#半導體產業
自給率增速史上最快!大摩:未來三年,將是中國半導體最關鍵的逆襲窗口
3月下旬,寒武紀的股價跌破千元大關,悲觀情緒在市場中蔓延——國產半導體難道不行了?進入4月後,半導體類股走出了反彈行情,而摩根士丹利也在此時發佈研究報告,堅定看好中國半導體行業。大摩在研報中寫道:“2028年,中國半導體自給率,預計將從2025年的24.3%,躍升至32%,這不是單點突破,而是系統升級。”大摩判斷,中國半導體正在進入加速超車期。裝置、製造、設計全線突圍,未來三年,將是國產半導體最關鍵的逆襲窗口。Part.01 自給率增速史上最快過去很多年,國產晶片自給率一直緩慢爬坡。但這一次,邏輯徹底變了。大摩給出明確預測:2025年中國半導體自給率24.3%,2028年將直接跳升至32%。三年提升近8個百分點,堪稱近年來最陡峭的增長曲線。支撐這一判斷的是實打實的資料:2025年中國本土晶片企業總營收530億美元,同比大漲22%。中國市場佔全球晶片需求的27%,龐大內需+供應鏈成熟,讓自給率進入不可逆的上升通道。這不是概念,不是預期,是已經發生、還將加速發生的產業大趨勢。Part.02 最大爆點:AI GPU徹底爆發如果說國產晶片有一個突破口,那一定是AI GPU。大摩研報明確表示,2025年就是中國AI GPU的元年。銷售額狂飆至130億美元,同比直接翻倍。市場空間從190億美元暴增到320億美元,7nm–10nm工藝良率持續突破,量產能力大幅提升。而最具標誌性的訊號,是MiniMax等頭部AI廠商,已經開始批次使用國產AI GPU。這意味著,國產GPU不再是實驗室樣品,而是真正進入AI算力核心供應鏈,承接推理端爆發式需求。國內晶圓廠全力配合產能釋放,AI晶片從設計到量產的閉環已經跑通。大摩大膽預測:2030年中國AI晶片市場規模將衝到670億美元,先由國企與政務需求打底,再由商用場景引爆長周期增長。Part.03 最穩基本盤:儲存晶片AI負責爆發力,儲存負責基本盤。兩大國產儲存龍頭,正在改寫全球半導體格局。大摩統計了2025年全球儲存晶片產能佔比:長鑫儲存(DRAM):8.5%(從5.6%大幅提升)長江儲存(NAND):12.6%(從7.4%跨越式增長)擴產節奏更是火力拉滿:2026年,長鑫新增60萬片/月等效8英吋產能,長江儲存新增25萬片/月等效8英吋產能。標準化儲存晶片自給率提升,最能直接拉動整體自給率上行,同時帶動裝置、材料、製造全鏈條吃滿訂單,成為國產替代最硬的底氣。Part.04 重磅訊號:海外裝置不香了晶片自主,第一步就是裝置自主。現在,最強烈的拐點訊號已經出現:海外裝置進口集體暴跌。2026年2月,中國半導體裝置進口額同比大降24%,三個月移動平均增速-15%,連續兩個月負增長。從各國進口資料來看,美國-54%、荷蘭-13%、韓國-70%、日本-39%、新加坡-9%。五大裝置強國對華出口全線收縮,背後是國產裝置滲透率快速提升。北方華創、中微公司、盛美半導體等,正在成熟製程、儲存產線大規模替代,卡脖子環節一個接一個被攻破。Part.05 製造端托底:AI晶片產能有保障光有設計和需求不夠,製造能力才是量產底氣。大摩表示,國內晶圓廠迎來雙重突破,一是成熟製程持續擴產,支撐MCU、功率器件、模擬晶片上車。二是12nm以下先進製程穩步提升,專門適配AI GPU量產。中芯國際、華虹半導體成為AI國產化核心代工支柱,把國內晶片設計公司的圖紙,變成可以大規模出貨的產品。此外,汽車電子需求爆發,進一步帶動MCU、功率半導體自給率穩步走高。雖然模擬晶片受海外價格戰短期承壓,但長期替代趨勢不改。Part.06 大摩點名四大方向龍頭大摩在報告中明確看好四大領域,全是國產替代核心受益主線:晶圓代工—中芯國際、華虹半導體:AI晶片代工核心平台半導體裝置—北方華創、中微公司、盛美半導體:裝置替代最核心標的晶片設計—瀾起科技(高性能計算)、兆易創新(儲存相關):長邏輯最順。功率半導體/SiC—車規需求爆發,賽道持續高景氣。Part.07 關鍵判斷:國產半導體黃金三年開啟總結這份報告,大摩核心觀點非常清晰:中國半導體自給率提速,不是單點突破,是系統升級。AI GPU提供最強彈性,儲存晶片提供最穩支撐,裝置與製造築牢底層底座,三大力量共振,把自給率推上新高。未來三年,是國產晶片從“能用”到“好用”、從“可用”到“市佔率第一”的關鍵期。AI商業化落地進度,將決定這一波國產替代的最終高度。一場由技術、產能、需求共同驅動的半導體大浪潮,已經正式啟動。 (智通財經APP)
美國晶片,被卡脖子了
最近,美國兩家公司因釔(Yttrium)與鈧(Scandium)庫存耗盡而拒絕訂單的消息不脛而走,這不僅是一個原材料短缺的訊號,更是全球半導體產業從“軟硬博弈”轉向“物理資源博弈”的轉折點。釔和鈧都不屬於大宗金屬,也不直接構成電晶體溝道或互連層。但它們卻深嵌在兩個對美國半導體至關重要的環節:釔主要在先進製造裝置的可靠性與潔淨度,鈧則是高端射頻濾波器的性能天花板。中國海關資料顯示,在自2025年4月4日之後的八個月裡,僅有17噸釔產品出口到美國,而此前八個月的出口量為 333 噸。由於供應受限,釔的價格大幅飆升。根據路透社的報導,自去年11月以來,釔的價格已飆升60%,目前約為去年同期的69倍。01. 釔和鈧,“產業維生素”在元素周期表中,釔(Y)和鈧(Scandium)雖然不像矽(Si)那樣是主角,也不像鎵(Ga)那樣在第三代半導體中聲名顯赫,但它們卻是不可或缺的“產業維生素”。首先來看下釔,釔在半導體製造中的核心應用並非直接作為電路材料,而是作為生產環境的保護者。在先進製程的生產過程中,乾法刻蝕腔體內長期存在高能電漿體與強腐蝕氣體體系,腔體材料一旦被腐蝕或剝落,會轉化為顆粒與金屬污染,直接反噬良率與穩定性。因此,氧化釔(Y2O3)以及釔系塗層在行業裡常被用於刻蝕腔體的“防護層”——包括腔體內襯、工藝套件、甚至與晶圓距離很近的部件(如靜電吸盤等元件相關結構),目的就是提高抗電漿體侵蝕能力、降低污染。釔系塗層是刻蝕腔體抵禦腐蝕、抑制顆粒污染的關鍵方案之一;一旦供應受限,將通過維護周期縮短、備件更換頻次上升與良率波動,間接影響先進產線的穩定性。此外,釔鋇銅氧(YBCO)是著名的高溫超導材料。隨著超導相關產業(含高端磁體/部份量子與低溫工程配套等)發展,釔的供應波動會在更廣泛的高端製造領域放大不確定性鈧真正的產業價值,很多時候不是以金屬或合金的形式出現,而是以材料體系的摻雜元素出現。最典型的就是 ScAlN/AlScN(鈧摻雜氮化鋁):它能提升壓電性能,使其在射頻聲學器件(濾波器/諧振器)以及部分MEMS感測/驅動器件上更具優勢。目前,射頻器件BAW濾波器通常採用氮化鋁(AlN)壓電諧振元件。與氧化鋅(ZnO)或鋯鈦酸鉛(PZT)等其他候選材料相比,AlN 的優勢在於其具備 CMOS相容性。然而,AlN 是一種壓電性能相對較差、耦合係數較低的材料。研究表明,在 AlN 中摻雜鈧(Sc)可以顯著提高壓電性能。據材料公司Materion的資料,在 AlN 中摻入 Sc 的上限已證實為 43 at%(原子百分比),因為在更高濃度下,AlScN 的晶格會從 AlN 的六方纖鋅礦結構轉變為 ScN 的立方岩鹽結構,從而失去壓電特性。因此,Sc 含量接近 43 at% 的 AlScN 表現出最大的壓電響應。已發表的研究顯示,摻雜 35 at% Sc 的 AlN 可將壓電性能提高到 15.5%,是純AlN 的2.6 倍。這種性能提升是下一代射頻濾波器的核心,因為它允許設計人員建立比 AlN 濾波器功耗更低的 BAW 器件(從而延長手機或平板電腦的電池壽命)。它還有助於設計尺寸更小的器件(便於製造更薄、更輕的裝置),並實現高“帶外衰減”(減少串擾)。此外,摻雜 35 at% Sc 可將最大相對頻寬從 2.4% 提高到 7.0%。與鈧摻雜相關的相對頻寬增加,將允許有效利用為 5G 開放的更寬頻寬。例如在Qorvo的 5G BAW 白皮書也明確把 Scandium-doped AlN piezo layers 作為提升頻寬、應對 5G 的關鍵做法,並指出製造難度會更高。因此,若鈧供應受限,首先受影響的往往是高規格器件的匯入節奏與量產爬坡。而且,鈧鋁合金具有極高的強度和耐熱性。在衛星載荷和高超音速飛行器的感測器封裝中,鈧是保證精密電子元器件在極端環境下不失效的核心。此外,德國基爾大學(University of Kiel)與弗勞恩霍夫矽技術研究所(Fraunhofer ISIT)研究發現,氮化鋁鈧合金(AlScN)表現出鐵電行為。研究團隊評論道:“鐵電翻轉(ferroelectric switching)使我們首次能夠直接通過實驗證據觀察到基於 AlN 材料的自發極化翻轉,並證實與多數以往理論論文相反,它的極化值可以達到超過 100 µC/cm²。”鐵電性是開發下一代非易失性儲存晶片的最佳候選材料之一。鈧的稀缺,直接鎖死了美國在儲存晶片賽道實現“彎道超車”的物理路徑。02. 對產業的衝擊目前,材料短缺已經引發了美國工業界的“搶料大戰”。北美塗層巨頭已開始對客戶進行等級劃分。由於庫存捉襟見肘,目前已有至少兩家北美塗層製造公司因釔庫存枯竭被迫暫時停產。其中一家公司已開始推行“原材料配給制”,並明確拒絕了海外及小型客戶的訂單,將極其有限的庫存優先留給波音、通用電氣(GE)等關鍵引擎製造商。刻蝕是幾乎所有先進與主流工藝的基礎步驟,釔問題對美國本土晶圓擴張計畫(CHIPS Act)是隱性風險。美國建廠可以補貼裝置和產能,但裝置材料與備件體系無法靠補貼瞬間複製。SemiAnalysis首席執行長迪倫·帕特爾警告稱,目前鈧的庫存可能只能維持數月而非數年,如果補貨停滯,將增加 5G 晶片生產中斷的風險。為了對衝風險,路透社2月初報導,美國啟動名為Project Vault的關鍵礦產戰略儲備計畫,規模約120億美元(含 EXIM 銀行融資與私人資本),目標是為關鍵礦產提供緩衝庫存與價格/供應穩定機制。在鈧這個極小市場上,美國國防後勤局(DLA)甚至提出要在數年內採購相當體量的鈧氧化物納入國防儲備。路透社在 2025 年 9 月的報導提到,DLA 計畫在 5 年內採購約 6.4 噸鈧氧化物,首年接近 2 噸,但這在短期內無疑是杯水車薪。在開採方面,釔通常作為開採重稀土的副產品出現,而鈧的供應瓶頸更為嚴峻,鈧多來自鈦白粉生產過程中的廢液回收。全球年產量估計僅為數十噸,美國國內幾乎沒有實際產量。中國仍然是主要的商業供應國。美國雖然擁有礦山,但缺乏大規模、高純度的提煉設施。半導體級(5N/6N 純度)的釔、鈧提煉工藝極其複雜且具有環境污染風險,這種長期“去工業化”的後果正在逐漸爆發。03. 稀土:從自然餽贈到大國重器材料學科的產業化周期通常以“十年”為單位。中國在釔(Y)和鈧(Sc)材料上的領先,早已超越了簡單的“家裡有礦”,而是形成了一套極其深厚的精煉技術壁壘。在自然界中,釔和鈧總是與其他稀土元素“伴生”在一起。它們的化學性質極度相似,就像在幾萬顆形狀、顏色幾乎相同的豆子裡,精準剔除出那幾顆壞豆子。中國在稀土領域大規模應用了串聯萃取理論(由徐光憲院士奠定基礎)。這套演算法能通過成百上千級的萃取槽,實現 5N(99.999%)甚至 6N 等級的超高純度。半導體級材料對雜質的容忍度是以 ppb(十億分之一) 計的。美國目前的提煉設施多停留在工業級(3N/4N),要跨越到 5N 級,不僅需要重新建設複雜的化學產線,更需要數十年積累的動態配比參數——這些參數是各精煉廠的“黑盒”核心機密。鈧(Scandium)在自然界極其分散,極少有富礦。全球 60% 以上的鈧產自中國,其核心壁壘在於工業副產品的閉環回收技術。中國是全球最大的鈦白粉和鋁生產國。中國攻克了從鈦白粉生產過程中的強酸廢液中,利用特殊萃取劑低成本提取微量鈧的技術。如果不依賴成熟的重工業產業鏈(如鈦、鋁工業),單獨開採鈧礦的成本將高到無法商用。美國缺乏這種龐大的工業配套體系,導致其即便想重建供應鏈,也面臨嚴重的“經濟性缺失”。精煉出高純度氧化物只是第一步,要送進英特爾或台積電的廠房,還需要將其加工成濺射靶材(Sputtering Target)或精密陶瓷件。以 AlScN(氮化鋁鈧)薄膜為例,其濺射靶材要求鋁鈧成分高度均勻,同時氧、氮等氣體雜質含量極低,否則將直接影響薄膜的壓電性能與可靠性。在這一領域,國內企業已形成“真空感應熔煉 + 粉末冶金”組合工藝體系,能夠穩定產出大尺寸、高均勻度、低雜質的鋁鈧合金靶材。這類能力並非單一裝置突破,而是對冶金控制、粉體分散、燒結緻密化與真空控制的綜合把握。中國在稀土領域的這種“全產業鏈進化”,正成為全球半導體價值鏈中無法繞開的一環。04. 結 語長期以來,矽谷習慣了在軟體與架構的高地指點江山,卻忽略了支撐起這些摩天大樓的,還有這些深埋在泥土中的稀有元素。釔鈧之困,不僅是美系半導體巨頭的一柄利劍,更是對全球半導體供應鏈脆性的一場拷問。 (EDA365電子論壇)
韓國晶片,賺麻了!
