#小摩
摩爾線程這份業績預告,藏著中國國產GPU的關鍵訊號
近日,摩爾線程披露的2025年業績預告,成為中國國產GPU賽道的焦點事件。對於投資者而言,解讀這份業績預告的關鍵,不在於簡單評判盈利與否,而在於穿透資料背後,看清摩爾線程在研發投入與商業化處理程序中的戰略取捨,以及中國GPU行業的發展軌跡:高增長、高投入與商業化加速同步。1 高投入是行業必經之路根據摩爾線程2025年業績預告,預計2025年全年營收為14.50億元至15.20億元,同比增幅達230.70%至246.67%。同時,扣非淨利潤預計虧損10.40億元至11.50億元,但虧損幅度已經比上年同期縮小了29.59%至36.32%。兩組數字構成了摩爾線程2025年發展的基本盤——營收端呈現爆發式增長,虧損端持續縮小,展現出“高增長、減虧損”的良性發展態勢。不少市場聲音會聚焦於“仍在虧損”這一表象,但放在GPU行業的背景下,這種虧損體現的是行業共性與階段性特徵。GPU行業素有“高壁壘、重研發、長周期”的屬性,從晶片設計、架構迭代到軟體生態搭建,每一個環節都需要持續巨額的資金投入,且回報周期遠長於普通行業。對於處於成長期的GPU企業而言,虧損往往不是經營失序的訊號,而是重研發、築壁壘的必然選擇。這一點,無論是輝達,還是寒武紀,都有過相似的經歷。輝達在成立初期,也曾經歷長達數年的虧損期,其核心精力始終聚焦於GPU核心技術的突破與生態的搭建,正是這種不計短期得失的研發投入,使其在AI時代抓住機遇,成為全球算力領域的領軍者。寒武紀的發展軌跡更為直觀,自2016年創立以來,長期處於虧損狀態,核心原因便是持續高強度的研發投入,而這份堅持最終換來了技術壁壘的建構,為後續商業化奠定了基礎。摩爾線程的虧損,同樣源於對研發的極致堅守。2022年至2025年上半年,摩爾線程累計研發投入已超過43億元,五年內成功量產五顆晶片,完成四代 GPU 架構迭代,建構起覆蓋“雲-邊-端”全場景的產品矩陣,成為國內唯一在功能上可對標輝達的全中國國產GPU企業。2 S5000規模化量產,商業化處理程序加速破局事實上,摩爾線程的營收增速的表現和商業化處理程序更值得關注。與同業表現相比,摩爾線程的營收增速顯著領先。根據公開資料,沐曦股份、壁仞科技、天數智芯等同業公司的增速普遍在100%-150%區間,摩爾線程230.70%至246.67%的營收增速,反映出市場對其產品認可度的實質性提升。旗艦級AI訓推一體智算卡MTT S5000為代表的產品矩陣,成為摩爾線程營收增長的核心引擎。這款實現規模量產的智算卡,性能已達到市場領先水平,基於其建構的萬卡叢集浮點運算能力高達 10 Exa-Flops,在 Dense 大模型上實現 60% 的訓練算力利用率,在MoE大模型上達 40%,計算效率已躋身國際先進水平。更重要的是,S5000 的市場價值已在多個關鍵場景得到驗證。近期,聯合矽基流動完成對DeepSeek-V3 671B滿血版的適配測試,單卡Prefill吞吐超 4000 tokens/s、Decode吞吐超1000 tokens/s,刷新中國國產 GPU 在超大規模 MoE 模型下的推理紀錄;此外,依託MTT S5000千卡智算叢集,摩爾線程聯合智源研究院成功完成具身大腦模型RoboBrain 2.5的全流程訓練。這是行業內首次驗證中國國產算力叢集在具身智能大模型訓練中的可用性與高效性,標誌著中國國產AI基礎設施在應對複雜多模態任務上邁出了關鍵一步。此外,由摩爾自主研發的MUSA生態也在持續擴容,其高度相容國際主流應用生態的特性,大幅降低了開發者遷移成本,為產品規模化推廣奠定基礎。全球GPU市場正處於技術迭代與格局重構的關鍵階段,摩爾線程2025年的業績預告,證明了中國國產GPU企業只要堅持核心技術自主創新,就能在高端市場與國際品牌同台競技。營收高增、虧損縮小的表現,也反映了摩爾線程研發投入的成果,這與輝達、寒武紀的早期路徑高度一致——熬過“戰略虧損期”,才能迎來“技術變現期”。隨著AI產業對高性能GPU需求的持續爆發,依託在技術、產品、生態上的持續積累,摩爾線程有望從“高增長減虧損”邁向“高增長實現盈利”的新階段,帶領中國國產GPU產業突圍。 (深藍財經)
上市的樂摩吧,躺贏很難
2025年12月3日,樂摩吧敲響了上市的鐘。雖然它椅子上時常“有各種味道”,但這並不妨礙,你的肩頸痛苦,全部轉化成了背後那位福建老闆25億港幣市值的滾滾財富。在共享經濟賽道,樂摩吧確實活得幸運,因為它似乎沒有“天敵”。共享單車的天敵是冬天,羽絨服蹬不動兩腳輪,使用者活躍度入冬即降;共享行動電源的天敵是to C行動電源,一小時4元,仔細算算還是自己買一個寶兒更划算。只有共享按摩椅沒有對手,有的只是剛需。你幹活越累,它就活得越剛。它那是一個脆皮的共享行業,分明就是一個鐵直的“大健康產業”。樂摩吧的財富密碼,可以拆解為定價、點位、剛需。但它也有一個Bug:20%的點位創造了80%的營收,其餘的80%點位更像布展。這透露出一個訊號:樂摩吧短期的產品營收模型,被市場驗證了,但資本都在瞧著他:能否靠這張椅子,建構起更有護城河的生態體系。概括成一句話就是:能否讓打工人們躺下之後,持續釋放更多消費潛力,撐起更大的生意盤面?打開樂摩吧的小程序,我們看到了它隱藏在背後更多的“小心思”。拆解樂摩吧的財富密碼:定價、點位、剛需在一個新品初出茅廬時,定價,往往是商業競爭中的最強武器。全國的按摩行業定價,僅以北京為例,大概可以分為三檔:A檔:每小時300元往上走,兼具按摩與消遣雙需;B檔:每小時100元左右的徒手按摩,是盲人按摩店的主力價格區間;C檔:合算成每小時50元左右的共享按摩椅,是樂摩吧們的天下;樂摩吧的價格佔位優勢一目瞭然。它就是按摩行業的“拼多多”,在你想放鬆卻又不想花費太多時,成為那個高性價比的選擇。不過你知道全場景中,最便宜的樂摩吧在那裡嗎?答案是電影院裡的放映廳。在這裡,一場電影長度的“靠背按摩”不到30元,既能觀影又能緩解肩頸疲勞。之所以能如此低價,是因為影廳裡的按摩裝置月租金僅300元/台,遠低於萬達商場裡每台800-1000元的租金成本。只是很多人不習慣看個電影,還有幾個滾球在後背蹭。低價策略讓機器按摩成為人工服務的平替,吸引了大批價格敏感的使用者——某種程度上,樂摩吧就是所謂“打工人專座”。點位,是線下商業競爭的關鍵。點位是一種稀缺資源,選對了才有規模效應,選錯了規模反而會成為負擔。這幾年,樂摩吧在全國攻城略地沒白幹。據樂摩吧的招股說明書披露,它已涵蓋商業綜合體、影院、機場、高鐵站等場景,其中在面積超3萬平方米的商業綜合體覆蓋率達70.4%,年票房五百萬以上影院覆蓋率35.0%,年人流量千萬級機場覆蓋率60.0%。基本上,把所有傷你氣血的地方,都跟你進行了“兜底”設計。