近日，三星宣佈將於2028年推出搭載LPW DRAM記憶體的首款移動產品，LPW DRAM也被稱為低延遲寬I/O (LLW)或“移動HBM”，通過採用垂直引線鍵合的新封裝技術，堆疊LPDDR DRAM，大幅增加I/O介面，可減少耗電量並提高性能，備受行業關注。 眾所周知，近年來隨著AI浪潮興起，資料中心和伺服器市場對於記憶體性能的要求達到了前所未有的高度，HBM憑藉卓越的性能優勢，成為了這一領域的“香餑餑”，炙手可熱。 SK海力士、三星電子、美光等儲存大廠，紛紛將HBM納入其核心產品線，視其為推動技術革新與市場競爭的關鍵。 如今，儲存巨頭們計畫進一步擴大HBM晶片的使用範圍，試圖將其從資料中心帶到汽車和移動裝置市場。 HBM進軍智能汽車領域 大模型時代，AI晶片搭載HBM記憶體已是業內共識，而汽車行業也開始逐漸出現採用HBM記憶體的苗頭。 隨著“新四化”趨勢的演進，智能汽車對即時資料處理、高解析度圖像處理、資料儲存等需求不斷增加，尤其是高級駕駛輔助系統、智能座艙系統、資訊娛樂系統等智能汽車的多個新系統帶來了對車載晶片存力的高需求，促使HBM在車載計算平台中有望得到廣泛應用。 此外，車載的端側大模型在未來也可能會逐漸普及，這些都為HBM的上車應用提供了大量機會。 從當前進展來看，HBM在汽車領域的應用尚處於起步階段，但已經取得了一些重要突破。SK海力士的HBM2E已經被應用於Google旗下的Waymo自動駕駛汽車，這標誌著HBM正式進軍汽車領域，也凸顯了高性能記憶體在汽車領域日益增長的重要性。 SK海力士作為Waymo自動駕駛汽車這項先進記憶體技術的獨家供應商，單獨生產專門用於汽車用途的HBM2E，以滿足汽車對晶片更嚴格的品質要求。作為市場上率先提供符合嚴苛AEC-Q車規標準的HBM晶片製造商，SK海力士的車規級HBM2E產品展現了卓越性能：容量高達8GB，傳輸速度達到3.2Gbps，實現了驚人的410GB/s頻寬，為行業樹立了新標竿。 以此為契機，SK海力士正積極拓展與輝達、特斯拉等自動駕駛領域解決方案巨頭的合作網路，積極尋找合作夥伴將HBM安裝在自動駕駛汽車中，旨在將其業務版圖從現有的AI資料中心市場，進一步拓展至蓬勃發展的自動駕駛汽車市場。 三星雖未直接披露汽車HBM進展，但通過與輝達的合作大概也在間接參與自動駕駛生態。 綜合來看，隨著智能汽車市場的競爭日益激烈，車企需要通過提升車輛的智能化水平來增強競爭力，而HBM技術無疑是實現這一目標的關鍵。當前，還有多家車企也在積極尋求與HBM廠商的合作機會。 有專家表示：從長遠來看，HBM將成為主流，如果HBM被特斯拉等頭部公司採用，這一趨勢將會加速。 市場研究機構的資料顯示，2023年全球汽車儲存晶片市場價值47.6億美元，預計到2028年將達到102.5億美元，且自動駕駛對HBM的需求增長可能超越資料中心，汽車HBM晶片市場規模呈現出快速增長趨勢。 HBM，邁向移動端 除了汽車市場外，隨著AI、5G等技術的飛速發展，移動裝置的功能日益強大，對記憶體性能的要求也越來越高。從運行複雜的AI應用到實現流暢的多工處理，再到支援高畫質視訊和大型遊戲，移動裝置需要記憶體能夠提供更高的頻寬和更低的延遲。 以智慧型手機為例，隨著AI攝影、AI語音助手等功能的普及，手機需要在短時間內處理大量的資料。在拍攝一張AI最佳化的照片時，手機需要對圖像進行即時分析和處理，這就要求記憶體能夠快速地讀取和儲存圖像資料。而傳統的LPDDR記憶體，雖然在一定程度上能夠滿足日常應用的需求，但在面對這些高性能要求時，逐漸顯得力不從心。 在筆記型電腦和可穿戴裝置等領域，同樣存在著對高性能記憶體的迫切需求。筆記型電腦在運行大型辦公軟體、進行視訊編輯時，需要記憶體具備高效的資料處理能力；可穿戴裝置如智能手錶，在實現健康監測、運動追蹤等功能時，也需要記憶體能夠快速地處理感測器資料。 HBM 的出現，為滿足這些需求提供了新的可能。 這種應用於移動裝置的HBM也稱為“移動HBM”，其特點類似於當前伺服器中使用的HBM。 HBM採用先進的3D堆疊技術，通過矽通孔（TSV）將多個DRAM晶片垂直連接，極大地提升了記憶體頻寬。這種獨特的設計，使得HBM的資料傳輸速率能夠達到數百GB/s，相比傳統的DDR記憶體，有著數倍的提升，能充分滿足AI運算對海量資料的快速處理需求，有效減少資料傳輸的延遲，大大提高了訓練效率。 移動HBM具有相同的堆疊概念，但它是一種以階梯狀堆疊LPDDR DRAM，然後用垂直電線將其連接到基板的方法。具體來說，三星電子以“VCS”為名開發該技術，SK海力士則以“VFO”為名開發該技術。其優點是高功率效率，功耗較低，且能夠提供更多的IO資料引腳。 移動HBM和LPDDR最大的區別在於是否是“定製記憶體”。LPDDR是通用型產品，一旦量產即可批次使用；而移動HBM是一個定製產品，反映了應用程式和客戶的要求。由於移動HBM與處理器連接的引腳位置不同，因此在批次生產之前需要針對每個客戶的產品進行最佳化設計。 業界將移動HBM視為下一代半導體，並正在重點關注其開發。三星和SK海力士作為記憶體領域的兩大巨頭，在移動HBM技術的研發和佈局上可謂不遺餘力。 三星：2028年推出LPD DRAM 據此前報導，三星採用類似技術的產品LPW DRAM，其具備低延遲和高達128GB/s的頻寬性能，同時能耗僅為1.2pJ/b，計畫於2025-2026年實現商業化量產。 需要注意的是，以LPDDR為代表的移動HBM晶片由於其較小的尺寸，並不適用於與HBM相同的TSV連接方案。同時，HBM製造工藝的高成本及低良率特性也無法滿足高產能移動DRAM的需求。 因此，三星電子和SK海力士採用了另一種先進的封裝方式。 三星電子的VCS（垂直銅柱堆疊）方法，就是將從晶圓上切割下來的 DRAM晶片以台階形狀堆疊起來，用環氧材料使其硬化，然後在其上鑽孔並用銅填充。 