高端電子布的產能擴充速度正被市場需求碾壓，一場由AI算力引發的材料革命悄然到來。“高端產品的需求太消耗產能了。AI的需求增長太快，而短期之內產能出不來。”一位業內上市公司高管如是說。隨著AI伺服器需求爆發式增長，PCB產業鏈上游的高端原材料市場正掀起一波供不應求的漲價潮。石英電子布（Q布）作為AI伺服器提速的關鍵材料，其全球年需求預計已達1100萬米，而台光電子僅一家的備貨計畫就高達上半年月均50-100萬米，下半年進一步提升至150-200萬米。在AI算力硬體競賽的背後，一場關乎材料供應鏈主動權的爭奪戰已經打響。01 行業風向轉變：AI驅動高端電子布需求激增AI正重塑整個PCB產業鏈的價值分配。資料顯示，2025年第一季度全球資料中心乙太網路交換機收入同比激增54.7%。這種增長態勢沿著產業鏈向上傳導，最終作用於高端基材市場。“低端產品還未缺貨，AI相關的缺。”一位產業鏈人士指出。行業的核心矛盾是“低端過剩、高端不足”，這種分化格局使得相關企業業績表現冰火兩重天。以專業生產高性能電子布的宏和科技為例，其今年前三季度淨利潤同比增長近17倍，股價漲幅高達284.79%。高性能電子布的價格也隨需求水漲船高。據披露，低介電一代布價格是普通產品的6倍，二代和Low CTE產品價格仍在持續攀升。全球電子紗巨頭日東紡已在今年6月宣佈自8月1日起旗下玻纖產品價格全面調漲20%。02 技術革新驅動：從普通布到Q布的演進AI算力競賽對硬體傳輸速率提出了更高要求，推動PCB材料從M8向M9升級，其對低介電常數（Low Dk）電子布的需求變得愈發迫切。衡量電子布性能有兩個關鍵指標：介電常數（Dk）和介電損耗（Df）。這兩個數值越低，訊號在電路中傳輸時損失的能量就越少，傳輸速度越快。普通電子布的介電常數在6.0以上，而AI伺服器等高端應用則要求材料的介電常數降到4.6甚至更低。石英纖維布（Q布）作為第三代電子布，以其卓越的性能成為頂級訊號傳輸材料的解決方案。其主要成分是純度超過99.95%的二氧化矽，介電常數可低至3.0以下，介電損耗極小。輝達Rubin架構中，CPX部件（midplane、CPX板、網路卡板）、Rubin Ultra的78層正交背板等關鍵部位已明確將採用Q布。GoogleV8平台也可能考慮類似Rubin CPX的外掛形態以增強推理性能，這部分增量也會使用Q布。03 供應鏈格局生變：國產廠商強勢崛起Q布全球供應鏈高度集中，目前僅旭化成、信越、泰山、菲利華四家能夠供應。其中，大陸兩家企業預計將佔據最大市場份額，其次為旭化成和信越。在巨頭博弈中，國內企業正加速突破技術壁壘。菲利華作為全球僅有的兩家能量產石英纖維的企業之一，已將航空航天級石英纖維技術成功遷移至電子布領域，使其介電常數達到行業領先的2.2-2.3。該公司規劃了5000萬米/年的產能遠景，而當前行業總需求僅為約200萬米/年。菲利華作為全球唯一在石英電子布產業鏈實現從石英砂到織布四個環節全自主可控的企業，具備顯著的垂直一體化優勢。目前全球前20大CCL企業中，已有4家穩定採購菲利華的產品，另有7至8家處於小批次測試階段。中材科技在特種玻纖領域表現突出，其低介電玻纖布已實現量產，石英布也已通過國內外頂尖客戶認證。2025年第一季度，中材科技扣非淨利潤同比激增93.28%，毛利率觸底回升。宏和科技則在超薄、極細等高附加值產品上形成技術優勢，其高性能產品低介電一代、二代和低熱膨脹係數產品供不應求。04 市場前景展望：供需緊張或持續至2027年展望2026年，隨著1.6T速率資料中心交換機起量及輝達Rubin平台發售，AI PCB高頻高速趨勢將進一步明朗，石英電子布有望迎來需求放量元年。據預測，到2027年，僅AI伺服器和網路交換機兩大應用，就將催生出接近3000億元人民幣的特種電子布市場。然而，供給瓶頸依然突出。菲利華預計2026年出貨量可達1000萬米，僅台光一家就將貢獻約40%-50%的份額。 據此測算，僅石英電子布業務就將為菲利華帶來超10億元淨利潤增量。產能擴充面臨多重挑戰。“高端產品的需求太消耗產能了。AI的需求增長太快，而短期之內產能出不來。”一位行業內部人士坦言。 高端電子布的織布機主要依賴日本進口，裝置交貨周期長，進一步限制了產能擴張。認證壁壘同樣構成一道高牆。客戶認證流程通常需要2-3年時間，包括送樣、小批次試產和批次生產三個階段，輝達、台積電等知名企業對供應商的篩選極為嚴格。基於這些制約因素，業內專家預測，這輪高端電子布缺貨潮可能持續到2026年第三季度，到2027年才會陸續有所緩解。05 投資邏輯與風險：聚焦龍頭企業的訂單與產能在AI驅動PCB材料升級的背景下，投資者應聚焦龍頭企業的訂單和產能情況。對於菲利華而言，其關鍵驗證點在於2025年第四季度台系CCL廠30萬米/月訂單的落地情況，以及輝達的認證進度。隨著訂單爆發和產能躍進，菲利華的業績有望實現顯著增長。中材科技雖然估值安全邊際高，但需要觀察其石英布營收佔比是否能超過5%，以及提價傳導能力。 該公司受益於全球龍頭日東紡的價格上漲20%，已靈活調整定價策略，有望實現價格跟漲。風險方面，投資者需警惕產能過剩和技術替代等潛在風險。 若菲利華的產能擴張導致價格鬆動，或其他企業的認證超預期，市場競爭格局可能生變。此外，AI伺服器出貨量不及預期、輝達GPU產品發售節奏放緩等因素也可能影響行業發展速度。隨著AI算力需求不斷攀升，高端材料市場的供需天平正在傾斜。日本日東紡等巨頭已宣佈漲價20%，台光電子等下游廠商則在為Q布做高強度備貨準備。在可預見的未來兩年內，高端電子布的供應緊張狀況仍將持續。對於那些已突破技術壁壘、具備產能先發優勢的國內企業來說，一個歷史性的發展機遇正在眼前。 (吐故納新溫故知新)

