectrics )、金属栅极( Metal Gate )及钴、钌等新型互连材料的开发,研发周期长、耗资巨大。
3)纳米级工艺对洁净室的颗粒标准极度严苛。EUV 光刻机的光电转换效率低,需要庞大的供电与冷却系统;厂房的防震等级也须达到极高标准,以确保曝光过程的绝对稳定。
5. 垂直整合制造 IDM 模式陷入结构性困境
物理成本增长,使得垂直整合制造( IDM )模式难以为继。
在 IDM 模式下,企业独立承担从设计到制造的全流程。先进晶圆厂动辄百亿美元的固定成本,要求极高的产能利用率(通常需达 90% 以上)并 24 小时不间断运行,才能在设备折旧周期内收回成本。
然而,单一 IDM 厂商自身的产品线出货量,往往无法填满一座先进制程晶圆厂的庞大产能,产能闲置将导致单位制造成本急剧上升,最终侵蚀利润率。
这一经济逻辑是洛克定律( Rock's Law ),即摩尔第二定律,新建晶圆厂的建造成本约每 4 年翻一倍:
随着工艺节点推进,固定成本与产品线覆盖能力之间的剪刀差持续扩大,这是 1980 年代末半导体产业链发生结构性分化、代工模式得以崛起的根本经济原因。
也是台积电存在的必要性基础。
时至今日,能够承担先进制程巨额固定成本的企业,只剩下台积电、三星等少数拥有全球规模出货量的玩家。
二、AI 计算在物理层面究竟遭遇了哪些客观限制
1. 光罩极限:从单颗芯片做大转向多颗芯片互连
AI 计算的核心是通用矩阵乘法( GEMM ),大模型参数规模每增加一个数量级,算力需求增加三个数量级。
为应对这一指数级压力,现代 GPU 芯片引入张量核心 Tensor Cores。这是一种在硬件电路上直接硬连线的专用单元,用于执行混合精度 FP16 、FP8 或 INT8 乘积累加运算( MAC )。
专用化本身意味着更多晶体管、更大的物理面积,算力的每一次跃升,都转化为对硅片面积和制程精度的进一步施压。
为集成更多算力单元,单颗 AI 芯片的面积不断扩大。然而,光刻工艺中单次曝光的最大面积受限于光学镜头的物理尺寸,这一上限被称为掩模版极限,通常为 858mm²。
当单颗芯片面积逼近掩模版极限时,制造缺陷导致整颗芯片报废的概率急剧上升,良率呈指数级下降。
换言之,业界不可能通过无限放大单颗芯片来获取更多算力。要继续扩展 AI 系统的规模,必须从单颗芯片做大转向多颗芯片互连。
2. 内存墙与高带宽内存 HBM
打破内存墙,当前最通用方式是物理堆叠。
通过硅通孔 TSV 技术,高带宽内存 HBM 将多个 DRAM 裸片( Die )在垂直方向堆叠。
制造过程中,在硅片上打出穿透晶圆的微孔,填充铜等导电金属,形成垂直互连。
堆叠的每一层 DRAM 之间,通过数以万计的微小金属凸块完成物理焊接与信号传输。
3. 三重约束指向同一方向
AI 计算在物理层面面临的三重约束,
1)晶体管密度的继续缩放;
2)单颗芯片面积的掩模版上限;
3)数据传输的内存墙,
共同指向制造工艺必须攻克的三个具体方向。
1)在有限的硅片面积上继续塞入更多晶体管,必须依赖分辨率更高的光刻技术,这就是极紫外光刻( EUV )所要解决的问题。
2)当晶体管尺寸缩至个位数纳米,必须转向全环绕栅极晶体管这一新的三维器件架构。
3)当单颗芯片无法继续放大,而内存带宽又必须以 TB/s 量级供给,唯一的出路是在封装层面把逻辑芯片与 HBM 垂直整合
这正是台积电 CoWoS 先进封装技术所要解决的根本问题。
三、从设备到量产:台积电如何把光刻机变成芯片
制造芯片需要光刻机。从阿斯麦那里买来光刻机却只是第一步,同样一台设备,不同代工厂的产出良率可能相差数倍。
光刻的本质,是用光穿过带有电路图形的掩模版,照射在涂有光刻胶的硅片上,通过光化学反应把图形印到晶圆上。
——————
