TSMC A16: Därför är 1,6-nanometersprocessen viktig för framtidens AI-chipp

I praktiken handlar det alltså inte enbart om att packa fler transistorer på samma yta. Det handlar också om att organisera chipets ström- och signalnät på ett annat sätt.

I AI- och HPC-processorer konkurrerar täta strömledningar med allt mer komplicerad signaldragning om det begränsade utrymmet i de främre ledningslagren. Genom att flytta strömförsörjningen till baksidan ska SPR minska denna trängsel och ge konstruktörer mer utrymme för signaler – samtidigt som strömmen kan levereras effektivare till krävande logik.

De rapporterade vinsterna jämfört med N2P

Jämfört med den förbättrade 2-nanometersprocessen N2P anges följande mål för A16:

• 8–10 procent högre hastighet vid samma effekt
• 15–20 procent lägre effektförbrukning vid samma hastighet
• 8–10 procent högre chiptäthet, inklusive logik och SRAM

Det är viktigt att tolka siffrorna rätt. De beskriver jämförelser mellan processplattformar under angivna förutsättningar – inte en garanti för att varje chip som tillverkas med A16 blir 10 procent snabbare eller drar 20 procent mindre ström.

Det faktiska resultatet påverkas bland annat av chiparkitektur, bibliotek, designregler, spänning, kylning, kapsling och arbetsbelastning. Inte heller betyder den högre tätheten att varje färdigt chip automatiskt blir 8–10 procent mindre. Konstruktörer kan i stället använda förbättringen till fler beräkningsenheter, större cache, mer anslutning eller en mindre kiselyta.

Varför A16 riktas mot AI och HPC

A16 är i första hand utvecklad för högpresterande logik, särskilt AI-acceleratorer och datacenterprocessorer. Den typen av chip ställer mycket höga krav på strömförsörjning, bandbredd mellan komponenterna och värmehantering.

En process kan ge fler transistorer utan att lösa problemen med ström och signalträngsel. Då riskerar vinsten på transistornivå att inte synas lika tydligt i det färdiga systemet. SPR angriper just den begränsningen.

I teorin kan A16 hjälpa konstruktörer att välja mellan flera olika kompromisser: högre prestanda, lägre energiförbrukning eller fler funktioner inom ungefär samma yta. Det är särskilt relevant i datacenter, där AI-prestandan inte bara begränsas av beräkningskapaciteten utan också av elförbrukning, kylning och hur snabbt data kan flyttas över kapslingen.

En brygga mellan N2P och A14

I TSMC:s färdplan ligger A16 mellan N2/N2P-generationen och den 1,4-nanometersklassade A14-processen. A14 är enligt rapporteringen planerad för volymproduktion 2028.

Det ger A16 en tydlig strategisk roll. TSMC introducerar här strömförsörjning från baksidan för de mest krävande kunderna innan nästa större processgeneration tar över. A16 är därför både en ny process och en teknisk brygga: nanosheet-plattformen förlängs samtidigt som en förändring med stor betydelse för strömförsörjning och kapsling läggs till.

Uppgifterna om tidplanen har dock inte varit helt konsekventa. Viss rapportering under 2026 beskrev en möjlig försening, medan senare tekniskt material och andra rapporter fortsatt pekade mot andra halvåret eller fjärde kvartalet 2026. Den försiktigaste slutsatsen är därför att fjärde kvartalet 2026 fortfarande är det rapporterade målet – inte att kommersiell produktion redan är garanterad.

Hur står sig TSMC mot Samsung och Intel?

Samsung Foundry har enligt rapporter flyttat målet för massproduktion av sin SF1.4-process från 2027 till 2029. Företaget fokuserar i stället på att förbättra 2-nanometersfamiljen, utbytet i tillverkningen och produktionsstabiliteten. Det ger TSMC mer tid att skala upp A16 och gå vidare mot A14 innan Samsungs nominella 1,4-nanometersprocess når massproduktion.