剛需,決定了業務的想像空間。時下,“渾身不得勁”的亞健康人群已佔主流。有調查顯示,在北京、上海、深圳等高強度大城市,青年人的亞健康人群佔比達到了70%。這讓按摩比書籍擁有了更廣泛的大眾基礎——書雖然是無價的精神食糧,但很多人一年讀不到一本書。按摩卻是實實在在“付錢後效果就立竿見影”的及時行樂、上班摸魚、秒級補血。單從這個商業模型來說,樂摩吧確實是一個看上去不錯的好生意。據披露,樂摩吧2022年、2023年及2024年全年總收入分別為‌3.30億元‌、‌5.87億元‌和‌8.00億元‌;2025年前八個月營收為‌6.31億元‌,同比增長約‌18.7%‌。2022年、2023年及2024年經調整淨利潤分別為‌853萬元‌、‌9468萬元‌和‌1.00億元‌;2025年前八個月期內利潤為‌8855萬元‌,接近2024年全年水平‌。盤子不算特別大,但一直在增長。樂摩吧的中長期隱憂 80%的座椅是擺設?樂摩吧招股書並未披露,在一個商場安裝一台按摩椅,背後需要付出多少成本。市場行情是,一台按摩椅的批發價大概在1000到4000元之間。如果要做生意,椅子太差的不行,太好的較貴,企業採購風格,多會選擇中位數。如果按照2000元採購價計算,再加上月1000元的租金,明面上不含人工、管道拓展的成本投入,每台成本大概在3000元以上。按照每人平均按摩半小時22元計算,一台按摩椅每月能有超150人次的使用、機器就能保本。當然這是理想情況,背後不同的點位,可能還需要考慮到給商業體分成。這只是一本成本帳,沒有對錯。外界對樂摩吧關注的點在於:它呈現出一種20%的點位,支棱起80%的營收的生意格局。據招股書披露,目前樂摩吧已經在全國337個城市擁有超過49,000個服務網點,投放了超過53.6萬台按摩椅/按摩墊,市佔率已經達到了近43%。但這當中,點位帶來的營收價值,卻呈現“二八定律”。2024年前三季度,樂摩吧在影院配置了32.05萬台按摩椅,佔比近80%;在商業體配置了6.90萬台裝置,佔比不足20%。然而,點位的營收貢獻卻嚴重不均。佔比近80%的影院,平均每台按摩裝置的交易額為543.59元;佔比近20%的商業體,每台裝置交易額為8805.53元。可以總結:共享按摩椅行業的主戰場,在商場。這種營收格局,很容易暴露樂摩吧長期的經營風險和短板。首先,現金奶牛過度依賴商場黃金點位。商場黃金點位作為一種稀缺資源,越用越少,可能會影響樂摩吧中長期的營收增速;隨著競爭加劇,不排除商場點位“坐地起價”,樂摩吧如果將漲價成本轉移到消費者,將面臨消費者用腳投票的局面;商場自身也面臨流量危機,樂摩吧與商場的命運,綁在一個籃子裡。● 樂摩吧,儼然另一個“宜家”其次,影院佔用了樂摩吧80%的點位投資,使用者習慣卻並未養成,導致營收效率低下,資產回報率不高。這些點位不僅消耗資金,還可能產生持續的維運、清潔、維修成本。如果用的人不多,樂摩吧把它包裝為一種“品牌宣傳投資”,意義也並不大。面對這種情況,作為生意者,樂摩吧顯然已經在尋找更多增長曲線:進一步深耕商場、機場等黃金點位,畢竟這兩個場景中,樂摩吧的佔比為70%和60%,還有進一步發展的空間。同時影院的投資回報率是否有最佳化空間,也可以納入考察。尋找能支棱起增長的“第二場景曲線”,比如寫字樓、辦公園區、社區等。尤其現在越來越多的寫字樓B1層食堂區,開始多了許多按摩椅。未來擴大出海,也是它求得發展的一極。但目前還未大面積鋪開。但這些只是誰都能想到的常規操作,它還需要講出更吸引人的場景故事,才能服眾。這個秘密,似乎在它的小程序裡,能見著一點端倪。樂摩吧能轉型成“大健康企業”嗎,難打開樂摩吧的小程序,或許人們會意外。原本以為它就是一個充值和付費平台,反而像是一片“隱藏的花園”,頁面裡既設有健康報告,也開設了電商專區,左手握著使用者資料,右手做起了生意。“健康報告”或許是很多體驗過樂摩吧的使用者所忽略的,只需輸入姓名與年齡,便能查詢到此前在按摩椅上通過生物感測器記錄下的身體資料,包括脈搏波形、心率、血氧飽和度、血壓、血管硬化度、HRV值等。雖然報告也提示:數字只是起到參考價值、用於健康預警,但這些直觀的數字仍可能在一定程度上影響使用者的健康感知與後續行為。“電商”部分則以“樂摩優選”呈現,從百元級的家用按摩器,到數千甚至上萬元的自營品牌按摩椅,品類覆蓋頗廣。樂摩吧尚未披露該類股的具體營收貢獻。不過根據國內使用者實際使用情況,這類小型電商仍不是大型電商平台的對手。可以看出,樂摩吧正嘗試以按摩服務為起點,向外延伸業務鏈條。若能走通,它將有望從單純的裝置提供商,轉型為更具想像空間的健康生態服務商——例如基於使用者資料開發健康增值服務、為B端導流,或為自有電商提供精準推薦。然而這條路註定漫長且充滿不確定性。對於功能明確的小程序,使用者停留時間通常很短,難以分散注意力到後續服務環節,生態轉化並非易事。樂摩吧上市後,股價數日沖高後即陷入下行區間,顯示資本市場對樂摩吧的股價位存在分歧。● 樂摩吧上市以來股價走勢作為一個嚴重依賴少數點位來賺錢的企業來說,它的增長天花板不算高、雖然小程序上項目琳瑯滿目,但基本上主要營收還是依賴自營模式下的C端顧客按摩、和一點加盟商加盟費。想要在這個基本盤之外講出新故事,這條路並不好走。說來說去,現階段的樂摩吧,做得也是一個肩膀和腰都會痛的苦生意,跟躺在上面的年輕人們一樣。這世界從未有躺贏一說。 (最華人)
摩爾線程:預計2025年營收14.5至15.2億
旗艦級智算產品S5000實現規模量產摩爾線程發佈系列公告:預計2025年營收、毛利實現大幅增長,以充足資金保障GPU研發推進1月21日,摩爾線程智能科技(北京)股份有限公司(證券程式碼:688795,以下簡稱“摩爾線程”)發佈《2025年度業績預告》,公司2025年營收預計為14.50億元至15.20億元,較2024年增長230.70%至246.67%。2025年扣非淨利潤預計虧損10.40億元至11.50億元,與上年同期相比,虧損縮小幅度為29.59%到36.32%。對於此次業績的表現,摩爾線程在公告中表示,得益於人工智慧產業蓬勃發展及市場對高性能GPU的強勁需求,公司以AI訓推一體智算卡MTT S5000為代表的產品競爭優勢進一步擴大,市場關注與認可度持續提升,推動收入與毛利增長,整體虧損幅度同比縮小。根據摩爾線程2025年業績預告的資料,其營業收入將連續四年保持高增態勢,同時,淨虧損亦將連續四年實現縮小。業績層面的持續增長,反映的是摩爾線程核心競爭力的不斷提升帶來的商業化提速。GPU行業具有行業壁壘高、重研發投入、研發周期長等特徵,其發展需跨越晶片設計、軟體適配、應用場景落地等諸多考驗,對企業全端研發能力要求極高。為突破挑戰,摩爾線程選擇從底層架構、核心工具鏈到軟體生態進行全流程自主設計,從零建構一套完整、通用、可持續演進的GPU體系。