如果用一個詞來形容2022年前後的韓國半導體行業,那就是絕望。全球電子產品需求疲軟,儲存晶片價格雪崩,龍仁和利川的倉庫裡,堆滿了三星與SK海力士的產品,出口額連續12個月負增長。然而,不過短短兩三年,劇情就發生了逆轉,今天更是驚天逆轉。今年3月初,韓國科學和技術資訊通訊部發佈資料:韓國晶片出口額已連續三個月突破200億美元,2月更是同比暴漲160.8%,創下單月251.6億美元的歷史新高。與之對應,半導體出口占韓國出口總額的比重,也從去年同期的16.3%直接躍升到34.7%,成為韓國經濟最重要的支撐和引擎。從寒氣十足到潑天富貴,韓國半導體產業做對了什麼?這場富貴,和AI狂潮的大背景極度相關。2026年,微軟、Meta、亞馬遜、Google等美國科技巨頭,共計畫投入約6500億美元用於AI基礎設施建設。6500億美元,超過韓國2025年GDP的1/3。這樣一大筆錢,有兩個大宗流向,一個是GPU,由輝達吃大頭,另一個叫HBM(高頻寬儲存),這是韓國的天下。HBM是AI晶片的標配,無論輝達的H100,B200,還是AMD的MI300,都需要HBM做視訊記憶體。少了它,AI大模型就無法運行。全球能夠大規模量產HBM的公司,只有三家:SK海力士、三星、美光。韓國獨佔兩家,並且是最強的兩家:SK海力士、三星,總市場份額接近80%。目前,最大廠商SK海力士已宣佈,其2026年全年的HBM產能已全部售罄,再下訂單,必須去排隊明年的產能。韓國人的潑天富貴,不是天潑下來,而是自己賭出來、拼出來的。2022年,ChatGPT還沒有橫空出世,全球消費電子市場陷入蕭條。PC和手機產業鏈的飽和平衡,讓儲存晶片掉到了白菜價。當時,韓國之外的儲存廠商步調一致:砍單、降價、關產線。其最主要對手美光科技直接在盈利預警中表示,要將產能利用率壓縮到歷史最低。在SK海力士和三星的總部裡,討論同樣激烈。以財務部門為主的一派堅持認為,行業下行周期,應該優先保現金流,砍掉那些投入巨大、短期看不到回報的研發項目。其中,首當其衝的就是HBM項目。HBM工程難度極高,需要把多塊DRAM晶片像蓋樓一樣垂直堆疊起來,再通過一種叫TSV(矽通孔)的技術連在一起——在指甲蓋大小的面積上打幾千個微米級的孔,還要保證良率,稍微有一點偏差,整塊晶圓就會報廢。但它的好處明顯:一旦有對頻寬和資料吞吐的高要求時,傳統儲存就力不能支,高頻寬儲存擁有壓倒性的速度優勢。SK海力士的聯席CEO郭魯正最終一錘定音:不但不砍HBM,還要加碼!他的理由很堅定:傳統的DDR記憶體已經是紅海,想翻身只能賭下一代技術。AI就是那個可能的未來。“即使AI還要等三年,我們也必須現在就開始準備。”為此,郭魯正親自去遊說董事會成員保住項目,為了獲得絕對權力確保項目推進,他甚至還說服董事會,任命他為唯一CEO。於是,2022年寒氣中的SK海力士,非但沒有減少研發,反倒將HBM的研發投入提升了30%,重點攻克HBM3E的良率問題,並在2023年率先實現了HBM3E大規模量產,成為全球唯一能穩定供應HBM3E的廠商。緊隨其後的,是三星半導體部門。當時,三星半導體部門已經頂著100.32億美元的巨額虧損,但它還是咬牙在2023年啟動了HBM4的研發。兩大企業的押上身家性命的豪賭,也讓韓國半導體行業站到了巨大的分水嶺上:如果AI發展緩慢,DDR市場繼續蕭條,這些投入極有可能讓SK海力士和三星半導體陷入難以為繼,反之,他們則有望縱身一躍,登峰造極,成為AI時代的執牛耳者。命運最終眷顧了他們。僅僅幾個月,ChatGPT橫空出世,AI大模型的訓練需要處理海量的資料,傳統的記憶體條根本跑不動,輝達發現,自家最先進的H100GPU竟然被記憶體頻寬“卡脖子”——GPU算得再快,資料傳不過來也是白搭。然後,就有了改變全球儲存格局的重磅新敘事:2023年中期,輝達CEO黃仁勳親自飛往韓國。在SK海力士的總部,他向郭魯正表達了輝達的態度——最好能包攬HBM的產能。當黃仁勳走進SK海力士之時,郭魯正可以說是等他久矣。看好AI趨勢的SK海力士,早在2020年就成立了AI儲存研發團隊,而其核心研究對象,就是輝達。正是因為研究得夠深,所以才預判得夠準,進而讓郭魯正對豪賭HBM底氣十足——AI大模型一定會成為未來算力需求的核心,而HBM將成為制約算力提升的關鍵瓶頸。前瞻的趨勢研究,精準的產業卡位,大膽的投資加碼,讓韓國儲存晶片埋下了爆發的種子,但它長成參天大樹,還離不開韓國人對諸如輝達等產業鏈龍頭企業的緊密捆綁與協同。HBM儲存晶片非常嬌貴,它不能像普通記憶體條一樣插在主機板插槽裡,而是必須和GPU晶片“長”在一起。為了讓自己的HBM“長”進輝達,韓國人真正是把高科技做成了服務業。韓國特色的半導體產業“駐廠軍團”,就是由此而生。以SK海力士為例:為瞭解決HBM和GPU封裝時的散熱和良率問題,它組建了一支以頂尖工程師為主的外派團隊,直接常駐輝達位於美國聖克拉拉(Santa Clara)的總部,並且把辦公桌搬到了輝達研發工程師旁。據說,在H100研發最關鍵的幾個月裡,輝達工程師只需轉下椅子,就能和SK海力士的專家直接討論,關於如何調整凸塊間距、如何解決堆疊後的熱脹冷縮等技術難題。這種深度繫結,甚至讓封裝巨頭台積電都感到了壓力。因為SK海力士不僅賣產品,還把服務延伸到了封裝環節,這等於在搶台積電的看家生意。相比之下,另一家儲存巨頭美光,雖然技術底蘊深厚,但在這種“貼身”式的服務響應上就永遠慢幾拍。當美光還在討論技術規格時,SK海力士早已把樣品送到了輝達的測試台上。無論在傳統還是新興行業,門對門、臉貼臉的服務,都會更受到客戶的歡迎,它帶來的是更高的效率、更低的成本,是整個聯合體的競爭力提升。對於SK海力士而言,這種看似費事費工的服務,除了讓客戶更滿意之外,還帶來了一個巨大的額外收益:能更提前且深入地瞭解到新的技術走向和需求,進而率先啟動研發,比如在HBM4市場繼續佔據先機。隨著合作的深入,SK海力士還與輝達展開了更多的合作。比如,2025年底,與輝達共同開發了新型AI固態硬碟。但有一件事,卻是SK海力士沒有準備,也不會去做的:偷師輝達,然後和輝達直接競爭。這不只是道德選擇,也是利益選擇。曾經有投資者對SK海力士提過意見:為什麼不去做GPU,與輝達直接競爭?郭魯正的回答是:要成為無法替代的角色。這句話的核心意思是,要專注主業與核心能力,在自己的領域擁有無法替代的優勢,就像輝達在GPU領域無法替代一樣,SK海力士要在儲存領域無法替代。▲黃仁勳與SK海力士HBM4工程師團隊合照正是這種專注和共識,讓韓國牢牢將HBM產業握在了自己手裡,成了AI的大贏家。資料顯示,2025年,SK海力士全年營業利潤預計達45兆韓元(約合人民幣2128億元),三星電子半導體部門僅第四季度貢獻了創紀錄的16-17兆韓元營業利潤(約合人民幣769-817億元),HBM業務正是其核心盈利來源。韓國在HBM領域的成功,有AI爆發不斷超出意料的偶然性,但更多是必然。上世紀80年代,全球儲存晶片的絕對王者是日本,東芝、日立、NEC等巨頭橫掃天下,被稱為“矽谷的噩夢”,市場份額一度高達80%。相比之下,韓國不僅技術落後,甚至連基礎的產業鏈都沒有。當他們試圖進入這個領域時,不僅被國際同行嘲笑,甚至有美國專家斷言:“韓國人連圖紙都看不懂。”但韓國企業展現出了近乎瘋狂的必成之志。1983年,三星創始人李秉喆在晚年做出了那個著名決定:進軍半導體。他深知,這不僅是生意,更是韓國工業的背水一戰。他在動員大會上說了一句話:“除了老婆孩子,把一切都押上去。”他親自掛帥,從全球挖來頂尖工程師,在韓國水原市建起專門的研發工廠,要求研發團隊24小時連軸轉,那怕是微小的技術偏差,也要反覆偵錯直到完美。當時,為了攻克DRAM的良率問題,報廢的晶圓成堆,帳上的錢一次次見底,但李秉喆始終沒有動搖——“半導體是韓國的未來,現在的虧損,都是未來的籌碼”。這種“自殺式”投入,讓三星在1983年終於實現64K DRAM的量產,打破了美日的壟斷,也寫下了偉大逆襲的序章。同樣的故事,也發生在SK海力士的歷史上。1983年,SK集團收購韓國現代半導體的儲存業務,成立海力士,彼時的它,不僅技術落後於三星,更面臨著美日企業的圍堵,全球市場份額不足1%。為了突圍,海力士聚焦當時被巨頭忽視的移動儲存領域,咬牙研發投入。兩家企業的你追我趕之下,韓國半導體行業開啟了令全球業界膽寒的制勝法則——逆周期投資:在行業蕭條時瘋狂擴產,以殺敵一千自損八百血洗對手,等行業繁榮搶佔先機贏市場。上世紀90年代,全球半導體行業遭遇第一次大寒冬,儲存價格暴跌,日本企業為了止損,選擇關停產線、裁員收縮以保住利潤。這時的SK海力士也遭遇了連續三年虧損,資金鏈瀕臨斷裂,股東們紛紛要求砍掉研發、出售業務,但當時的業務負責人崔泰源力排眾議:“越是寒冬,越要囤糧,現在放棄,未來就徹底沒有機會了”。作為SK海力士的高管,崔泰源甚至抵押了自己的個人資產,為公司注入資金,同時精簡非核心業務,把所有資源都集中在儲存晶片研發上。三星也同樣如此,當時已接班的三星掌門人李健熙,甚至比崔泰源更狠:主動血虧,逆勢擴產。1995年三星創下單年度虧損新紀錄,但他們反而變本加厲地投入研發,更新裝置。這種“自殺式”的擴張,讓自己的財務報表慘不忍睹,卻擠垮了成本更高的競爭對手。1997年亞洲金融危機爆發,日本爾必達等企業因資金鏈斷裂被迫收縮,韓國卻利用這個窗口期,咬牙吞併了對方割掉的資產,收編了失業的工程師。此後的十多年裡,全球半導體行業經歷了多次周期性寒冬。每一次,三星與SK海力士都做出了同樣的選擇——逆周期加碼研發,擴大產能。2008年金融危機,全球半導體需求暴跌,美光、爾必達等廠商紛紛縮減研發、關閉產線,三星卻逆勢投資200億美元,擴建儲存晶片工廠,同時啟動3D NAND快閃記憶體技術的研發。2015年,儲存晶片價格再次陷入低谷,SK海力士不僅沒有砍研發,反而將研發投入提升25%,重點攻克DDR4記憶體和早期HBM技術,為後來的AI佈局埋下伏筆。最終,他們熬死了日本爾必達,熬退了德國奇夢達,把美光甩在了背後,讓自己“剩”成巨人。到AI爆發前夜的2022年,韓國人已經憑藉著最堅定的投資意志,擁有了全球最完善的儲存產業鏈,最極致的工程能力。然後再次看準、豪賭,以及一點點好運氣,進而將自己在儲存產業的鐵王座進一步焊牢,成為整個國家最亮眼的名片。HBM的壟斷式勝利,以及2022年產業寒冬的逆行,不過是韓國半導體產業幾十年逆周期而行的縮影。郭魯正曾在一次投資者交流活動中談到:極度慶幸那一年沒有退縮的決定。這慶幸,不只是運氣的餽贈,也更是對長期主義者的獎賞,是準備和修行了幾十年的回饋。 (芯師爺)
1.5萬字光刻機超詳解:半導體產業中的珠穆朗瑪