三星電子表示，VCS先進封裝技術相較於傳統引線鍵合，I/O密度和頻寬分別提升8倍和2.6倍；相比VWB垂直引線鍵合，VCS技術生產效率提升9倍。按照規劃，三星移動HBM將在2025年下半年至2026年推出。 然而，從目前最新披露來看，這一進展似乎有了新的更新。 在前不久舉辦的ISSCC 2025上，三星電子DS部門CTO兼半導體研究實驗室負責人Song Jae-hyuk透露，三星計畫在2028年推出搭載LPW DRAM（LP Wide I/O DRAM），即“移動 HBM”的移動裝置。 LPW也稱為LLW或“定製記憶體”。隨著它作為下一代記憶體的出現，整個行業正在使用各種名稱，同時制定相關標準。但無論命名如何，目標都是相同的：通過增加I/O通道數量並降低每個通道的速度，同時實現增強性能和降低功耗。此外，該技術採用垂直引線接合 (VWB) 封裝，可將訊號路徑從彎曲轉換為直線。 從具體性能來看，LPW DRAM通過堆疊LPDDR DRAM，大幅提升了I/O介面的數量，以達到提高性能和減少能耗的雙重目標。其頻寬可達200GB/s以上，較現有的LPDDR5x提升了166%；同時其功耗降至1.9pJ/bit，比LPDDR5x低54%。這一技術的應用，將使移動裝置在運行大型遊戲、進行視訊編輯等高性能應用時，能夠獲得更流暢的體驗，同時延長裝置的續航時間。 據悉，三星在去年9月舉辦的“Semicon Taiwan”活動上曾宣佈，LPW DRAM的性能比LPDDR5X高出133%，這意味著在不到六個月的時間內就提高了性能目標。 這一系列的突破，勢必為日益增長的裝置端AI應用提供了更為高效和可靠的記憶體支援。 SK海力士：VFO技術加速推進移動HBM 與三星的VCS不同，SK海力士選擇的是銅線而非銅柱。它在連接元件和工藝順序方面與三星電子不同，它使用銅線連接堆疊的 DRAM，然後將環氧樹脂注入空白處以使其硬化，來實現移動DRAM晶片的堆疊。 這一技術被稱為“VFO（垂直線扇出）”，類似於當前使用MUF材料填充 DRAM 堆疊之間的間隙以實現 HBM 的方法。 SK海力士的VFO技術概念：DRAM以階梯式方式堆疊，並通過垂直柱狀線/重新分佈層連接到基板 SK海力士指出，VFO技術結合了FOWLP（晶圓級封裝）和DRAM堆疊兩項技術，VFO技術通過垂直連接，大幅縮短了電訊號在多層DRAM間的傳輸路徑，將線路長度縮短至傳統記憶體的1/4以下，將能效提高4.9%。這種方式雖然增加了1.4%的散熱量，但是封裝厚度卻減少了27%。 能看到，移動裝置端側的AI應用需要高頻寬、高速儲存作為支撐，HBM在智慧型手機、平板、筆記本上的應用正在成為趨勢。有資料預計，到2027年，整合HBM的AI手機市場份額將超過50%，平板電腦和筆記型電腦也將逐步跟進。 一旦SK海力士、三星電子在LPDDR堆疊、晶片封裝上取得突破，移動HBM無疑是一個不錯的選擇。 兩家公司的技術戰略差異值得關注，因為它們可能會改變移動 HBM 市場的格局。正如資料中心市場的HBM技術差異決定了AI市場的主導地位一樣，移動HBM作為搭載於智慧型手機、PC、XR耳機等的AI用儲存器而備受矚目，預計將對移動裝置上AI市場產生直接影響。 有半導體行業資深人士對此表示，“三星側重高頻寬設計（LP Wide I/O），優先考慮產品的完美性；而 SK 海力士則聚焦低功耗與輕薄化（VFO），優先考慮成本效益，現在判斷誰更有市場價值還為時過早，因為每個客戶都有不同的要求。” 三星與SK海力士在移動HBM領域的競爭從技術研發轉向量產能力與客戶生態的全面較量。三星通過工藝創新和產能擴張縮小差距，SK海力士憑藉良率優勢和定製化策略保持領先。隨著2025年後HBM4量產推進，兩家廠商將加速技術下放至移動端，推動智慧型手機、PC、AR/VR裝置的性能革命。 也有報導稱，移動HBM很可能以定製形式生產，提供給智慧型手機晶片廠商，這將改變以往以供應商為中心的模式，轉向以需求方為中心的方式。就像之前SK海力士為蘋果頭戴式裝置“Vision Pro”供應定製的低功耗DRAM一樣。 但目前尚不清楚各家公司的定製有何不同，因為移動HBM仍處於研發階段。事實上，當HBM用於汽車時，SK海力士專門為汽車生產的HBM2E，就是針對特定領域需求定製的。 寫在最後 HBM用於資料中心和伺服器，但面臨難以在移動裝置和PC等邊緣裝置中使用的侷限。移動HBM則是一款專門針對端側裝置人工智慧市場的產品，可用於智慧型手機、PC、AR/VR等多種應用。 綜合來看，兩種HBM在多方面存在差異： 核心差異：傳統HBM是為高性能計算設計的“大頻寬、高功耗”方案；而移動HBM是為移動端定製的“中頻寬、低功耗”解決方案。 技術路徑：傳統HBM依賴TSV和中介層；移動HBM則通過封裝創新（如垂直引線鍵合）和低功耗DRAM技術實現性能突破。 未來趨勢：移動HBM將推動端側AI裝置性能升級；傳統HBM持續向更高層數（如16層HBM4）和頻寬演進，兩者在不同領域形成互補。 HBM在智能汽車和移動裝置領域的發展，為這些行業帶來了新的技術變革和市場機遇。 未來，HBM在移動裝置領域的滲透將圍繞端側AI性能提升和低功耗設計展開，技術創新與產業鏈協同是關鍵驅動力。儘管成本與良率仍是短期挑戰，但隨著後續技術創新和量產推進，HBM有望重塑智慧型手機、AR/VR裝置及筆記型電腦的性能邊界，成為邊緣計算時代的核心記憶體解決方案。 而三星電子和SK海力士將通過先進封裝技術和產品迭代佔據領先地位。在這個競爭激烈的時代，搶佔市場先機。 (半導體行業觀察)

