美國政府正在成為 AI 基建的「超級風投」。按公開交易逐筆統計，過去 14 個月，川普政府公佈的股權或準股權安排已增至約 37 筆。
近日，美國商務部又與七家半導體產業鏈企業簽署非約束性意向書，擬提供最高 8.74 億美元研發資金，並在最終協議中取得少數、非控股股權。$GlobalFoundries (GFS.US)$、Kepler Computing、Multibeam、Extropic、Thintronics、OBSIDIA 和 Aeluma，分別落在矽光、AI 記憶體、半導體設備、新型計算、互連材料和供應鏈檢測等環節。
與此前更多投向大型製造項目和資源資產不同，這批資金開始進入研發周期更長、商業化尚未完成驗證的早期技術。今年 5 月，美國商務部向九家量子計算企業提出約 20.13 億美元擬投資；6 月，又分別與 SandboxAQ 和 I-Pulse 簽署最終協議。
$英特爾 (INTC.US)$提供了一個已經可以計算回報的樣本。2025 年 8 月，美國政府用 88.9 億美元換取英特爾 9.9% 的普通股。按 2026 年 7月31日收盤價計算，英特爾市值超過 4000 億美金，名義帳面浮盈超過 300億 美元。由於部分 Secure Enclave 項目資金尚未撥付，其中約三分之一的股份仍在託管帳戶。
最新七筆交易則把政府持股進一步推向半導體產業鏈的早期技術環節，也顯示出美國當前重點支援的下一代晶片方向。
▍矽光製造走向先進封裝
AI 數據中心正在把光引擎從交換機面板移到交換晶片附近。CPO 縮短交換晶片與光引擎之間的高速電連接，降低信號損耗和互連功耗，也將更多製造難點集中到光電晶片的整合、封裝和測試。
矽光晶片還要與先進製程電晶片連接，再經過光纖耦合、封裝和測試，才能進入交換機和服務器。光晶片與電晶片之間的良率差異、光纖對準精度，以及封裝後的測試和返修，都會影響 CPO 的製造成本和導入速度。GlobalFoundries 的佈局也由矽光器件製造逐步延伸到光電晶片整合和先進封裝。
2022 年，公司推出 GF Fotonix，將光學器件和高性能 CMOS 納入同一套矽光製造平台。$思科 (CSCO.US)$參與定製矽光方案開發，$輝達 (NVDA.US)$部分數據中心互連方案採用 GF Fotonix 平台製造；Ayar Labs 參與平台早期的工藝和 PDK 開發，Lightmatter 隨後也選擇 Fotonix 生產 Passage M1000。不同客戶設計的產品，由此開始在同一套平台上完成矽光製造。
在晶圓製造平台之外，GlobalFoundries 隨後開始補充封裝和整合能力。2025 年，美國商務部向公司追加最高 7500 萬美元，支援其在紐約建設光子整合電路先進封裝中心，新增 Chiplet 整合和晶圓級混合鍵合能力。該項目計劃銜接公司已有的矽光晶圓製造，形成從晶圓製造到封裝整合的美國本土流程。
今年 5 月發佈的 SCALE 進一步補充了晶片與光纖之間的連接方案。該平台加入波分複用、TSV、細間距銅連接和可拆卸光纖介面，用於連接電晶片、矽光晶片與外部光纖。公司與$康寧 (GLW.US)$等合作開發的可拆卸連接方案，可以在測試、封裝和維護階段重複拆裝光纖，也便於在封裝前篩選合格晶片。
若最終協議完成，商務部擬向 GlobalFoundries 提供最高 3 億美元，用於加快美國本土 CPO 研發。公司 CTO Gregg Bartlett 對 Reuters 表示，資金將支援新的光學材料和製造技術；商務部預計，這項投入可將相關研發進度提前 2 至 3 年。繼 Fotonix、紐約封裝項目和 SCALE 之後，這筆資金將繼續補充 CPO 所需的光電整合、封裝和測試能力，並推動相關製造環節在美國本土落地。
▍AI 記憶體新方向：鐵電與 3D 整合
數據移動已經成為 AI 計算的性能和能耗約束之一。HBM 通過多層 DRAM 垂直堆疊，並與 GPU 整合在同一封裝中，縮短了記憶體與計算之間的距離；記憶體 Die 與計算 Die 仍需分別製造，再通過中介層和先進封裝連接。