一颗先进芯片的制造涉及上千道工序,涉及数百种化学气体、数十种设备。台积电的护城河,很大程度上藏在这些设备怎么用的细节里。
薄膜沉积与蚀刻设备的物理参数是公开的,但要在反应腔里注入什么气体、比例多少、温度多高、停留多久。这些组合是台积电最核心的商业机密。
以 GAAFET 的纳米片制造为例,需要在 SiGe 和 Si 的多层结构中,以极高选择比蚀刻掉 SiGe 层,只留下 Si 纳米片。这需要台积电积累多年的化学反应动力学数据才能稳定实现。
制造多层晶体管结构时,每一步高温工序,比如离子注入后的退火,都会让前面已经定好位的杂质原子发生二次扩散,破坏晶体管的电学特性。
工程师必须从第一道工序开始,精确规划每一步能花掉多少热能,让前后工序互不干扰。这类全局性的工艺整合能力,没有几十年的量产经验无法建立。
——————
此外,EUV 之所以难,是因为这个波段的光会被几乎所有物质吸收,包括空气和玻璃。光刻机内部必须维持高度真空,透镜也全部换成由钼和硅交替镀膜的反射镜,靠多次反射把光引导至晶圆。
所以,工艺能做多细是一回事,怎么用好这个能力是另一回事。
台积电在设计阶段介入,Apple 或 Nvidia 的设计师画出芯片架构图时,台积电的工程师会在一旁提供反馈,告诉他们哪些电路布局在当前制程下可以做得更小、更省电,哪些地方会成为良率陷阱。
通过调整标准单元的高度、晶体管排布的方向等细节,可以在不缩短光刻波长的前提下,把整颗芯片的面积再压缩一大截。
这意味着,同样的 EUV 设备,台积电能从中榨出比同行更高的密度。
这些更多是经验积累。
光学修正 光刻还有一个反直觉的现象。
想在晶圆上画出一个正方形,不能直接在掩模版上画正方形。因为光在穿过微米级图形时会发生衍射和干涉,最终投射到晶圆上的图案会变形、圆角、模糊。
解决办法叫光学邻近效应修正( OPC ),预先在掩模版上画出一个扭曲变形的图案,让光学畸变恰好校正回设计者想要的形状。
ASML 提供光刻机硬件,但 OPC 的底层数学模型与算法,台积电有一套自研的版本。
这套算法针对台积电自己的光刻胶化学成分、蚀刻工艺参数做了深度优化,利用大型数据中心进行像素级的逆向计算。
每一张掩模版出厂前,都要经过这套算法的重新雕琢。这是硬件之外,纯粹属于制造厂的智慧财产。
自研碳纳米管薄膜 EUV 光刻还有一个现实难题,掩模版极其昂贵,一张造价数百万美元,一旦被微小颗粒污染就会在晶圆上复制出成千上万片废品。
正常做法是在掩模版前罩一层防尘薄膜,把灰尘挡在焦平面外。
问题是,普通材料挡不住灰尘的同时,挡住了光。EUV 引入初期,阿斯麦和业界都没能拿出达到量产标准的防尘薄膜。
台积电自家的材料科学团队研发出基于碳纳米管的薄膜系统,既能透过足够比例的 EUV 光,又能承受高温与辐射,还配套开发了掩模版的在线检测技术。
正是这一环节的突破,让台积电率先实现了 EUV 的大规模量产。
四、CoWoS 为何成为 AI 算力的咽喉
目前,只有具备光刻级布线精度的硅中介层,即 CoWoS 架构,能够在物理上支持多个 HBM 与逻辑核心的无缺陷并行互连。
这句话看似技术,却是 CoWos 封装地位的真实写照。
Nvidia H100 、B200 ,AMD MI300 ,所有顶级 AI 训练芯片都必须绑定台积电的 CoWoS 产能,原因不在于商业合约,而在于目前没有第二种材料组合能完成同样的事。
1. 先厘清常被混淆的概念
半导体行业,"2.5D 封装""3D 封装"和"CoWoS"这三个词经常被交叉使用。
2.5D 和 3D 是几何拓扑的通用分类,描述芯片在空间里如何排列。2.5D 指的是多颗裸片在同一平面上并排,通过下方的中介层互连;
3D 指的是芯片在垂直方向直接堆叠,信号沿 Z 轴传输。