12月9日，Google正式發佈Android XR平台，並展示了與中國企業XREAL聯合打造的Project Aura——一款被定義為“Gemini AI第一雙原生空間之眼”的消費級AR眼鏡。在AI與XR深度融合的新戰場上，矽谷巨頭正在以一種前所未有的姿態，將核心硬體能力的話語權交到中國企業手中。這個訊號的深意，遠比表面呈現的更加複雜。當我們將視線穿透產品本身，審視這場發佈會背後的產業邏輯時，會發現在這個被視為下一代計算平台的賽道上，中國的光學系統、晶片設計和製造供應鏈，正在從代工者悄然轉變為定義者。某種意義上，一場靜默的“反向卡脖子”正在發生。Google的“第二次入場”：一場遲到但志在必得的豪賭理解Google此番佈局的深意，需要先回溯其在可穿戴裝置領域的曲折歷程。2013年，Google眼鏡以顛覆者的姿態驚豔亮相，卻因隱私爭議、高昂定價和孱弱的應用生態黯然離場。十餘年過去，當Meta憑藉Ray-Ban智能眼鏡悄然佔據市場，當蘋果以Vision Pro重新定義空間計算的產品形態，當字節跳動、華為等中國玩家在XR賽道密集佈局時，Google發現自己正處於一個危險的位置：它擁有全球最先進的AI能力，卻缺乏一個能讓這種能力“走出螢幕”的硬體載體。Meta的Ray-Ban智能眼鏡這正是Android XR平台的戰略核心所在。Google試圖複製其在智慧型手機時代的成功路徑——通過開放平台吸引硬體合作夥伴，建立生態標準，最終實現系統級的統治地位。但這一次，它面臨的挑戰遠比當年更加嚴峻。智能眼鏡不是智慧型手機的簡單延伸，它需要在光學顯示、空間計算、續航散熱和佩戴舒適性之間尋找極其精細的平衡點。而這些平衡點的技術實現，恰恰是Google自身並不擅長的領域。於是，一個有趣的現象出現了：在Android XR平台的首發產品矩陣中，最具技術含量的Project Aura，其核心硬體研發幾乎全部由中國團隊完成。X-Prism光學系統由XREAL中國團隊獨立研發量產，X1S空間計算晶片由XREAL端到端自研，完整供應鏈紮根長三角。Google提供了AI大腦和軟體平台，但讓這個大腦“看見世界”的眼睛，卻是中國製造。當前的XR市場正處於一個微妙的臨界點。從產品形態上看，存在三條平行演進的路徑：以蘋果Vision Pro為代表的高端沉浸式頭顯，以Meta Ray-Ban為代表的輕量化智能眼鏡，以及介於兩者之間的AR顯示眼鏡。這三條路徑分別對應著不同的使用場景、技術難度和市場定位，尚未出現誰將最終勝出的明確訊號。從市場份額來看，Meta憑藉先發優勢和激進的定價策略佔據了消費級智能眼鏡的主導地位。Ray-Ban Stories系列累計銷量已突破數百萬台，建立起了初步的使用者認知和使用習慣。蘋果Vision Pro雖然在技術上實現了諸多突破，但3499美元的高昂定價嚴重限制了其市場滲透，更多地扮演著技術燈塔的角色。至於Google，在Android XR發佈之前，其在XR硬體領域幾乎是一片空白。但市場份額並不能完全反映競爭的真實態勢。XR產業仍處於極早期階段，現有的銷量數字在未來可能出現數量級的變化。真正決定長期競爭格局的，是三個關鍵要素：AI能力的深度整合程度、硬體形態的成熟度，以及生態系統的開放性。從這三個維度審視，Google此番入局的時機選擇頗具深意。首先，Gemini AI的能力已經發展到足以支撐空間計算場景的臨界點。多模態理解、即時視覺推理、上下文感知對話——這些能力的組合，使得AI真正具備了理解世界的基礎能力。其次，硬體技術的成熟度也在快速提升。Micro OLED顯示、先進光學設計、低功耗空間計算晶片，這些技術的進步使得消費級AR眼鏡成為可能。最後，Android的開放生態基因使其天然適合扮演平台角色，這是蘋果封閉生態所不具備的優勢。技術突破的關鍵節點：當AI開始“看見”世界Project Aura之所以被稱為“Gemini AI的第一雙原生空間之眼”，源於其實現了AI與XR的深度原生融合。這種融合並非簡單地將AI助手嵌入眼鏡裝置，而是讓AI真正具備了空間理解和環境互動的能力。要理解這一突破的意義，需要先釐清AI能力演進的脈絡。大語言模型讓AI“能聽會說”，多模態模型讓AI“能看會畫”，但這些能力仍然被困在二維螢幕的邊界內。AI可以分析一張照片，但無法持續感知真實環境的變化；可以理解一段對話，但無法將對話內容與物理空間關聯。Project Aura試圖打破這一邊界。通過三個攝影機、麥克風和環境感測器的組合，Gemini首次能夠在真實世界中建構“連續、可互動、可理解”的空間語義模型。這種能力的實現依賴於幾項關鍵技術的協同突破。光學系統方面，70度視場角（FOV）是消費級AR眼鏡目前能實現的最大實用視場，它決定了數字內容能夠多大程度地自然疊加在真實環境中。XREAL的X-Prism棱鏡透鏡技術在這一指標上達到了行業領先水平，同時將整體重量控制在可日常佩戴的範圍內。空間計算方面，X1S晶片建構了低延遲、高精度的空間智能鏈路，能夠同時處理三個攝影機的資料輸入，實現全房間追蹤和手勢識別。AI推理方面，Gemini的端側部署使得即時語義理解成為可能，使用者可以用手指在空中圈選任何物體，立即獲得相關資訊和搜尋結果。CNET記者Scott Stein在體驗後寫道：“坐在沙發上戴著Project Aura，這副原型眼鏡立即讓我感覺像是VR被縮小到了更小的形態。”