依託MUSA架構的統一性與先進性,摩爾線程確立了國內稀缺的“AI+圖形”雙輪驅動定位,成為極少數同時深耕B端與C端的全功能GPU廠商,構築了難以複製的差異化競爭優勢。技術層面,摩爾線程五年內成功量產五顆晶片,完成四代GPU架構迭代,實現從晶片、計算卡到智算叢集的多元佈局,形成了覆蓋人工智慧、科學計算與圖形渲染等完整的計算加速產品矩陣,全面支援“雲-邊-端”全場景。其全功能GPU單晶片同時整合AI計算加速、圖形渲染、科學計算和物理模擬,以及超高畫質視訊編解碼四大引擎,是國內唯一功能可對標輝達的全國產GPU。摩爾線程持續推進產品架構快速迭代,旗艦級AI訓推一體全功能GPU智算卡MTT S5000的性能已達到市場領先水平,並實現規模量產。基於該產品建構的大規模叢集已完成建設並上線服務,其萬卡叢集浮點運算能力高達10Exa-Flops,且具備全精度、全功能的通用計算能力。在實際訓練效率與工程穩定性方面,該叢集在Dense大模型上實現60%的訓練算力利用率(MFU),在MoE大模型上達40%,有效訓練時間佔比超過90%,訓練線性擴展效率高達95%,可穩定高效支援兆參數大模型訓練,其計算效率已達到同等規模國外同代系GPU叢集的先進水平。GPU技術突破需要生態承載。MUSA架構及軟體棧在追求原生創新的同時,也高度相容國際主流的GPU應用生態,大幅降低了開發者的遷移成本,為國產GPU的規模化應用奠定了基礎。這一生態成效已在關鍵合作中得到驗證:2025年12月,摩爾線程聯合矽基流動,基於MTT S5000完成了對DeepSeek-V3 671B滿血版的深度適配與性能測試,實測單卡Prefill吞吐超4000 tokens/s、Decode吞吐超1000 tokens/s,這一資料刷新了國產GPU在超大規模MoE模型下的推理紀錄,展現了其已具備在複雜模型中挑戰國際主流產品的實戰實力;2026年1月,依託MTT S5000千卡智算叢集,摩爾線程聯合智源研究院成功完成具身大腦模型RoboBrain 2.5的全流程訓練。這是行業內首次驗證國產算力叢集在具身智能大模型訓練中的可用性與高效性,標誌著國產AI基礎設施在應對複雜多模態任務上邁出了關鍵一步。技術產品上的創新突破和MUSA生態的持續擴容,背後是摩爾線程對於研發堅定不移的高強度投入。資料顯示,2022年至2025年上半年,摩爾線程累計投入金額超43億元。值得一提的是,在發佈業績預告的同時,摩爾線程還於同日發佈公告,宣佈將使用自有資金補足募投項目的資金需求,保障GPU研發項目順利推進。根據公告,摩爾線程的募投資金將投向三大核心研發項目:新一代自主可控AI訓推一體晶片、新一代自主可控圖形晶片、新一代自主可控AI SoC晶片。分析人士認為,摩爾線程以自有資金補位,體現出其在新一輪GPU攻堅周期中決勝的信心和決心。充足的資金將有助於保障摩爾線程募投項目順利推進,並為其新一代晶片研發、MUSA生態擴容提供強力支援,進一步鞏固其在國產GPU賽道的技術壁壘。 (芯榜)
ASML EUV光刻機背後的神奇故事
2015年,摩爾定律戛然而止在過去的50多年裡,電晶體變得越來越小,晶片上能容納的數量每兩年翻一番。這就是著名的摩爾定律,由英特爾聯合創始人戈登·摩爾在1965年發現這一規律後命名,它一直是科技行業的主要驅動力之一。但在2015年左右,這一處理程序戛然而止。如果沒有一家製造公司能挺身而出,我們可能永遠無法突破這個瓶頸。對EUV光刻機的嚴格要求想像你被縮小到螞蟻大小,並獲得一把強力雷射,能像切黃油一樣熔化金屬。接著,一滴約白細胞大小的熔融錫滴以每小時250公里的速度從你面前飛過。你的任務是:在20微秒內,用你的雷射連續擊中這個錫滴三次。這正是EUV光刻機所做的:它連續三次擊中一個小錫滴,將其加熱到超過22萬開爾文。這大約是太陽表面溫度的40倍。而且它不只是擊中一個液滴,它每秒鐘要擊中5萬個液滴。光刻機還需要包含可能是全宇宙最平滑的鏡子。如果將其中一面鏡子放大到地球大小,那麼最大的凸起也不會超過一張撲克牌的厚度。除此之外,它能將晶片的一層完美地疊加在另一層之上,誤差不超過五個原子。晶片製造第一步:提取二氧化矽製造微晶片的第一步是取二氧化矽(通常來自沙子),並將其提純為純度接近100%的矽塊,然後在特製熔爐中熔化。接著,將一顆微小的種子晶體放入熔池中。矽原子附著在晶體上,延伸其結構。然後慢慢提升並旋轉種子晶體,最終形成一個巨大的單晶矽錠。單層晶片的製造過程之後用金剛石線鋸將矽錠切割成圓片(晶圓),最多可切成5000片,然後對每一片晶圓進行精細拋光。下一步,塗覆一種稱為光刻膠的光敏材料。在正性光刻膠中,暴露在光線下的區域會變弱且更易溶解。如果讓光線穿過帶圖案的掩範本,就可以選擇性地弱化部分塗層。隨後用鹼性溶液沖洗晶圓,洗掉曝光的光刻膠,留下印刻的圖案。為了將這些圖案轉化為物理結構,通常使用學藥品或電漿體蝕刻裸露的矽,然後沉積銅等金屬來填充這些蝕刻線。最後一步是洗掉剩餘的光刻膠,至此,就完成了一層晶片的製作。晶片製造的四個步驟晶片製造的過程可以簡化為四個主要步驟:塗膠、曝光、蝕刻和沉積。每一層晶片都會重複這個循環,根據晶片的不同,可能會有10到100層。底層是電晶體,這是最複雜的一層,需要數百個必須完美的步驟。高層則容易一些,主要是傳輸訊號和電力的金屬線。最後,完成後的晶圓會有數百個晶片,它們隨後被切割成獨立的塊狀,進行封裝並裝入產品中。光刻中的衍射現象在整個過程中,最困難也最關鍵的一步是光線穿過掩範本照射到晶圓上的過程。這就是光刻,因為這一步決定了能把晶片特徵做得多小。當試圖列印越來越小的特徵時,掩範本上的縫隙開始接近光的波長,這就會產生問題。光的衍射變得不可避免。當一個波的波峰與另一個波的波谷對齊時,它們會互相抵消形成了暗點;而當波峰與波峰對齊時,兩波同相,它們會疊加得到亮點。特徵尺寸和數值孔徑設計者不僅不與衍射對抗,反而利用它來獲得所需的圖案。他們根據最終想要在晶圓上得到的圖案進行逆向推導,設計縫隙,使衍射以特定的方式發生。特徵尺寸越小,零級和一級光之間的夾角 α 就越大。因此,透鏡就需要更大,才能捕捉到光線。透鏡的大小由數值孔徑NA描述,即該角度的正弦值。數值孔徑越大,能列印的特徵就越小。縮小波長可以實現更高的特徵尺寸幸運的是,我們還可以通過改變波長來實現更小的特徵尺寸。紅色雷射波長約為650奈米,如果換成波長532奈米的綠色雷射,會發現衍射後綠色的點比紅色的點靠得更近。這是因為來自兩個不同間隙的光不需要移動那麼遠就能再次達成同相。於是衍射級次靠得更近。因此,使用較短的波長,可以用同樣的透鏡列印更小的圖案。DUV之後,遭遇特徵尺寸極限所有這些都被瑞利方程所涵蓋,它決定了最小特徵尺寸或關鍵尺寸。