AI 的能耗帳
到 2030 年，AI 資料中心可能吃掉全球 10% 以上的電力；而要讓 AI 繼續擴張，未來 15 年需要把能效性能提升 1 萬倍。後一個判斷引自 Mark Liu 與 H.-S. Philip Wong 在《IEEE Spectrum》2024 年的文章。由此得出的結論很直接：行業必須同時交付更多算力、更大頻寬和更低能耗。
三個架構拐點
應用材料把希望押在 3D 架構上。環柵電晶體（GAA）可降低功耗 30%、提升性能 15%；背面供電帶來約 15% 的能效增益；先進封裝能帶來 1000% 的頻寬提升、1000 倍的每平方毫米 IO 密度和 10 倍的單位位元能耗下降；垂直電晶體與 3D DRAM 則帶來 30% 的密度提升。支撐這些拐點的，是新材料、選擇性沉積與去除，以及工序之間的相互影響。
複雜度有多大
前道一側，一顆 GAA 器件要走過 2000 道以上工序、用到 500 多種材料；一顆 AI GPU 內部有超過 750 英里的布線、20 層以上堆疊銅互連和 800 億個電晶體。封裝一側以 AMD MI300X 為例：一個封裝裡塞進 117 顆晶片，包含 1000 萬個以上 3D 互連、140 萬個以上混合鍵合、290 萬個以上矽通孔。公司用"封裝複雜度因子"對比，從 2000 年代伺服器處理器的 1，漲到當前 AI GPU 的約 3.2 萬，未來系統級封裝將超過 60 萬。
能效的四個抓手
順著動態功耗公式，稿件拆成電壓、電阻、電容、散熱四項。GAA 可把供電電壓降低約 150 毫伏，動態功耗隨之下降 30%；電阻被拆成前道、中道、後道三段分別處理，整合材料方案能把接觸電阻降低約 50%；電容依賴低 k 介質與配套工藝壓低；散熱則寄望於金剛石這類高導熱但絕緣的新材料。
把技術連起來
這是全篇的核心主張，分三層。連接產品，指把材料、裝置、工藝與器件系統打通，形成整合材料方案。連接夥伴，典型是與 BESI 合作的 Kinex 混合鍵合系統，把清洗、活化、鍵合、量測六步整合到一台裝置，已在多家邏輯、記憶體與封測客戶處完成量產驗證。連接生態，指 2026 年啟用的 EPIC 研發中心，公司稱可把從概唸到量產的周期提速一倍，傳統模式需要 10 到 15 年。
報告頁面摘選（共90頁）
(銳芯聞)