他啟動了一個無線連接的電腦視窗，用手勢控制應用，甚至運行了VR遊戲Demeo。“最令我驚訝的是，所有這些都可以僅憑一副眼鏡實現。”這種評價的份量在於，它來自一個見證了過去十年幾乎所有XR產品的資深觀察者。然而，技術突破並不意味著產業成熟。心智觀察所之前曾撰文指出，智能眼鏡領域存在一個被業內稱為“不可能三角”的結構性難題：全天候舒適佩戴、極佳的顯示效果、強大的AI智能化——當前沒有任何一款裝置能夠同時完美解決這三點。舒適佩戴要求裝置重量極輕、發熱量低、外觀時尚，這意味著電池容量、晶片算力和顯示單元尺寸都必須大幅壓縮。極佳的顯示效果要求高解析度、大視場角、高亮度和良好的透光率，這需要更複雜的光學系統和更大的顯示單元。強大的AI智能化要求高算力的晶片、豐富的感測器和持續的網路連線，這進一步增加了功耗和發熱。這三個維度彼此制約，形成了一個難以突破的技術瓶頸。XREAL創始人兼CEO徐馳坦承，Project Aura並不試圖解決全天佩戴的問題，其定位是可攜式工作裝置而非日常穿戴配件。但他同時預測，未來智能眼鏡可能會演化出二元化的產品形態：一種主打35克以下的全天候佩戴，以犧牲顯示效果和算力為代價；另一種則以更好的顯示效果為基準，重量約50至60克，適合特定場景的沉浸式使用。除了硬體層面的不可能三角，智能眼鏡還面臨著軟體生態和使用者接受度的雙重挑戰。應用開發者需要為全新的互動範式重新設計產品，而使用者則需要克服將裝置佩戴在面部的心理障礙和社會壓力。Google眼鏡當年的失敗，很大程度上源於這兩個層面的不成熟。即便技術已經取得長足進步，這些非技術因素仍然是產業化道路上的重要變數。靜默的權力轉移：中國供應鏈如何重塑行業格局在討論智能眼鏡產業的未來時，一個經常被忽視的維度是供應鏈的權力結構。過去十年，中國製造在全球科技產業鏈中的角色，主要是成本優勢驅動的代工和組裝。但在XR這個新興賽道上，情況正在發生根本性的變化。Project Aura的案例極具說明性。這款被Google定位為Android XR平台最完整、最接近理想形態的硬體樣本的產品，其核心技術幾乎全部來自中國。X-Prism光學系統是消費級AR眼鏡最關鍵的技術壁壘之一，它決定了裝置的視場角、清晰度、色彩還原和佩戴舒適度，而這一系統由XREAL中國團隊從零開始獨立研發並實現量產。X1S空間計算晶片是另一個技術高地，它需要在極低功耗下實現多攝影機資料的即時處理和空間定位，而這顆晶片由XREAL端到端自主設計。更值得關注的是，支撐這些核心技術的完整供應鏈已經在長三角地區成型。從光學鏡片的精密加工，到Micro OLED螢幕的生產，再到晶片的封裝測試和整機組裝，一條高度整合、快速迭代的產業鏈正在形成閉環。上海作為XREAL的全球研發中心，正在成為智能眼鏡產業創新的核心樞紐。這種供應鏈格局的形成並非偶然。智能眼鏡對製造精度的要求遠超智慧型手機，光學系統的微米級公差控制、顯示模組的精密貼合、整機的輕量化設計，每一個環節都需要長期積累的工藝經驗和快速迭代的能力。中國製造業在消費電子領域二十餘年的積澱，恰恰為這一新賽道提供了堅實的基礎。如果說過去幾年中美科技競爭的主旋律是美國對中國的“卡脖子”——從晶片製造裝置到EDA軟體，從先進製程到AI晶片——那麼在XR領域，一種反向的依賴關係正在悄然形成。讓我們做一個假設：如果XREAL或其他中國XR供應商決定不再向海外整機廠商提供核心光學模組和空間計算晶片，會發生什麼？Google的Android XR平台將失去其最具競爭力的硬體載體；Meta的下一代AR眼鏡可能面臨關鍵零部件的供應中斷；甚至蘋果，儘管其自研能力強大，也不得不依賴中國供應鏈來實現規模量產。這並非危言聳聽。在AR光學這個細分領域，中國企業已經建立起了難以綁過的技術和產能優勢。Birdbath方案、自由曲面棱鏡、光波導——無論那種技術路線，中國供應商都處於全球領先位置。而在Micro OLED和Micro LED顯示領域，中國企業同樣佔據著重要份額。更重要的是，這些技術優勢是與製造能力深度繫結的——即便競爭對手獲得了設計圖紙，要在短期內建立起具有競爭力的生產線幾乎不可能。徐馳在極客公園創新大會上的一番話頗耐尋味：“沒有任何一家公司能包攬系統、AI與硬體的所有創新。下一代計算平台需要一個全球化創新聯盟。而中國憑藉最完整的製造鏈條與最快的硬體創新速度，第一次真正站在了定義未來標準的位置。”這番表態的潛台詞是：中國不再只是執行別人定義的標準，而是有能力參與甚至主導標準的制定。當然，“反向卡脖子”的能力並不意味著一定會被使用。全球科技產業的相互依存是雙向的，任何一方的脫鉤都會帶來巨大的成本。但能力本身就是一種談判籌碼，它改變了博弈的基本結構。在過去，中國企業在與海外巨頭的合作中往往處於被動地位，核心技術和利潤分配由對方主導。而在XR這個新賽道上，中國企業有機會以更平等的姿態參與全球競爭，甚至在某些環節掌握主動權。增量資料的入口：眼鏡通向AGI的必經之路？徐馳提出了一個引人深思的觀點：“眼鏡所帶來的增量資料，很可能是AI通向AGI的必經之路。”這一論斷的邏輯在於，當前AI訓練所依賴的公域和私域資料都已接近枯竭，而智能眼鏡將成為為AI提供更多個性化增量資料的最佳入口。這個觀點觸及了AI發展的一個核心瓶頸：資料。大語言模型的能力提升在很大程度上依賴於訓練資料的規模和質量，而網際網路上可用的高品質文字資料正在被快速消耗。視覺資料、空間資料、行為資料——這些智能眼鏡能夠持續採集的多模態資訊，可能是下一階段AI能力躍升的關鍵燃料。如果這一判斷成立，那麼智能眼鏡的戰略意義將遠超其作為消費電子產品的範疇。