Kepler Computing 選擇將鐵電記憶體進一步帶入邏輯晶圓廠和 3D 整合體系。今年 1 月，Sasikanth Manipatruni 在 SEMI 產業戰略會議上的演講題目是「面向邏輯晶圓廠的可擴展 AI 記憶體」。美國商務部隨後計劃向 Kepler 提供最高 2.45 億美元，用於開發結合 3D 整合與鐵電技術的新型 AI 記憶體。
Kepler 官網目前只公開了「一類新的 AI 記憶體與邏輯」以及美國政府投資公告，仍未披露具體產品規格、代工廠和客戶名單。在產品公開之前，公司的技術方向主要散落在創始團隊履歷和專利中。創始人兼 CEO Debo Olaosebikan 於 2022 年被任命為美國商務部工業諮詢委員會成員，參與為 CHIPS for America 的半導體研發計劃提供建議。
Sasikanth Manipatruni 此前是 Intel FEINMAN 研究中心的創始負責人，研究基於量子材料的新型邏輯與記憶體器件，以及 Beyond-CMOS 計算。聯合創始人 Ramamoorthy Ramesh 曾長期任教於 UC Berkeley，現為 Rice University 教授，主要研究複雜氧化物、鐵電材料和低功耗邏輯；其積累的 80 多項專利正在由 Kepler 商業化。
Kepler 自 2019 年起申請的專利，早期圍繞計算 Die 與記憶體 Die 的 3D 堆疊展開，隨後延伸至鐵電記憶體單元、晶圓鍵合、銅互連、Chiplet 熱管理，以及記憶體單元的讀寫干擾。這些專利呈現出一條將新型記憶體器件、計算晶片和 3D 封裝共同設計的技術路線，但無法確認最終產品會採用那一種結構。
Kepler 還加入了德克薩斯電子研究所的 NGMM 產業團隊。該項目由美國國防高級研究計劃局支援，計劃建設面向 3D 異構整合的開放研發和原型製造設施，為成員企業提供從技術開發到原型驗證的製造條件。
在資金和研究合作方面，Kepler 已進入 AMD Ventures 的投資組合，並資助伊利諾伊大學香檳分校 Naresh Shanbhag 團隊開展研究。該團隊長期關注低功耗機器學習、整合電路和高能效計算。Kepler 因此同時獲得產業資本、學術研究和原型製造資源。
▍電子束光刻進入先進封裝
隨著 Chiplet 和異構整合把更多不同功能的晶片放進同一封裝，重佈線層面積擴大，互連間距繼續縮小，封裝圖形也需要根據不同晶片的位置和尺寸進行調整。傳統光刻依賴掩模，每次修改都要重新製版；電子束可以直接寫入圖形，更適合多品種、小批次和定製化封裝。長期限制電子束進入生產線的，是寫入速度。
Multibeam 將多根微型電子束柱整合到同一台設備中，通過不同束柱並行工作，在保留高解析度和無掩模能力的同時提高寫入效率。公司早期將設備用於快速原型、光子器件和晶片身份標記，隨後又把應用範圍擴展至 Chiplet 整合、扇出型封裝和 3D-IC。
第一套生產系統已經進入 SkyWater 的 200 毫米晶圓廠。雙方於 2020 年啓動合作，SkyWater 在設備開發階段提供晶圓廠運行經驗，並參與確定性能規格；2024 年，首套生產型 MB 系統交付 SkyWater，可用於原型開發和小批次生產。
2025 年，Multibeam 完成 3100 萬美元 B 輪融資，由 Onto Innovation 和 Lam Capital 領投，$聯電 (UMC.US)$與聯發科旗下投資機構參與。資金用於開發面向 300 毫米晶圓和麪板級製造的第二代設備，並擴大先進封裝應用；2026 年 7 月，新發布的 MBX 平台獲得首筆中國臺灣訂單，將用於半導體研究，並與當地晶片企業開展聯合開發。
Multibeam 創始人 David K. Lam 也是$泛林集團 (LRCX.US)$的創始人和首任 CEO，曾參與推動單晶圓等離子刻蝕設備進入市場；Multibeam 當前同樣沿著設備開發、晶圓廠驗證和生產導入的路徑推進。
此次意向書擬向 Multibeam 提供最高 1.4 億美元，支援多晶片組裝、堆疊和高密度互連等先進封裝研發。結合公司已公開的 300 毫米晶圓和麪板級設備路線，其設備應用正在從 200 毫米晶圓上的原型與小批次生產，向更大尺寸基板和細間距先進封裝延伸。
▍AI 晶片體系向外圍環節延伸