增加數值孔徑有極限(最大為1),繼續縮小特徵的唯一方法就是使用越來越短的波長。這正是直到1990年代後期所發生的事情,當時行業定格在193奈米的深紫外光DUV,這種光被用於製造直到2015年左右所有最先進的晶片。但到那時,科學家們在縮小特徵尺寸方面已經達到了極限。摩爾定律即將撞上一堵磚牆。因此需要一個徹底的變革,一個已經醞釀了大約30年的變革。木下博雄的想法:使用X射線進行光刻早在1980年代,日本科學家木下博雄提出了一個瘋狂的想法:使用更短的波長,比如10奈米左右的X射線。理論上,這能列印更小的特徵。但這種波長的X射線具有足夠的能量將電子從原子中打出來,所以大多數材料都會吸收它們。與波長小於1奈米的醫療用X射線不同,這些波長仍長到足以與空氣發生相互作用,所以空氣也會吸收它們。這意味著木下的裝置必須處於真空中。更糟的是,透鏡也會吸收它。所以看起來這個想法永遠行不通。但在1983年左右,木下偶然看到了一篇由Jim Underwood和Troy Barbee發表的論文。他們的工作集中在能反射4.48奈米波長X射線的特殊鏡子上。這引起了木下的興趣。曲面鏡可以像透鏡一樣聚焦光線。如果他能弄清楚如何為他使用的波長製造這些特殊的鏡子,那麼這可能是進行光刻的另一種方式。Underwood和Barbee的X射線反射實驗鏡子的工作原理大致如下:當光線從一種介質進入另一種介質時(比如從空氣到玻璃),它會發生折射。部分光穿過去,部分反射回來。反射量的多少取決於角度、光的偏振,以及兩種介質折射率之間的差異。差異越大,反射的光就越多。Underwood 和 Barbee 利用了這一原理。他們製造了不到1奈米厚的超薄鎢層,使透射X射線的路徑長度恰好為其波長的四分之一。接著他們加入了另一層碳,它對4.48奈米波長的折射率比鎢高。X射線撞擊介面後部分被反射,相位改變了半個波長。當新的反射波到達鎢層邊界時,它又行進了四分之一波長,總共行進了半個波長。這樣兩個相位相匹配,波發生了相長干涉。他們總共疊加了76個交替層,從而能反射回更多的X射線。雖然他們當時只設法反射了約6%的光,但這是一個原則性的證明,說明了可以反射X射線。木下設計了發射11奈米光多層膜鏡,不被主流認可木下看到了其中的可能性。大約兩年後,他的團隊設計並製造了三面由鎢和碳組成的彎曲多層膜鏡,用於反射11奈米的光。利用這些鏡子,他成功列印出了4微米(4000奈米)厚的線條,證明了在理論上X射線光刻是可行的。一年後,即1986年,他去日本應用物理學會發表了他的研究結果。他既自豪又興奮地解釋了他的裝置並展示了圖像。但聽眾拒絕相信這一切。木下深受打擊。他後來回憶道,人們傾向於把整件事看作是天方夜譚。沒人相信這是一條可行的道路。來自光源和鏡面的雙重挑戰這種反應至少在某種程度上是有道理的。首先,地球上沒有任何自然物能產生這種光,最近的天然來源是太陽。大多數科學家(包括木下)使用粒子加速器或同步輻射裝置來產生X射線。它們能提供巨大的能量,大到像足球場一樣。因此,每台機器都需要自己的動力源。但即便你能產生這種光,還需要製造極其平滑的鏡子來聚焦並列印那些細小的特徵。如果鏡子表面相對於波長非常粗糙,光線就會發生漫反射。對於普通的家用鏡子,凸起的平均高度大約是4000個矽原子的厚度。但對於需要反射X射線的鏡子,需要達到原子級的平滑。平均凸起只能有約2.3個矽原子厚。如果一面鏡子有德國那麼大,那麼最大的凸起也就大約1毫米高。來自美國的技術支援但木下拒絕放棄。很快,援軍從一個意想不到的地方趕到了。太平洋彼岸,舊金山東邊約70公里處是勞倫斯利弗莫爾國家實驗室。這是一個誕生於冷戰時期的實驗室,由美國政府巨額資助,其唯一目標就是核武器。該實驗室由迴旋加速器的發明者歐內斯特·勞倫斯和氫彈之父愛德華·泰勒共同創立。在其整個生命周期中,他們設計了10多種聚變核彈頭。因此,他們的部分研究集中在核聚變反應內部發生了什麼。聚變反應釋放出大量的X射線,那是他們以前從未能捕捉和分析的光。但現在,利用那些特殊的多層膜鏡,他們有了一個機會。Andrew Hawryluk利用多層膜鏡實現X射線反射Andrew Hawryluk是負責這項工作的科學家之一。幾年內,他和他的團隊利用多層膜鏡反射了一些X射線。1987年聖誕,他寫了一篇白皮書,將這些鏡子應用到光刻中,大約五個月後提出了用X射線印刷晶片的發現。他在一次會議上發表了他的研究。但和木下一樣,他也沒得到預期的回應,觀眾的反應極其負面。他感覺自己走到了職業的低谷。但三天後,他接到了貝爾實驗室Bill Brinkman的電話,他是AT&T的執行副總裁,邀請Hawryluk去紐澤西做個報告。在貝爾實驗室,他找到了志同道合的人。在過去的30年裡,美國政府向國家實驗室投資了數十億美元,以在冷戰期間保持國家的技術領先地位。但之後冷戰趨於緩和,這些實驗室掌握著具有商業潛力的研究成果。因此政府鼓勵實驗室與美國公司合作,將研究轉化為產品以刺激經濟。2000年,EUV原型機產生9.8W的EUV光1996年,美國政府削減了EUV項目的資金。這對英特爾這樣的大型晶片公司來說是一場災難。行業估計,193奈米的光刻工具到2005年將落後於摩爾定律,而且當時沒有其他替代方案。於是,英特爾、摩托羅拉、AMD等公司聯合起來投資了2.5億美元以維持項目運轉,這是私營工業界對美國能源部研究項目進行過的最大規模投資。到2000年,實驗室研製出了工程測試台。它是第一台功能齊全的EUV原型機。它能產生9.8瓦、13.4奈米的EUV光,經過八面鏡子從光源反射到掩模再到晶圓。它能列印70奈米的特徵,並證明了EUV是可行的。原型機一小時智能列印10片晶圓但原型機有一個重大缺陷。它每小時只能列印約10片晶圓。而要使EUV具有經濟可行性,它必須每小時列印數百片,且全年全天候運行。產量如此低的主要原因是光線要經過八面鏡子和掩模(掩模也是一面刻有圖案的鏡子)。傳統的透射式掩模行不通,因為它們會吸收所有的光。每面鏡子的反射率約為70%,這已接近極限,但經過九次反射後,最後只剩下4%的光。這意味著每100個光子中只有4個能到達晶圓。少用幾面鏡子只在一定範圍內有效,今天的EUV系統有六面鏡子。但在經過六面鏡子和掩模反射後,仍然只剩大約8%的光。因此,他們需要將光源功率大幅提高到至少100瓦。對大多數公司來說,這十倍的增長似乎是不可能的。甚至參與工程測試的人也指出,雖然EUV技術本身已成定局,但要讓其成為晶片生產線上的現實,還面臨著無數個工程挑戰。美國公司退出EUV開發,ASML獨自前行於是,美國公司一個接一個地退出了完整EUV光刻機的開發。最後只剩下一家公司:阿斯麥ASML。ASML位於荷蘭一個不起眼的小鎮。它在80年代從飛利浦拆分出來時,只有一間簡陋的廠房和一台幾乎無法工作的晶圓步進機。