它將成為AI能力演進的基礎設施，而掌握這一基礎設施的企業和國家，將在AI時代佔據戰略高地。從這個角度看，中國企業在智能眼鏡核心技術上的突破，其意義不僅在於一個新產品品類的競爭力，更在於對AI發展基礎資源的控制力。徐馳預測，一個真正具備“iPhone時刻”意義的智能眼鏡產品將在未來兩到三年內問世。如果真是2027年，那恰好是20年的輪迴：從2007年初代iPhone到2027年。這個時間預測是否精準尚待驗證，但其背後的判斷邏輯值得重視：技術成熟度、生態準備度和使用者接受度正在同時逼近臨界點。Google此番發佈Android XR平台和Project Aura，正是這一臨界點的訊號之一。它表明，即便是擁有全球最強AI能力的科技巨頭，也必須借助中國的硬體創新能力才能將願景轉化為產品。它也表明，下一代計算平台的競爭將不再是單一公司或單一國家的獨角戲，而是一場全球化的協作與博弈。在這場博弈中，中國的位置正在發生微妙而深刻的變化。從全球工廠到創新源頭，從標準執行者到標準定義者，從被動依附到可以反制——這些變化或許還不夠顯性，但其勢能正在積聚。當AI開始“長出眼睛”，中國製造的技術基因，已經深深嵌入了這雙眼睛的每一個零部件之中。未來已來，只是分佈不均。而在智能眼鏡這個承載下一代計算平台願景的賽道上，中國或許正站在分佈最密集的那個節點上。 (心智觀察所)

一場由人工智慧（AI）革命驅動的全球性供應鏈危機正在形成，其影響深度與廣度已超越傳統的周期性短缺。這場危機的核心矛盾在於：爆炸式增長的AI算力需求，正與傳統製造業爭奪有限而關鍵的資源，從最前端的半導體晶片，延伸到電力、冷卻系統乃至工業金屬，重塑著全球生產和貿易格局。危機的起點集中於AI晶片及其製造環節。訓練和運行大語言模型需要海量的高端圖形處理器（GPU），這導致輝達等公司的先進晶片持續供不應求，交貨周期漫長。然而，瓶頸遠不止於成品晶片。製造這些晶片所必需的極紫外（EUV）光刻機等尖端裝置同樣產能受限，其複雜的供應鏈使得擴產速度無法跟上需求激增。此外，用於晶片封裝的CoWoS等先進封裝產能也已成為全球性的緊缺資源。更深遠的影響沿著產業鏈向上游傳導。AI資料中心的巨量能耗，正與工業生產和居民生活“爭奪”電力。在美國和歐洲部分地區，電網已面臨壓力，新的資料中心項目甚至因無法獲得穩定供電而被推遲。與電力配套的資料中心冷卻系統，其所需的零部件（如泵、冷卻劑）交貨時間也大幅延長。危機進一步蔓延至基礎原材料領域。用於製造伺服器機櫃、散熱系統以及電力基礎設施的銅、鋁等工業金屬，因AI基礎設施建設潮而需求大增。同時，為AI晶片提供超高速儲存支援的高頻寬儲存器（HBM），其產能已被幾家頭部企業鎖定，導致價格飆升並擠佔了其他儲存晶片的產能。這場由單一技術浪潮引發的廣泛短缺，本質上是新舊經濟模式對核心資源的一次重新配置。與傳統製造業不同，AI基礎設施的建設者——大型科技公司和雲服務提供商——對成本的承受能力更高，對獲取戰略資源的意願更為迫切，從而迅速推高了關鍵環節的價格並佔據了供應優先權。面對這種結構性變化，全球主要經濟體正採取不同策略。美國通過《晶片與科學法案》等產業政策，大力推動本土半導體製造和綠色能源投資，以夯實AI基礎設施的底層供應。中國則在強化晶片自主可控的同時，利用其在太陽能、風電等綠色能源領域的製造優勢，為資料中心建設提供可持續的電力解決方案。分析指出，此次供應鏈危機不會在短期內輕易緩解。它標誌著全球產業正步入一個以“算力”為核心資源進行配置的新階段。如何平衡AI前沿發展與傳統產業的基礎資源需求，建構更具韌性和彈性的新型供應鏈體系，將是各國政府和企業共同面臨的長期挑戰。這場由AI掀起的浪潮，正在考驗著全球工業體系的適應與進化能力。 (晶片行業)

在AI晶片快速發展的浪潮中，GPU、AI ASIC等高性能計算（HPC）核心，以及HBM（高頻寬記憶體），正成為採用 2.5D/3D 封裝技術的高端產品的主力軍。先進封裝平台對於提升器件的性能和頻寬至關重要，其重要性已使其成為半導體領域最熱門的話題，熱度甚至超越了以往的尖端工藝節點。近期，有關英特爾的先進封裝技術 EMIB 正被科技巨頭蘋果和高通評估的消息引發了廣泛關注：蘋果在相關招聘資訊中，尋求熟悉 CoWoS、EMIB、SoIC、PoP 等技術的 DRAM 封裝工程師；高通也在招募資料中心產品管理總監，要求熟悉英特爾EMIB技術。雖然這些動作尚不意味著兩大晶片設計巨頭已正式轉向，但它們明確透露出全球頂級自研晶片企業正在積極評估英特爾作為台積電之外的潛在替代方案。圖片來源：高通公司而在AI晶片的先進封裝領域，台積電、英特爾和三星已經形成了“三強鼎立”的格局。由於自身定位不同，這三家公司在產業鏈中也承擔著不同的封裝角色。據Yole Group的分析，短期來看，2025年第二季度先進封裝收入將超過120億美元。在人工智慧和高性能計算強勁需求的推動下，預計下半年市場表現將更加強勁。長遠來看，2024年先進封裝市場規模約為450億美元，預計將以9.4%的強勁復合年增長率增長，到2030年達到約800億美元。台積電：GPU與超大規模 HBM 的唯一答案台積電 CoWoS（Chip-on-Wafer-on-Substrate）是台積電開發的一種2.5D先進封裝技術，它允許將包括邏輯晶片、儲存器晶片和模擬晶片在內的多個晶片並排整合在高密度矽中介層上。CoWoS技術於2010年代初推出，經過近十年的持續迭代，已經成為全球高頻寬封裝的事實標準。