台積電 A16 1.6 奈米製程：AI 晶片為何要將供電搬到晶片背面？

這個改變對 AI 及 HPC（高效能運算）晶片尤其重要。這類處理器需要極高的供電能力及大量高速訊號互連，電源網絡和訊號佈線往往要爭用有限的晶片空間。將兩者分開，理論上可以減少正面佈線擠塞，並讓電力更有效率地送到高負載邏輯電路。

所以，A16 的重點不只在於「電晶體做得更細」，而是重新安排晶片的供電和訊號網絡。對大型 AI 晶片而言，這種架構層面的改變，可能比製程名稱上的數字更值得留意。

相較 N2P，速度、功耗及密度有何提升？

按照目前公布及報道的技術平台指標，A16 相較台積電改良版 2 奈米製程 N2P，目標包括：

• 相同功耗下，速度提升 8% 至 10%；
• 相同速度下，功耗降低 15% 至 20%；
• 晶片密度提升 8% 至 10%，涵蓋邏輯及 SRAM。

這些數字是製程平台在特定條件下的比較，並不代表每一款採用 A16 的客戶晶片都必然快 10%，或一定慳電 20%。實際表現仍會受到晶片架構、標準元件庫、設計規則、電壓、散熱、封裝，以及實際工作負載影響。

同樣地，「密度提升 8% 至 10%」亦不等於所有完成品處理器都會按比例縮細。設計者可以將額外空間用於增加運算邏輯、擴大快取、加入更多連接功能，或者在功能不變下縮小晶粒面積，最終取決於產品取向。

為何 A16 主要瞄準 AI 及 HPC？

A16 的主要對象是高效能邏輯晶片，尤其是 AI 加速器及數據中心處理器。這些晶片不只需要更多運算單元，亦要處理龐大的供電需求、高頻寬互連和散熱壓力。

如果製程只提升電晶體密度，卻未能改善供電及訊號佈線，晶片未必能夠在整個系統層面發揮預期效益。SPR 正正針對這個瓶頸，理論上讓設計者可以在同一晶片面積附近，將製程優勢取捨為更高效能、更低功耗，或者加入更多功能。

這些取捨對數據中心格外關鍵。AI 加速器的實際效能，不只取決於計算吞吐量，亦受電力供應、冷卻能力，以及晶片封裝內外的資料傳輸能力限制。

A16 是 N2P 與 A14 之間的「橋樑」

台積電的路線圖將 A16 放在 N2/N2P 世代與 1.4 奈米級 A14 之間。按目前有關路線圖及業績資訊的報道，A14 預計於 2028 年進入量產。

這令 A16 有一個清晰的策略角色：在下一代主要製程推出前，先為高要求客戶引入背面供電。換句話說，A16 既是新一代製程，亦是技術橋樑——它延續奈米片平台，同時加入對大型 AI 設計特別有價值的供電架構變化。

不過，A16 的時間表在 2026 年不同報道之間並不完全一致。部分報道曾指 A16 可能延遲，但較後的報道及技術資料仍然指向 2026 年下半年或第四季投產。因此，目前最穩妥的判斷是：2026 年第四季仍是已報道的目標，但量產能否按計劃、以甚麼規模進行，仍要視乎爬坡及客戶認證結果。

與三星及 Intel 的競爭，不能只看「幾多奈米」

三星 SF1.4 的量產目標據報由較早前的 2027 年推遲至 2029 年，期間會先集中改善 2 奈米 SF2 家族的良率、客戶認證及製造穩定性。若這個時間表維持不變，台積電將有更多時間量產 A16，並向 2028 年的 A14 推進。

Intel 則仍然是先進製程及背面供電的重要競爭者，其 18A 和規劃中的 14A 都在競爭版圖之內。不過，不同晶圓代工廠所用的「1.6 奈米」、「1.4 奈米」等名稱，並不能直接一對一比較。良率、設計工具及元件庫、客戶認證、封裝能力、成本，以及最終晶片表現，往往比製程名稱上的數字更重要。

因此，A16 的時間表有助台積電維持競爭優勢，但單憑 A16 並不足以證明台積電在所有技術或商業指標上都全面領先 Intel。真正的考驗，是客戶能否利用這套製程，以足夠良率及規模生產出可交付的 AI 產品。

近 294 億美元投資，不是 A16 的單獨成本

A16 的故事亦包括台積電擴充產能的計劃。報道指，台積電董事會批准約 294.425 億美元 的投資，用於擴充先進製程及先進封裝產能，同時升級成熟及特殊製程，以及興建新廠。

另外，台積電據報將 2026 年資本開支計劃提高至 600 億至 640 億美元，反映公司仍在持續投資先進製造及先進封裝。

需要留意的是，這些金額並不是 A16 單一製程的成本，而是涵蓋多個製程世代、封裝技術及相關基礎設施的整體產能計劃。

對 AI 晶片來說，CoWoS 可能比製程節點更快成為瓶頸

生產先進邏輯晶粒只是 AI 晶片供應鏈的其中一環。完成晶圓製造後，產品還需要高頻寬記憶體（HBM）、基板、中介層、組裝及測試等配套。隨着 AI 需求增加，台積電的 CoWoS 先進封裝產能據報一直處於滿載狀態。

業界報道指，部分共用主要客戶的後段封裝工作，已經轉移至 Intel 位於馬來西亞的設施。這較可能是對產能壓力作出的有限供應鏈應對，而不是證明台積電已將核心 CoWoS 技術或主要製造基地廣泛外判。

這件事亦說明，製程領先本身並不能決定 AI 硬件可以多快送到客戶手上。即使先進邏輯晶粒已經做好，仍可能受到封裝產能、HBM 供應、基板或測試能力限制。面對同一輪需求壓力，台積電據報亦在發展類似 Intel EMIB 的封裝方案。

AI 時代的半導體競爭：一邊競爭，一邊互補

A16 所反映的，是半導體製造業正在出現更明顯的專業分工。AI 系統越來越依賴晶圓代工、記憶體供應商、基板製造商、封裝服務商，以及分布於不同地區的製造據點共同配合。

這種供應鏈既有競爭，亦有專業互補。台積電仍然是先進邏輯及 CoWoS 的核心供應商；Intel 可以在製程技術及替代封裝產能方面競爭；馬來西亞、台灣及其他地區則可承擔後段製造鏈的不同部分。競爭對手之間出現部分封裝工作轉移，與其說是競爭消失，不如說是 AI 需求令整個生態系統的產能變得同樣重要。

對 A16 客戶而言，真正要問的已經不只是「哪間晶圓代工廠宣布了最細的製程節點」，而是它能否同時提供經認證的晶圓、成熟的設計工具、穩定良率，以及足夠的先進封裝產能，將完整 AI 系統大規模交付到市場。