這批投資中，Extropic 的技術路線與現有 AI 晶片體系距離最遠。公司把計算重點放在機率採樣，試圖由晶片直接完成傳統 CPU 和 GPU 需要配合僞隨機數生成的任務。
天氣模擬、藥物篩選、工業優化和部分生成式模型都會大量使用這類計算。Extropic 利用電路中的熱噪聲，讓機率位元按照設定比例在 0 和 1 之間變化，直接生成採樣結果。
Extropic 的創始團隊此前在 Google 從事量子計算研究，後來轉向研究如何在室溫矽電路中利用噪聲。公司已經完成 X0 原型晶片和 XTR-0 開發系統，天氣 AI 公司 Atmo 使用過其軟件和晶片，並驗證了少量機率位元的基本行為。下一代 Z1 計劃採用標準 CMOS 工藝，將機率電路擴大到單晶片數十萬個，面向更大規模的模擬、優化和 AI 任務。
除計算架構外，這輪投資也覆蓋 AI 服務器帶寬提升後出現的材料問題。隨著互連速率從 224G 向 448G 演進，封裝基板和 PCB 中的材料損耗開始影響信號傳輸距離，也增加了系統用於信號補償的功耗。
Thintronics 開發用於 PCB、封裝基板和中介層的低損耗層間介電材料。公司稱，採用 TOS 的基板在 224G 和 448G PAM4 鏈路中可改善 30% 至 50% 的插入損耗，減少高速信號對均衡和功耗補償的依賴。隨著 GPU、交換晶片和光模塊之間的帶寬繼續提高，介電材料也開始影響先進封裝和高速互連的性能上限。
更遠距離的數據傳輸正在轉向光連接，雷射器和探測器的用量隨之增加。傳統高速光器件大量使用尺寸較小的化合物半導體晶圓，製造成本較高，產能擴張也受到晶圓尺寸限制。Aeluma 採用在大直徑矽等襯底上異質整合化合物半導體材料的路線，用於製造 AI 光互連所需的光探測器和雷射器，並減少對傳統小尺寸 InP 襯底的依賴。公司已經與$Tower半導體 (TSEM.US)$、$住友化學 (4005.JP)$建立製造合作，並連續承接 NASA 和美國海軍的研發項目。
OBSIDIA 處理的是晶片進入分銷和電子製造環節後的身份覈驗。元器件經過封裝、分銷和轉售後，標籤、批次與實際晶片可能出現錯配；航空航天、汽車和國防設備使用周期較長，舊晶片、改標器件和來源異常的元器件也更難通過抽樣發現。
公司開發的 ReelScan 被部署在 SMT 生產線之前，對卷帶中的晶片逐顆掃描，並與可信樣本進行比對。OBSIDIA 披露，首套 BETA 設備已經安裝在 ParPro Technologies 的生產現場，用於元器件上板前的驗證，ParPro 的客戶覆蓋航空航天、汽車和國防等行業。
▍前瞻佈局 AI 底層生態
這七家公司規模不同，技術成熟度也相差很大。它們同時進入政府投資名單，說明美國這輪投入關注的已經不只是現有產能，還包括 AI 基礎設施形成過程中尚未獲得充足市場資金的早期環節。這實質上是用「有形之手」強行填補市場風險的空白，為技術從實驗室走向工廠託底。
《晶片與科學法案》實施初期，財政支援主要用於推動晶圓廠和製造項目落地。川普政府加入股權條件後，公共資金進一步進入技術驗證和客戶導入階段。對於研發周期長、短期收入有限的企業，這相當於增加了一類期限更長、對回報等待時間更寬容的資本，使得資本意志而非單純市場需求開始主導技術演進路徑。
這類投資與採購、補貼、出口管制和盟友合作同時推進，也會影響技術進入市場的速度。政府資金可以幫助企業跨過早期研發和量產驗證階段；企業一旦形成產品和產能，相關技術又更容易進入美國本土供應鏈。今天的資金選擇，可能逐步轉化為幾年後的產業標準、供應商體系和管制邊界。
進入「十五五」周期，中國企業就不能只盯著靜態的「卡脖子」清單。美國資金流向那些企業、支援那些尚未成熟的方向，以及這些方向如何與管制政策和盟友產能銜接，都可以成為判斷下一輪產業變化的前置信號。
國內在製造、封裝和系統整合環節形成的規模優勢，仍需向晶片、設備、材料和測試驗證延伸。下游出貨持續增長後，少數上游環節的缺口會被進一步放大；等限制真正影響交付時，再補研發、產能和驗證體系，所需時間通常已經超過一個產品周期。這種「滯後補課」的成本，在未來將呈指數級上升。
下一輪 AI 基礎設施競爭的差距，可能先在這些尚未規模化的環節裡形成。等終端產品進入大規模交付，前期的資本投入、技術路線和供應鏈位置，往往已經決定了企業能夠進入多大的市場。 (有新Newin)