但飛利浦也給了他們人才,ASML 的第一位研究員Jos Benschop和最終成為ASML首席技術官、EUV最堅定支持者的Martin van den Brink。他就是光刻界的史蒂夫·賈伯斯,預見到了EUV的到來。ASML之前加入了美國的 EUV 財團,現在的任務是找到商業化 EUV 的方法。他們將與德國合作夥伴蔡司(Zeiss)合作,蔡司負責鏡子,ASML 負責光源。矽和鉬在13奈米下的最高反射率70%製造任何光刻系統時,首要決定就是使用那種波長。Underwood和Barbee已經製造出了能反射約4奈米光線的鏡子。因為那些鏡子的最高反射率僅為20%左右,經過六面鏡子和掩模後,光線只剩下 0.00128%,這顯然太低了。幸運的是,研究人員還考察了另外兩對組合:矽和鉬,在13奈米波長下理論最高反射率為70%;以及鉬和鈹,在11奈米波長下理論最高反射率為80%。因為鈹具有極高的毒性,且極難處理。因此,科學家們轉而專注於矽和鉬。蔡司使用濺射工藝製造鏡子為了製造鏡子,蔡司使用了一種稱為濺射的工藝。塗層材料的靶材受到電漿體或離子的轟擊,導致原子被彈出、飛出並粘附在鏡面上。這是一個混亂的過程,所以層表面會產生凸起和縫隙。他們完善了一個巧妙的技巧,利用離子束輔助。只需稍微‘搖晃’一下,直到原子掉進它該去的小孔裡,然後整個表面就平整了。放電產生電漿體的方法功率受限鏡子設計確定後,ASML需要一個特定波長的光源。基本上有三種方法來產生EUV。早期研究人員使用的第一種方法是同步輻射,但由於每台機器都需要自己的獨立光源,它很快就被排除了。另外兩種方法基於相同的原理。當電子與離子復合時,離子會下降到較低的能級,並以光子的形式釋放多餘能量。如果選對了離子,那麼光子的波長恰好就是你需要的。有兩種方法可以產生這些離子。第一種是將金屬加熱直至產生金屬蒸汽,然後在其兩端施加強電場。這會導致自由電子撞擊附近的原子並使其電離。如果此時關閉電場,電子與離子復合產生光。這就是放電產生電漿體DPP。這是ASML最初使用的概念,因為它相對簡單。但只能達到了幾瓦的功率,無法達到期望的100瓦。最終選擇高功率雷射撞擊目標材料產生EUVASML需要徹底改變方案,於是轉而採用第二種方法。這種方法使用高功率雷射撞擊目標材料,產生超過22萬℃的高溫電漿體。電子能量極大,以至於原子核再也無法束縛它們,多達14個電子脫離軌道。雷射關閉後,電子和離子復合產生光。這就是雷射產生電漿體LPP,也是唯一看起來具有可擴展性的方法。事實上,這正是之前工程測試台所使用的方法,用一台1700瓦的雷射器射入氙氣流中,產生13.4奈米的光。使用錫滴替代氙氣但氙氣有一個大問題:轉換效率非常糟糕,只有約0.5%。這是因為氙雖然在13到14奈米範圍內發光,但它在11奈米左右釋放的光更多。所以大部分能量都用來製造鏡子無法反射的光了。此外,雷射並沒有電離所有原子,剩餘的中性氙原子會強烈吸收部分13.4奈米的EUV光。於是 ASML開始研究另一種材料:錫。錫在13.5奈米左右有一個高得多的發射峰,其轉換效率比氙高出5到10倍。但與氙一樣,中性錫原子也會吸收EUV光。於是他們想出了一個瘋狂的主意:每次只發射一個微小的錫滴。但為了獲得所需的功率,必須每秒製造並擊中數萬個錫滴,且所有液滴的形狀和大小必須完全一致。通過精密調製,產生完美的錫滴事實證明,無法瞬間製造出數千個完全相同的錫滴。於是他們找到了一個折中方案。為了製造液滴,極純的錫被熔化,並通過高壓氮氣推過一個微型噴嘴。這個噴嘴以高頻振動,將液流破碎成微小的液滴。這些液滴起初在大小、形狀、速度和間距上都是不規則的,整個過程非常混亂。他們的秘密武器就是如何調製這股錫噴流,使其形成想要的、穩定的液滴。看起來噴嘴射出的所有液滴最初都是不規則的,但在到達雷射擊中點之前,這些不規則的小液滴會聚合在一起,形成間距完美、規則且大小形狀一致、速度相同的液滴。每秒產生5萬個高速錫滴這些液滴不僅必須完全相同,還必須移動得飛快。如果下一個飛來的液滴離得太近,它就會受到干擾並破壞下一次電漿體激發。所以ASML既要求每秒產生5萬個液滴,又要求它們飛行速度極快。到2011年,他們的雷射產生電漿體光源達到了11瓦,比之前的光源翻了一番。但他們仍受限於每小時僅5片晶圓的產出。他們需要快速提高功率,因為他們承諾到2011年底達到每小時60片晶圓的產出。使用氫氣處理剩餘的錫,保證鏡面清潔ASML這種新方法有一個重大缺陷。錫的問題在於,雖然能以很高的效率產生EUV光。需要處理剩下的錫,因為就在30釐米外,就放著蔡司製造的原子級平滑、非常精美且昂貴的鏡子。那怕只有1奈米厚的錫掉在集光鏡上,那面鏡子就報廢了。這些機器需要運行一年,ASML需要讓它在一年內保持近乎完美的清潔。他們用到的主要的工具實際上是氫氣。他們在腔體中充入低壓氫氣,可以減緩並冷卻錫顆粒。即使有些錫落到了集光鏡上,氫氣也會將其剝離,形成一種叫做甲錫烷的氣體。這樣機器在運行的同時也在進行自我清潔。但這些氫氣也會因為那些錫爆炸而變熱。因此,他們需要不斷向系統中注入新的、更涼爽的氫氣,同時排出甲錫烷和過熱的氣體。壓力和流速控制必須恰到好處。氫氣太少,鏡子會變髒;氫氣太多,不僅會吸收過多的EUV光,還會導致系統過熱。需要以360km/s的速度沖洗氫氣為了搞清楚有多少能量沉積在氣體中,我們買了一個超高速攝影機。他們觀察到,在每次電漿體激發後,都有一道衝擊波傳播到氫氣中,而且重複性極高。於是有了泰勒-馮·諾依曼-謝多夫公式,它能解釋從核爆炸到超新星爆發等各種環境下的點源爆炸。ASML團隊用這個公式,完美契合了資料。EUV光源每秒發生5萬次這種微型超新星爆發。利用這些能量計算,他們發現需要以約每小時360公里的速度沖洗氫氣,那比五級颶風還要快。“ASML EUV光刻機背後的神奇故事”蔡司即時測量鏡面角度,實現高精度控制但2012年過去了,他們仍然沒有足夠的功率。事實上,到2013年,ASML通過每秒射擊5萬個錫滴才剛達到50W。但功率增加也帶來了代價:功率越高,熱量越高。熱量最終會導致鏡子發生輕微偏移,導致光線失準和晶片層錯位。於是蔡司直接在光學系統中內建了一套神經系統,利用機器人引導的感測器即時測量每面鏡子的精確位置和角度,精度達到奈米級和皮弧度級。這種精度相當於在地面發射移到雷射到月球表面,控制雷射從月球表面一枚硬幣的一側移到另一側。這讓他們在功率增加的情況下也能控制光線。在EUV尚未成功時,就押注High NA EUV儘管蔡司在光學方面做得極其出色,ASML仍在為動力源苦苦掙扎。問題在於錫滴密度太大,這意味著大部分發射出的EUV光在到達集光鏡之前就被中性原子重新吸收了。他們轟擊液滴的方式光線不夠,碎片太多。更糟糕的是,他們預見到大約10年後將需要新一代機器——高數值孔徑(High-NA)EUV機,這種機器擁有更大的光學系統,能列印更小的特徵。