芯片造出来还不能用？英伟达花15亿美元 提前两年抢的是什么

英伟达2026财年的收入达到2159亿美元，同比增长65%。截至今年1月，英伟达尚未履行的库存采购、长期供应和产能承诺达到952亿美元。从云厂商到模型公司，大家仍在采购最新一代AI算力，可以说是一卡难求。

而英伟达最近也在追着别人买东西：美国半导体企业Amkor的新工厂还没有建好，英伟达就与它签订了一份总金额约15亿美元的多年期协议。

英伟达预定的这门手艺就是先进封装，也被比喻成芯片的“裁缝”。

要理解这个工艺，我们要先了解一颗芯片生产的大致过程。

首先是芯片设计。这一步由英伟达自己完成，工程师会设计GPU的电路和结构。

第二步是晶圆制造。台积电拿到设计图纸后，会使用光刻、刻蚀和沉积等工艺，把复杂的电路一层层制造在硅晶圆上。制造完成后，一整片晶圆会被切割成许多颗裸片。

裸片本质上是一小块布满晶体管和线路的硅，还不能直接连接到服务器主板上。

接下来就会进入封装环节。在传统封装中，封装厂会把裸片固定在一块基板上，再用细小的金属线，把裸片上的接触点连接到外部引脚。外面还会增加保护材料，避免裸片受到潮气、灰尘和外力损坏。

封装完成后，还要测试芯片的计算功能、通信接口和功耗表现。经过这些流程，一颗能够安装到电路板上的芯片产品才算生产完成。

封装最开始并不“先进”

过去，大多数芯片只有一颗裸片。封装厂的主要工作，是给裸片增加保护材料，再把内部电路连接到外部引脚。这类封装技术已经比较成熟，产品的标准化程度也很高。厂商之间的竞争主要集中在生产成本、交付速度和制造规模上，比较内卷。

与芯片设计和先进晶圆制造相比，封装长期处在产业链中相对不起眼的位置。

但是，AI的发展改变了这种情况。

因为大模型计算需要处理海量数据。GPU负责计算，计算所需的数据则存放在内存中。如果GPU每次都要跑很远去读取数据，等待时间和耗电量都会增加。为了减少GPU等待数据的时间，英伟达把多层内存裸片堆叠而成的HBM高带宽内存放在GPU旁边。

GPU和HBM需要通过中介层连接。中介层上分布着大量细密的高速线路，让数据在很短的距离内快速传输。整套结构下面还要安装封装基板，用来承载这些部件，并把它们连接到外部电路。

到了这一步，封装厂的任务已经不是简单地给芯片套个外壳。它更像是在有限的空间里，组装一套微型计算系统。

先进封装难在哪儿？

首先是连接。一组HBM通常有上千个数据接口。一颗AI芯片通常要搭配多组HBM，还要加上供电和控制线路。而中介层上的部分铜线只有几微米宽，大约是头发丝直径的几十分之一。位置出现微小偏差，信号就可能受到影响。

然后还有散热问题。

目前，高端AI芯片的功耗普遍达到数百瓦，有些已经接近1000瓦，相当于把一台小型电暖器产生的热量集中在一块芯片附近。芯片工作时，局部温度可能达到七八十摄氏度。

GPU和多组HBM使用的材料并不相同，受热后的膨胀程度也有差异。温度反复变化，整个封装可能发生细微翘曲。芯片越大，结构越复杂，控制变形也越困难。

还有良率。

某个连接点出现问题，整套产品都可能无法正常工作，前面已经制造完成的GPU和HBM也可能跟着报废。

因此，先进封装产线建成后，还要经过工艺调试和客户认证。封装厂需要逐步提高良率，确认产品能够长期稳定运行，然后才能扩大交付规模。从厂房开工到形成稳定产能，整个过程往往需要两到三年。

提前两年，锁定下一代的产能

Amkor的前身成立于1968年，最初只有三台引线键合设备和两台贴片设备。经过半个多世纪的发展，Amkor已经成为全球主要的专业封测企业之一。

放眼全球，放眼全球，参与先进封装竞争的企业大致分成两类。一类是台积电、英特尔和三星这样的企业，它们既能制造晶圆，也拥有自己的先进封装技术。另一类是日月光和Amkor这样的专业封测企业，主要承接外部客户的封装和测试订单。

但是，能做高端AI芯片先进封装的公司并不多，而且各家的工艺和产线并不能随意替换。

因为芯片公司在设计产品时，就要确定GPU和HBM怎样连接，中介层、封装尺寸和散热结构也会随之确定。更换封装方案，往往需要重新调整设计，再进行一轮测试和认证，这些都需要时间。

从2023年开始，台积电的CoWoS产能一直供不应求。虽然台积电、日月光和Amkor都在扩产，AI芯片的需求增长得更快。业内预计，全球2.5D封装的紧缺状态要到2027年才会逐渐缓解。

Amkor正在建设的亚利桑那园区，远期投资计划最高达到70亿美元。第一座工厂预计2027年中建成，2028年初开始生产。台积电也与Amkor签订了十年合作协议，可以把部分先进封装和测试订单交给这座工厂完成。

英伟达提前支付15亿美元，相当于在工厂尚未建成时，先为未来的AI芯片预留一部分产能。等到下一代产品准备量产时，Amkor的设备、工艺和人员也已经完成前期准备。

或许是一个破局点

我们之前分析过，在现有出口限制下，国内短期内仍然无法获得EUV光刻设备，国产EUV从研发到稳定量产也需要较长时间。现有制程会限制单颗芯片的晶体管密度和能效，所以国产AI算力需要从更多工程环节寻找提升空间。

华为今年提出的“韬定律”，关注的就是信号传播所花费的时间。比如，通过逻辑折叠缩短芯片内部的线路，再利用先进封装，把计算芯片和内存放得更近。

这个思路还可以继续扩大到整套计算系统。如果通过高速互连，把更多AI芯片连接成超节点和算力集群，多颗性能相对有限的芯片，也能共同完成规模更大的计算任务。

但不能只听先进封装四个字就上头，如果一家封测公司没有真实绑定 AI 芯片、HBM、Chiplet，也没有经过大客户验证，那就只是蹭概念。

发布于：山东

相关推荐

光速不够用了：英伟达花40亿锁定的那个东西，全球只有两家公司能造
英伟达经济学：云服务商在GPU上每花1美元，就能赚7美元！
英伟达股价飙升至历史新高：“大家都在抢我们的芯片”
是什么，缔造了英伟达神话？
英伟达50亿美元战投英特尔，芯片“双英”历史性牵手
H20被禁，英伟达B300提前至今年5月生产
大模型热到芯片暴涨，阿里百度成了英伟达的打工仔
盘古负责人遭炮轰：使用英伟达芯片，剽窃同事技术，套壳外部模型
谁能代替英伟达？
从产业视角看英伟达AI芯片禁售

网址: 芯片造出来还不能用？英伟达花15亿美元 提前两年抢的是什么 https://www.xishuta.cn/newsview151951.html