先進封裝技術存在於成本和吞吐量與性能和密度的連續統一體中。在本系列的第一部分中，我們討論了先進封裝技術的必要性。儘管對先進封裝技術的需求顯而易見，但英特爾（EMIB、Foveros、Foveros Omni、Foveros Direct）、台積電（InFO-OS、InFO-LSI、InFO-SOW、InFO-SoIS、CoWoS-S、CoWoS-R、CoWoS-L、SoIC）、三星（FOSiP、X-Cube、I-Cube、HBM、DDR/LPDDR DRAM、CIS）、ASE（FoCoS、FOEB）、索尼（CIS）、美光科技（HBM）、SK海力士（HBM）和長江儲存科技（XStacking）等公司都推出了眾多先進封裝類型和品牌。這些封裝類型被AMD、Nvidia等我們喜愛的公司廣泛使用。在第二部分中，我們將詳細介紹所有這些封裝類型及其用途。在深度剖析的第三部分中，我們分析了TCB市場，包括英特爾的角色、HBM、ASM Pacific、Besi和Kulicke and Soffa。 倒裝晶片是引線鍵合後常見的封裝形式之一。它由代工廠、整合設計製造商以及外包組裝和測試公司等眾多公司提供。在倒裝晶片中，印刷電路板（PCB）、基板或其他晶圓上設有焊盤。然後，將晶片精準放置在其上，使凸塊與焊盤接觸。晶片被送入回流焊爐，加熱元件並使凸塊回流，從而將兩者粘合在一起。助焊劑被清除，並在兩者之間沉積底層填料。這只是一個基本工藝流程，因為倒裝晶片有許多不同的類型，包括但不限於無助焊劑倒裝晶片。 儘管倒裝晶片技術極為普遍，但間距小於100微米的先進版本卻相對較少見。根據我們在第一部分所界定的先進封裝定義，僅有台積電（TSMC）、三星（Samsung）、英特爾（Intel）、安靠（Amkor）和日月光半導體（ASE）等少數企業，大規模採用倒裝晶片技術來進行邏輯先進封裝。其中三家公司還負責製造完整的矽片，而另外兩家公司則負責外包組裝和測試（OSAT）。 這就是各種不同類型的倒裝晶片封裝開始出現的地方。我們將以台積電（TSMC）為例，然後進行擴展，並將其他公司的封裝解決方案與台積電的進行比較。台積電所有封裝選項之間的最大差異與基板材料、尺寸、重分佈層（RDL）和堆疊有關。 在標準的倒裝晶片中，最常見的基板通常是有機層壓板，然後鍍上銅。從這裡開始，線路在核心的兩側建構，其中討論最多的是味之素積層膜（ABF）。這個核心的頂部建構了許多層，這些層負責在整個封裝中重新分配訊號和電源。這些承載訊號的層是使用干膜層壓和使用二氧化碳雷射或紫外雷射進行圖案化來建構的。 這就是台積電（TSMC）通過其整合扇出（InFO）技術開始展現其專業優勢的地方。與使用ABF薄膜的標準流程不同，台積電採用了一種更貼近矽製造的工藝。台積電將使用東京電子（Tokyo Electron）的塗布機/顯影機、Veeco光刻工具以及應用材料（Applied Materials）的銅沉積工具，通過光刻技術來定義再分佈層。這些再分佈層比大多數外包封裝測試（OSAT）公司能夠生產的更小、更密集，因此可以容納更複雜的布線。這一工藝被稱為扇出晶圓級封裝（FOWLP）。最大的外包封裝測試公司ASE提供了FoCoS（扇出晶片基板），這是一種FOWLP形式，也採用了矽製造技術。三星也有自己的扇出系統級封裝（FOSiP），主要應用於智慧型手機、智能手錶、通訊和汽車領域。大多數智慧型手機都採用了ASE、安靠（Amkor）、三星或台積電的扇出技術。 借助InFO-R（RDL），台積電可以封裝具有高IO密度、複雜布線和/或多個晶片的晶片。InFO-R最常見的產品是蘋果iPhone和Mac晶片，但也有各種各樣的移動晶片、通訊平台、加速器，甚至是網路交換機ASIC。三星也憑藉Cisco Silicon One在網路交換機ASIC扇出市場上取得了成功。InFO-R的未來發展將主要涉及擴展到更大的封裝尺寸，具有更高的功耗和IO。 有相當多的傳言稱，AMD將為其即將推出的Zen 4客戶端（如上圖所示）和伺服器CPU採用扇出封裝。SemiAnalysis試圖確認基於Zen 4的桌面和伺服器產品將使用扇出封裝。然後，這種封裝將傳統地封裝在標準有機基板上，其底部將有LGA引腳。 一個標準的封裝將包含核心基板，然後在每側有2到5層的重分佈層（RDL），包括更先進的整合扇出。台積電的InFO-SoIS（整合基板上的系統）將這一概念提升到了一個新的層次。它提供了多達14層的重分佈層（RDL），使得晶片之間的路由變得非常複雜。在靠近晶片的基板上還有一層更高密度的路由層。 台積電還提供InFO-SOW（晶圓系統）技術，該技術允許將整個晶圓（封裝了數十個晶片）作為輸出扇出。我們曾撰文介紹過利用這種特殊封裝形式的特斯拉Dojo 1。在特斯拉去年在其AI日上推出該技術幾周前，我們還獨家披露了該技術的使用情況。特斯拉將在其HW 4.0中使用三星的FOSiP。 最後，在台積電（TSMC）的整合扇出產品線中，還有InFO-LSI（局部矽互連）。InFO-LSI是InFO-R，但在多個晶片下方有一塊矽。這種局部矽互連最初將作為多個晶片之間的無源互連，但未來可以演變為有源互連（電晶體和各種智慧財產權）。它最終也將縮小到25微米，但我們不認為第一代產品會達到這一水平。採用這種封裝技術的首款公開產品將在付費牆後公佈。 首先映入腦海的直接比較很可能是與英特爾的EMIB（嵌入式多晶片互連橋）相比，但這其實並不是最佳選擇。它更像是英特爾的Foveros Omni或ASE的FOEB。讓我們來解釋一下。 英特爾的嵌入式多晶片互連橋被放置在傳統的有機基板腔內。然後繼續建構基板。雖然這可以由英特爾完成，但EMIB的放置和建構也可以由傳統的有機基板供應商完成。由於EMIB晶片上的大焊盤以及沉積層壓布線和通孔的方法，不需要在基板上非常精確地放置晶片。 英特爾公司通過繼續使用現有的有機層壓板和ABF供應鏈，放棄了更昂貴的矽基板材料和矽製造工藝。總體而言，這一供應鏈已商品化，儘管目前由於短缺而相當緊張。自2018年以來，英特爾的EMIB已在包括Kaby Lake G、各種FPGA、Xe HP GPU以及包括Sapphire Rapids在內的某些雲伺服器CPU等產品中出貨。目前，所有EMIB產品均使用55微米，但第二代為45微米，第三代為40微米。 英特爾可以通過這個晶片向其上方的有源晶片輸送電源。