CoWoS 则是台积电自 2012 年推出并持续迭代的一项专有工艺,全称 Chip-on-Wafer-on-Substrate 。
制造顺序就写在名字里,先把各功能裸片 Chip 贴合到含有中介层的整片硅晶圆 Wafer 上,切割后再封装到有机基板 Substrate 上。
CoWoS 本质上是业界最成功的 2.5D 封装实现方案。但有意思的是,内部又嵌套了 3D 结构。因为承载的 HBM 模块本身就是多层 DRAM 垂直堆叠而成。
换言之,今天的 AI 加速器是一个"2.5D 外壳包住 3D 内核"的混合拓扑。
2. 一颗 AI 芯片内部到底长什么样
补充一个知识。以 CoWoS-S 全尺寸硅中介层架构为例,整个封装沿 Z 轴方向分为三层。
1)最底层
有机封装基板 Organic Substrate。
是整个结构的基础支撑平台,向下连接系统主板,向上承载硅中介层。材质通常是树脂与玻璃纤维交替层叠。
底面是阵列分布的 BGA 锡球,直径在数百微米级别,用于焊接到主板;顶面是间距 130 到 150 微米的 C4 凸块,用于与上层的硅中介层连接。
2)中间层
硅中介层 Silicon Interposer,是 CoWoS 实现高密度互连的核心部件。
采用与晶体管制造同级的高纯度单晶硅,但内部不包含有源晶体管,只负责连线。
中介层的空间位置直接叠放在有机基板之上,横截面积通常大于顶部所有逻辑裸片的总和,以便同时容纳中央的 GPU 和周边的多颗 HBM 。其内部结构分两个方向:
横向( X-Y 轴)上,硅片顶部数微米厚的区域,用半导体光刻与铜双镶嵌工艺制造出极高密度的重布线层( RDL ),线宽/线距小于 0.4 微米。这是 GPU 与 HBM 之间海量数据交换的物理通道。
纵向( Z 轴)上,硅片内部布满垂直贯穿的硅通孔( TSV ),填充导电铜,把电源与低速信号从顶部向下传导至有机基板。
3)最顶层
有源裸片阵列 Active Dies。
所有承担逻辑运算与数据存储的芯片都在这一层,在硅中介层表面呈二维阵列分布,底部触点通过间距 40 微米以下的微凸块(Micro-bumps)焊接到中介层顶部的 RDL 上。
具体包含两类形态完全不同的芯片:
A. 逻辑核心通常位于中介层的正中央,是一块由 3nm 或 5nm 先进制程制造的单一硅片,例如 Nvidia H100 的 GPU 核心。
B. HBM 堆栈则对称分布在逻辑核心四周,例如左侧 3 颗、右侧 3 颗,与逻辑核心处于同一水平高度。
每一颗 HBM 本身就是一个 3D 堆栈。最底层是负责读写时序控制的逻辑基底,其上垂直叠放 4 到 12 层极薄的 DRAM 裸片。层与层之间靠 TSV 与微凸块完成垂直电信号传输。
这种结构下,系统的信号流向遵循两条严格路径。
1)数据路径。GPU 顶部发出读取信号,向下穿过微凸块进入硅中介层,在中介层的 RDL 中横向高速传输数毫米,到达边缘的 HBM 底端微凸块,再沿 TSV 垂直向上穿透多层 DRAM 提取数据,原路返回。
2)电源路径则是:主板电源经 BGA 锡球进入有机基板,再经 C4 凸块、中介层 TSV 、微凸块,最终到达顶部的 GPU 或 HBM 。
3. HBM 的 1024 位总线,有机基板接不住
要理解 CoWoS 为何不可替代,得先看 HBM 对布线密度的要求。
按照 JEDEC 标准,单颗 HBM 堆栈对外的数据总线宽度是 1024 bit 。意味着 GPU 要与一颗 HBM 通信,需要在两者之间拉出 1024 根独立、等长、信号完整性受控的物理导线。一颗高端 AI 芯片旁边通常挂着 6 到 8 颗 HBM ,这个数字就乘以 6 到 8 。