他們不僅全部押注在EUV上,而且在還沒確定它能否成功之前就加倍下注。要求主要客戶投資研發但為了維持開發,他們需要巨額資金。於是ASML 聯絡了它的主要客戶,告訴他們得通過向ASML投資來讓他們能投更多錢。英特爾投資了約41億美元,三星和台積電合起來又投資了13億美元。研發得以繼續,但由於拿不出產品,客戶的耐心正在耗盡。他們在每次會議上都被‘公開處刑’,因為去年承諾的事情沒能兌現。他們會說:這是你兩年前展示的,這是你去年展示的,這是你今年告訴我的。我憑什麼相信你?”轉機:兩次雷射打擊錫滴開發團隊開始變得絕望,2013年ASML仍掙紮著提高EUV功率。最終轉機來自於改變雷射擊中錫滴的方式:不再只打液滴一次,而是打兩次。“第一槍擊中液滴,使其膨脹成薄餅狀。然後才發第二槍,即更強大的主脈衝,將其蒸發並轉化為電漿體。”這是一個重大突破。通過將目標從液滴改為薄餅狀,為雷射蒸發提供了更大的表面積,且沒有增加額外碎片或中性原子的代價,因為現在錫滴是一次性被蒸發的。到2014年,他們終於達到了夢寐以求的100W大關。使用雷射幕簾,精確擊中每個錫滴但隨著193奈米多重曝光技術的改進,意味著EUV只有在達到200瓦且每小時產出125片晶圓時才有價值。其中一個問題是,如何完美計時雷射以擊中每個液滴。這就像是你要讓一個高爾夫球落在200米外的小洞裡,不是落在果嶺上滾進去,而是直接空心入洞,每一次都要中。那些錫滴穿行在氫氣流的大漩渦中,速度極快,就像在龍捲風中射高爾夫球,然後在它降落在洞口的一瞬間被雷射擊中。為了追蹤液滴,ASML使用了雷射幕簾,可以監測液滴何時穿過。那些散射的光子會告訴他們液滴何時何地出現。從而精準告知何時發射雷射。通過真空中注入適量氧氣,讓集光鏡保持更久的清潔隨著光源功率的提升,在開始製造機器之前還有一個最後的問題需要解決。雖然氫氣保護了集光鏡免受碎片的侵害,但它並不完美。密集的高能光子和氫離子到處亂竄,損壞了集光鏡上的一種特殊頂層塗層。導致他們每10小時就得清洗一次鏡子,這對生產效率來說太糟糕了。Martin van den Brink每天都詢問進度。後來一位工程師注意到,每次他們打開機器時,鏡子突然顯得乾淨了一些。他由此受到啟發,提出給系統加入一點點氧氣,或許就能確保集光鏡能保持更久的清潔。於是他們開始實驗真空環境下所需的氧氣量,最後得出了結論:加入特定量氧氣,就能讓集光鏡保持更久的清潔。有了這個修正方案,ASML的機器可以連續運行更長時間,終於具備了商業可行性。2016年,開始交付EUV到2016年,訂單開始接踵而至。現在所有最先進的晶片都需要ASML的機器,這使他們或許成為了世界上最重要的科技公司。ASML的首批商業化機器數值孔徑為0.33,可以列印13奈米的線條。這些被稱為低數值孔徑機器,ASML目前仍在製造。但Jan的團隊早在2012年就開始研究的是下一代,它擁有更大的光學系統,能列印更小的特徵。這就是高數值孔徑EUV,數值孔徑達到0.55。單台價格超過3.5億歐元。人類第一台High NA EUV這是人類建造過最先進的機器。歷經多年、數十年的研發和數百億美元的投入,才造就了這個龐然大物。這是第一台High-NA機器。人類歷史上列印出的第一批8奈米線條,就是出自這台機器。地球上最平滑的物體全都在這台機器裡面。雷射系統被棕色的櫃子蓋住,但ASML展示了一個模型版本。一個功率僅幾瓦的二氧化碳雷射器進入這個放大器,在裡面來回反射,直到功率增加到原來的五倍。隨後它要經過總共四個不同的放大器,使最終的雷射達到20000瓦,這比切割鋼材的雷射還要強四倍。實現每秒10萬錫滴的雷射打擊ASML第一代EUV機器與最新一代之間的一個改進是擊中液滴的脈衝數量。第一個預脈衝仍將液滴壓扁成薄餅狀,但現在有了第二個預脈衝進一步降低其密度。它基本上將其變成了低密度氣體,使其稀疏化。然後最後的脈衝基本上將其全部電離。這樣,對於驅動雷射器輸出的相同功率,他們能獲得更多的EUV光。ASML目前出貨的最新EUV光源大約在500W水平,他們將頻率提高到了每秒60000次。他們的路線圖是朝著每秒10萬個液滴進發。他們現在已經在實驗室演示了每秒10萬個液滴。所以這不再是是否的問題,而是何時的問題。太瘋狂了。目前出貨的高數值和低數值孔徑機器都使用三個脈衝,並最終將擊中更多的液滴。EUV光源只是完整機器的一小部分但光源只是完整機器的一小部分。EUV光在集光鏡反射後,進入照明器。一組鏡子在光線撞擊掩範本之前對其進行整形和聚焦。掩範本位於上半部分,這個模組是在單獨的設施中建造並稍後安裝的。接著光線進入投影光學箱,這是一組縮小光線的鏡子。高數值孔徑機器可以在垂直方向將圖案縮小八倍,在水平方向縮小四倍。鏡子也更加平滑。如果低數值孔徑的鏡子有德國那麼大,最高的凸起約1毫米。但如果高數值孔徑的鏡子有世界那麼大,最高的凸起只有一張撲克牌的厚度。通過這些改進的結合,ASML將數值孔徑從0.33提升到了0.55。最後,光線撞擊晶圓。為了達到每小時列印185片晶圓的速度,掩範本以超過20g的加速度來回抽動。這超過了F1賽車加速度的五倍。這是機器內部的實際影像,不是加速播放。EUV機器需要實現驚人的精度,層間偏差小於1奈米這台機器最瘋狂的地方不在於掩範本移動得有多快,甚至不在於它能列印多小,而是它必須達到的驚人的精確度。任意兩層之間允許的最大偏差(即套刻精度)是1奈米。這是五個矽原子的精度。通常ASML系統工程師會做一個預算。整體允許誤差一奈米,然後他們將這一奈米再細分下去到每個小組。每個小組為屬於他們的那部分奈米而奮鬥。EUV光刻機充滿了迷人的反差感:如此巨大的機器、這麼多的基礎設施,只為了製造人類能規模化製造的最小的東西。你想去的地方越微觀,周圍的一切就變得越宏觀。需要7架波音747、25輛卡車運輸機器組裝、測試並獲批後,會被拆解運往世界各地。5000家供應商提供10萬個零件、3000根電纜、4萬個螺栓和2公里的軟管。ASML運輸一台高數值孔徑機器需要250個集裝箱,分裝在25輛卡車和7架波音747貨機中。儘管充滿了懷疑和挫折,EUV終於在木下博雄拍下第一張圖像30年後進入了製造領域。但即便在全世界幾乎都不相信它能成功的時候,ASML的一些人早在2001年就預見到它能行。為了讓EUV成功,他們克服了成千上萬個障礙,奮鬥了30多年。這不由得讓人想起一句話:理性的人讓自己適應世界;而不理性的人堅持讓世界適應自己。因此,所有的進步都取決於那些不理性的人。 (梓豪談芯)
超越摩爾定律的晶片新世界