如果需要，英特爾還可以靈活設計封裝，使其在無需EMIB和某些小晶片的情況下也能正常工作。對英特爾FPGA的一些拆解發現，如果英特爾出貨的SKU不需要，英特爾不會放置EMIB和有源晶片。這允許針對某些細分市場對物料清單進行一些最佳化。最後，英特爾還可以通過僅在需要時使用矽橋來節省製造成本。這與台積電的CoWoS形成對比，後者將所有晶片放置在一個巨大的無源矽橋上。稍後將對此進行更多介紹，但台積電的InFO-LSI和英特爾的EMIB之間的最大區別在於基板材料和製造工藝的選擇。 更複雜的是，ASE還擁有自己的2.5D封裝技術，該技術與英特爾的EMIB和台積電的InFO-LSI截然不同。該技術被應用於AMD的MI200 GPU，該GPU將被應用於多台高性能電腦，包括美國能源部的Frontier百億億次系統。ASE的FOEB封裝技術與台積電的InFO-LSI更為相似，因為它也是扇出技術。台積電使用標準矽製造技術來建構重分佈層（RDL）。一個主要區別是ASE使用玻璃載體面板而不是矽。這是一種更便宜的材料，但它也有一些其他好處，我們稍後會討論。 與將無源互連晶片嵌入基板中的空腔不同，ASE將晶片放置在基板上，建構銅柱+焊料帽，然後建構整個重分佈層（RDL）。在重分佈層（RDL）上，使用微凸塊進行連接，放置有源矽GPU晶片和HBM晶片。然後，使用雷射釋放工藝從封裝中移除玻璃中介層，然後在使用標準倒裝晶片工藝將封裝安裝到有機基板上之前，完成封裝的另一側。 ASE對FOEB與EMIB進行了諸多比較，但其中一些說法完全錯誤。ASE需要推廣他們的解決方案，這可以理解，但讓我們拋開這些雜音。EMIB的良率並不在80%到90%的範圍內。EMIB的良率接近100%。第一代EMIB在晶片數量方面確實存在縮放限制，但第二代則沒有。事實上，英特爾將發佈一款採用有史以來最大的封裝的產品，即使用第二代EMIB的92mm×92mm BGA高級封裝。封裝中使用扇出和光刻定義的RDL，在布線密度和晶片到封裝凸塊尺寸方面確實具有優勢，但成本也更高。 與台積電（TSMC）相比，最大的區別似乎在於初始玻璃基板材料與矽材料的選擇。這在一定程度上可能是因為ASE的成本限制更為嚴格。ASE必須通過提供更優惠的技術來贏得客戶。台積電是矽材料領域的專家，專注於他們所熟知的矽技術。台積電有著將技術推向極限的文化，在這種推動下，選擇矽材料對他們來說更為有利。 現在回到台積電的其他先進封裝選項，因為我們還有幾個要講。CoWoS平台還有CoWoS-R和CoWoS-L平台。這些平台與InFO-R和InFO-L幾乎一一對應。這兩者之間的區別更多在於工藝。InFO是一種晶片優先的工藝，首先放置晶片，然後圍繞它建構重布線層（RDL）。而CoWoS則是先建構重布線層，再放置晶片。對於大多數試圖瞭解先進封裝的人來說，這種區別並不那麼重要，所以我們今天將簡略地討論這個話題。 最引人注目的是CoWoS-S（矽中介層）。它涉及將已知良好的晶片進行倒裝晶片封裝，將其封裝到內部布有線路圖案的無源晶圓上。這就是CoWoS名稱的由來，即基板上的晶圓上的晶片。它是目前市場上數量最多的2.5D封裝平台，遙遙領先。正如第1部分所述，這是因為Nvidia的資料中心GPU，如P100、V100和A100，都採用了CoWoS-S。雖然Nvidia是使用量最高的，但博通、GoogleTPU、亞馬遜Trainium、NEC Aurora、富士通A64FX、AMD Vega、Xillinx FPGAs、英特爾Spring Crest和Habana Labs Gaudi只是CoWoS使用的幾個更著名的例子。大多數使用HBM的高計算量晶片，包括來自各種初創公司的AI訓練晶片，都使用CoWoS。 為了進一步強調CoWoS（晶圓上封裝）的普及程度，這裡引用Alchip的一些話。Alchip是一家台灣設計和智慧財產權公司，主要協助利用台積電（TSMC）的CoWoS平台進行EDA（電子設計自動化）、物理設計和與Alchips相關的容量工作。這些引文來自Alchip，但Fabricated Knowledge的Doug O’laughlin在其精彩的分析中向我們指出了這些引文。 由於台積電要求我們不要向市場提供任何數字指導，因此我們也不被允許提供（財務指導）。 Alchip是一家上市公司，由於台積電（TSMC）的指示，該公司不得提供任何指導… 在預測大規模生產時，我們從主要客戶那裡收到了驚人的大訂單量。訂單量太大，難以消化。說實話，如果我們能實現這一目標，那麼只要供應商能支援我們完成他們預測的50%，我們就能輕鬆再創佳績。是的，說實話，我們收到的淨銷售額預測高得令人難以置信。 Alchip的容量極為有限，具體來說就是CoWoS 事實上，如果（單個雲）客戶單獨找他們，他們（台積電）會拒絕所有會面，但他們仍然在Alchip上工作。他們想與我們合作的原因是因為我們代表了30多個客戶。所以是的，他們需要——他們也需要分散業務集中度。所以我認為我們得到了——我們可以說我們得到了很大的支援，但當然不是100%。因為所有產能都被丹尼爾之前提到的頂級客戶預訂了。 台積電甚至不會參加所有與CoWoS產能相關的會議，因為台積電已經銷售了他們生產的所有產品，支援所有這些設計會耗費太多工程時間。另一方面，台積電的客戶集中度很高（輝達），因此台積電希望與其他公司合作。Alchip在一定程度上扮演著中間人的角色，儘管一級客戶（輝達）預訂了所有產品，但Alchip仍能獲得一些產能。即便如此，他們也只能獲得他們想要的50%。 讓我們來看看輝達（Nvidia）在做什麼。在第三季度，他們的長期供應義務增加至69億美元，更重要的是，輝達支付了16.4億美元的預付款，並將在未來再支付17.9億美元的預付款。輝達正在大量採購供應，特別是針對CoWoS。 回到技術方面，CoWoS-S多年來經歷了演變。主要標誌是中介層面積越來越大。