目前使用 CoWoS 的廠商包括：輝達（H100、H200、GB200 皆採用 CoWoS 或 CoWoS-L）、AMD MI300 系列、Broadcom AI ASIC、Marvell部分加速晶片。其成熟度無可替代，但其問題同樣無可避免。第一，CoWoS產能嚴重不足：被輝達長期鎖死。外媒普遍估計，僅輝達一家就佔用CoWoS超過一半的產能。瑞銀預計，受Blackwell、Blackwell Ultra以及Rubin驅動，2026年輝達對CoWoS晶圓的需求量將達到67.8萬片，較今年增長近40%；另外，預計到2026年，輝達的GPU總產量將達到740萬片。加上 AMD、Broadcom，CoWoS進入“排隊周期 > 產品生命周期”的極端狀態。這意味著蘋果、高通、博通在評估新晶片封裝時，會處於“排不到隊”的被動局面。根據台積電在2025年第三季度的財報披露，高性能計算（HPC）業務的銷售額環比持平。台積電強調，這並非是AI需求有所減弱。恰恰相反，實際需求比公司在三個月前的預期更為強勁。營收增長的主要瓶頸在於先進封裝產能不足，特別是 CoWoS 技術，它限制了 HPC 產品的出貨量。對此，台積電正在緊鑼密鼓的擴產CoWoS產能。據大摩的預估，台積電計畫2026年底前將其CoWoS產能從原先預估的100kwpm（千片／每月）擴大20%以上。目前預期CoWoS產能將達到至少120-130kwpm。第二，大中介層成本高昂，封裝BOM成本飆升。CoWoS的鐳射中介層面積高達數百平方毫米，且是65nm/45nm等成熟節點，但仍貴。在先進封裝報價中，中介層往往佔據50%-70%成本。在某些客戶案例裡，“封裝比晶片本體更貴”。CoWoS-S第三，HBM堆疊越多，CoWoS熱密度越難管理。H200、GB200的HBM堆疊量比H100 更高，封裝區熱點進一步集中。總的來說，CoWoS是最好的選擇，但不是人人都買得起，也不是人人都排得到。台積電 SoIC（3D 堆疊）雖然能加速發展，但對成本與良率的壓力極大。英特爾EMIB成為Plan B如果說台積電CoWoS是“高頻寬王者”，那麼英特爾的EMIB + Foveros組合，則是靈活性、成本結構與本土化供應鏈的集合體。過去10年，業界討論英特爾更多集中在製程節點落後，但忽略了一個事實：英特爾在先進封裝上，是最早、也是最激進投入的玩家之一。如今，隨著蘋果、高通等頂級晶片廠開始招募 “EMIB Packaging Engineer”，英特爾的封裝技術路線首次進入全球手機SoC、大型ASIC客戶的審視窗口。那麼，為什麼是 EMIB？EMIB結構圖（來源：英特爾）EMIB（Embedded Multi-die Interconnect Bridge）本質是一種嵌入式矽橋——不是覆蓋整個封裝，只在需要高速互聯的局部區域增加高密度矽布線。如下圖所示，EMIB是在基板腔體中放置矽橋，並通過粘結劑固定；隨後在其上方疊加介電層和金屬走線層。通過在Chiplet上結合兩種不同的凸點間距（bump pitch），EMIB 可實現成本高效的異構整合，並支援超大規模的系統擴展。據英特爾的材料顯示，EMIB 是業界首個在封裝基板中嵌入矽橋的2.5D互連解決方案。自2017年以來已進入大規模量產，並被應用於伺服器、網路和高性能計算等領域的產品中。相比CoWoS：從架構上來看，CoWoS使用的是整塊大中介層，EMIB是小片矽橋按需嵌入，佔用的空間非常小。因此不會影響輸入/輸出（I/O）訊號的平衡，也不會破壞系統的電源完整性（power integrity）特性。這與完整的大面積矽中介層形成鮮明對比：在使用矽中介層的方案中，所有訊號和電源通孔（vias）都必須穿過中介層，帶來額外阻抗與噪聲；從成本上來看，由於CoWoS的中介層面積大，因而也會相對更貴一些；靈活度方面，CoWoS是固定面積、適合大晶片，EMIB更加適合定製ASIC、小型Chiplet；從散熱上來看，EMIB的局部互聯反而便於散熱。EMIB還具有三項關鍵優勢：支援超大規模、異構die組合，並允許高度定製的封裝佈局。能夠在相鄰die之間實現高速資料傳輸，同時僅需簡單的驅動/接收電路。可以為每一條die間互連單獨最佳化，通過為不同鏈路定製橋接結構，實現最佳化設計。因此，EMIB不是為GPU這種“記憶體頻寬怪獸”準備的，它的最佳舞台是：定製ASIC、AI推理晶片、基站/網路加速器、SoC級模組化設計、UCIe/Chiplet 互聯實驗平台等等，也就是說：EMIB的價值不是“更強”，而是“更通用、更靈活”。這恰恰是蘋果/高通/博通在下一代架構設計中需要的能力。據瞭解，英特爾也在繼續擴展其EMIB組合，隨著對更高電源供給能力的需求不斷提升，英特爾在其EMIB-M中將金屬-絕緣體-金屬（MIM）電容整合到矽橋中，以增強電源傳輸能力。在其EMIB-T方案中加入了矽通孔（TSV）。EMIB不僅可用於2.5D封裝，當EMIB與Foveros 2.5D 和 Foveros Direct 3D 結合使用時，能夠構成更具靈活性的EMIB 3.5D方案。黃仁勳先前也公開稱讚過Foveros，產業對其技術成熟度並非沒有信心。英特爾先進封裝的演進（來源：英特爾）EMIB 3.5D是一種混合式架構，它在同一個封裝中結合了：EMIB的矽嵌入式橋接、Foveros 的先進晶片堆疊（die stacking）工藝。這種混合架構利用Foveros的垂直堆疊能力（vertical stacking），再疊加EMIB的橫向高密度互連，從而在：封裝尺寸、計算性能、能耗表現、成本效率之間取得更優的平衡。