传统的有机基板 FCBGA 采用树脂类材料,内部布线靠激光打孔与 PCB 工艺完成,最细的线宽/线距 L/S 只能做到 10 微米以上,凸块间距在 100 微米左右。
在芯片边缘几毫米的物理长度内,根本塞不下这么多信号线。即使勉强塞进去,等长走线与信号串扰的问题也无法解决。
CoWoS 用硅片本身做中介层。
台积电在一块大面积硅晶圆上,用标准的半导体前道工艺,通常是 65nm 级别的光刻与等离子蚀刻,制造出重布线层 RDL。
结果是线宽/线距可以压到 0.4 微米以下,凸块间距缩到 40 微米甚至更细。同样的物理截面,CoWoS 能容纳的并行数据线是传统有机基板的数十倍到上百倍。
4. 能耗:从几十 pJ/bit 到 1 pJ/bit 以下
带宽之外,第二个关键物理指标是能耗。
芯片间传输每一比特数据所消耗的能量,直接决定了系统在高吞吐量下是否会因发热而降频。
CoWoS 把这段路径压缩到几毫米,线电阻与寄生电容都下降一个数量级。结果是 AI 芯片间数据传输的能效从 PCIe 总线级别的几十 pJ/bit ,降到 1 pJ/bit 以下。
在 TB/s 级的内存交互下,这个差距意味着系统能不能稳定运行,而不只是快慢问题。
5. 与 InFO 和 EMIB 的正面对比
当前先进封装赛道上,CoWoS 的主要对手是台积电自家的 InFO 和 Intel 的 EMIB 。三者走的路线不同,适用场景也不同。
一张简化对比表更直观:
6. CoWoS 自己也在分化
单块硅中介层的面积,受限于单次曝光的光学范围,传统上不能超过 858 mm² 。但 AI 芯片的面积越来越大,一颗 GPU 加 8 颗 HBM ,需要的中介层面积远远超出单次曝光范围。
台积电为此推出了几个工程变体:
1)CoWoS-R 用有机重布线层部分替代昂贵的整块硅中介层,降低成本。
2)CoWoS-L 则采用局部硅桥 LSI 方案。只在芯片间需要高密度互连的特定区域嵌入微小硅桥,其余部分用低成本材料。这在结构上有点像 EMIB ,但仍保留了 CoWoS 工艺的整体框架。
通过这些变体,以及更先进的多次曝光拼接技术,CoWoS 的最大面积已突破到约 3.3 倍光刻掩模极限,足以支撑下一代集成更多 HBM 的 AI 芯片。
7. 为什么 Nvidia 订单会卡在封装上
过去两年间,市场反复报道"台积电 CoWoS 产能紧张""Nvidia 订单排到明年"。表面上这像是产能调度问题,实际上是物理学问题。
建一条先进制程晶圆产线需要三到五年,建一条 CoWoS 产线同样需要这么久,而且涉及的设备与材料,大尺寸硅片、超精密键合机台、特殊光刻胶,供应链几乎都是单源。
AI 芯片的算力上限,已不再取决于 GPU 裸片本身能做多快,而取决于能不能把 HBM 足够密地拼在旁边。
这就是为什么中间硅片,成了 AI 算力产业链的战略资源,也是台积电在 3nm 、2nm 之外,另一道深得超乎想象的护城河。
五、为什么"只有 CoWoS"?技术唯一性与商业唯一性的分野
关于 CoWoS 的产业讨论中,一个常见的简化说法是"只有 CoWoS 能做"。这个说法在媒体和投资圈广为流传,但从半导体工程学的严格定义来看,并不准确。
更精确的表述应该是,CoWoS 是当前在极大规模量产条件下,良率最高、生态最成熟、占据绝对市场主导地位的方案,但并不是物理上的唯一解。
理清这两者的差别,有助于看清 AI 芯片产业链的真实格局,也能更清楚地理解台积电护城河的性质。
1. 物理上存在哪些并行路径
业界至少有两家厂商,各自拥有在工程物理层面能够实现多 HBM 与逻辑核心并行互连的技术方案。
1)Intel EMIB ( Embedded Multi-die Interconnect Bridge )
不使用整块硅中介层,而是在有机基板内部特定区域,嵌入微小的硅桥芯片。