作者按:2月24日,據路透社報導,全球唯一的商用極紫外(EUV)光刻機製造商艾司摩爾(ASML)取得了一項關鍵技術突破:成功研發出穩定輸出1000瓦(1kW)功率的極紫外光源系統。據預測,到2030年,這項技術將使單台光刻機每小時可處理約330片晶圓,較目前的220片顯著提升50%。EUV光刻機對晶片生產至關重要。美國政府與荷蘭方面合作,阻止該裝置輸華,這促使中國加快國家層面的自主研發攻關。完整的積體電路/半導體產業鏈大致可以分為設計、製造、封裝測試、輔助材料等幾個主要環節或子鏈。晶片設計方面,中國實際上已經躋身全球第一梯隊,比如國內晶片廠商的設計能力已經達到5nm甚至更低。設計軟體方面,歐美的EDA(Electronic Design Automation)生態最好,國產EDA在性能和對先進工藝的支援上還不如國際頭部廠商,但也可以勉強滿足自己的需求。製造方面,我們主要關注的是晶圓、光刻機和刻蝕機。刻蝕機儘管距離國際領先水平有一定差距,但我們已經可以基本國產化。而高純度晶圓和光刻機,很多核心的專利技術還是受到美、歐、日等國家箝制。雖然國內某晶片大廠的晶片產能已經是全球第五,但製造裝置、原材料和輔助材料還是依賴進口。封裝測試方面,封測在晶片整個產業鏈相對簡單(注意只是“相對”),裝置更新比較慢,也是國內優先發展的方向,目前國內在封測領域處於世界領先地位,完全不弱於任何國家。國內有市佔率全球第三的封測大廠。輔助材料方面,高端光刻膠、掩膜版、塗膠顯影材料和裝置等也依賴美、日、韓三家。比如,有資料顯示,國內適用於6英吋晶圓的g/i線光刻膠自給率為20%,適用於8英吋晶圓的KrF光刻膠自給率小於5%,適用於12英吋晶圓的ArF光刻膠目前基本靠進口。本文無意於拆解整個半導體產業鏈,主要想粗略介紹一下光刻機。因為前道晶片製造用的光刻機,是整個積體電路產業鏈最複雜的裝置,被稱為“工業皇冠上的明珠”,僅光刻機一類裝置,即可自成產業鏈。必須申明的是:作者本身為經濟學專業,撰寫本文僅出於對光刻機的興趣,希望能為非半導體專業的人士提供一點點資訊增量。文中難免有疏漏或者錯誤,歡迎讀者批評指正。本文參考資料,詳見文末。以下為正文:1946年2月14日,美國賓夕法尼亞大學研製了全球第一台基於電子管的電腦,佔地170平方米,重達30噸,有17468個電子三極體、7200個電子二極體、70000個電阻、10000個電容器、1500個繼電器、6000多個開關。電晶體是作為電子管的取代品而出現的。電晶體使用矽、鍺、氮化鎵和碳化矽等半導體材料製成,可以簡單理解為一種利用電訊號控制開合的微型開關,其開關速度非常快,超過1000億次/秒。矽、鍺等本身是絕緣體,但當加入某些材料並施加電場時,就會變得導電。比如,將四價矽摻雜加入少量三價硼和五價磷做出PN接面(電晶體工作的基本結構),再加上金屬氧化物做個控制門,就能做成某類電晶體。海量電晶體密集排列,按特定設計互相連接,就是晶片。比如,12吋晶圓的直徑是約300毫米,面積是70659平方毫米。先進晶片的電晶體密度能達到1平方毫米1億個,整個晶片有上百億個電晶體。摩爾定律的本質目標就是在單位面積的晶片上容納更多的電晶體,從而實現更強大的運算性能。晶片的整個製造流程可以分解為晶圓製造、積體電路設計、晶片製造和晶片封測四個環節。沙子被提純成高純度矽,冷卻後成為矽錠,然後切片、清洗、拋光成矽晶圓(wafer)。在晶圓上沉積(半)導體或隔離材料薄膜(光刻膠),然後通過特定波長的光照射,將掩膜版上的積體電路圖形轉移到矽片的光刻膠層,然後再通過刻蝕把圖形轉移到襯底上,做出裸晶片(die)——這個過程被稱為“光刻”。再對die進行加蓋、加引腳、封裝、測試——這幾步的難度相對較低。實際上整個光刻過程,總共需要經歷沉積、旋轉塗膠、軟烘、對準與曝光、後烘、顯影、堅膜烘焙、顯影檢測等8道工序。具體來說,第一步需要進行清洗、脫水和矽片表面成底膜處理,以便增強矽片和光刻膠之間的粘附性(氣相成底膜技術)。成底膜處理後,通過旋轉塗膠的方法塗上光刻膠材料。塗膠後進行軟烘,用以去除光刻膠中的溶劑。將掩膜版和矽片精確對準,然後進行曝光處理。曝光後需要對矽片再次烘焙,這樣做可以使之後的化學反應更加充分,從而提高顯影后的圖形尺寸和解析度。通過旋轉、噴霧、浸潤等方式,利用化學顯影劑溶解光刻膠上的可溶解區(一般是曝光環節中被光照射過的區域),將電路圖形留在矽片表面,即顯影——這一步非常關鍵。顯影后通過熱烘揮發掉存留的光刻膠溶劑,提高光刻膠對矽片表面的粘附性(堅膜烘焙)。檢查顯影后的電路圖是否完美無缺。檢測合格後繼續進行刻蝕、離子注入、去膠等步驟,並視需要重複光刻步驟,最終建立晶片的“摩天大樓”。晶片製造屬於半導體製造的前道工藝,對應的半導體製造裝置(前道裝置)主要有光刻機、刻蝕機、薄膜沉積裝置、離子注入機、CMP裝置、清洗機、前道檢測裝置和氧化退火裝置,覆蓋從光片到晶圓的成百上千道工序,直接決定了晶片製造工藝的質量。晶片封裝和測試是後道工藝,對應的後道裝置主要分為測試裝置和封裝裝置。實際上,光刻機可以分為前道光刻機和後道光刻機。前道光刻機用於晶片的製造,曝光工藝極其複雜,後道光刻機主要用於封裝測試,實現高性能的先進封裝,技術難度相對較小。從晶圓製造廠資本開支來看,積體電路製造裝置投資一般佔積體電路製造領域資本性支出的70%~80%,且隨著工藝製程的提升,裝置投資佔比也將相應提高。典型的積體電路製造裝置投資中,氧化爐、塗膠顯影機、光刻機、刻蝕機、薄膜沉積裝置、離子注入裝置、測試裝置、拋光裝置、清洗裝置等前道工藝裝置投資額佔比較高(80%),後道工藝的封裝測試裝置投資額佔比為20%。其中,光刻機佔前道裝置投資的23%左右,是整個半導體產業鏈最昂貴的單體裝置。如果考慮到光刻工藝步驟中的光刻膠、光刻氣體、掩膜版、塗膠顯影裝置等諸多配套設施和材料投資,整個光刻工藝佔晶片成本的30%左右。隨著晶片技術的發展,重複步驟數增多,先進晶片需要進行20~30次光刻,光刻工藝的耗時可以佔到整個晶圓製造時間的40%~50%。目前,全球的光刻機市場被荷蘭艾司摩爾(ASML)、日本佳能(Canon)和尼康(Nikon)三大巨頭壟斷。ASML是絕對的龍頭,市佔率超過60%,在當前最主流的DUV浸入式光刻機市場佔據了最大的份額,同時獨家壟斷了頂級的EUV光刻機市場。尼康在中高端光刻機也有一定市佔,佳能則集中在低端區域。2024年,ASML、Nikon、Canon的光刻機出貨達683台,銷售金額約264億美元。EUV、ArFi、ArF三個高端機型共出貨212台,其中ASML佔比90%以上(201台)。光刻機是半導體裝置中最昂貴、最關鍵但也是國產化率最低的環節。按照光源劃分,市面上主流的光刻機可分為g-line、i-line、KrF、ArF、EUV五種,其中g-line逐漸走向邊緣。國產光刻機主要集中在90nm製程的單工件台幹式DUV(KrF、ArF)光刻機,且主要用於晶片的後道封測。光刻產業鏈的高度複雜性主要體現在兩點——一是作為光刻核心裝置的光刻機元件複雜,包括光源系統、照明系統、物鏡系統、浸入式系統、雙工件台等在內的元件技術全球只有極少數幾家公司能夠掌握。ASML也不是一家就能造EUV,需要多家頂尖企業相互配合才可以完成。二是與光刻機配套的光刻膠、光刻氣體、掩膜版等半導體材料和塗膠顯影裝置等同樣要求很高的技術含量。比如,寬譜g/i/h線光刻膠基本完成國產替代,但高端KrF、ArF和EUV光刻膠基本被美國和日本的企業壟斷,韓國企業佔一點比重,中國大陸基本依靠進口。01. 瑞利準則:光刻的基礎物理原理光刻的過程是特定波長的光線穿過光掩膜版再通過透鏡,將掩膜版上的積體電路圖形成像到晶圓表面。我們知道,光在均勻介質中直線傳播,所以理想的成像系統,點光源通過透鏡後所成的像依然是一個完美的點。但實際的光學系統中的透鏡具有一定的孔徑,光穿過透鏡後會發生衍射,因此所成的像並不是一個點,而是一個“艾裡斑”,能夠區分兩個光斑的最小距離,就是解析度。解析度在晶片製造中體現為投影光學系統在晶圓上可實現的最小線寬。由於晶片越做越小,晶片上整合的電晶體越來越多,元件線路越來越密集,因此,光刻機需要達到更高的解析度。光刻解析度是光刻曝光系統最重要的技術指標,由光源波長、數值孔徑、光刻工藝因子決定,即瑞利準則(也稱為瑞利第一公式)。瑞利準則指衍射極限系統中的解析度極限。可以用以下公式表示:CD=k1•λ/NA其中,CD(Critical Dimension)表示積體電路製程中的特徵尺寸,即解析度,λ為光源波長,NA(Numerical Aperture)是光學器件的數值孔徑。k1為光刻工藝和材料相關的常數因子。艾司摩爾(ASML)認為,單次曝光中k1的物理極限為0.25。但通過組合使用計算光刻、多重圖形等解析度增強技術,光刻工藝因子已突破其理論極限0.25。數值孔徑的計算公式為:NA=n*sinα指透鏡與晶圓之間介質的折射率(n)和半孔徑角(α)的正弦乘積。孔徑角(2α)是指透鏡光軸上的物體點與物鏡前透鏡的有效直徑所形成的角度,它定義了可以收集多少光。在其他條件一定的情況下,更大的透鏡直徑允許更大的入射角,從而增加數值孔徑。因此,光刻機的透鏡最好在工藝能力允許的前提下儘可能做大一些。孔徑角與透鏡的有效直徑成正比,但與焦深(DoF)成反比。在光刻中,在透鏡的焦點周圍會有一個範圍,在這個範圍內的光刻膠能夠清晰地曝光,如果超出這個範圍,曝光的圖像就會模糊,導致圖案轉移不均勻。DoF是指在保持曝光成像質量的前提下,晶圓表面可以上下移動的距離,可以通俗理解為光刻的深度。焦深越大,層間誤差越小。焦深的計算公式(也稱為瑞利第二公式)為:顯然,焦深也限制了NA的無限擴大。因此,在光源波長一定的情況下,可以通過增大數值孔徑減小解析度,但需要和DoF折中考慮。02. 技術演進:追尋光刻的最優參數瑞利準則決定光刻機的技術路線有三個主要的突破方向:縮短光源波長,增大數值孔徑,降低工藝因子。對這三方面技術的突破,對應了光刻機的迭代。(一)縮短光源波長光源波長方面,主要經歷了g-line,i-line,KrF,ArF,(F2),EUV五種,波長由436nm縮短至13.5nm,對應的晶片製程從800nm縮短至3nm。一代和二代光刻機的光源來自高壓汞燈,對應製程主要集中在0.8μm-0.25μm,即800-251nm(註:1μm=1000nm)。高壓汞燈是一種氣體放電的電光源,橄欖型燈泡內密封有一個放電管、兩個金屬電極,並充有汞和氬氣。汞燈工作時,初始啟動時是低壓汞蒸氣和氬氣放電,放電產生的熱量使得汞蒸氣升壓,電弧收縮,高壓汞蒸氣產生電離激發,汞原子最外層的電子、原子和離子間產生碰撞而發光。高壓汞燈光線的主要輻射範圍為254-579nm譜線。365nm和436nm光源分別是高壓汞燈中能量最高,波長最短的兩個譜線。使用濾波器可以把紫外光i-line(365nm)或g-line(436nm)分離出來,作為第一、二代光刻機的光源。三代和四代光刻機的光源主要是KrF(248nm)和ArF(193nm)准分子雷射器,對應製程在65nm-350nm。准分子雷射技術始於上世紀60年代,光源工作介質一般為稀有氣體及鹵素氣體,並充入惰性氣體作為緩衝劑,工作氣體受到放電激勵,在激發態形成短暫存在的“准分子”,准分子產生輻射躍遷,形成紫外雷射輸出。不同的介質氣體產生Kr2/Ar2/XeF/KrF/ArF/XeCl等雷射輻射。氟化氪(KrF)、氟化氬(ArF)准分子雷射器由於在輸出能量、波長、線寬、穩定性等方面的優勢,成為最重要的紫外和深紫外波段的雷射光源,被用於光刻領域。目前使用最廣泛的深紫外光刻機(Deep Ultraviolet Lithography,DUV)一般採用ArF光源,加入浸入式技術的光刻機被稱為ArFi光刻機(多出的這個i代表加入了浸入式技術),加入浸入式技術並通過多重曝光技術最高可以實現7nm製程。第五代也是最新一代光刻機的光源為EUV(13.5nm),極紫外光(Extreme Ultraviolet Lithography,EUV)本質不是雷射,而是電漿體輻射光源(LPP),但其產生過程需要使用高功率雷射器轟擊金屬錫(Sn)。EUV光刻機對應製程為1-7nm,ASML是目前全球唯一的EUV光刻機供應商。目前已知有4種方案可以獲得EUV光源,分別是雷射激發電漿體技術(LPP)、氣體放電電漿技術(DPP)、雷射輔助放電技術(LDP)、穩態微聚束技術(SSMB)。全球只有ASML子公司Cymer和日本Gigaphoton兩家企業可以生產EUV光源(但這兩家企業也需要其它企業提供核心部件),使用的都是主流的LPP技術。LPP技術是使用20kW以上的高功率二氧化碳(CO2)雷射器在真空腔內連續兩次精準轟擊從發生器中以每秒5萬次的頻率被噴射出來直徑20μm的高純度Sn靶。第一次轟擊使用低強度的預脈衝撞擊圓形錫滴使其膨脹,變成薄餅型。由於薄餅錫受光面積大,光強增大。然後第二次高強度的主脈衝以全功率撞擊薄餅錫,錫原子被電離,產生高溫、高密度的電漿體雲,就在這團電漿體冷卻衰變的極短瞬間,錫離子會釋放出波長為13.5奈米的極紫外光子。