EMIB 3.5D 解決了傳統封裝架構中的諸多限制，包括：熱翹曲、光罩（reticle）尺寸上限、互連頻寬瓶頸，它能顯著擴大封裝內部可利用的矽面積，為建構高度複雜的多晶片系統提供更大的設計空間。除了技術上的優勢之外，美國本土封裝產能也成為地緣政治驅動的“第二供應鏈”。台積電封裝集中在台灣（高雄、竹南），韓國三星封裝集中在韓國/東南亞，而英特爾正在美國本土建構先進封裝生產基地：包括新墨西哥州 Fab 9 / Fab 11x、俄亥俄州未來封裝線、萊克福裡斯特（加州）封裝研發線。對於美國本土雲廠商、AI 晶片企業的供應鏈來說，本土生產+高度可控+不依賴東亞封裝的優勢，遠大於單純的成本因素。因此，英特爾封裝不是“技術佔優”，而是產業鏈安全佔優。三星：從HBM供應鏈反向切入先進封裝三星封裝，更像是從 HBM 供應鏈“反向”切入 AI 時代的關鍵節點。如果三星 HBM 能全面滿足輝達等頭部客戶的要求，它就有機會借助 HBM 的供應鏈話語權，在封裝路線選擇乃至系統架構協同上獲得更大影響力。三星的代表性先進封裝技術主要是I-Cube（2.5D封裝）和X-Cube（3D封裝），其中I-Cube又包括I-Cube S/E兩種。與台積電的CoWoS、英特爾的EMIB/Foveros不同，三星的I-Cube技術是從“HBM 供應商角度”出發反向設計的，因此技術路徑明顯不一樣。具體而言，I-Cube S是大矽中介層（Si Interposer）的2.5D方案。I-Cube S與台積電的CoWoS-S 的架構幾乎同源：互聯方面都是使用整塊矽中介層、成本普遍中等偏高、頻寬支援 HBM3 / HBM3E（如下圖所示）。I-Cube S（來源：三星）那麼此處我們可以再來複習一下，為何要使用大的矽中介層？這主要是因為HBM堆疊需要極高的IO密度，高頻寬x多通道能夠跨越大的橫向面積，採用中介層布線可以非常寬裕，訊號完整性（SI）也更優，電源配送網路（PDN）也更紮實，比較適合大功耗晶片。I-Cube E則是使用Si Bridge + RDL Interposer的混合型低成本方案。如下圖所示，它沒有整塊矽中介層，取而代之的是RDL Interposer（扇出型重布線中介層），下層用 Si Bridge Die（小尺寸矽橋） 提供局部高密度互聯，類似英特爾EMIB的概念。I-Cube E在3D封裝領域，X-Cube是三星先進封裝技術的一個巨大飛躍。其核心方法採用在 Z 軸上堆疊邏輯裸片的方法，顯著提高了動態鍵合能力。憑藉這些創新，三星得以快速推廣其 Chip-on-Wafer (CoW) 和銅混合鍵合 (HCB) 技術。通過增加每個堆疊的晶片密度，X-Cube 進一步提升了產品的速度和性能。銅混合鍵合是X-Cube實現高密度互連的關鍵技術。從晶片佈局靈活性的角度來看，HCB 技術相較於傳統的晶片堆疊技術具有極大的優勢。三星Foundry正在積極開發超精細的銅混合鍵合技術，例如低於4微米的連接規格，以實現更高密度的3D堆疊。小結總的來看，如果說台積電的先進封裝更側重於圍繞以 NVIDIA 為代表的高端無晶圓廠客戶，英特爾則是在“為自家產品與潛在代工客戶重構一條新路徑”；相比之下，三星則主打HBM 疊加自家邏輯晶片或客戶 SoC 的一體化方案。AI晶片代工領域的競爭，早已不再是單一封裝工藝的比拚，而是在算力架構、供應鏈安全、資本開支和生態繫結之間的綜合博弈。對下游晶片設計公司而言，如何在不同封裝陣營間進行路線規劃、風險避險和長期產能鎖定，將直接決定下一輪 AI 產品的性能上限與交付確定性。而對包括中國在內的本土產業鏈來說，先進封裝既是被重塑的變數，也是難得的“換道超車”窗口。 (半導體行業觀察)

一分鐘速覽輝達的命門不在CUDA，在供應鏈。 2年以上的交付周期是其“阿喀琉斯之踵”，能提供更快交付（如Groq的6個月）的公司擁有巨大優勢。算力需求永不滿足，別再問泡沫。 聰明錢（科技巨頭、國家）投入AI不是為了投機，而是為了生存。如果算力翻倍，OpenAI的收入也能翻倍。AI的終極瓶頸是能源。 “控制算力的國家控制AI，而沒有能源就沒有算力。” 歐洲因能源政策和官僚主義，正面臨淪為“旅遊經濟體”的風險。當所有人都在膜拜輝達的算力帝國時，一場顛覆性的變革正在悄然發生。Groq創始人Jonathan Ross的最新訪談，為我們揭示了AI浪潮下被嚴重忽視的真相。他認為，AI的終局不是模型，而是算力；算力的終局，是能源。在這場決定未來的競賽中，輝達的王座並非牢不可破，而真正的贏家，將是那些能突破物理極限的人。風暴之眼：那個叫板輝達的Groq究竟是什麼來頭？在深入探討Jonathan Ross的顛覆性觀點前，我們必須先瞭解他所創立的公司——Groq，這正是他所有判斷的底氣所在。簡單來說，Groq是一家把“速度”刻在DNA裡的AI晶片公司，被譽為AI推理領域最兇猛的“F1賽車”。核心產品 LPU：為速度而生Groq不製造像Nvidia那樣的通用GPU，而是創造了一種全新的晶片架構——LPU（語言處理單元）。它的唯一使命，就是在運行大語言模型（即“推理”）時，提供地球上最快的速度和最低的延遲。與GPU的根本不同：“流水線” vs “項目經理”GPU像一個強大的“項目經理”，手下有數萬名員工（計算核心），但每次任務都需要動態調度和協調，這個過程本身會產生延遲。LPU則像一條預先設定好的“精密流水線”，每個資料的處理路徑和時間都被精確規劃，消除了所有不確定性，從而實現了驚人的、可預測的速度。結果有多震撼？