由於CoWoS平台使用矽製造技術，它遵循一個稱為掩範本限制的原則。使用193nm ArF光刻工具可以列印的最大晶片尺寸為33mm×26mm（858mm2）。矽中介層也是通過光刻技術定義的，其主要目的是連接位於其上的晶片的非常密集的線路。Nvidia的晶片早已接近掩範本限制，但仍需要連接到封裝上的高頻寬記憶體。 上圖展示的是Nvidia V100，這是Nvidia的一款已有4年歷史的GPU，尺寸為815mm²。一旦加入高頻寬儲存器（HBM），其尺寸就會超出光刻機可列印的掩範本極限，但台積電（TSMC）卻找到了連接它們的方法。台積電通過一種稱為掩範本拼接的技術實現了這一點。台積電在這方面能力不斷提升，能夠為矽中介層提供3倍於掩範本尺寸的產品。鑑於掩範本拼接的侷限性，英特爾的嵌入式記憶體塊（EMIB）、台積電的大規模積體電路（LSI）和ASE的封裝外嵌入式記憶體塊（FOEB）方法各有優勢。此外，它們還無需承擔大型矽中介層的高昂成本。 除了增加掩範本尺寸外，他們還進行了其他改進，例如將微凸點從焊料改為銅，以提高性能/功率效率，iCap，一種新的TIM/lid封裝等。 關於TIM/蓋子封裝有一個有趣的故事。在輝達V100中，輝達擁有一個普及的HGX平台，該平台將向許多伺服器原始設計製造商（ODMs）發貨，然後再運往資料中心。為了達到正確的安裝壓力，可以對冷卻器螺絲施加非常具體的扭矩。這些伺服器原始設計製造商過度擰緊冷卻器，導致這些價值10,000美元的GPU上的晶片破裂。晶片上加蓋子的封裝，而不是直接冷卻晶片。當輝達的A100和未來的Hopper DC GPU仍需要散發出大量熱量時，這種封裝類型的問題就出現了。台積電和輝達在封裝方面進行了大量最佳化以解決這一問題。無論如何，我們將在付費牆後提供有關下一代Hopper GPU的封裝和電源要求的一些資訊。 三星也擁有與CoWoS-S類似的I-Cube技術。三星這種封裝技術的唯一主要客戶是百度，用於其人工智慧加速器。 接下來我們介紹Foveros。這是英特爾的3D晶片堆疊技術。與一個晶片（或晶片）疊在另一個晶片（或晶片）上（本質上只是密集的線路）不同，Foveros涉及兩個包含有源元件的晶片（或晶片）。憑藉這一技術，英特爾的第一代Foveros於2020年6月在Lakefield混合CPU SOC中推出。這款晶片的產量並不特別高，也沒有特別引人注目，但它為英特爾帶來了許多首創，包括3D封裝和首個混合CPU核心架構，該架構包含一個大性能核心和多個小效率核心。它採用了50微米的凸點間距。 下一個Foveros產品是Ponte Vecchio GPU，在經歷了多次延期後，該產品預計將於今年推出。它將包含47個不同的小晶片，這些小晶片與EMIB和Foveros封裝在一起。Foveros晶片之間的連接採用36微米凸點間距。 未來，英特爾的大部分客戶端產品線將採用3D堆疊技術，包括代號為Meteor Lake、Arrow Lake、Lunar Lake的客戶端產品。Meteor Lake將是首款採用Foveros Omni和36微米凸點間距的產品。首款採用3D堆疊技術的資料中心CPU代號為Diamond Rapids，緊隨其後的是Granite Rapids。本文將探討其中一些產品所使用的節點，以及英特爾與台積電的關係。 Foveros Omni的全稱是Foveros全向互連（ODI）。它彌合了EMIB和Foveros之間的差距，同時還提供了一些新功能。Foveros Omni可以作為兩個其他晶片之間的有源橋接晶片，也可以作為完全位於另一個晶片下方的有源晶片，或者作為懸掛在另一個晶片之上的有源晶片。 Foveros Omni從未像EMIB那樣嵌入基板內部，它在任何情況下都完全位於基板之上。堆疊類型導致了一個問題，即封裝基板與位於其上的晶片之間存在不同高度的連接。英特爾開發了一種銅柱技術，使他們能夠將訊號和電源傳輸到不同的z高度和通過晶片，這樣晶片設計師在設計3D異構晶片時可以擁有更多的自由度。Foveros Omni的凸點間距將從36微米開始，但在下一代產品中，它將降至25微米。 我們想指出的是，DRAM也採用了先進的3D封裝技術。多年來，三星、SK海力士和美光一直在使用HBM的先進封裝技術。儲存單元將被製造出來並連接到已暴露並形成微凸點的TSV。最近，三星甚至開始引入DDR5和LPDDR5X的堆疊，這些堆疊利用類似的堆疊技術來提高容量。SK海力士HBM 3將開始使用12個DRAM晶片垂直堆疊，每個DRAM晶片的厚度為30微米。SK海力士最終還將在HBM 3中引入混合鍵合技術。SK海力士將把16個晶片鍵合在一起，每個晶片需要更薄。 混合鍵合是一種技術，它不使用凸塊，而是通過矽通孔直接連接晶片。如果我們回顧一下倒裝晶片工藝，就會發現沒有凸塊形成、助焊劑、回流焊或底部填充來填充晶片之間的區域。銅直接與銅接觸，故事就此結束。實際工藝非常複雜，部分細節已在上述內容中提及。在本系列的下一部分中，我們將深入探討工具生態系統和混合鍵合的類型。混合鍵合實現了比之前描述的任何其他封裝方法更密集的整合。 當然，最著名的混合鍵合晶片當屬AMD最近宣佈的3D堆疊快取晶片，該晶片將於今年晚些時候發佈。該晶片採用了台積電的SoIC技術。英特爾的混合鍵合技術品牌名為Foveros Direct，而三星的版本則稱為X-Cube。Global Foundries與Arm合作，推出了採用混合鍵合技術的測試晶片。產量最高的混合鍵合半導體公司不是台積電，今年甚至明年也不會是台積電。出貨量最多的混合鍵合晶片公司實際上是索尼，其產品為CMOS圖像感測器。事實上，如果你擁有一部高端手機，那麼你的口袋裡很可能就裝有一款搭載混合鍵合CMOS圖像感測器的裝置。正如第1部分所述，索尼已將晶片間距縮小至6.3微米，而AMD的V-cache晶片間距為17微米。 目前，索尼推出了2層堆疊和3層堆疊兩種版本。