Intel är samtidigt en fortsatt viktig konkurrent inom avancerad processteknik och strömförsörjning från baksidan, med 18A och den planerade 14A-processen i sin färdplan.

Nanometertalen går däremot inte att jämföra rakt av mellan olika foundries. Namn som 1,6 nm, 1,4 nm och 18A beskriver inte nödvändigtvis samma fysiska mått eller samma nivå av integration. Utbyte, designbibliotek, kundernas kvalificering, kapsling, kostnad och prestandan i färdiga chip säger mer än själva siffran i processnamnet.

A16 förbättrar därmed TSMC:s konkurrensposition, men tidplanen bevisar inte att företaget ligger före Intel i alla tekniska eller kommersiella avseenden. Det verkliga testet blir om kunderna kan göra processens specifikationer till produkter med hög tillverkningsgrad och tillräcklig volym.

TSMC:s mångmiljardinvestering i kapacitet

A16 är också en del av TSMC:s större satsning på produktionskapacitet. Enligt rapporter har företagets styrelse godkänt en investering på cirka 29,4425 miljarder dollar i avancerade processer och avancerad kapsling. Pengarna ska även gå till uppgraderingar av mogna och specialiserade processer samt nya fabriksbyggen.

Separat uppges TSMC:s totala investeringsplan för 2026 ha höjts till 60–64 miljarder dollar, vilket speglar fortsatta satsningar på avancerad tillverkning och kapsling.

Beloppen ska inte tolkas som kostnaden för A16-projektet i sig. De gäller bredare program för kapacitet och infrastruktur som ska stödja flera processgenerationer och kapslingstekniker.

Kapslingen kan bli lika viktig som själva processen

För AI-chip är det inte tillräckligt att tillverka den avancerade logikdelen. Chipet behöver också högbandbreddsminne, substrat, interposer, montering och testning. TSMC:s avancerade CoWoS-kapsling uppges fortsatt vara fullbokad när efterfrågan på AI-hårdvara ökar.

Branschrapporter uppger att en del arbete i den bakre delen av kapslingskedjan för gemensamma kunder har flyttats över till Intels verksamhet i Malaysia. Det skulle i så fall vara ett begränsat svar på kapacitetsbristen – inte ett bevis på att TSMC i bred bemärkelse har lämnat över sin centrala CoWoS-teknik eller hela sin tillverkningsbas.

Utvecklingen visar varför ledarskap inom processteknik inte ensamt avgör hur snabbt AI-hårdvara når kunderna. En avancerad kiselskiva kan fortfarande försenas av brist på kapslingskapacitet, HBM-minne, substrat eller testning.

TSMC uppges dessutom utveckla kapslingslösningar som liknar Intels EMIB, som svar på samma efterfrågetryck. Det understryker att konkurrensen i AI-chipbranschen samtidigt är ett samarbete mellan olika delar av leveranskedjan.

AI-industrin går mot specialisering – och konkurrens på samma gång

A16 speglar en större förändring i halvledarindustrin. AI-system kräver i allt högre grad ett samordnat nätverk av foundries, minnestillverkare, substratleverantörer, kapslingsföretag och regionala produktionsanläggningar.

Det skapar utrymme för både konkurrens och specialisering. TSMC är fortsatt centralt inom avancerad logik och CoWoS, medan Intel konkurrerar inom processteknik och kan erbjuda alternativ kapacitet för kapsling och sammankoppling. Malaysia, Taiwan och andra produktionsregioner kan bidra med olika delar av den bakre tillverkningskedjan.

Att vissa kapslingsuppgifter enligt rapporter rör sig mellan rivaler betyder därför inte att konkurrensen har försvunnit. Snarare visar det hur AI-efterfrågan gör kapacitet i hela ekosystemet kommersiellt viktig.

För kunder som överväger A16 blir frågan till sist inte bara vem som har det minsta annonserade processnamnet. Det avgörande är om foundryn kan leverera kvalificerade kiselskivor, fungerande designverktyg, stabila utbyten och tillräckligt mycket avancerad kapsling för att kompletta AI-system ska kunna skeppas i stor skala.