Groq的雲平台曾演示以每秒超過500個token的速度運行開源大模型，這個速度是當時行業頂尖水平的5到10倍，幾乎實現了AI對話的“零等待”，讓即時語音互動成為可能。創始人背景：Google TPU之父Groq的創始人Jonathan Ross，是親手主導設計了Google第一代TPU（張量處理單元）的核心人物。TPU是第一款在資料中心成功挑戰Nvidia霸權的專用AI晶片。因此，當Jonathan Ross評論Nvidia和AI晶片的未來時，他不是一個旁觀者，而是這個領域最頂尖的開創者之一。忘掉泡沫論吧，巨頭們賭的是“身家性命”訪談開場，直面“AI泡沫論”。Jonathan的觀點清晰而尖銳：與其糾結於泡沫，不如觀察“聰明錢”的實際行動。聰明錢的動向：瘋狂下註： Google、微軟、亞馬遜等巨頭正“像醉酒的水手一樣”花錢，而且一次比一次多。自用為王： 微軟寧願犧牲Azure的租賃收入，也要將寶貴的GPU留給自己內部使用，因為這樣賺得更多。這證明了AI應用的真實價值。巨頭們為何如此瘋狂？核心動機是生存，而非投機。Jonathan分享了一個發人深省的細節：“我曾問一群管理著百億資產的頂級投資人：‘有誰100%確定，10年後AI無法取代你的工作？’ 現場沒有一個人舉手。”對於科技巨頭來說，邏輯完全一樣。今天不惜一切代價投入，是為了確保10年後自己不會被徹底踢出牌桌。早期石油鑽探的比喻：目前的AI市場就像早期的石油開採，回報極度不均。少數公司（約36家）佔據了99%的收入，但這正是早期市場高風險、高回報的典型特徵。AI增長的唯一密碼：給我更多算力，我能讓收入翻倍Jonathan反覆強調一個核心觀點：市場對算力的需求是“永不滿足”的 (insatiable)。他給出了一個驚人的論斷來證明這一點：“我敢打賭，如果OpenAI或Anthropic今天能獲得雙倍的推理算力，一個月內，他們的收入幾乎會翻倍。”為什麼算力如此關鍵？算力 = 收入：Anthropic 因算力不足，不得不對使用者進行速率限制（rate limits）。OpenAI 為了控製成本，有時會故意降低響應速度，犧牲了使用者體驗。結論： 頂尖AI公司都被算力“卡著脖子”，無法滿足市場需求。速度決定一切（多巴胺循環理論）：他以消費品為例，利潤最高的品類（如菸草、軟飲料）都具備“快速反饋”的特點。AI也是如此。速度是決定使用者粘性和轉化率的關鍵。Google每提速100毫秒就能帶來8%的轉化提升，這個定律在AI時代依然有效。算力是最好調的“旋鈕”：想提升AI產品的質量？有三個途徑：最佳化演算法、增加資料、提升算力。其中，演算法突破很難，高品質資料獲取不易，只有算力，是最直接、最可預測、最有效的提升手段。兆帝國的裂痕：卡住輝達脖子的“2年之約”談及輝達，Jonathan毫不吝嗇其價值的肯定。兆市值預測： “如果5年內輝達市值沒到10兆美元，我會感到驚訝。”但緊接著，他指出了這個帝國的致命弱點。真正的命門不是CUDA：他直言：“CUDA鎖定就是胡扯（bullshit），至少在推理市場是這樣。”供應鏈才是“阿喀琉斯之踵”：漫長等待： 從下訂單到拿到輝達的GPU，需要等待2年以上。物理瓶頸： 限制產量的不是GPU晶片本身，而是HBM（高頻寬記憶體）等關鍵元件的有限供應。這正是Groq等挑戰者的機會所在。6個月 vs. 2年——生與死的區別：“當我對一位資料中心負責人說，我們的供應鏈能把交付時間縮短到6個月時，他立刻暫停了會議，只關心這一點。”在模型迭代以月為單位的AI時代，2年的等待周期是不可接受的。交付速度，已經成為比晶片性能更重要的競爭力。未來的市場格局預測：5年後，輝達仍將憑藉其品牌和生態，佔據市場50%以上的收入，但其售出的晶片數量將只佔少數。AI的物理定律：沒有能源，就沒有王權“控制算力的國家將控制AI，而沒有能源就不可能有算力。” 這是Jonathan提出的最嚴峻的警告。歐洲的危機：“如果歐洲不迅速行動，它的經濟將變成一個旅遊經濟。人們來這裡只是為了看看古色古香的老建築，僅此而已。”問題與解決方案：病因： 歐洲的問題不在於缺技術或資源，而在於官僚主義和對風險的恐懼。建造一座核電站，花在許可證上的錢可能是建造成本的3倍。藥方：解放可再生能源： 比如挪威，其風力資源和水電潛力巨大，一個國家就能滿足驚人的能源需求。讓市場驅動： 政府應該做的不是投資，而是“鬆綁”，削減繁瑣的審批流程，讓有需求的科技巨頭自己去投資建設能源設施。未來反轉：AI帶來的不是失業潮，而是“沒人可用”關於AI與就業的未來，Jonathan的觀點再次顛覆傳統認知。AI帶來的三大社會變革：大規模通縮： AI將極大提升各行各業的效率，從農業到供應鏈，一切商品和服務的成本都會下降。人們主動“退出”工作： 由於生活成本降低，人們不再需要為了餬口而拚命工作，會選擇工作更少時間，更早退休。創造全新的產業與工作： 就像100年前沒人能想像“軟體工程師”一樣，未來會誕生我們今天無法想像的新職業。結論：我們面臨的不是失業潮，而是勞動力短缺。“Vibe Coding”——未來的新讀寫能力：他認為，未來的程式設計將不再是少數專家的技能。通過與AI對話（Vibe Coding），任何人都能創造工具、解決問題。程式設計將成為一項人人必備的基礎素養，就像今天的閱讀和寫作。Jonathan最後用一個美麗的比喻總結：“幾百年前，伽利略的望遠鏡讓我們意識到宇宙的浩瀚，也讓我們感到自身的渺小。但最終，我們學會了欣賞這種壯麗。LLM就是我們思想的望遠鏡。 它現在可能讓我們感到不安，但在未來，它會讓我們意識到，智能的世界遠比我們想像的更廣闊、更美麗。”面對這片由算力與能源構築的新大陸，恐懼與機遇並存，而看清底層邏輯的人，才能最終勝出。 (GD梯度下降)