在2層堆疊版本中，像素位於電路層之上。而在3層堆疊版本中，像素則堆疊在位於電路層之上的DRAM緩衝快取之上。隨著索尼致力於將像素電晶體與電路分離，並創造出高達4層矽的更先進相機，技術進步仍在持續。上圖展示了索尼的順序堆疊技術，該技術採用0.7微米間距實現！ 混合鍵合技術的另一個即將應用的高產量技術是長江儲存科技公司（YMTC）的Xtacking技術。YMTC採用晶圓對晶圓鍵合技術，將CMOS外圍電路堆疊在NAND門下方。我們在此詳細介紹了這項技術的好處，但簡而言之，與包括三星、SK海力士、美光科技、鎧俠和西部資料在內的其他NAND製造商相比，該技術使YMTC能夠在給定一定層數的NAND的情況下，整合更多的NAND單元。 關於倒裝晶片、熱壓鍵合和混合鍵合工具的各種類型，我們還有很多話要說，但留待下一部分再詳述。投資者對Besi Semiconductor、ASM Pacific、Kulicke and Soffa、EV Group、Suss Microtec、SET、Shinkawa、Shibaura、Xperi和應用材料公司的普遍認識並不精準，而且各公司及封裝類型使用的工具種類繁多。贏家並非如表面看起來那麼明顯。 (硬體起源)

上周，一款號稱“全球首款真正意義上的通用AI Agent”的軟體Manus迅速走紅網際網路，被稱為是第二個“DeepSeek時刻”。然而在不到一天的時間內，針對該軟體的評論迅速出現分化，形成三個陣營。 支持者認為，在Manus官網展示的旅途規劃、股票分析、面試安排等工作，可以自動使用搜尋引擎查詢、下載資料，閱讀PDF文件，使用Python進行資料分析與可視化操作，甚至能夠啟動電子郵件客戶端，撰寫郵件並自動傳送。大語言模型始終離不開它的對話方塊，而Manus則可以讓AI真正開始幹活了，一個全新的AI時代，似乎正以不可阻擋之勢到來。 與此同時，對Manus也不乏質疑者，其主要觀點是，Manus的各項技術並非首創或獨有，更像是一個融合各種技術的“套殼”軟體。其次，Manus目前並未完全開放，網路上的大量報導，只是複述了官網公開的演示視訊，不能代表Manus在真實環境下的使用體驗。 亦有少數使用者號稱拿到了Manus的邀請碼並撰寫了體驗報告，其中可信度較高的是劉潤在其公眾號發佈的一篇文章——《拿到Manus的邀請碼之後，我趕緊問了4個問題》。從劉潤的體驗看，Manus的確具有較強的自動化水平，無論是使用搜尋引擎、分析資料，還是生成PDF都可以有效完成。但是在執行過程中，依然存在瑕疵。如當搜尋不到指定內容時，Manus會生成模擬內容來完成任務（有趣的是Manus會告知使用者，最終結果是模擬內容）。這類使用者對Manus的態度相對中立，認為其現階段不夠成熟，仍需繼續發展。 Manus之所以能夠引爆網路，原因在於相比於底層的大語言模型，應用層的AI智能體可以適配更加豐富的應用場景、產生更多創新性的產品。如同在移動網際網路時代，雖然我們缺乏底層的Android、iOS等作業系統，但是在移動App上我們湧現出諸如微信、滴滴、抖音等超級App。雖然有些App的功能並非原創，但依靠龐大的國內市場需求，以及在商業模式上的創新，中國在移動App的競爭中不乏優勝者。 與移動網際網路時代類似，AI時代大語言模型註定是寡頭之間的遊戲。而對於技術和資本投入要求相對較低，面向各個領域應用的AI智能體，則蘊藏著豐富的創業機會。美國麻省大學羅威爾分校孫黎教授，將這種最佳化產品或服務的效率或成本、結合場景的創新，稱為可負擔創新（Affordable Innovations），更適合初創企業的快速崛起。 01 AI智能體是什麼 批評Manus的觀點之一是，作為一個AI智能體，Manus沒有自己的大語言模型，這意味著它不過是一個“套殼”軟體。針對這一批評，公司聯合創始人季逸超並不諱言Manus採用了基於Claude和阿里千問（Qwen）的大語言模型技術。 從AI智能體的定義看——“AI智能體是一種能夠感知環境、自主決策並執行任務的人工智慧系統。它通常被設計為在特定或多種場景中獨立運行，以實現特定目標或完成複雜任務。”與大語言模型只能通過對話互動返回結果不同，AI智能體可以完成具體的任務，如行程安排，AI智能體不僅能夠制定日程，還能操作App或者登錄網站，直接預定機票和酒店。通過它編寫程序，則可以直接生成一個編譯好的可執行檔案。 之所以能夠實現上述功能，是因為AI智能體一般包括四個組成部分（圖 1），分別是： 1. 大語言模型（LLM）：它是AI 智能體的“大腦”，負責協調決策。它通過任務進行推理、規劃行動、選擇適當的工具，並管理對實現目標的必要資料的訪問。 2. 規劃模組（Planning Modules）：規劃模組使AI智能體能夠將複雜任務分解為可作的步驟。 3. 記憶體模組（Memory Modules）：AI智能體依靠記憶體來維護上下文，並適應正在進行的或歷史任務。這是AI智能體能夠持續運行分解任務的關鍵。 4. 工具（Tools）：AI代理本身可以用作工具，但它們也可以通過與外部系統整合來擴展其功能，例如： （1）API：訪問即時資料或以程式設計方式執行作。 （2）資料庫和RAG管道（RAG pipelines）：檢索相關資訊並確保準確的知識庫。 （3）其他AI模型：與其他模型協作完成專業任務。 因此，智能體並不需要擁有一個自有大語言模型，而是整合相關技術，提供一個完整的解決方案。如果我們以熟悉的汽車行業的例子類比，大語言模型是發動機，AI智能體則是整車。 圖 1 AI智能體架構及代表產品示意圖 02 AI智能體，有沒有護城河？ 在Manus引爆媒體之後的數小時內，另一個AI開發團隊——MetaGPT，在GitHub上開源了功能與之類似的OpenManus軟體。 這不禁讓人思考，AI智能體有沒有護城河？ 護城河理論源自於邁克爾·波特分析企業面對競爭時的五種力量（圖 2）。 