Intel 的顶级 AI 加速器 Gaudi 3 、数据中心 GPU Ponte Vecchio ,均采用 EMIB 技术成功实现了多颗 HBM 与计算核心的并行互连。
EMIB 的优势在于绕开了制造超大面积硅中介层的成本与良率挑战;劣势在于全芯片的全局布线灵活性不如 CoWoS ,且对有机基板的加工精度提出了极高要求。
2)Samsung I-Cube ( Interposer-Cube )
拓扑结构上与 CoWoS 最为相似的直接竞品,同样采用 2.5D 架构,包含硅中介层与 TSV 技术,用于整合逻辑芯片与 HBM 。
三星已经利用该技术为百度等代工客户生产 AI 芯片,并在持续研发能容纳 8 颗甚至 12 颗 HBM 的超大面积 I-Cube 方案。
换言之,"把 HBM 堆在 GPU 旁边"并不是一个仅有台积电能解决的物理难题。学术层面上,这是一个有多解的工程问题。
2. 那为什么市场上只谈 CoWoS?
既然替代方案在物理学意义上成立,为什么 Nvidia 、AMD 在商业决策上几乎只选择 CoWoS ?原因不在物理,而在三个工程化落地的客观约束。
1)良率与产能断层领先
台积电从 2012 年开始量产第一代 CoWoS ,至今积累了超过十年的大规模量产数据。
面对一颗包含上千亿晶体管、6 到 8 颗 HBM 堆栈、超大面积硅中介层的复杂系统,台积电能把整体封装良率维持在商业可盈利的水平。
竞争对手在实验室里可以造出功能等效的测试片,但在良率爬坡与数万片晶圆级别的交付能力上,仍与台积电存在明显的时间差。
对 Nvidia 这种年出货量以百万计的客户来说,实验室成功与量产成功完全是两回事。
2)设计生态深度绑定
无晶圆厂公司在研发下一代芯片时,整个物理设计流程、热力学仿真模型、信号完整性验证,都高度依赖台积电提供的专属工艺设计套件。
把一颗已经在 CoWoS 上验证成熟的芯片迁移到 Intel 或 Samsung 的封装平台,意味着数亿美元的重新设计成本和极高的延期风险。
在 AI 硬件代际周期只有一到两年的当下,这种迁移的机会成本几乎没人承担得起。
3)中介层面积的物理极限突破
大模型参数规模扩张,需要挂载的 HBM 越来越多,对中介层面积的需求也随之膨胀。
台积电在突破掩模版面积极限推进最快,CoWoS 工艺目前已能拼接出面积超过 3.3 倍光刻极限的超大硅中介层,刚好满足 Nvidia B200 等新架构的物理需求。
3. 学术唯一性 vs. 商业唯一性
所以,一个有趣的事实是,在学术意义上,CoWoS 只是解决 HBM 带宽问题的一种有效物理路径。
但在商业现实与极大规模集成电路制造的时间窗口内,构成了 Nvidia 、AMD 等头部 AI 芯片公司事实上的唯一可选项。
这种区分之所以重要,是因为直接影响我们对产业竞争格局的判断。
如果 CoWoS 是物理上的唯一解,那么台积电的护城河本质上是科学壁垒,几乎无法绕过。
但如果 CoWoS 只是商业上的唯一解,那么护城河的性质就不同了,是由量产经验、设计生态、时间积累、资本投入共同构筑,是可以通过长期投入来逐步追赶的。
Intel 和 Samsung 并非没有机会,只是在当前这一代 AI 硬件周期内,他们的时间窗口已经关闭。
短期内,AI 算力产能的瓶颈卡在台积电 CoWoS 产线上是一个几乎无法撼动的事实。
但在三到五年的时间尺度上,如果 Intel 的 EMIB 或 Samsung 的 I-Cube 在良率与生态上取得突破,AI 封装市场的竞争格局完全有可能重塑。
换句话说,CoWoS 的护城河虽然深,但深度来自于时间与经验的累积,不是物理法则的绝对限制。