收集鏡捕獲電漿體發出的EUV輻射(13.5nm),將其集中起來傳遞至曝光系統。現存商用型EUV光刻機的極紫外光源在600w左右,但是由於轉化效率低,最終只有2%~4%最終轉化為有用的13.5nm EUV光,其餘能量即為廢熱。如果要提升功率,則需要在單位時間內提升高純度Sn的噴射速度和雷射命中次數。文章開頭提到的ASML此次的技術創新,實際上就是實現了在Sn滴噴射頻率倍增(10萬次)的情況下,通過重構雷射脈衝策略保證命中精準率,進而提高EUV光源功率。這實際上是一個非常複雜的系統性工程,涉及在極高頻率下保持錫滴大小、位置和速度的極度均一、熱管理、錫碎片的清理以及光學元件的保護等等。從瑞利準則可以推斷,縮短光源波長是提高解析度最直接的方法,但光源發展到ArF(193nm)時,光源迭代速度放緩,ASML、Canon、Nikon等巨頭開始將目光轉向提高數值孔徑,並出現了F2(光源演進)與ArF+immersion(增大NA)的路線之爭。(二)增大數值孔徑數值孔徑方面,當物鏡直徑面臨瓶頸時,採用非球面元件、浸沒式裝置、引入反射元件減小折射角度,也可以進一步增大數值孔徑(NA)。光刻技術經過了接觸式、接近式、投影式三次迭代。20世紀60年代的接觸式光刻技術適用於小規模積體電路(解析度在亞微米級),單次曝光整個襯底,且接觸式光刻的掩膜版與晶圓表面直接接觸,很容易產生劃痕,降低晶圓良率和掩膜版的使用壽命。為解決上述問題,20世紀70年代產生了接近式光刻技術,晶圓和掩膜版之間留有間隙且以氮氣填充。雖然解決了劃痕的問題,但光由玻璃介質進入氣體介質,會發生衍射。衍射效應改變了光的角度,限制了解析度極限(2μm)。另外,對於接觸式和接近式光刻技術,掩膜版圖形和晶圓尺寸是1:1的關係,限制了線寬。20世紀70年代中後期,出現了投影式光刻技術。投影式光刻可以借助物鏡投影成像,縮小投影尺寸,進一步提高解析度。但投影式光刻依然面臨衍射效應,線寬越低,受衍射效應影響越大。因此,需要增大投影物鏡直徑來提升入射角(α),從而擴大數值孔徑(NA)來接受更多的光。但當線寬小於65nm時,物鏡直徑已經增大到導致物鏡內聚焦的光角度越來越大,再經過折射效應(n),射出投影物鏡的光角度接近水平,無法在晶圓表面成像。引入非球面結構後,在不改變物鏡口徑的情況下改變了折射角度,將NA提升至0.9,接近(乾式光刻的)物理極限。此時,Nikon選擇著重攻克波長更短的F2(157nm)光源,但透鏡材料僅能用氟化鈣(CaF2),光刻膠也需要重新研製,研發成本和產業換代應用的成本都很高。ASML則採用台積電(研發副總林本堅)的建議:放棄突破157nm,退回到技術成熟的ArF(193nm)光源,在投影物鏡和晶圓間加純水,從而增大介質折射率,由於水對193nm光的折射率高達1.44(空氣=1),那麼波長可縮短為193/1.44=134nm<F2(157nm),NA值達到1.07。此後又進一步引入反射鏡,採用折反式光學系統,配合浸沒式,將NA提升到1.35(極限值)。所以,增大NA的技術路徑發展趨勢為(乾式)球面鏡、非球面鏡、(浸沒式)非球面鏡、折返式。浸入式技術原理雖然看起來簡單易懂,但從理論構思到工業應用,需要攻克氣泡消除、水漬控制、水溫溫控、光刻膠設計等技術難關,需要深厚的流體動力學技術積累,對顆粒、溶解氧、溫度、離子等進行控制,保證水質、溫度和壓力。Nikon光刻機主要集中於DUV光刻機(乾式和浸入式),也是全球除了ASML以外唯一能生產浸入式光刻機的廠商。當然,按照數值孔徑的計算公式(NA=n*sinα),理論上通過研究新的光學材料和浸沒液可以通過改變折射率和入射角進一步提高NA,但深紫外光和極紫外光的波長太短且光子能量很高,很容易被光學材料和浸入液吸收,可用作透鏡的材料有限,當前的方案主要有熔融石英(Fused silica)和氟化鈣(CaF2),熔融石英技術成熟且熱膨脹係數低,是DUV的首選,CaF2加工難度大、成本高,但會在鏡頭特定位置加入CaF2校正系統色差。(三)降低工藝因子ASML原來認為單次曝光中k1的物理極限為0.25。但通過組合使用計算光刻、離軸照明、相移掩膜等解析度增強技術(RET),k1已突破0.25。衍射效應導致成像模糊,如果想要得到清晰的電路,就需要對光路上的組成部分做修改,因此,掩膜版圖形與晶片上最終成型的電晶體、器件、互聯線路圖形並非一一對應。比如,光刻一個簡單的“十”字,掩膜版的圖形可能複雜到像人類大腦的剖面圖。沒有強大的計算光刻能力,很難實現這樣複雜的掩範本設計。通過改進光源系統和掩膜圖形,儘可能消除圖像失真,進而提高解析度的過程,就是計算光刻。常見的計算光刻技術包括光學鄰近效應修正(OPC)、亞解析度輔助(SRAF)、光源-掩膜協同最佳化技術(SMO)、多重圖形技術(MPT)、反演光刻技術(ILT)等,涉及電磁物理、光化學、計算幾何、迭代最佳化和分散式運算等複雜計算。在2023年開發者大會上(GPU Technology Conference, GTC)上,輝達(NVIDIA)、台積電(TSMC)、艾司摩爾和新思科技(Synopsys)聯合宣佈,完成全新的人工智慧(AI)加速計算光刻技術軟體庫cuLitho。cuLitho的核心是一組平行演算法,計算光刻工藝的所有部分都可以平行運行。已知軟體庫中有多項用於實現不同功能的技術,如cuDOP用於衍射光學,cuCompGeo用於計算幾何,cuOASIS用於最佳化,cuHierarchy用於AI。輝達稱,基於GPU的cuLitho計算光刻技術,其性能比當前光刻技術工藝提高了40倍以上,原來需要4萬個CPU系統才能完成的工作,現在僅需用500個GPU(NVIDIA DGX H100)系統即可完成,使用cuLitho的晶圓廠每天的光掩模產量可增加3-5倍,而耗電量可以比當前配置降低9倍。從長遠來看,cuLitho將帶來更好的設計規則、更高的密度和產量,以及AI驅動的光刻技術,不僅使晶圓廠能夠提高產量、減少碳足跡,還能為2nm及更高工藝的High-NA EUV光刻工藝奠定基礎。有意思的是,晶片是人工智慧的算力底座,如今,AI技術又被應用在晶片設計中,反過來促進了算力水平的提升。除計算光刻外,離軸照明技術(OAI)通過採用特殊光源將正入射光轉換為斜入射光,使得同等數值孔徑可以容納更多的高階光,從而曝光更小尺寸結構以提高解析度。當兩個光源進行成像時會在重合部分產生干涉效應,使光強增大,導致兩個光源不能有效地區分開,相移掩膜技術(PSM)通過改變掩膜結構對其中一個光源進行180度相移,兩處光源產生的光會產生相位相消,光強相消,可以區分開兩個光源,從而提高解析度。上述三個方向的技術演進,一直支撐著光刻機的代際迭代。目前佔據市場主流的依然是DUV光刻機,浸入式DUV光刻機的單次曝光主要生產28nm及以上製程的晶片,ArFi+雙重曝光可以生產22/20/16/14nm,多重曝光可以生產7nm甚至5nm製程。但當製程微縮至10nm及以下時,多重曝光大幅增加了光刻、刻蝕、沉積等工藝的複雜度,也帶來良率損失的風險,使得晶圓光刻成本增加2-3倍。實際上,在22nm節點之後,DUV已經很難再實現最佳化,只能重新開發新的極紫外光源(13.5nm)。而隨著EUV光刻機的出現,晶片製程最小可以達到3nm。下一代光刻機又回到了提升數值孔徑的路線,標準的EUV光刻機的數值孔徑是0.33。目前ASML正在研發High-NA EUV光刻機(Twinscan NXE:5000/5200)的數值孔徑為0.55,製程可達2nm、1.8nm,在解析度和套刻精度上的性能表現將比目前的EUV系統高70%,即將量產。雖然業界已經在討論超數值孔徑(Hyper-NA,NA>0.7)的EUV光刻機,但技術難度和製造成本都將極高,產業化的可能性不大。03. 結構拆解:ASML的EUV光刻機ASML是全球唯一能夠生產EUV光刻機的公司,通過對ASML的EUV光刻機進行粗略的拆解,可以直觀呈現光刻機的模組構成進而透視其技術難點。EUV光刻機共有約10萬個零件,重達180噸,包含晶圓輸運系統、雙工作台、掩膜版輸運系統、系統測量與校正系統、曝光系統、浸沒系統、物鏡系統、光源系統、光柵系統、減震系統等十幾個模組。從技術原理來看,光刻機的三大核心,分別是光源系統、物鏡系統、雙工作台。值得申明的是,EUV整機的10萬個零部件由分佈在全球的5000多家供應商提供,其中約90%的關鍵裝置來自外國而非荷蘭本土,ASML實質上只負責光刻機設計與模組整合。(一)光源系統深紫外光是准分子光源,由雷射器產生,極紫外光本質是電漿體輻射光源,不能由准分子雷射器產生。ASML採用的是主流的雷射激發電漿體(LPP)技術,即由高能雷射兩次精準轟擊Sn靶激發高強度的電漿體,收集並捕獲電漿體發出的13.5nm EUV輻射,將其集中起來傳遞至曝光系統。所以,EUV光源系統由光的產生、光的收集和傳輸、光譜的純化與均勻化三大單元組成。第一個技術難點是製造高功率光源。極紫外光刻需要光源功率至少達到250w,倒推雷射器的激發功率要達到20kW以上。目前能提供EUV光源的僅有ASML子公司Cymer和日本Gigaphoton,二者均使用基於電調製種子源加多級功率放大器的納秒脈衝光纖雷射器(Master Oscillator Power-Amplifier, MOPA)和預脈衝相結合的方案轟擊Sn靶。Cymer使用通快雷射放大器,Gigaphoton使用三菱電機生產的放大器,結構和原理類似。與傳統的固體和氣體雷射器相比,光纖雷射器的轉換效率更高,結構簡單,光束質量高(有助於降低衍射效應),體積小,散熱效果更好,使用壽命更長等特點。第二個技術難點在於光的收集和均化。首先,EUV的波長為13.5nm,很容易被包括鏡頭玻璃在內的材料吸收,所以需要使用反射鏡來代替透鏡。普通打磨鏡面的反射率不夠高,必須使用布拉格反射器(Bragg Reflector),它是一種複式鏡面設計,可以將多層的反射集中成單一反射。其次,空氣也會吸收EUV並影響折射率,所以光路通過的腔體必須是真空狀態。最後,保證解析度還需要對光進行均勻化。ASML採用的是FlexRay照明器,由能量均衡元件、光束分割元件、微反射鏡陣列和傅里葉變換鏡組組成,本質上是一個微光機電系統(Micro-Opto-Electro-Mechanical Systems, MOEMS),核心器件是一組(64×64個)場鏡和光瞳鏡,均為可轉動的微反射鏡陣列(MMA),通過改變每一個反射鏡的角位置改變照明光瞳,最後出來的光就被均勻化了。照明系統共約1.5萬個元件,重1.5噸。第三個技術難點在於光源的穩定傳輸。使雷射束以極大功率穩定傳輸的照明系統非常複雜。以通快(TRUMPF)的雷射器為例,核心元件有高功率種子模組、由4—5個諧振腔組成的高功率放大鏈路、光束傳輸系統和光學平台。放大器將幾瓦的CO2雷射脈衝連續放大10000倍以上,達到40kW。從種子光發生器到Sn靶的整個照明系統有500多米的光路,對所有零部件的要求都非常苛刻。另外,EUV在照明系統中的每一次反射都會損失約三成能量,經過反射鏡陣列,最後到達晶圓的光線大概只能剩下2%左右。反射過程中被吸收的能量也必須用大功率散熱系統進行冷卻。光源的穩定性和聚光元件的保護也是巨大的挑戰,因為用於激發的雷射器本身存在抖動,雷射與電漿體作用時產生的污染將會對光源聚光元件造成影響和破壞。(二)物鏡系統EUV從光源系統發出後,首先進入照明系統,最佳化光束,接著光穿過掩範本,再經過投影物鏡,將掩範本上圖案聚焦成像在晶圓表面的光刻膠上。在早期的低解析度光刻機中,物鏡結構有全反射型、全折射型、折反射型、透射型等多種結構。由於EUV波長短、穿透性強,DUV所用的透射式系統無法使極紫外線偏折,故而物鏡系統中只能使用全反射的投影系統。