圖 2 波特五力模型 AI智能體的供應商主要是大語言模型廠商。從目前的產業生態看，雖然以DeepSeek、阿里千問為代表的開源模型性能已取得極大的發展，但與頭部閉源的大語言模型，如ChatGPT、Claude、Gemini相比，仍有一定的差距。由於大語言模型廠商逐漸呈現寡頭市場的趨勢，相對AI智能體企業，大語言模型廠商的議價能力仍然較強。當前大語言模型廠商主要以API的形式出售Tokens，對於下游廠商，也未使用歧視性的定價策略。對於AI智能體廠商而言，短期內成本亦相對可控。 從潛在進入者看，大語言模型廠商最有可能開發AI智能體。但當前大語言模型廠商的主要精力聚焦在提升大語言模型的智能和性能，尚無暇顧及向下游的AI智能體延伸。從技術門檻看，大語言模型廠商進入AI智能體市場，對智能體廠商而言可能是降維式的技術整合優勢，如Open AI的Deep Research。與大語言模型深度整合的全功能智能體，可能是普通AI智能體公司最難挑戰的競爭對手。 其次是以微軟、蘋果為代表的作業系統、手機/電腦終端廠商，它們雖然沒有自有大語言模型，但掌握著系統級的入口，憑藉與作業系統或終端裝置系統級的整合，在通用智能體或個人助理類智能體領域（如微軟的Copilot），可能有擁有較為明顯的優勢。 從使用者（買方）端看，AI智能體還沒有大型廠商出現，使用者選擇餘地較多，議價空間大。而且使用者長期養成了免費使用網際網路產品的習慣，除非AI智能體能為使用者帶來極為明顯的價值增加，否則很難向使用者收費。 在替代品方面，AI智能體尚處於發展早期，在技術未出現明顯變革的情況下，暫時沒有替代品的威脅。但由於AI智能體開發的技術難度並不高，行業內的同質化競爭預計會非常激烈。 03 網際網路的經營思維， 可能不適用於AI智能體 從產業角度看，AI智能體很難形成自己的護城河。那麼網際網路時代所推崇的資料，能否構成AI智能體的護城河呢？ 資料之所以能成為網際網路公司的護城河，原因在於資料能夠為公司帶來使用者增長。吉姆·柯林斯將這種增長模式稱為“飛輪效應”。如圖 3是一個典型的網際網路企業（Uber）的增長飛輪。如圖所示，Uber上註冊的司機越多，接單速度就越快，這會刺激更多的使用者註冊為Uber會員，帶來更大的需求。需求的擴大，會刺激更多的司機加入平台，Uber則可以覆蓋更多的服務面積。而同時Uber擁有更多的資料，可以用來改進車輛調度演算法，進一步提昇平台的效率，使用者等待時間更短、價格更實惠，這會刺激更多使用者的加入，需求的擴大又再次吸引司機加入，形成一個不斷增長的飛輪。 圖 3 Uber的增長飛輪 由此可見，增長飛輪的生效，需要企業處於雙邊市場，即一方（買方或賣方）參與者的收益，取決於該平台另一方參與者的數量。企業只需要刺激一方參與者的數量增加，就會帶動整個平台的繁榮。 但AI智能體不屬於雙邊市場，使用者在一個AI智能體使用的時長越多，這個智能體會越懂使用者，帶來單個使用者的使用時長的增加，但對其他使用者並不會帶來更好的價值。因此資料不會為AI智能體企業帶來使用者數量的增長，增長飛輪無法跑通。 儘管有所爭議，但不可否認，運用網際網路思維的確誕生了一批高增長企業。網際網路思維的核心是儘可能擴大企業規模，實現網路效應，即便早期虧損，企業通常也在所不惜。在網際網路思維中起到根本作用的是網路效應，即網路價值與網路節點數量的平方成正比。網路效應發揮作用的前提是，網路上的各個節點能夠互動。最典型的例子就是社交網路。但AI智能體的使用者，似乎並不存在交流互動，網路效應難以發揮作用。 所以我們看到目前AI智能體，甚至大語言模型都是基於銷售Tokens的模式，與傳統貨品銷售並無本質上的區別。當前AI智能體的Tokens消耗量較高，要實現盈利，非常考驗公司商業模式的設計能力。據智東西3月7日報導，一位使用者測試使用Open Manus回答“杭州那些醫院支援異地醫保直接結算？”這一問題，消耗Claude 3.7模型的Tokens約為24萬，大約相當於36萬~48萬個中文字元，花費3.6美元。如果按照這個成本定價，對AI智能體企業而言，產品使用費用將非常高昂，預計很難吸引到使用者付費使用。如何設計企業的盈利模式，可能是擺在AI智能體企業面前的一道難題。 04 to B還是to C？ 一般而言，企業通常願意為服務付費，to B業務能夠讓創業企業獲得較為穩定的現金流。但是to B業務一般不會出現爆發式的增長，追求高成長的AI智能體企業，可能會選擇to C的業務模式。 AI智能體的創業者，選擇面向企業的to B業務，還是選擇面向個人的to C業務？ 在回答此問題之前，我們不妨先看Manus的一個演示案例。筆者選取了Manus官網上，分析特斯拉股票這個示例操作。與通常部署在使用者本地的開源AI智能體不同，Manus採用了在雲端虛擬機器運行的方式。圖 4展示了部分分析過程，我們可以看到操作過程主要是在基於Ubuntu的Linux虛擬機器中建立相應檔案，編寫Python程序執行分析等。 圖 4 Manus分析特斯拉股票的部分操作步驟 Manus採用雲端虛擬機器的方式，可能是因為，目前智能體執行操作大量依賴臨時生成的Python程序檔案，這對使用者作業系統和開發環境有較高的要求。筆者嘗試在本地部署開放原始碼的Open Manus，在生成Python程序時遇到多次報錯，通過手動排錯才使工作流順利完成。當前大語言模型的能力，還不足以一次性生成可用的程序，直接部署到使用者端，難以保證執行效果。Manus提供的虛擬機器，則可以由公司事先組態好虛擬機器的作業系統和各類開發環境，以保障任務能夠得以正確的執行。 但是這種模式下，企業的算力負擔很重，虛擬機器需要大量的硬體資源開銷。根據少量獲得邀請碼的使用者測試，即便很簡單的任務，Manus依然需要數小時才能完成。因此從當前的技術需求看，to C的智能體，無論是新增使用者，還是收費模式，都有較大的挑戰，如果沒有龐大資金的支援，to C智能體在盈利之前，就因耗盡資金而失敗。 