这也是为什么 Intel 、Samsung 愿意每年投入数十亿美元持续追赶。在半导体产业的历史上,工程经验的壁垒虽然难攻,却从来不是无法翻越的高墙。
六、全球半导体供应链:资本、节点与物理极限的三重约束
半导体产业是人类有史以来资本最密集、协作链条最长、物理门槛最高的实体制造业。
我们从三个层面切入,供应链的地理集中度、晶圆厂的折旧数学,以及 CMOS 技术路线逼近的物理极限。
1. 真正的协作全球化
一颗 AI 芯片的诞生,背后是横跨欧、美、日、韩、中国台湾的超高度专业化协作网络。每一个关键环节,几乎都由少数几家公司垄断。
极紫外光刻机 EUV 全球唯一供应商是荷兰阿斯麦 ASML 。一台设备售价数亿美元,订单排期以年计。
高端等离子刻蚀与物理/化学气相沉积 PVD/CVD 设备,则高度集中在美国的 Applied Materials 和 Lam Research 手中。
核心光学组件层面。EUV 光刻机内部的布拉格反射镜由德国 Carl Zeiss 独家制造。为了确保 13.5nm 波长的光子不发生漫反射,镜面的物理平整度 Δh 必须控制在 0.1 纳米以内。
这意味着如果把镜面放大到整个德国国土的面积,表面最高的凸起不能超过几毫米。
化学材料层面。EUV 光刻胶由日本的 Shin-Etsu 、JSR 等少数企业垄断。材料科学在此遇到的瓶颈是所谓的"RLS 权衡"。即分辨率、线边缘粗糙度、曝光灵敏度构成不可能三角。
没有任何一个单一经济体,能在自己内部独立完成先进制程的完整物理闭环。
这种极端的地理分工,使供应链在面临地缘政治干预或区域性灾害时,表现出极高脆弱性。任何一环断裂,整条产线都会停摆。
2. 晶圆厂的折旧方程:为什么赢家通吃 资本支出的数量级
新建一座 3nm 节点晶圆厂的初始固定资产投资超过 200 亿美元,其中约 70% 用于采购制造设备。一台 EUV 光刻机数亿美元,一座先进晶圆厂需要配置十台以上。
半导体设备通常采用 5 年加速折旧法。每年数十亿美元的设备折旧被直接计入生产成本。
单片晶圆的固定成本分摊计算基础要求晶圆厂必须 24 小时不间断运行,且产能利用率必须维持在 90% 以上。
当资本支出达到数百亿美元量级时,只有少数能够获得超大规模订单的代工厂,如台积电、英特尔、三星,能产生足够的自由现金流以覆盖折旧,并继续投资下一代研发。
3. CMOS 的终点:两种物理替代路径
CMOS(Complementary Metal-Oxide-Semiconductor,互补金属氧化物半导体)是目前微处理器、微控制器、静态随机存取存储器(SRAM)以及其他数字逻辑电路中最为核心的半导体制造技术。
当前的 CMOS 技术路线,以二维晶体管微缩和三维封装为核心,将在未来十年内逼近热力学与量子力学极限。
晶体管继续变小的空间已经非常有限,铜导线互连在高频下的物理损耗也已触及底线。未来的 AI 计算硬件,必须转向新的物理载体。目前有两条最具前景的路径。
4. 硅光子学:用光子替代电子
直接把电信号转换成光信号,利用标准 CMOS 工艺,在硅片上蚀刻出纳米级的光波导、光调制器和光电探测器。
其中最核心的器件是马赫-曾德尔干涉仪( MZI )当两束光重新汇合时,相位差决定了相长或相消干涉,在物理上直接输出二进制的"1"或"0"光强信号。
光子具有无质量、互不干扰的物理特性。在中长距离传输中,硅光子方案能把带宽推到数十 Tbps 级别。
同时将单位比特能耗压缩至电信号的几分之一。对正在膨胀的 AI 集群来说,这几乎是唯一可行的长距互连方向。
5. 存算一体:让物理定律直接参与计算
放弃数字逻辑电路,直接让基本物理定律完成计算。
计算在一个时钟周期内依靠电子流动瞬间完成,数据移动的能耗被压缩到趋近于热力学极限的水平。
七、台积电有可能被颠覆吗?