全反射系統設計要求光束相互避讓,誤差容忍度低,對光學元件加工的要求極高,其性能的高低直接決定了光刻機的解析度和套刻精度。2010年,ZEISS研發出全球第一套EUV光學系統,2012年量產。最新一代EUV光刻機投影物鏡約有2萬個元件,重2噸。ZEISS是ASML光刻機所用透鏡、反射鏡、照明器、收集器和其他關鍵光學元件的全球唯一供應商。第一個技術難點是原子級的平整度。EUV光刻機的反射鏡最大直徑1.2米,面形精度峰谷值0.12奈米,表面粗糙度20皮米(0.02奈米),這意味著如果把鏡片放大到德國那麼大,表面粗糙度也只有0.2毫米。第二個技術難點是多層鍍膜工藝。由於EUV能量很高,會引起反射鏡表面的化學反應和損傷。所以,反射鏡需要高度純淨的材料和多層表面鍍膜,EUV物鏡的鍍膜由鉬和矽的交替奈米層製作,最高達100層,且多層膜厚度誤差在0.025奈米(原子等級)。鍍膜工藝由蔡司(ZEISS)與弗朗霍夫應用光學與精密工程研究所(Fraunhofer IOF)共同研發。第三個技術難點是真空潔淨度要求。由於絕對的平整度要求,任何環境中的微小顆粒都會對工藝質量造成極大破壞,所以整套系統要求極高的真空潔淨度,蔡司(ZEISS)位於奧伯科亨(Oberkochen)的總部實驗室能達到該要求。第四個技術難點是浸入式技術。EUV目前主要採用局部浸入式,即在投影物鏡最後一個透鏡的下表面與光刻膠之間充滿高折射率的液體(純水),並保證水隨著光刻機在晶圓表面做掃描運動,其好處是對系統的改造小,工件台與乾式系統相同,並可以保留原有的對準系統和調平調焦系統。不過,仍需要克服浸潤液氣泡、鏡頭表面腐蝕、套刻精度受限等技術難題。目前只有ASML和尼康兩家公司掌握浸入式技術。此前EUV光刻機的上市時間不斷被延後,主要有兩大方面的原因,一是所需的光源功率遲遲無法達到250w的工作功率需求;二是光學透鏡、反射鏡系統對於光學精度的要求極高,生產難度極大。物鏡的製作不僅需要採用精度最高的打磨機和最細的鏡頭磨料,還需要頂級的“技術工人”。在光學鏡頭的生產工序中,僅光學表面成形拋光技術(Computer Controlled Optical Surface, CCOS)就有小磨頭拋光、應力盤拋光、磁流變拋光、離子束拋光等高難度的超精密工序。高端光刻機整機價格超過3億美元,鏡頭的價值接近0.6億,成本佔比相當大。上述兩方面的原因甚至使得ASML難以獨立支撐龐大的研發費用支出,不得不在2012年向三星、台積電、英特爾聯合體出售23%的股權,融資支援EUV光刻機的研發,並約定上述三家擁有優先供貨權。此後,ASML收購了全球領先的准分子雷射器供應商Cymer,並以10億歐元現金入股光學系統供應商ZEISS,加速EUV光源和光學系統的研發處理程序,這兩次併購也是促成EUV光刻機研發成功的重要原因。(三)雙工件台工件台是承載晶圓的平台,也被稱為承片台,由吸盤模組、驅動模組、導向模組、位置測量模組和運動控制模組組成。承片台上有真空吸盤用於固定矽片,宏動模組是承載微動模組的運動裝置,主要完成長行程運動,微動模組實現奈米精度的運動,共同完成矽片的定位和傳輸,超精密位移測量系統負責即時高精度位置測量和反饋。早期的工件台為單工件台形式,單個工件台串聯執行上下片、測量、對準和曝光等工序,產出效率較低。而2000年,ASML的雙工件台(TWINSCAN)推向市場,採用“直線電機+氣浮導軌+雷射干涉儀”的方案。雙工件台的基本運行原理是兩個工件台聯動運行,當位於曝光工位的工件台做曝光時,位於測量工位的工件台提前完成上片、對準、三維形貌測量等工序,之後兩個工件台互換位置,如此循環。雙工件台比單工件台的效率提升3倍以上,也更能適應浸入式光刻的需求,避免了物鏡系統與矽片間的水膜影響矽片測量的精準性,提升了光刻精度。2008年,新一代NXT平台採用了創新型材料,並使用磁懸浮平面電機和平面光柵測量技術,生產效率再提高30%。深紫外ArFi光刻機和EUV光刻機使用的都是新一代的NXE雙工件台。第一個技術難點是高加速度。目前投產的EUV光刻機(NXE:3600D),12吋晶圓的光刻生產速度為170片/小時以上,下一代NXE:3600E和NXE:4000F的吞吐量都將擴容到220片/每小時,這意味著承片台需要以高達7g的加速度高速移動。7g的加速度意味著從0km/h加速到100km/h只要約0.4秒,而F1賽車需要2.5秒。第二個技術難點是精確對準。EUV的套刻精度(晶片製造需要層層疊加,每次重疊的誤差稱為套刻精度)要求是2nm以下。晶圓從傳送模組到承片台的機械誤差高達數千nm。投影物鏡和晶圓表面的高低差累計也可達到500-1000nm。所以,每次曝光前,雙工件台必須與計算光刻軟體結合,對每片晶圓做精密量測,擷取到晶圓每一個區塊奈米等級的微小誤差,在曝光階段進行即時校正。目前能夠掌握該項技術的只有ASML。第三個技術難點是穩定運動。EUV光刻機的運動控制模組可以做到吸收平衡晶圓平台所施加於機座的反作用力,使整座機台完全靜止。位置測量模組採用平面光柵技術,兩個工件台上分別佈置4個光柵編碼器,具有4個面內測量資訊和4個面外垂向測量資訊,利用8個位移測量資訊得到六自由度位移,精度可以做到0.06nm。總之,EUV光刻機幾乎逼近目前物理學、材料學以及精密製造的極限。所以EUV不僅是頂級精密製造的學問,更以前沿科學研究為基礎。上海微電子裝備公司(SMEE)董事長對EUV光刻機的精度有過形象的比喻:相當於兩架大飛機從起飛到降落,始終齊頭並進,一架飛機上伸出一把刀,在另一架飛機的米粒上刻字,還不能刻壞。04. 光刻機的國產化處理程序實際上,中國光刻機的實驗室研製起步並不晚,早在70年代就研製出接觸式曝光系統,但產業化落地嚴重滯後。為強化國內半導體產業鏈自主研發能力,國務院於“十二五”規劃期間推出“極大規模積體電路製造裝備及成套工藝”重大專項,簡稱“02專項”,旨在突破積體電路製造裝備、材料、工藝、封測等核心技術,形成完整的產業鏈和較強的國際競爭力。國產光刻機的主要企業為上海微電子(SMEE),上海微電子自主研發的90nm製程SSA600/20步進掃描投影光刻機正是通過承擔“02專項”的“90nm光刻機樣機研製”項目。該光刻機於2018年3月面世,可滿足國內重要機構使用需求,不受國外限制。SSA600/20光刻機的核心零部件約佔所有零部件的70%—80%,都已經實現國產化,剩下20%未國產化的部分主要是板卡等非核心零部件,如果有必要,隨時可以實現國產替代。但SSA600/20的產能和良率較ASML還有較大差距,且主要用於積體電路的後道封測。國產光刻機還處於單工件台幹式DUV階段,光源主要是i-line、KrF和ArF。最新消息是上海微電子的28nm光刻機樣機已經交付企業測試,實際製程對應45nm左右。但樣機驗收和產業應用是兩個概念。樣機驗收只需要成功完成晶圓曝光即可。到工廠應用,至少要兩年時間才能得到足夠的良率資料,如果一切順利,將良率調優到90%以上可能還需要3—5年時間。ASML的光刻機發到台積電,也需要兩年左右的時間安裝、偵錯,才能正式量產。另有消息說某知名廠商通過購買尼康的光刻機進行改造,通過多重曝光技術也實現了高製程晶片的量產,但具體細節不得而知。光源方面,中國已經可以製造高能准分子雷射器,甚至不乏一些國際市佔率還不錯的優質企業,有一些光學元件、雷射器件也供貨ASML,TRUMPF,Lumentum等國際企業。不過,目前國內的雷射器還是在DUV光源,EUV光源研發則剛剛起步,僅有實驗室等級的DPP-EUV光源。前段時間,清華大學提出了穩態微聚束技術(SSMB)方案,也很有前景,但尚未得到產業應用。物鏡方面,技術節點已經突破90nm,反射鏡的面形精度PV可以做到30nm(ASML EUV PV<0.12nm),表面粗糙度可以做到0.5nm(ASML EUV 表面粗糙度<30pm)。物鏡的真空腔體也可以自主製造。雙工件台仍處於實驗室階段。產學合作研發的實驗室階段的雙工件台的運動精度已經可以達到10nm,但還沒有正式的產業化應用。另外,目前的工件台主要適配於乾式光刻機,應用於浸入式光刻機的工件台仍在研發。另外,國內對整個多重曝光技術的掌握程度還比較低。多重曝光技術將原本一層光刻的圖形拆分到多個掩模上,利用光刻Litho和刻蝕Etch實現更小製程,可以在犧牲良率和產量的情況下生產更低製程的晶片,比如使用DUV光刻多重曝光可以實現7nm製程。國內光刻機當前重點攻關的是浸入式ArFi光刻機(波長等效134nm)。如果順利突破,這就意味著國產光刻機邁進DUV光刻機的高端行列。05. 突破路徑:ASML的啟示(一)復盤ASML的歷史1955年,貝爾實驗室開始採用光刻技術。1961年,GCA公司製造出第一台接觸式光刻機。20世紀80年代,尼康發布了第一台商用步進式光刻機NSR-1010G。1984年尼康與GCA各佔據30%市場份額,同年ASML剛剛成立。ASML從一個默默無聞的小公司逐步成長為光刻機霸主的歷程發展歷史中有幾個里程碑事件。1991年,ASML公司推出PAS 5500這一具有業界領先的生產效率和精度的光刻機。PAS 5500的模塊化設計使得同一個系統能夠生產多代先進晶片。PAS 5500也為ASML帶來幾家關鍵的客戶,包括台積電,三星和現代,這些客戶是公司後來實現盈利的關鍵。1997年,為了突破193nm波長,英特爾和美國能源部牽頭成立了EUV LLC聯盟,成員包括摩托羅拉、IBM以及若干美國知名研究機構,但聯盟早期成員沒有光刻機廠商,於是ASML順勢加入並共享研究成果。隨後,ASML就開始了漫長的EUV光刻機研發過程。2001年,公司推出TWINSCAN系統和革命性的雙工作台技術,一般的光刻機只有一個工作台,需要先測量,再曝光,而雙工作台技術實現測量與曝光同時進行,在對一塊晶圓曝光的同時測量對準另外一塊晶圓,一下子把生產效率提升了35%以上。2003年,ASML與台積電合作推出浸入式光刻機。儘管同期尼康基於F2光源(157nm)和乾式微影技術的90nm產品和電子束投射(EPL)產品樣機研製成功,但相對於尼康的全新研發,ASML的產品屬於改進型成熟產品,在為半導體晶片廠商節約大量成本的同時實現工藝提升,半導體廠商只需對現有裝置進行微調就能將蝕刻精度提升1-2代,並且其縮短光波的效果也優於尼康產品(多縮短25nm)。可以想像,幾乎沒有廠商願意選擇尼康的產品,尼康在高端光刻機領域的“潰敗”由此開始。此後,尼康痛定思痛選擇調轉方向研發浸沒式光刻系統,並推出NSR-S622D、NSR-S631E、NSR-S635E等產品,但半導體裝置更新換代迅速且投資很高,新產品總是需要至少1~3年時間由前後道多家廠商通力磨合,可謂一步慢、步步慢。ASML在浸入式系統上的先行優勢使其有更充裕的時間改進裝置、提高良率,產品可靠性自然領先尼康。從此,代表日本高端光刻機的尼康逐漸敗給了日後的高端光刻龍頭ASML。2006年,ASML推出EUV光刻機的原型機。由於EUV光刻機的研發難度極大,2013年ASML才推出第一台EUV量產產品,進一步加強行業壟斷地位。(二)三大策略ASML光刻機採用模組化的設計、製造、整合和偵錯。各模組系統與單元元件分別在ASML產業鏈聯盟夥伴和關鍵供應商內部完成,之後交由ASML組裝,然後再分解成若干單元,將其包裝並空運到使用者的Fab廠房,再次進行整機安裝偵錯。這種模式加快了ASML新產品開發速度,縮短了產品上市周期。實際上,光刻機90%的關鍵裝置來自外國而非荷蘭本國,ASML作為整機公司,只負責光刻機設計與整合各模組,需要全而精的上游產業鏈做堅實支撐。縱覽ASML的發展歷史,ASML主要採取了幾方面的合作創新策略:第一,通過收購/入股,深度繫結上游供應商。