超越摩爾定律的晶片新世界:先進封裝More than Moore:-- “ from Words to Worlds”的晶片新世界你有沒有想過,我們日常使用的AI工具,比如能寫詩的ChatGPT,能畫圖的Midjourney,它們把我們的“想法”(Words)變成真實可見的“內容”(Worlds),到底需要什麼?答案是:超乎想像的算力!在過去的半個世紀裡,晶片工業只做一件事:把電晶體做得越來越小。這就像在一張無限大的紙上,把文字越寫越密,這就是著名的摩爾定律(Moore)。但現在,這張“紙”快寫滿了,筆尖也細無可細。我們的晶片,正在撞上一堵物理之牆。去年11月,我讀了李飛飛發表的文章《From Words to Worlds: Spatial Intelligence is AI’s Next Frontier》並分享了學習筆記。在李飛飛的長文中,將空間智能定義為 AI 的下一個前沿,然而單純依靠現有技術遠遠不夠。為了讓AI的“from Words to Worlds”之旅繼續下去,晶片工業必須找到新的出路。於是,一場從“平面鋪開”到“立體堆疊”的革命悄然發生。我們不再死磕“更小”,而是走向“更高”、“更密集”——這,就是超越摩爾定律(More than Moore)的時代。一、 物理學的牆:為什麼晶片“玩不動”了?AI就像一個永不滿足的“大胃王”,它吃的資料量和需要的計算力,正在把傳統晶片逼到崩潰邊緣。具體來說,晶片遇到了三堵“難關”:1.  “發燒牆”:晶片熱得快熔化了想像一下,在指甲蓋大小的面積上,擠著幾百億個微型“CPU”,它們同時全速運轉,產生的熱量密度比家裡的電熨斗還高!傳統的晶片基底(就像晶片的“底板”)導熱能力有限,根本來不及散熱。晶片一旦過熱,就會變慢甚至“罷工”。這嚴重限制了AI算力的進一步提升。2.  “堵車牆”:資料跑得太慢了晶片內部就像一座繁忙的城市,CPU是市中心,記憶體是郊區倉庫。傳統上,CPU取資料要跑很遠的路,就像城市交通經常“堵車”一樣。資料傳輸耗時又耗電,拖慢了整個AI計算的速度。3.  “原子牆”:小到不能再小了當電晶體小到奈米等級,已經接近原子的尺寸。電子不再老老實實地待在電路里,而是會像“幽靈”一樣隨意“穿牆而過”(專業術語叫“量子隧穿”)。這會導致電路不穩定,性能反而下降。所以,光靠“縮小”這條路,真的走到頭了。二、 結構學的解:給晶片“蓋摩天大樓”既然“平面鋪開”不行,那就“向天空要空間”!先進封裝,就是給晶片“蓋摩天大樓”。它不再是簡單地把晶片“包起來”,而是通過精巧的設計,把不同的晶片垂直堆疊、緊密連接起來。(配圖:“摩爾定律極限”的擁擠與過熱 Vs“超越摩爾定律”的先進封裝帶來的清涼與高效)從“平房”到“摩天大樓”:垂直堆疊的魔術我們把CPU(處理器)、GPU(圖形處理器)、HBM(高頻寬記憶體)這些原本平鋪的晶片,像樂高積木一樣一層層“蓋”起來。這靠的是什麼技術呢?矽通孔(TSV):可以想像成在晶片之間打通無數根微型“電梯井”,讓資料可以直接“上上下下”,傳輸距離從幾釐米縮短到幾微米!混合鍵合(Hybrid Bonding):這是一種超精密的“銲接”技術,能把不同晶片嚴絲合縫地粘在一起,讓它們工作起來就像一個整體。通過這種“垂直進化”,資料傳輸速度提升了百倍,功耗也大幅降低,完美解決了“堵車牆”的問題。從“水泥”到“特種鋼”:為“摩天大樓”選新材料傳統的晶片底板(矽中介層)就像普通水泥,扛不住AI計算的“高燒”。所以,我們正在尋找更耐熱、更穩定的“特種鋼”來做“地基”:碳化矽(SiC):它的導熱能力是傳統矽的3倍多!就像給晶片穿上了一層“特種盔甲”,特別適合那些超級發燒的AI晶片,能把熱量迅速導走。玻璃基板(TGV):別小看玻璃,這種特殊玻璃不僅平整度極高,絕緣性好,還能做得更薄,承載更多更密的電路。像英特爾(Intel)這樣的巨頭,就看好它成為下一代晶片的“超級底板”。三、 經濟學的帳:誰在為AI的“新世界”鋪路?在以前,封裝只是晶片製造流程中不起眼的“收尾工作”。但現在,它已成為AI晶片性能的關鍵。如果說在“More Moore”時代,光刻機是晶片行業的“皇冠”;那麼在“More than Moore”時代,先進封裝就是皇冠上那顆越來越閃耀的明珠。當一顆AI晶片近一半的性能提升和成本增量,都來自於先進封裝時,這個賽道自然成了兵家必爭之地。這正是中國半導體企業,在某些領域實現“彎道超車”的關鍵機遇!以下是A股在這個領域有硬實力的代表企業(僅為行業觀察,不構成投資建議):1. 蓋樓的總包商:晶片封裝的“國家隊”長電科技 (600584):國內晶片封裝龍頭老大,全球排名前三。他們掌握了XDFOI等最先進的2.5D/3D封裝技術,就像擁有了給晶片蓋“超級摩天大樓”的全套圖紙和施工能力。通富微電 (002156):它跟AI晶片巨頭AMD深度合作。AMD的AI晶片賣得越好,通富微電的訂單就越多,就像繫結了一個“大客戶”,旱澇保收。2. 蓋樓的材料商:晶片“底板”的創新者深南電路 (002916) / 興森科技 (002436):它們生產的ABF載板,是連接晶片和電路板的關鍵“底板”,就像摩天大樓的堅實地基。目前全球高端載板主要被日韓台壟斷,這兩家公司正在努力打破這種局面。沃格光電 (603773):他們正在研究玻璃基板技術。如果說傳統的晶片底板是“普通磚頭”,那麼玻璃基板就可能是未來的“透明鋼材”,代表著行業最前沿的技術方向。3. 蓋樓的裝置商:晶片“連接”的“超級工匠”拓荊科技 (688072):在晶片製造中,有一類裝置叫“薄膜沉積裝置”,是用來在晶片表面“刷油漆”的,非常精密。拓荊科技就是這個領域的專家,他們的裝置是實現晶片間“無縫連接”的關鍵工具。芯源微 (688037):在晶片封裝中,需要把很多微小的“點點”連接起來。芯源微就是提供這種“點膠”和“顯影”裝置的,它們能把晶片之間的連接做得更精細、更可靠。 (晚笙筆記)
烏克蘭又現腐敗問題,前總理被控行賄
