近日，Etched 完成新一輪融資，繼續推進 AI 推理晶片的研發；美光宣佈投資 100 億美元建設 AI 記憶體研發實驗室，加碼下一代 HBM 技術；三星 4 奈米晶圓代工產能持續緊張，對新訂單提價 10% 到 15%。
三件事看似各說各話，指向的卻是同一個趨勢：AI 晶片的競爭，正在從單純的算力比拚，加速向記憶體頻寬、能效比和系統整合延伸。而連接這一切的關鍵環節，正是先進封裝。
一、瓶頸從算力轉向頻寬，HBM 和邏輯晶片的協同越來越緊
AI大模型發展到今天，算力本身已經不是唯一的瓶頸。
訓練階段需要海量算力，推理階段則對延遲和能效提出了更高要求。無論是訓練還是推理，資料在計算單元和記憶體單元之間的搬運速度，正在成為制約整體性能的關鍵因素。GPU 的算力再強，如果 HBM 供不上資料，晶片也只能 "等米下鍋"。
這就是為什麼 HBM 的地位越來越重要。一台高端 AI 伺服器裡，HBM 的成本佔比甚至超過了 GPU 本身。三星、SK 海力士、美光三家的 HBM 產能長期滿載，交期不斷拉長。美光砸 100 億美元建 AI 記憶體實驗室，本質上就是在賭下一代 HBM 技術的話語權。
但 HBM 不是單獨工作的。它必須和邏輯晶片通過先進封裝緊密整合在一起，才能發揮出高頻寬的優勢。2.5D 封裝用矽中介層把 GPU 和多顆 HBM 連接起來，3D 封裝則進一步把晶片堆疊起來，縮短互連距離、提升頻寬密度。封裝技術的水平，直接決定了 HBM 的性能能不能真正釋放出來。
二、先進封裝的需求，正在從可選變成必需
過去，先進封裝更多是高端晶片的 "可選項"。普通消費電子晶片用傳統封裝就夠了，只有旗艦級處理器和高端 AI 晶片才需要 2.5D/3D 封裝。
現在情況變了。AI 晶片的性能提升，越來越依賴封裝層面的創新。輝達的 GB200 把 GPU 和 HBM 通過 CoWoS 封裝整合在一起，下一代產品還會引入更先進的混合鍵合技術。隨著 AI 推理需求的爆發，越來越多的推理晶片、AI 加速器都會採用先進封裝方案，需求面正在從少數幾家頭部企業向整個行業擴散。
Etched 這類 AI 推理晶片創業公司的融資，也從側面說明了這個趨勢。推理晶片要在能效比上和輝達競爭，必須在架構設計和封裝整合上做文章，2.5D/3D 封裝幾乎是必經之路。創業公司都開始用先進封裝，說明這個環節的需求已經不再侷限於巨頭。
除了封裝本身，先進互連和測試驗證的需求也在同步增長。晶片之間的互連密度越來越高，對封裝基板、凸塊、重布線層的要求水漲船高；多晶片整合後的測試複雜度大幅提升，良率控制和可靠性驗證的難度也在增加。這些都是先進封裝產業鏈上的增量機會。
三、具備全流程能力的企業，更有可能吃到這波紅利
先進封裝不是單一技術，而是一個技術叢集。晶圓級封裝、混合鍵合、量檢測、高端基板，每個環節都有各自的技術門檻。
晶圓級封裝是基礎，能夠在晶圓層面完成封裝工藝，提高生產效率和互連密度。混合鍵合是下一代 3D 封裝的核心技術，通過銅銅直接鍵合實現更高的互連密度和更低的功耗，目前還在從研發向量產過渡的階段。量檢測則貫穿整個封裝流程，先進封裝的工藝步驟多、精度要求高，檢測裝置的需求會持續增長。高端基板是 2.5D 封裝的關鍵材料，ABF 載板等高端封裝基板長期供不應求，也是產業鏈上的瓶頸環節。
能夠在這些環節同時佈局、提供完整解決方案的企業，在 AI 硬體升級的浪潮中會更有競爭力。因為客戶越來越傾向於找能夠一站式解決封裝需求的供應商，減少多供應商協調的複雜度和風險。
當然，先進封裝的擴產也不是沒有風險。技術迭代快、資本開支大、客戶認證周期長，都是這個行業的特點。但從趨勢上看，AI 推理和 HBM 的擴張還在繼續，先進封裝作為連接邏輯晶片、記憶體和系統性能的樞紐，需求的確定性是比較高的。(一芯半導體)