分享台灣國立陽明交通大學的研究，針對 CFET（互補場效應電晶體）堆疊結構的標準單元庫綜合難題，提出一種基於 DRC（設計規則檢查）感知尋找表的可擴展綜合方法，針對性最佳化引腳有效訪問性能。 CFET 堆疊結構可縮小單元面積、提升 M0 層布線靈活性，但也導致布線軌道縮減、引腳可訪問性下降。傳統引腳可訪問性評估指標 RPA 僅計算空間可達性，無法識別因阻塞、引腳位置引發的潛在 DRC 違規，產生大量無效訪問點，拖累後端佈局布線的效率與良率。 該研究採用兩階段綜合流程：第一階段完成單元佈局與接觸孔分配，通過擴散共享、單元翻轉等策略壓縮面積、最佳化線長；第二階段為核心創新：一是建構 RPA 尋找表，將引腳鄰域狀態編碼為向量並預計算縮放後的 RPA 值，複雜度僅 O (T²)，為高速最佳化提供支撐；二是提出 DRC 感知的 DARPA 指標，通過模擬引腳訪問空間預校驗規則，將違規訪問點權重設零，無需生成最終金屬層即可篩選有效引腳；三是設計均衡 DARPA 增量最佳化策略，按閾值逐級迭代，保障所有 I/O 引腳訪問質量均衡。 報告主要內容

集邦諮詢（TrendForce）於 2026 年 6 月整理髮布的 “台積電 CoPoS 技術及台灣關鍵供應商” 的架構與供應鏈圖譜。 它主要展示了台積電針對下一代超大型 AI 晶片開發的面板級先進封裝技術——CoPoS（Chip on Panel on Substrate）的物理層級架構，並梳理了該生態圈中關鍵的台灣裝置、材料、封測（OSAT）及研發合作夥伴。 以下是對該圖內容的詳細解讀： 一、 CoPoS 技術架構解讀（圖上半部分）

【新智元導讀】剛剛，阿里合併通義與未來生活實驗室，成立Token Foundry，CEO吳泳銘親自掛帥。Token這碗飯，阿里要全端通吃。 剛剛，阿里巴巴AI架構再次升級！ 6月8日，阿里宣佈合併通義大模型事業部與未來生活實驗室，成立Token Foundry事業部，由集團CEO吳泳銘親自負責。 周靖人升任阿里巴巴首席科學家，牽頭成立AI未來研究院，專攻前沿AI科技。這是阿里技術體系最高的學術頭銜。

AI基礎設施：輝達Rubin架構發佈 來源：國信證券，版權歸原作者所有 (材料匯)

馬斯克先用上了。 輝達憋了許久的晶片大招，終於來了。 芯東西6月1日報導，今日，在GTC台北大會上，輝達創始人兼CEO黃仁勳穿著閃亮的黑色皮衣發表主題演講，發佈輝達首款Arm架構PC晶片RTX Spark超級晶片，以及輝達豪賭2000億美元市場的大招——專為智能體設計的Vera CPU。 兩款全新晶片“王牌”，直搗英特爾、AMD的腹地。

當輝達和微軟同時釋放“新一代PC時代即將到來”的訊號時，很多人第一反應可能是又有新筆記本要發佈了。 但如果把時間線拉長，把過去幾年PC行業發生的變化串聯起來看，你會發現這件事遠不只是新品預熱那麼簡單。 它更像是一場持續多年的產業轉向，終於走到了臨界點。 過去二十多年裡，PC行業的核心邏輯幾乎沒有改變過。無論是辦公本、遊戲本還是工作站，大多數產品都建立在同一個基礎之上：x86處理器、Windows系統，以及圍繞這一生態建構的軟體世界。

模型推理主要分為2個階段：Prefill和Decode，其中： Prefill為計算密集型，算術強度高，GPU可逼近FP4/FP8理論峰值性能，GPU算力利用率可達90%-95%，視訊記憶體頻寬佔用低於30%； Decede為視訊記憶體頻寬密集型，算術強度低，需反覆從HBM視訊記憶體讀取Key、Value至SRAM，GPU算力利用率降至20%-40%，視訊記憶體頻寬佔用提升至85%-95%。 這會導致系統瓶頸由算力轉向視訊記憶體頻寬，基於上述的不對稱性，NV在Rubin中推出Disaggregated Inference（解耦式推理），將Prefill和Decode拆分到不同硬體，Decode硬體增加視訊記憶體頻寬，Prefill硬體增加算力，通過硬體異構化實現資源再配置。

當黃仁勳在舞台上揭開Rubin與Feynman兩大新架構的面紗時，AI伺服器的硬體競賽瞬間被推到了前所未有的高度。這場算力革命的背後，一向被視為“配角”的PCB（印製電路板），正從幕後走向台前，成為決定新世代AI伺服器性能上限的關鍵戰場。Rubin GPU對高速訊號傳輸、高密度布線和低損耗的極致要求，正在掀起一場產業鏈的淘汰賽——誰能啃下64-78層高階PCB、M9級材料的硬骨頭，誰就能在這場AI浪潮中拿到頭等艙船票。 一、算力軍備競賽升級，PCB成AI性能“隱形天花板” 過去，人們討論AI算力，目光總是聚焦於GPU、CPU等核心晶片。但Rubin架構的發佈，徹底改變了這一認知。為了支撐更高的算力密度、更快的資料互動，新世代AI伺服器對PCB提出了近乎苛刻的要求：層數突破64-78層、訊號傳輸損耗趨近於零、布線密度達到極限，甚至要適配無纜化設計的全新需求。 這意味著，PCB不再只是承載晶片的“載體”，而是決定AI伺服器性能能否完全釋放的“隱形天花板”。打個比方，如果說GPU是AI伺服器的“心臟”，那麼PCB就是它的“血管”。Rubin架構下，資料傳輸速度呈指數級增長，一旦“血管”跟不上節奏，再強大的“心臟”也無法發揮全部實力。正是這種需求的爆發，讓PCB產業鏈迎來了歷史性的機遇。