2000年以來ASML歷經7次主要收購,包括美國光刻機製造商SVG,美國計算光刻軟體公司Brion,美國EUV光源製造商Cymer,獲取了上游光源、鏡頭等光刻機關鍵部件的領先技術。多次併購加速了EUV光源和光學系統的研發處理程序,也是EUV光刻機能研發成功的重要原因。2016年收購台灣的漢微科(HMI),吸收其電子束晶圓檢測能力;2017年收購蔡司(Zeiss)24.9%的股份;2019年收購荷蘭電子束光刻廠家Mapper做技術儲備;2020年收購Berliner Glas,主要提供晶圓台和夾具、掩膜卡盤和鏡塊。第二,鼓勵客戶參股公司,構築利益共同體。2012年,公司推出“Customer Co-Investment Program”,該計畫允許其大客戶對ASML進行少數股權投資,英特爾、台積電、三星投資總計約39億歐元取得23%的股份,並向ASML提供13.8億歐元的研發資金,同時享受EUV光刻機的優先供貨權。第三,重視研發投入,並採取開放合作的研發模式。技術創新是推動ASML增長的最重要因素,ASML的技術創新理念是合作開放,通過全球產業鏈分工合作,採取模組化外包協同聯合開發策略,建構了以ASML為核心的產業鏈聯合體。公司開放式創新系統中包含了大學、研究機構、合作夥伴等,建立一個強大的知識技術共享網路,ASML可以快速獲得行業內前沿技術的相關知識。包含了比利時的Imec、上海積體電路研發中心、荷蘭ARCNL、EUV LCC、蔡司等。2019年,ASML與一些大學、研究機構和高科技公司參與了歐盟補貼的項目,這系列的項目圍繞著光刻、計量和工藝開發三大核心技術領域,每一項技術都在推動公司創新過程中發揮著至關重要的作用。(三)繞路超車其實,除了光刻機,研究人員還提出了一些潛在的替代方案。比如,奈米壓印技術(NIL)。這種技術將印有電路圖案的掩模壓印在晶圓表面的抗蝕劑上,通過類似於印章的形式製造積體電路,將掩模上的精細電路圖案轉移到晶圓上,可在單個壓印件中形成複雜的二維或三維電路圖案。由於不依賴EUV光源,這種製造技術的成本更低。現在日本已經初步將這一技術用於生產快閃記憶體晶片,未來或許有進一步擴大應用的空間。定向自組裝(DSA)。這是一種利用材料自身的分子排列規律,誘導光刻材料在矽片上自發組成需要的圖案的方法,它比傳統光刻解析度更高,加工速度也不受影響,但它對材料控制的要求特別高。現在比利時的Imec、美國的MIT實驗室都已經建立了實驗室產線,未來有產業化的可能。電子束光刻(EBL)。這種技術實際上是利用高能電子束代替雷射器光源,直接在晶圓上進行雕刻。它的解析度實際上比EUV光刻還高(可以達到0.768nm),但刻蝕速度非常慢,無法滿足商業化需求,目前主要用在量子晶片等高精度、小批次的晶片生產中。06. 總結:光刻攻關需久久為功受《瓦森納協議》等國外技術管制影響,中國幾乎無法向所有參與半導體產業鏈的國家購買尖端技術和相關裝置,國產高端光刻機也就無法像ASML一樣通過全球合作、併購突破,只能依託本土光刻元件和配套設施產業鏈自主研發。不過,EUV被ASML壟斷,但短期內DUV才是行業主流的應用產品,且國外的技術封鎖主要集中在雙工件台的DUV,目的是提高中國的商業化應用成本。中國在乾式、單工件台的KrF、ArF光刻機製造方面已經取得了不少經驗。在技術路徑上,下一代光刻機所應用的浸沒式技術的成功已經通過ASML和尼康之爭的過程得到驗證,本土企業可以少走彎路。但區別於其他工藝,光刻機的元件及配套設施極度複雜,毫不誇張地說,光刻機自身即可自成產業鏈。所以,光刻機的製造研發絕不是某一個企業能夠單獨完成的,必然需要很多頂尖企業相互配合。在這種情況下,指望在一兩個點上取得突破就戰勝所有其他對手是不現實的,ASML即很好的例證。與其說ASML是一家荷蘭企業,不如說它是一家全球企業。說“集全球之力,成一家ASML”也不為過。ASML所有的機型從研發到成為主流都經歷了十多年到二十多年的時間,即使光刻機的關鍵技術取得了突破,後續還有穩定性、良率、價格、市場需求等因素,幾乎每一項因素都會決定這個機型的前途命運。彎道超車談起來容易,但在十幾、二十年的時間裡能堅持下來的企業鳳毛麟角。只要一個方面出現差錯,都有可能功虧一簣,歷史上在這方面的教訓非常多。當然,我們也不必氣餒,只要我們在光刻機突破方面(實際上所有的技術突破都是如此),抱著實事求是的態度,踏踏實實地解決一個個問題,做好長時間攻關的戰略準備,利用好光刻機研發對產業、學界帶來的機會,內省自己的產業發展生態和科教體制機制,對光刻機的研發,實際上也是對基礎學科基礎研究能力的錘煉。所謂“但行好事,莫問前程”,即如是。 (秦朔朋友圈)
第一批晶片“受害者”出現了
最近兩年以來,GPU 晶片短缺、儲存價格上漲,讓很多人產生一種錯覺:只要站在 AI 的風口上,半導體行業就會水漲船高。然而殘酷的真相是,AI 並非普惠的春雨,而是大幅拉高了行業的“准入門檻”。麥肯錫的資料顯示,半導體行業的價值創造正呈現出前所未有的高度集中。回顧行業近三十年的演進,在1990-2009年的行業的第一個十年,全行業創造的經濟利潤僅約 380 億美元,其中大部分來自英特爾,可以說是英特爾的孤膽時代。除英特爾外,其他行業參與者的經濟利潤微乎其微甚至為負。第二個十年(2010-2019年)進入移動互聯的黃金十年,隨著行業整合加劇、代工模式成熟,以及智慧型手機爆發帶來的多元化增長,全行業盈利能力實現質的飛躍。十年間,行業累計創造經濟利潤高達 4500 億美元。然而進入AI時代,2020 年至 2024 年的短短四年間,半導體行業創造了 4730 億美元的經濟利潤,一舉超越此前十年的總和。然而,這筆巨額財富的分配極度不均:2024 年,以輝達、台積電、博通和 ASML 為首的頂端 5% 企業,瘋狂收割了 1590 億美元的經濟價值;而處於末端的 5% 企業,則有450億至700億美元的虧損。2025年,這一趨勢不僅在延續,更在加劇。從先進製程、先進封裝(如 CoWoS)到 EDA 工具鏈及軟體棧協同,每一個環節的研發成本與技術複雜度都在呈指數級飆升。這種趨勢正誘發劇烈的馬太效應:頭部玩家憑藉規模效應、議價權及生態護城河,建構了利潤正反饋,攫取了行業絕大部分經濟利潤;而中小 Fabless(無晶圓廠設計商)則在 AI 的宏大敘事中,因單位經濟學邏輯的崩壞,率先淪為時代的“受害者”。這種結構性的嚴寒,已率先在韓國晶片設計界(Fabless)集中顯影。寒意襲來,韓國Fabless的虧損潮儘管韓國擁有三星、SK 海力士等儲存巨頭作為產業支柱,但在其長尾生態中還有數量眾多的 Fabless 公司,他們正陷入集體虧損的泥潭。據ETNews 22日的報導,對韓國營收排名前30的Fabless上市企業2025年營業利潤(暫定資料)的分析,在22家企業中,超過半數的14家(約64%)錄得營業虧損。其中,Fadu(-617億韓元)、Nextchip(-129億韓元)、HiDeep(-104億韓元)、ICTK(-87億韓元)、Sapien Semiconductor(-43億韓元)、Imagis Technology與AlphaChips(-20億韓元)等公司已連續三年虧損,低迷態勢長期化。這些企業分佈在資料中心儲存、車載ADAS、觸控與顯示鏈條、硬體安全、Micro-LED 前沿賽道等多個方向。因此,這不是某一家公司經營不善的個案,更像是整個長尾設計公司面對成本曲線抬升後的集體體感。上述這幾家公司可以分為三大類:FADU歸類為AI資料中心鏈條,需要長周期兌現。FADU 做企業級 SSD 控製器,本質是資料中心儲存鏈條裡的高門檻賽道,看上去站在AI資料中心的風口上,但利潤兌現往往存在時差——客戶驗證、認證、量產爬坡,都需要時間。Nextchip、HiDeep、Imagis、AlphaChips可歸為車載/終端鏈條。Nextchip主要做車載攝影機/ADAS 視覺處理 SoC,車載晶片最大的特點是匯入周期長、驗證流程重、客戶對成本敏感。HiDeep是一家觸控控製器公司。觸控 IC 表面成熟,但一旦進入柔性 OLED、on-cell、手寫筆等形態,研發驗證與客戶定製成本會持續上抬。終端價格敏感、客戶集中度高時,ASP 天花板更低。Imagis的Touch Controller與Haptic Driver都是高度競爭、利潤薄的賽道。對於這種長尾供應商,最大的問題不是有沒有產品,而是你有沒有足夠的定價權把成本傳匯出去。當代工/封測/材料成本上行,而客戶又持續壓價時,長尾廠商最容易出現毛利被擠穿的局面——甚至會出現訂單越多越不賺錢的反直覺狀態。AlphaChips 一邊做設計服務(Design Service),一邊做 IR Receiver、Key Scan 等混合訊號產品。設計服務能帶來現金流,卻也更像項目生意;而 IR/Key Scan 屬於成熟賽道,產品 ASP 天花板低。前沿賽道(量產時間表風險):Sapien、ICTKSapien的Micro-LED驅動與CMOS backplane ASIC屬於最前沿的顯示方向之一。問題在於,Micro-LED產業鏈普遍處於技術推進期:demo和項目不缺,但量產規模與節奏不確定。一旦量產遲滯,前期投入就會長時間掛在利潤表上,形成持續虧損。ICTK主打 PUF(物理不可克隆函數)等硬體安全技術。安全晶片的邏輯是長周期、強認證、重生態:合規/認證/匯入往往先小量試點,再逐步放量。如果規模訂單遲遲不上來,固定成本(研發團隊、生態對接、標準與認證)卻會持續發生,安全晶片是慢生意,慢的不是技術,慢的是規模兌現。更值得注意的是:壓力不僅停留在“連續虧損者”,還在向更大範圍擴散。ETNews 報導提到,2024年還盈利、但在去年轉為虧損的企業也多達7家。作為三星電子官方設計解決方案合作夥伴(DSP)的Gaonchips,業績從盈利35億韓元驟降至虧損167億韓元。車載半導體企業Telechips從盈利49億韓元轉為虧損62億韓元,Zaram Technology也從盈利4億韓元轉為虧損71億韓元。營收第一的LX Semicon雖未出現虧損,但其營業利潤較2024年下降超過30%(約582億韓元)。預計虧損企業還將進一步增加。在尚未公佈2025年全年業績的主要上市公司中,OpenEdge Technology、iAron Device、Ranix、Qualitas Semiconductor等4家公司此前已連續一至三季度錄得虧損。那麼,為何這麼多Fabless公司都出現了虧損?五四層“稅”抬高成本曲線行業將此次低迷歸因於固定成本上升與價格談判能力減弱同時出現。背後的底層邏輯在於,AI徹底重塑了晶片行業的成本底盤。關鍵不是某一項成本上漲,而是 Fabless 面對的是成本堆疊整體上移。可以把它理解為 AI 時代的五層“稅”:第一層:EDA/IP稅——從設計源頭開始變貴Fabless 的成本裡,EDA、IP授權本來就不是可忽略項。Reuters 報導稱,Arm 正在制定長期策略,考慮將價格提高最高可達 300%(並討論設計自研晶片等方向)。當EDA和 IP端的稅率上調,Fabless 的成本壓力不再只是“代工漲價”,而會變成從設計源頭就開始變貴。對缺乏規模與議價能力的中小公司來說,這類成本更難攤薄,也更難向下游傳導。第二層:晶圓稅——先進節點更貴、更難、資源更緊代工端,AI 時代的主流晶片(GPU、AI ASIC、部分高端SoC)在工藝節點上會更集中地追逐先進製程。問題是:先進節點正在進入一個更貴更難的階段。EE Times Asia 指出,TSMC 先進節點(5nm 以下)存在5–10%等級的漲價討論,並特別強調 2nm 的成本上升。TrendForce 也整理了關於 TSMC 2nm 與其他先進節點漲價區間的報導討論(例如 2nm 可能上調 10–20%,以及 3/4/5/7nm 單位數上調等)。