1. 从"创新者窘境"说起
台积电会不会重蹈 Intel 错失移动时代的覆辙?行业巨头是否会因为既有业务的高利润,拒绝对颠覆性底层技术的投资,最终错过技术范式转移的窗口?这就是所谓的"创新者窘境"。
2. 商业模式的根本差异:台积电不是 Intel
Intel 错失 ARM 架构与移动时代,根本原因在于 IDM 模式。
极高利润率直接绑定在 x86 指令集及其配套的高端微处理器产品线上。转向精简指令集意味着主动稀释自身高利润产品的市场份额,这在企业决策层面几乎不可能通过。
台积电不拥有任何指令集或逻辑架构。无论是 x86 、ARM 、RISC-V ,还是神经形态计算芯片,对台积电而言都只是转化为 GDSII 物理版图的多边形数据。
客户是谁、指令集是什么、软件生态如何演化,都与代工厂的利润模型无关。
更关键的是,推动底层物理技术演进的,正是台积电现有的核心客户。
Nvidia 、Broadcom 、Marvell 在系统级算力上碰到物理壁垒时,他们主动要求代工厂提供新的制造平台。
客户的迁移需求不仅不会阻碍台积电转型,反而是拉动其研发下一代物理工艺的唯一资本来源。这种客户拉动型的研发结构,与 Intel 面对 ARM 崛起时的被动防御有本质区别。
3. 台积电的真实技术储备
在硅光子学与存算一体这两个最具颠覆性的方向上,台积电其实早已建立起量产路线图。
1)硅光子 COUPE 方案
传统硅光子学采用共封装光学 CPO 方案,把光子集成电路 PIC 与电子集成电路 EIC 在基板上并排连接。
台积电的紧凑型通用光子引擎( Compact Universal Photonic Engine ,COUPE )更激进,直接利用 SoIC 无凸块 3D 堆叠技术,把光子芯片与电子控制芯片在 Z 轴方向做原子级键合。
这种垂直光电融合大幅降低了电信号驱动光调制器的寄生电阻与电容,能效比远高于平面封装方案。
2)新兴存储器的晶圆级集成
针对存算一体需求,台积电已能在 22nm 与 16nm 逻辑平台上,实现 eMRAM 和 eRRAM 。
这意味着设计公司可以在同一块硅基底上,同时调用最先进的逻辑开关与阻变存储的物理属性进行架构创新。
这些储备显示,台积电在物理架构转型层面并没有明显的战略盲区。
然而,在具体的材料科学与封装工程选择上,"创新者窘境"式的风险确实存在。具体体现在一个问题上:硅中介层,还是玻璃基板?
5. 为什么玻璃会成为下一代的方向
硅中介层在当下是 CoWoS 的核心,但本身已经逼近物理极限。三个层面的原因:
1)硅本质上是半导体,不是完美的绝缘体。在高速 I/O 通信中,硅中介层的微弱导电性会引发严重的信号完整性问题和插入损耗。
相比之下,玻璃是极优的绝缘体,能支持万兆级别的超高带宽。
同时,玻璃通孔周围是纯绝缘体,能天然抑制传统 TSV 在密集布线下的电磁串扰,允许通孔间距进一步缩小。
2)玻璃本身光学穿透率极高,是光波导的理想载体,可直接无缝集成光电转换模块。而硅基板是不透明的。
3)玻璃不需要单晶拉拔工艺,可直接制成 510mm × 515mm 甚至更大的矩形面板。几何利用率飙升,单次产出量呈十倍级增加。
业界共识,3 到 5 年内,玻璃基板对硅基板和高端有机基板形成降维打击的概率接近 100% 。Intel 、Samsung 、台积电已经在真金白银投入的确定性量产竞赛。
6. 台积电的窘境风险在哪里
台积电在 CoWoS 上投入了数百亿美元的设备与研发,客户也习惯了基于硅材料的热膨胀系数和 PDK 进行物理设计。
如果玻璃基板的高频电气特性与面板级制造成本在工程上被证明具有绝对颠覆性优势,台积电现有的硅基 CoWoS 产线将面临巨大压力。