量子AI 助力，半導體供應鏈韌性升級。幾十年來，矽一直是電腦發展的主要驅動力，但摩爾定律如今已接近極限。隨著對晶片速度和能效要求的不斷提高，由於供應短缺和地緣政治緊張局勢，供應鏈面臨的壓力前所未有。這就是人工智慧和量子計算發揮作用的地方。這並非科幻小說；它們正在幫助發現新的半導體材料，並最佳化晶圓廠的生產計畫。這可以縮短交貨周期，降低風險，並打造更具韌性的供應鏈。對於工程師和採購團隊來說，資訊很簡單：要想在晶片領域保持領先地位，很快就需要同時利用量子計算和人工智慧。量子計算和人工智慧在半導體創新中的融合量子計算使用量子位元，與經典位元不同，量子位元可以處於疊加態，同時表示0和1。這使得量子處理器能夠處理經典電腦難以完成的複雜模擬，例如模擬新型半導體材料中的原子級行為。人工智慧增強了這種能力。通過將預測分析應用於量子模擬，機器學習模型可以識別有前景的候選材料，預測其性能，並提出調整建議。這使得原本緩慢的試錯過程轉變為可執行的洞察，從而節省了數年的實驗室工作。以Google的Willow處理器為例。它是Sycamore的後續產品，雖然並非完全為材料研究而設計，但它展示了量子系統如何擴展並減少誤差。當與機器學習相結合時，它為晶片創新至關重要的材料特性提供了前所未有的視角。正如Anima Anandkumar 指出的那樣：“人工智慧幫助我們將量子模擬的原始複雜性轉化為工程師實際可以使用的見解。”—— Anima Anandkumar，加州理工學院教授兼輝達人工智慧研究高級總監。人工智慧和量子計算的結合，正在為晶片設計奠定一種全新的基礎。人工智慧驅動的材料科學：營運和市場影響在發現新型半導體材料時，原子級精度至關重要。人工智慧驅動的量子模型可以模擬石墨烯、氮化鎵或鈣鈦礦等材料中的電子行為。這使得研究人員能夠在進行實驗室測試之前評估材料的導電性、能量效率和耐久性，從而極大地加快材料鑑定速度。實際影響顯著。傳統上，材料驗證需要數年時間，但早期研究表明，驗證時間可以縮短30%至50%。這使得晶圓廠能夠更高效地營運，使生產與新技術同步，並最大限度地減少閒置時間。市場壓力進一步加劇了這一局面。在2021年的短缺期間，交貨周期從大約12周延長至一年以上。借助人工智慧，企業可以預測供應鏈中斷並主動調整採購策略。量子模擬還能擴大可用材料的範圍，從而減少對單一供應商或高風險地區的依賴。圖1. 半導體交貨周期從2020年的12周飆升至2022年的30周以上，之後有所緩解。人工智慧與量子技術的融合可以通過實現預測分析和多元化採購來幫助穩定這些波動。投資回報令人矚目。德勤指出，將人工智慧融入研發和供應鏈營運的企業，效率提升幅度可達兩位數，這主要得益於產量預測的改進和停機時間的減少。Google的量子研究團隊已證明，人工智慧驅動的模擬可以在幾周內將有前景的材料從數千種縮減到幾種，而使用傳統計算方法通常需要數年時間。研發周期的顯著縮短從根本上改變了競爭格局。為採購和供應鏈領導者提供戰略洞察對於採購和供應鏈領導者而言，這不僅僅是一次技術升級，更代表著一項真正的戰略優勢。人工智慧驅動的量子工具能夠最佳化交付周期，從而實現更精準的供應商合同，並減少對過剩庫存的需求。預測分析還能幫助團隊在潛在風險影響晶圓廠或延誤客戶交付之前識別它們。供應鏈韌性也得到提升。當人工智慧引導的量子模擬確認可以從不同地區採購的替代半導體時，採購團隊就能降低地緣政治風險或自然災害帶來的影響。這種方法與美國《晶片與科學法案》和歐盟《晶片法案》等國家倡議相契合，這兩項法案都旨在促進更強大的本地化生產和更具韌性的採購策略。量子人工智慧建模提供了驗證這些替代供應管道所需的必要技術保障。“短期內，人工智慧行業的上升趨勢顯而易見，但那些能夠有效管理供應鏈、吸引並留住人才的公司，才能更好地把握人工智慧蓬勃發展帶來的機遇並從中獲益。”——畢馬威全球技術主管馬克·吉布森圖2. 採用人工智慧增強型半導體營運的公司獲得了顯著更高的投資回報率，諮詢研究報告顯示，與傳統營運相比，效率提高了兩位數。歸根結底，成功整合這些技術的公司不僅能更快地將產品推向市場，還能在當今瞬息萬變的全球市場中獲得真正的競爭優勢。在半導體行業，幾周的延誤就可能造成數十億美元的收入損失，因此，敏捷性對於生存至關重要。未來展望：量子人工智慧對半導體製造的影響規模化展望未來，下一個重大發展方向似乎是全端式量子人工智慧設計。試想一下，量子處理器運行全晶片模擬，而人工智慧則負責最佳化其速度、效率和可製造性。雖然我們尚未完全實現這一目標，但光子電路和自旋電子元件的逐步進步已經產生了切實可見的成果。對於製造團隊而言，挑戰在於如何保持供應鏈的靈活性。隨著新材料從模擬階段過渡到試生產階段，採購和製造團隊必須協調一致地擴大規模。如今的量子處理器並不完美，它們在量子位元數量、錯誤率和可擴展性方面仍然存在侷限性，但如果進展持續，未來十年內有望出現實際的工業應用。現在就開始規劃、制定路線圖並建立戰略合作夥伴關係的公司將獲得顯著優勢。結論目前，半導體行業正處於一個關鍵的轉折點。將人工智慧的預測能力與量子計算的原子級洞察力相結合，可以加速產品發現，縮短研發周期，並顯著增強供應鏈的韌性。對於工程師和採購負責人而言，資訊很明確：採用人工智慧與量子計算的融合不僅僅關乎技術，更關乎保持競爭力。矽晶片的下一個重大突破並非偶然，而是需要借助人工智慧和量子計算進行精心設計、最佳化和工程打造。 (半導體產業縱橫)