烏克蘭國家反腐敗局與特別反腐敗檢察院14日證實,已就烏“祖國黨”領導人、前總理尤莉亞·提摩申科涉嫌賄賂多名議員以換取特定投票結果一事向其正式送達指控書。特別反腐敗檢察院消息人士透露,此案涉及提摩申科被指曾向其他黨團的多名議員提議提供非法利益,以影響其對特定法案的投票立場。提摩申科當天稱其領導的政黨辦公室遭到搜查,同時否認自己有過收買議員選票的行為。提摩申科表示,針對她辦公室的反腐突襲是一場與即將到來的選舉有關的“政治清洗”。反腐調查人員正在調查一起涉嫌賄賂議員、操縱投票的案件,而提摩申科對此強烈反擊。如果烏克蘭總統澤倫斯基再次參選,提摩申科被視為他最有可能的對手之一;即便澤倫斯基不參選,她也可能挑戰由澤倫斯基陣營推出的候選人。她在自己的臉書上回應稱:“我完全否認這些荒唐的指控。”烏克蘭原本早就該舉行總統選舉,但由於俄烏衝突,全國處於戒嚴狀態,選舉被暫停。不過,澤倫斯基曾表示,一旦與俄羅斯實現和平,或者至少達成停火,他願意盡快舉行選舉。這也是為了回應川普政府對他個人支援率和執政合法性的擔憂。目前還不清楚澤倫斯基是否會參選。“看起來,選舉日比我們之前以為的時間要更近了。”作為祖國黨議員的提摩申科在周三發佈的聲明中說,“而且已經有人決定開始清除競爭對手了。這並不是第一次針對我的政治打壓。多年來,迫害和恐嚇幾乎成了我的日常生活。我早就不害怕了,因為我知道自己對得起自己、對得起人民、也對得起烏克蘭。沒有人能擊垮我、阻止我。這一次,我們同樣會再次證明真相。”澤倫斯基在2019年以壓倒性優勢當選總統。他的五年任期本應在2024年5月結束。戰爭初期,他的支援率一度超過90%,此後有所回落,但仍保持在60%以上。儘管作為戰時總統仍然廣受支援,澤倫斯基在2025年7月卻遭遇了衝突爆發以來的首次大規模抗議。當時,他在議會中的盟友試圖削弱烏克蘭獨立反腐機構的權力,雖然這一舉動後來被撤回,但仍引發強烈反彈。此外,強制徵兵政策也讓他面臨不少民意壓力。2025年,澤倫斯基的核心圈子還被一樁涉及1億美元的腐敗醜聞重創,他的長期盟友、權力極大的幕僚長,烏克蘭總統辦公室主任安德烈·葉爾馬克因此下台。 (鳳凰歐洲)
【CES 2026】黃仁勳的推理戰爭-AI推理成本暴跌90%
上一會還在沉浸在機器人,車機在 CES 的震撼(見當科技停止講故事,開始拼執行力:從 CES 2026,看全球科技進入“現即時代”),下一秒拉斯維加斯的CES展會剛結束,那個永遠穿黑色皮衣的老黃——黃仁勳,又讓整個科技圈坐不住了。這次他沒有再站在台上喊"我們的算力有多強",而是拋出了一個更實在的問題:"用AI太貴了,得降價。"聽起來有點像淘寶商家的思路?但這次不一樣。當大家還在為搶到NVIDIA上一代晶片擠破頭時,他直接甩出了下一代平台——Rubin。更關鍵的是,他喊出了一句話:訓練AI的戰爭結束了,接下來打的是推理戰爭。(圖片來源@dotey)01 什麼是"推理戰爭"?先說個簡單的例子。想像你在學開車。"訓練"就是駕校教練一遍遍教你的過程,需要時間和教練的精力。AI公司這幾年就是這麼幹的——砸錢買幾萬塊GPU,沒日沒夜地訓練模型。"推理"就是你自己開車上路,每次看到紅綠燈做判斷、遇到行人踩剎車。這才是AI真正被使用的時候。過去三年,科技巨頭們瘋狂干的事就是"訓練"——花大錢、用成千上萬塊GPU,把ChatGPT、Claude這些模型訓練得越來越聰明。但問題來了:模型是聰明了,真正用的時候太貴了。就像你花100萬請了個世界冠軍教你開車,結果每次出門還得再付100塊"使用費"。出門一趟兩趟還好,天天誰受得了?這就是黃仁勳要解決的問題:讓AI真正用得起。這次CES上,他沒再吹"我們的晶片有多牛",而是一直在講"怎麼把成本打下來"。Rubin平台這次能做到什麼程度?同樣的AI任務,成本只要原來的十分之一。以前花1美元能做的事,現在10美分就夠了。什麼概念?就像你原來打一次車要100塊,現在降到10塊,原本偶爾打打車,現在可能天天打都無所謂。只有算力便宜到這個份上,AI應用才能真正爆發。02 Rubin是怎麼做到的?NVIDIA這次玩了個新花樣。以前顯示卡時代,大家都想著怎麼把單塊顯示卡做更強。有點像小時候搭積木,總想著搭個最高的塔。但黃仁勳說:單塊積木再高也有限制,不如搭個"團隊"。所以Rubin平台一口氣放出了6塊不同的晶片:Rubin GPU:負責"計算"的大腦Vera CPU:負責調度的管家NVLink 6:連接所有晶片的高速公路還有其他幾塊專門負責網路、資料流動的晶片這6塊晶片不是隨便湊一起,而是像一支配合默契的足球隊——前鋒、中場、後衛、守門員各司其職,比一個人單打獨鬥強多了。最終結果呢?整個平台的推理性能達到上一代的5倍。成本反而降到了1/10。這就是"團隊作戰"的威力。特別要說一下NVLink 6。精準地說:NVLink 6是連接多塊GPU的"高速公路",頻寬達到3.6TB/s。它讓多塊GPU能像一塊一樣協同工作,是實現相較於上一代有"5倍性能提升"的關鍵一環,但不是唯一因素。整個5倍提升是6塊晶片一起發力的結果。有點像裝修房子:NVLink 6是寬敞的走廊,讓各房間連接順暢但房子好不好用,還得看客廳、臥室、廚房怎麼配合03 讓AI學會"思考"光有便宜的算力還不夠,AI還得"聰明"。之前很多自動駕駛AI像什麼?像只會條件反射的蟲子。看到紅燈停,看到綠燈行,遇到沒見過的情況就懵了。NVIDIA這次開放原始碼的Alpamayo模型,想教AI學會"思考"。什麼意思?想像你在開車,突然遇到一個壞掉的紅綠燈——既不紅也不綠,就那麼黃燈閃啊閃的。條件反射式的AI會怎麼做?可能直接卡住,因為"題庫"裡沒這題。但真正會"思考"的AI會琢磨:周圍的車在幹嘛?大家都在慢慢通過,看來可以走。但要小心點,隨時準備剎車。這種"琢磨"的過程,就是Alpamayo想教給AI的能力。它加入了"思維鏈"功能,讓AI不再是死記硬背,而是學會像人一樣推理。有人說得挺形象:以前的AI是背題庫,Alpamayo是教機器解題的方法。更關鍵的是,NVIDIA把這個模型開源了——相當於把解題思路免費公開,讓誰都能拿去用。為何這麼做?用黃仁勳的話說:軟體都免費了,開發者想用好,自然就得買NVIDIA的硬體來跑它。這招挺聰明的。就像印表機廠家把印表機賣得很便宜,靠賣墨盒賺錢。NVIDIA是把"墨盒"免費了,但你要用還得買它的"印表機"。04 這對普通人意味著什麼?說了這麼多,跟普通人有啥關係?如果你是個使用者:以後你用的AI應用可能會更便宜。因為算力成本降了,那些靠AI生成的圖片、視訊、客服聊天,價格都可能跟著降。如果你是個開發者:搭AI應用的成本會大幅降低。以前可能因為太貴不敢做的項目,現在可以試試了。而且NVIDIA開源了Alpamayo,你可以直接拿去用,不用從零開始。如果你是投資者:NVIDIA在賭下一個大方向:AI從"實驗室"走向"真實世界"。你看它這次和奔馳合作,直接把整套自動駕駛系統裝到2026年上市的CLA車型上。還在往人形機器人領域使勁。ChatGPT只是AI的開始,真正的大市場是那些能跑、能跳、能幹活的機器。總之,AI可能真的要從"昂貴的高科技玩具"變成"像水電一樣的基礎設施"了。至於這一天什麼時候真正到來?那就看Rubin平台2026年下半年正式出貨後的表現了。05 摩爾定律慢下來了,黃仁勳沒有摩爾定律說的是晶片性能每18個月翻一番。但現在這個定律已經明顯慢下來了——物理快到極限了。但黃仁勳沒有等。從Hopper到Blackwell,再到現在的Rubin,NVIDIA的節奏從來不是等摩爾定律來推自己,而是自己去推摩爾定律。這次CES傳達的訊號很明確:造更聰明的AI時代過去了,接下來要讓AI用得起。這才是AI真正走進千家萬戶的開始。 (白羊武士弗拉明戈)