先進節點產能被 AI 類大單鎖定,長尾只能排隊或接受更差條款。不是買晶圓就行,最後卡在封裝/測試排產。第三層:封裝稅——先進封裝從可選項變成必選項對 AI 晶片而言,先進封裝很多時候不是可選項,而是性能/頻寬/系統整合的必選項。於是封裝端的稀缺性很容易直接轉化為價格上行。TrendForce 援引投行與產業鏈資訊稱,TSMC 的 CoWoS 價格可能上調 10%–20%,並提到在需求遠超供給的情況下,客戶對漲價的接受度與產能擴張相關。與此同時,Reuters 也報導 ASE(全球最大封測廠)預計其先進封裝業務到 2026 年將翻倍至 32 億美元,並加大裝置投資。也就是說,那怕你拿到了晶圓產能,如果封裝端排產更緊、更貴,你的交付節奏與成本結構依舊會被卡住。對中小 Fabless 來說,封裝這道系統瓶頸比晶圓更難通過換供應商解決。第四層:儲存稅——HBM/儲存漲價抬升系統 BOM,反過來強化下游壓價AI 的競爭越來越像“系統競爭”。HBM、DDR、NAND 等儲存價格上行,會直接抬升整機 BOM。系統 BOM 上升後,OEM/雲廠商往往更強力壓價,進一步擠壓中游供應商的毛利空間。第五層:人才稅——人才爭奪戰AI 巨頭如輝達、蘋果、特斯拉搶奪了全球頂尖的 IC 設計與架構人才,推高了行業薪酬底線。據韓媒的報導,特斯拉 CEO 馬斯克在 X 上公開點名招募韓國的 AI 晶片設計工程師,“如果你身在韓國,想從事晶片設計、製造或人工智慧軟體方面的工作,那就加入特斯拉吧!”馬斯克說道。反映出大廠在全球範圍內搶 IC 設計/架構人才的激烈程度。當薪酬底線被抬高,中小公司為了留住核心設計與驗證人才,即便處在虧損期也不得不維持 R&D 的高位支出;否則團隊流失會直接導致產品迭代中斷、客戶匯入失敗、認證重來——比短期省下的費用更致命。從先進製程、先進封裝(如 CoWoS)到 EDA 工具鏈及軟體棧協同,每一個環節的研發成本與技術複雜度都在呈指數級飆升。這種趨勢正誘發劇烈的馬太效應:頭部玩家憑藉規模、議價權及生態護城河,建構了利潤的正反饋;而中小Fabless則在 AI 的宏大敘事下,因為無法將高昂的“入場成本”攤薄,導致單位經濟學邏輯徹底崩壞,淪為最先被時代拋下的受害者。這時行業會自然發生兩種分化:第一種是能重新定價的人,靠品牌/生態/供給保障,能把部分成本傳匯出去。例如像聯發科這樣的手機SoC大廠商,據路透社2026-02-04的報導,聯發科警告AI需求推升供應鏈緊張、推動成本上升,因此將通過調整產品價格應對。而對於那些沒有規模議價、沒有生態護城河、客戶集中且價格敏感——最終只能“吞成本”,利潤表會更脆,虧損更容易長期化。韓國政府也已意識到該國Fables晶片設計公司虧損這一局面並開始提供支援。產業通商資源部將從今年第一季度起,以“M.AX(製造AI轉型)聯盟”為中心推進“開發—實證—量產—擴散”的全周期支援政策,核心是創造國產AI半導體的早期需求。產業通商資源部相關人士表示:“將在M.AX聯盟內組建半導體製造支援TF,加強樣品/原型製作支援;中長期也在研究建設共生(合作共贏)型代工廠的可能性。中國晶片公司的競爭如果說 AI 抬高了入場費,那麼中國 Fabless公司的“國產替代”則是在後方抽乾了韓國公司的氧氣。在車載 SoC、顯示驅動和觸控晶片等韓國傳統領地,中國廠商正憑藉 3,600 家(韓國僅約 200 家)Fabless 公司的生態密度,通過“垂直整合+性價比”的組合拳,迫使韓國二線廠商在沒有進入 AI 盛宴之前,就先在傳統陣地失血過多。近年來,中國 Fabless晶片公司的崛起,已經在多個領域完成了對韓國企業的圍剿:LCD/OLED驅動IC(DDI): 韓國曾是顯示驅動晶片的絕對霸主(依託三星、LG 產業鏈)。但隨著京東方(BOE)、華星光電等中國面板廠的全球份額第一,國內的集創北方、奕斯偉等公司迅速上位。這些公司利用本土產業鏈優勢,把 DDI 晶片的價格殺到了韓國廠商難以維持研發支出的水平。車載/感知晶片:韓國Nextchip、Telechips曾是現代、起亞的供應商。但在中國,思特威(SmartSens)、格科微在攝影機感測器(CIS)上殺價極狠;而在智能座艙SoC領域,瑞芯微、芯馳甚至華為海思,憑藉更強的算力整合度和更低的綜合成本,在成本效率比(PPA)上佔優。指紋辨識與觸控IC:這是韓國HiDeep、Imagis等公司的傳統領地。中國公司如匯頂科技(Goodix)在這一賽道通過極大規模的量產,將毛利壓縮到了極致。韓國公司因為沒有中國這麼龐大的內需市場分攤成本,單顆晶片的成本可能要比中國高出 15-20%。中國公司的價格戰並非簡單的便宜,而是一種體系化壓力:內循環降本:中國晶片設計公司可以利用中芯國際、華虹等國內代工廠的產能,獲得更靈活的商務條款和補貼。而韓國中小 Fabless 往往排隊台積電,或者在三星代工(Samsung Foundry)中拿不到最優價格,成本起跑線就不一樣。模組化策略:中國公司擅長提供Turnkey(一站式)解決方案。例如,中國廠商不僅賣一顆驅動晶片,還會配套好公版電路板和全套軟體棧。這種“保姆級服務”讓下游 OEM 廠(如小米、OV、車企)的研發周期縮短一半,韓國公司那種“只賣一顆料單”的模式在效率上徹底敗北。韓國Fabless現在的尷尬在於,向上捅不動:先進製程(AI、GPU)是輝達、博通的天下,韓國中小公司投不起 3nm 流片;向下守不住:成熟製程(28nm-55nm)和通用晶片市場被中國公司用規模+補貼+本土配套完全覆蓋。根據韓國工業經濟與貿易研究所(KIET)2026 年初的最新報告,中國在AI 晶片設計和系統半導體領域的競爭力已經超越韓國。結語AI 並沒有如預期般成為所有晶片公司的救命稻草,反而成為了一道殘酷的分水嶺。它在推高算力天花板的同時,也無情地抬高了全行業的生存底盤。對於全球數以千計的中小 Fabless 而言,半導體行業的二元化趨勢已不可逆轉:一邊是擁有超強溢價權、能將高昂“五層稅”輕鬆轉嫁給客戶的兆巨頭;另一邊則是被夾在製程軍備競賽與價格戰之間,利潤空間被反覆擠壓的長尾玩家。韓國這一批集體虧損的晶片設計公司,只是深水區中最早顯影的冰山一角。它們不僅受困於先進製程的入場券,更受困於缺乏足以對抗巨頭的生態護城河。這不再僅僅是一場關於技術的競賽,而是一場關於資源議價權與成本耐受力的生存遊戲。韓國的陣痛是一個預警:在 AI 時代,能否獲得供給側的優先順序並重新獲得定價權,將決定一家 Fabless公司是在風口翱翔,還是淪為這場昂貴盛宴的買單者。 (半導體行業觀察)
深圳:以AI晶片為突破口,做強半導體產業!
2026年2月9日,深圳市工業和資訊化局印發《深圳市“人工智慧+”先進製造業行動計畫(2026-2027年)》(以下簡稱:《行動計畫》) ,提出到2027年,在“人工智慧+”先進製造業領域,建成國家人工智慧應用中試基地(消費領域移動終端方向),建設工業智能體創新中心,組建工業知識聯盟,開放百個應用場景,打造百個垂直行業模型及工業智能體,推廣百個示範應用,形成“一基地、一中心、一聯盟、百場景、多應用”的發展格局,推動傳統產業煥新升級、新興產業躍升領跑,助力新型工業化加快推進。《行動計畫》提出人工智慧賦能半導體與積體電路。推動人工智慧技術應用於半導體產業鏈的關鍵環節,利用AI最佳化晶片設計、軟體程式碼等領域和環節的效率。以AI晶片為突破口做強半導體產業,面向AI手機、AI眼鏡、智慧型手機器人等各類AI終端需求,研發高性能、高能效專用SoC主控晶片,支援存算一體、存內計算等新型架構處理器。面向新能源汽車兆級市場,支援14nm及以下車規級高階智駕AI晶片、智能座艙SoC晶片、域控製器MCU、中央域控SoC/MPU晶片的國產替代。以下為《行動計畫》的具體內容:為深入學習貫徹黨的二十大和二十屆歷次全會精神,認真落實《國務院關於深入實施“人工智慧+”行動的意見》,搶抓智能化與工業化交匯融合的歷史機遇,加快人工智慧技術與製造業全過程、全要素深度融合,全面服務支撐新型工業化,制定本行動計畫。一、總體要求錨定實現新型工業化這一戰略目標,推動人工智慧加快賦能製造業,向製造業研發設計、生產管理、生產作業、營運管理、供應鏈管理等各環節加速滲透,推動製造業全要素智能化發展,實現人工智慧全方位、深層次、高水平賦能新型工業化。到2027年,在“人工智慧+”先進製造業領域,建成國家人工智慧應用中試基地(消費領域移動終端方向),建設工業智能體創新中心,組建工業知識聯盟,開放百個應用場景,打造百個垂直行業模型及工業智能體,推廣百個示範應用,形成“一基地、一中心、一聯盟、百場景、多應用”的發展格局,推動傳統產業煥新升級、新興產業躍升領跑,助力新型工業化加快推進。二、打造重點支撐平台(一)打造工業智能體創新中心。加快省級工業智能體創新中心建設,爭取國家級製造業創新中心佈局。圍繞工業場景“數字員工”需求,支援研發具備環境感知、自主決策、動態適應能力的工業智能體,聚焦研發設計、生產製造、供應鏈管理等工業場景,匯聚高水平智能體應用開發商,搭建工業智能體供需對接平台,建構自主可控技術基座,研發工業智能體專用工具鏈,打造工業智能體開放共享生態,提升複雜工業場景下的智能體協作水平。(二)發展工業軟體及工業知識聯盟。支援企業將工業知識、行業經驗轉化為標準化模型,重點攻關工業作業系統、CAD、CAE、EDA等關鍵工業軟體的大模型適配開發,支援重點場景工業大模型產業化,形成具備行業引領性的自主工業軟體產品。把握工業大模型小型化發展趨勢,支援利用剪枝、量化和蒸餾等模型壓縮技術,研發輕量化場景化工業小模型,實現邊緣低延遲決策與普惠化部署。搭建工業知識共建平台,匯聚企業、高校、科研機構力量,建構覆蓋研發設計、生產製造、供應鏈管理等環節的行業級知識,沉澱核心知識實體與關係,形成上規模的工業知識資料庫。建設開放社區平台,牽引龍頭企業開放應用場景,降低中小企業智能化門檻,提供工業知識共享、AI應用開發工具包等普惠服務,形成大中小企業融通發展生態。三、賦能重點產業叢集(三)人工智慧賦能電子資訊製造。建構演算法開源、資料共享、算力協同的公共服務能力,整合技術資源與行業資料,降低中小企業智能化改造門檻,提升行業智能化改造的滲透率與應用深度。強化龍頭企業引領作用,聯合產業鏈上下游企業共同發掘潛在應用場景,支援人工智慧在產品設計、產品檢測、營運管理、質量檢測、安全生產、資料分析等核心環節深度應用,打造一批標竿示範項目。聚焦終端產品創新升級,支援AI手機、AI眼鏡、AI+潮玩、AI+智慧屏等重點產品研發創新,通過產品創新牽引技術迭代,培育新的產業增長點。(四)人工智慧賦能半導體與積體電路。推動人工智慧技術應用於半導體產業鏈的關鍵環節,利用AI最佳化晶片設計、軟體程式碼等領域和環節的效率。以AI晶片為突破口做強半導體產業,面向AI手機、AI眼鏡、智慧型手機器人等各類AI終端需求,研發高性能、高能效專用SoC主控晶片,支援存算一體、存內計算等新型架構處理器。面向新能源汽車兆級市場,支援14nm及以下車規級高階智駕AI晶片、智能座艙SoC晶片、域控製器MCU、中央域控SoC/MPU晶片的國產替代。(五)人工智慧賦能汽車製造。開展智能網聯汽車“車路雲一體化”應用試點,加大“智造+智駕”汽車全產業鏈AI賦能力度。協同設計方面,智能管理分類零部件資源,推薦最優件資訊,結合人工智慧演算法,模擬自動匹配清理材料屬性,實現高精度網格劃分,提高企業研發效率。生產製造方面,智能統籌資源適配,最佳化配置製造資源、智慧管理供應鏈,推動企業閒置製造資源高效利用。檢驗檢測方面,通過智能調度裝置分發任務、檢測解析資料、識別問題自動處理、智能管理資料回傳,自動生成檢測報告,提高產品良品率。封裝驗證方面,智能識別並匹配需求資料、流轉資料及資源資料,智能管理樣品倉儲物流,科學配料、協同配置。