而對企業來說，則更願意為服務付費。這可以類比開放原始碼軟體公司RedHat，雖然公司的產品Linux系統本身免費，但公司通過銷售軟體服務，在2016年成為全球第一家銷售額超過20億美元的開放原始碼軟體公司。2018年IBM以340億收購RedHat公司，是截至該年度美國科技史上的第三大交易。 因此，從短期內看，面向企業端的AI智能體似乎更容易生存。 ***** 儘管當前AI智能體仍處於早期發展階段，但如同移動網際網路的時代一樣，我們無法預測Uber、滴滴、微信這樣的原生商業模式；也未曾預測到誕生在PC時代的淘寶，以“All in無線”創造增長神話。 無論Manus是否曇花一現，它的出現至少將AI智能體引入大眾視野，引起了投資人、企業家的關注。移動互聯時代，我們誕生了一批比肩世界的超級App，AI時代會產生那些創新，我們將拭目以待。 (中歐商業評論)

這篇文章是SemiAnalysis最新的一篇45頁的分析報告：美國正在錯失新勞動力經濟——機器人技術篇。 從春節前宇樹科技的爆火，一直到昨天稚暉君的新品展示，彷彿最近這段時間，我們國家的機器人的新聞一直不斷，大家對機器人的關注度也越來越高。 當然還是有很多人懷疑網上的視訊都過於片面，只展示某一次最好的demo，特斯拉和波士頓動力依然是金字塔尖的存在。但SemiAnalysis的這篇報告，讓我對我們國家的機器人充滿了期待。 印象中這應該是SemiAnalysis間隔最長的一次報告了，過了整整一個月。下面我們就來看下這一個月的時間SemiAnalysis憋出了什麼大招。 一、全球機器人產業格局重構 中國已連續 6 年保持全球最大機器人市場地位，2023 年安裝量達 27.6 萬台（佔全球 51%），較 2020 年增長 144%。本土品牌市場份額從 2020 年的 30% 躍升至 49%，在長三角、珠三角形成產業叢集，聚集企業超 3000 家。核心零部件自給率從 2015 年的 40% 提升至 68%，其中新松機器人實現 95% 核心部件國產化，埃斯頓伺服系統國產化率達 82%。相比之下，美國本土品牌市佔率僅 18%，核心部件進口依賴度超過 60%。 二、通用機器人技術突破 中國在人形機器人領域實現量產突破，Unitree G1 搭載自研力控系統與無稀土電機，重複定位精度達 0.5mm，續航時間 2 小時，負載能力 15kg，售價僅 1.6 萬美元。相比之下，特斯拉 Optimus 仍處於實驗室階段，成本預估超 20 萬美元，續航僅 1 小時。技術參數對比顯示，中國產品在成本控制和能效比方面已領先西方同類產品。 三、供應鏈深度解析 西方機器人製造存在嚴重材料依賴，以 5kg 負載機械臂為例，中國製造成本僅為美國的 45.7%。關鍵差異源於：中國稀土永磁體成本降低 64%（依賴本土 90% 產能），伺服電機成本降低 30%（規模化生產），末端執行器成本降低 66.7%（垂直整合）。 四、製造業基礎對比 中國擁有全球最完整工業體系，製造業增加值佔全球 30%。2023 年工業機器人產能達 120 萬台 / 年，鋰電池產能 1,200GWh，稀土永磁體產能 25 萬噸。相比之下，美國製造業崗位自 2000 年減少 700 萬個，機器人密度增速放緩，2023 年僅為 260 台 / 萬人。 五、政策驅動與產業生態 中國通過 "十四五" 規劃將機器人列為七大戰略新興產業，2023 年專項補貼達 769 億元，帶動產業投資超 5000 億元。形成長三角、珠三角、京津冀三大產業叢集，聚集企業超 3000 家。相比之下，美國《晶片與科學法案》對機器人領域支援不足，導致本土企業研發投入強度僅為中國企業的 60%。 六、技術路線突破 中國在關鍵技術領域實現群體性突破：力控精度達 0.1N（國際先進水平），視覺識別精準率 99.97%（基於 100 萬小時標註資料），運動控制響應速度 1ms（優於 ABB YuMi 的 2ms）。研發投入強度方面，新松機器人達 15.45%，埃斯頓 14.67%，均高於國際巨頭髮那科的 5.14%。 七、典型案例分析 小米 "熄燈工廠" 實現全流程自動化，佔地面積 10 萬平方米，員工數量從 2020 年的 800 人降至 2023 年的 0 人，生產節拍提升至 1 台手機 / 分鐘，良品率達 99.85%。相比之下，美國富士康工廠仍需 500 名工人，生產效率僅為小米工廠的 60%，良品率 98.5%。 八、半導體供應鏈博弈 中國在成熟製程領域加速佈局，28nm 及以上產能佔比從 2019 年的 16% 提升至 2023 年的 36%。本土 MCU 廠商市佔率達 27%（2020 年僅 8%），工業 IGBT 自給率突破 55%。中芯國際計畫 2027 年 28nm 產能達 100 萬片 / 月，華虹半導體 40nm 產能 60 萬片 / 月。 九、國際競爭態勢 全球機器人四大家族市場份額持續下降：ABB 從 2018 年的 22% 降至 15.68%，發那科從 18% 降至 11.46%。中國企業加速海外併購，美的收購庫卡後將其產能轉移至亞洲，新松併購德國 Cobotix 提升技術水平。 十、未來趨勢預測 報告預測，到 2030 年中國機器人密度將突破 1,000 台 / 萬人，人形機器人市場規模達 5,000 億美元，製造業自動化率提升至 85%。技術成熟度方面，協作機器人 5 年普及率 65%，人形機器人 10 年普及率 40%。 十一、戰略應對建議（對美國的建議） 報告提出 "三步走" 戰略：短期重建關鍵材料供應鏈（目標稀土永磁體自給率 30%），中期突破人形機器人核心技術（建立自主標準體系），長期建構 "機器人 + AI" 生態系統（佔據全球 30% 市場份額）。投資優先順序方面，作業系統（500 億美元）、力控感測器（300 億美元）、無稀土電機（200 億美元）為重點領域。 (傅里葉的貓)