更微妙的是客户端的反向阻力。为了保住现有的极高良率,头部客户可能在短期内要求台积电继续扩大 CoWoS 产能。
这种短期的商业压力,可能让台积电在 TGV 等全新物理工艺上的工程进度落后于押注激进的竞争对手,从而在封装材料的代际转换中丢失窗口期。
6. 台积电的应对:CoPoS 与 FOPLP 框架
面对这一风险,台积电研究扇出型面板级封装( FOPLP ,Fan-Out Panel-Level Packaging )框架,正式名称是 CoPoS ( Chip-on-Panel-on-Substrate )。
这个名字本身就暗示了技术路线,把 CoWoS 中的 W ( Wafer ,圆形晶圆)换成 P ( Panel ,矩形面板)。
台积电联合设备供应商,如 Disco 、ULVAC 等,与材料商,尝试建立一套标准化的玻璃面板制造流程。让现有客户能平稳地从 CoWoS 过渡到下一代玻璃架构。
目前行业的 TGV 良率约在 75% 到 85% ,距离商业量产标准还有距离。
根据当前工程进度,台积电预计在 2025 到 2026 年完成完整工艺验证,2027 年前后正式大规模量产。
7. 短期看材料,长期看架构
跳出玻璃基板这个具体议题,AI 硬件未来十年的演进逻辑,其实可以用一句话概括:短期看材料,长期看架构。
短期未来 3 到 5 年,底层材料的物理突破占据绝对主导。
Transformer 架构对显存带宽的依赖是硬约束、系统算力不受限于逻辑门翻转速度,而受限于芯片引脚的物理密度。
玻璃基板或更先进的中介层材料能直接把并行数据通道提升一个数量级。
更重要的是,这种纯硬件提升对上层软件生态完全透明。Nvidia 不需要重写 CUDA ,算法工程师不需要改变训练逻辑。这种不破坏软件生态的确定性路径,是工业界短期内最愿意投入数百亿美元的方向。
长期未来 5 到 10 年,架构优化会成为决定性因素。冯·诺依曼架构下,超过 80% 的系统能量被浪费在数据的物理传输路径上。
即使材料再先进,只要数据仍需跨越厘米级距离,就是无法跨越的热力学障碍。存算一体在存储原位完成模拟矩阵乘法,能效比提升几个数量级。这是从量变到质变的物理跨越。
两者并非零和博弈。真正的前沿是硬件与算法的协同设计。
没有新型材料的外延生长与制造工艺支撑,存算一体永远停留在学术仿真;没有存算一体等架构的明确数学需求,代工厂也没有动力去攻克这些高风险的新兴物理材料。
8. 回到最初的问题
台积电会不会重蹈 Intel 覆辙?目前来看,概率不高,但并非零。
台积电的护城河不在某一种具体工艺,而在于商业模式的中立性与客户需求的拉动结构,这让台积电与 Intel 面对的那种内生性战略矛盾有根本差异。
真正的风险窗口,藏在玻璃基板这类具体材料的代际切换点上。既有产能的沉没成本,与客户对现有良率的短期依赖,可能让在颠覆性材料变革面前失去先手。
但从 COUPE 、CoPoS 、eMRAM 的并行布局看,台积电对这一点有清醒认知。正在把自己从一家最先进的硅晶圆代工厂,转型为最先进的异构系统集成厂。
本质上是主动跳出了硅基板的历史惯性。
这种主动转型能否成功,要看未来五年的几个关键节点。TGV 良率能否从 80% 推到 95% 以上;CoPoS 能否在 2027 年按计划量产;以及,在 Intel 押注激进、Samsung 紧随其后的压力下,台积电能否依靠生态协同的慢工,跑过对手的闪电战。
美股交易:
*https://www.bit.com/zh/us-stock-intro?invite_code=C3TPW3*
真实持有美股现货,U 入金,KYC 超好过,国内信用卡账单即可,无需国外地址证明。
填我的邀请码:C3TPW3 ,可返还交易佣金。