(六)人工智慧賦能機器人。支援世界模型、視覺-觸覺-語言-動作(VTLA)等多模態互動技術研發,建構具備互動、預測與決策功能的具身智能基座大模型及其訓練、推理技術體系,培育長序列推理與自主學習能力,支撐跨場景任務高效處理。強化場景資源統籌,支援建設具身智能技術試驗場,開放工業製造領域銲接、裝配、噴塗、搬運等細分場景並實現落地應用,提升危險、惡劣環境下智能作業水平,推動機器人進工廠、進車間、進倉庫、進港口、進園區。(七)人工智慧賦能高性能材料。支援AI賦能高性能材料製造工廠,鼓勵運用AI動態最佳化工藝參數和生產流程,實現預見性調整與精準控制,推動全域生產流程智能化。搭建AI高性能材料供需平台,建構需求牽引、快速迭代、韌性高效的材料產業生態網路,打造材料柔性製造、敏捷響應與服務創新模式。設計和篩選方面,積極組織動員有關單位參與高性能材料資料中心建設,通過機器學習演算法預測高分子、金屬、無機非金屬等材料結構性能,輔助研發人員篩選設計高性能材料。工藝和路徑最佳化方面,基於大模型疊加領域知識庫資料訓練化學合成領域大模型,為高性能材料合成提供最優路徑。性能預測方面,通過人工智慧計算模型,預測材料的彈性、熱導率等各項性能。實驗指導方面,基於程式碼生成大模型,結合模擬平台及智慧型手機器人,逐步實現模擬實驗自動化操作。(八)人工智慧賦能低空經濟。建立無人機自主能力演進體系,搭建智能模擬平台,打造低空數字孿生系統,深度整合人工智慧技術,支撐無人機感知、決策等能力的模擬與測試,強化無人機自主任務執行效能,逐步培育空中具身智能。建構“空中智慧道路系統”,支撐空域智能設計、航道智慧規劃,實現全空域智慧感知、無人機智能管理及多無人機自動化協調應用,賦能公園、河道、水庫、岸線巡檢、載人飛行、物流運輸、低空觀光、航空運動、飛行培訓、電力巡線、港口巡檢、航拍測繪、農林植保等應用場景,提升低空資源調度效率與協同運行水平。(九)人工智慧賦能醫藥和醫療器械。加快藥物研發、細胞與基因治療、精準醫療服務的研發創新與成果轉化,推進人工智慧技術在藥物新靶標/靶點發現驗證、藥物設計、超高通量藥物篩選、DNA編碼化合物庫篩選、電腦輔助藥物設計和虛擬篩選、藥物治療相關基因位點篩選等核心環節的技術創新。支援建設一批人工智慧藥物研發重大平台載體,強化技術資源統籌整合,加速人工智慧+生物技術(AI+BT)深度融合。強化大模型企業與高端醫療器械企業協同引領作用,聯合產業鏈上下游開展醫療裝備及關鍵零部件聯合創新,開放醫學影像輔助診斷等規模化真實應用場景,推動醫療器械高端化發展、智能化升級,打造“AI+醫療器械”標竿應用。(十)人工智慧賦能傳統優勢產業。探索傳統產業最佳化升級新路徑,鼓勵大模型、智能體、機器學習、電腦視覺、自然語言處理等人工智慧技術在服裝、鐘錶、眼鏡、黃金珠寶、家具、皮革等傳統優勢產業深度應用,聚焦生成式AI設計賦能、小單快反柔性生產、C2M反向定製、供應鏈智能調度等方向,打造一批垂直大模型與智能體升級標竿,推動傳統產業從規模驅動向“創意+效率+個性化”驅動轉型,提高行業生產效率和產品質量,降低生產成本,促進傳統產業高端化、智能化、綠色化、融合化、國際化發展,培育產業高品質發展新增長極。四、強化工作保障(十一)強化政策保障與要素支撐。加大對“人工智慧+”先進製造業的資金扶持力度,鼓勵企業積極參與“揭榜掛帥”,推動人工智慧賦能新型工業化政策與技術改造、工業網際網路、數位化轉型、智能製造等政策、要素協同,加速創新成果產業化,進一步形成工作合力,推進製造業數位化、網路化、智能化轉型。(十二)加大場景開放與供需對接。深化“人工智慧+”先進製造業場景供需對接機制,建設市、區級應用場景開放中心,舉辦系列供需對接活動,發佈場景需求清單,支援龍頭企業全面開放產品設計、智能檢測、規模化定製、智能配送等典型工業生產製造場景(詳見附件),挖掘開發一批潛力大、效益強、價值高的新場景,充分發揮社會組織的橋樑紐帶與協調作用,支援解決方案提供商與重點行業企業合作突破AI應用難題。(十三)開展行業培訓與示範推廣。緊扣AI前沿技術常態化舉辦“人工智慧+”先進製造業培訓,針對產業發展痛點,重點徵集人工智慧解決方案,形成典型案例,加強人工智慧示範應用和優秀解決方案宣傳推廣,強化行業標竿的示範引領作用,營造人工智慧賦能新型工業化的濃厚氛圍。 (芯榜)
台積電:駛向AI時代的算力巨浪,半導體產業開啟兆征程
過去五年,誰掌握算力,誰就掌握未來。這句話如今不僅是AI公司的口號,更已經寫進了半導體產業的戰略規劃。在最近的IEDM 2024會議上,台積電發佈了最新演講《Sailing into the Future of the Semiconductor Industry》,系統性描繪了一個正在由AI主導的新半導體時代:2030年,全球半導體產值將突破1兆美元;AI將成為這一切的核心驅動力。這是一次極具資訊含量的行業全景掃描。RAY帶你理性梳理這個報告的關鍵脈絡,理解為什麼半導體正在再次成為全球經濟的發動機,以及它將如何重構AI、汽車、智能終端與IoT的未來。一、AI:正在吞噬一切的超級算力黑洞AI不是某個行業的機會,AI正在變成所有行業的底層基礎設施。TSMC指出,未來幾年AI在四大場景的落地速度將決定整個半導體行業的增長形態:資料中心: AI伺服器年複合增長率達73%,遠高於傳統伺服器。未來的訓練和推理負載對頻寬、能效與晶片間互聯提出更極端要求。邊緣終端: 從AI PC到生成式AI手機,一場真正意義上的“本地智能”正在發生。2027年,超過59% 的PC將具備AI處理能力。汽車: L2+以上等級自動駕駛系統將成為標配,2023~2030年ADAS市場將擴大超4倍,AI晶片滲透率超過90%。IoT: 通訊、智能電網、穿戴裝置、工業控制等“邊緣智能體”將支撐一個超10%的年均增長市場。簡而言之:AI正在將所有計算平台都變成晶片密集型系統。不管是訓練用的超大模型,還是推理用的輕量模型,底層都逃不出電晶體與互聯密度的桎梏。二、半導體的底層躍遷:先進製程、封裝、系統共最佳化面對AI帶來的暴漲負載需求,半導體技術正展開三線並進的“大躍遷”。1. 先進製程:從FinFET邁向Nanosheet的2nm時代TSMC已經在2025年量產其N2(2nm)製程技術,引入了背面供電和環繞式柵極電晶體(GAA)。相比5nm節點,N2能效比提升超過1.5倍,單位面積性能提升超過40%。關鍵轉變包括:邏輯密度提升(縮小電晶體尺寸)能效最優(核心功耗大幅降低)結構創新(引入背面布線,釋放前端空間)一句話總結:先進製程不再是摩爾定律的簡單延續,而是面向AI負載的結構性革新。2. 封裝進化:3D堆疊+Chiplet,空間裡“堆”出性能過去,晶片設計像蓋一座大樓,今天,TSMC正在讓它變成一座城市。通過CoWoS®(Chip-on-Wafer-on-Substrate)和SoIC®(System-on-Integrated-Chips)等封裝技術,台積電正在把多個邏輯、儲存、加速單元堆疊為一個“晶片系統”。3D堆疊(SoIC):從傳統μBump到無Bump互聯,提升互連密度、降低延遲和功耗2.5D整合(CoWoS):將高頻寬儲存(如HBM)與AI SoC整合,實現數TB/s級的記憶體頻寬InFO-PoP / M-PoP:移動終端場景下的高密度封裝,讓手機也能運行多模態AI模型這意味著:晶片的性能瓶頸,正在從電晶體轉向互連與能效。3. 系統-技術共最佳化(STCO):AI系統的“共生設計”範式STCO(System-Technology Co-Optimization)已經成為TSMC戰略級關鍵詞。傳統EDA設計關注的是“某個晶片”,STCO關注的是“整個系統+工藝+封裝的協同”。例如在AI伺服器中,TSMC不僅考慮晶片算力,還從一開始就將電源管理模組、光通訊介面、封裝熱設計納入設計流程,做到:最短距離傳輸資料最大限度提升單位能耗下的計算量最小尺寸封裝內容納最多元件在AI時代,“單顆SoC的英雄主義”終結了,取而代之的是:系統等級的生態最優解。三、AI帶來的新範式:智能汽車、AI手機、邊緣大模型這份報告的最前沿看點,其實不是電晶體堆得有多密,而是:AI已經在重塑終端形態與計算邏輯。✦ 汽車 = 移動計算平台2023年後,幾乎所有新車都開始朝“中央計算+域控製器+Zonal架構”演進。智能座艙、ADAS、車載推理、邊緣訓練……都將對晶片提出異構化、多工的極限挑戰。未來車載晶片架構的關鍵詞只有一個:AI優先(AI-first)。✦ 手機 = 你的AI助理一台具備40+TOPS NPU性能的GenAI手機,正成為“個人智能體”的入口。通話即時翻譯多模態生成本地小模型處理端雲協同最佳化這讓晶片廠商從“算力製造商”變成了“AI體驗設計者”。✦ IoT = 微型智能終端的爆發點過去的IoT是連接萬物,今天的IoT是感知+邊緣AI+低功耗+無線通訊的系統整合體。當每一個攝影機、感測器、控製器都具備基本AI能力,世界會變得更聰明、更即時、更自動化。寫在最後:AI重寫了算力邏輯,TSMC正在重寫晶片邏輯AI是這次產業大洗牌的源頭,但不是唯一變數。真正讓變革發生的,是一套完整的技術基礎設施:電晶體不斷縮小的極限Chiplet之間高密度互聯的創新封裝、散熱、電源協同設計的新範式TSMC沒有創造AI,但它正在讓AI真正跑起來、跑得快、跑得廣。未來已來,真正的算力革命,才剛剛開始。 (半導體產業報告)
“HBM之父”:HBF將迎來廣泛應用
儘管HBM自推出到登上半導體產業舞台中心花費了近十年時間,但其迭代技術HBF或將以更快速度實現商業化和普及。據韓國經濟日報等外媒報導,SK海力士正與閃迪合作,致力於HBF標準的制定。該公司計畫最早於今年推出HBF1(第一代產品)樣品,該產品預計採用16層NAND快閃記憶體堆疊而成。除此之外,據“HBM之父”韓國科學技術院(KAIST)教授金正浩透露:“三星電子和閃迪計畫最快在2027年底或2028年初將HBF技術應用於輝達、AMD和Google的實際產品中。”他補充道:“由於在研發HBM的過程中積累了豐富的工藝和設計技術,能將這些經驗應用於HBF設計中。因此HBF技術的研發速度會更快。”HBF即高頻寬快閃記憶體,其結構與堆疊DRAM晶片的HBM類似,是一種通過堆疊NAND快閃記憶體而製成的產品。金正浩認為,HBM與HBF就好比書房與圖書館。前者容量雖小,但使用起來方便;後者容量更大,但也意味著延遲更高。金正浩進一步指出,待迭代至HBM6,HBF將迎來廣泛應用,屆時單個基礎裸片將整合多組儲存堆疊。他預測,2至3年內,HBF方案將頻繁湧現,到2038年左右,HBF市場將超過HBM市場。值得注意的是,隨著AI需求不斷加大,如今各儲存廠商正紛紛擴充產能。就在昨日,美光科技被曝擬以18億美元從力積電收購其位於台灣的一處晶圓廠設施,並計畫在交易於第二季度完成後分階段提升DRAM產量。美光預計,該交易將在2027年下半年帶來顯著的DRAM晶圓產出。另有三星電子透露,已將泰勒晶圓廠原規劃的每月2萬片晶圓提升至每月5萬片晶圓,初始製造計畫最早在今年第二季度啟動。廣發證券認為,當前大模型的參數規模已經達到兆等級,上下文長度普遍超過128K,HBM的容量已難以滿足AI大模型對於記憶體容量的要求。在研的HBF儲存容量有望達到現有HBM的8至16倍,有望將GPU的儲存容量擴展至4TB,或成為滿足AI大模型記憶體容量要求的最佳方案。從投資層面來看,該機構判斷,在針對儲存介質最佳化的資料基礎軟體領域,相關產品開發廠商既包括大型科技公司,也包括獨立第三方公司。在對於資料庫有一定技術積累的背景下,相關公司均有針對HBF儲存介質開發資料基礎軟體的潛力。隨著HBF相關技術的成熟,相應產品在AI推理任務中有望大規模使用,從而推動相關資料基礎軟體的應用。 (科創板日報)