除了製程節點,論壇另一個焦點是 先進封裝技術。對AI加速器來說,封裝現在幾乎和製程同樣重要。
關鍵數據:
「reticle」是光刻機一次可曝光的最大晶片面積。當單一晶片面積不夠時,廠商會把多個晶粒(chiplets)整合到同一個封裝裡,再搭配高頻寬記憶體(HBM),形成大型AI處理器。
因此,封裝能力直接決定了AI晶片能做得多大、頻寬多高。
台積電同時透露,AI晶片封裝規模未來還會快速增加。
業界報導指出,其路線圖大致包括:
如果這些設計落地,未來AI處理器的面積將遠超現今GPU或AI加速器,封裝技術也會逐漸變成「系統級架構」的一部分,而不只是晶片組裝。
在製程方面,台積電的 N2(2nm)節點 已經開始進入大規模量產階段。
因此台積電也在持續擴大產能,以應對AI運算與新一代裝置對先進製程的需求。
先進製程競賽現在不只看技術指標,還包括 量產時程與良率。
近期一些報導指出競爭對手的進展並不完全順利:
這些數據主要來自第三方報導,仍需要保守看待,但也反映出先進半導體製造的技術門檻正持續提高。
2026年的技術論壇再次強調一個趨勢:未來運算性能提升,將同時依賴製程微縮與先進封裝。
對需要極高記憶體頻寬與巨大晶片面積的AI加速器來說,這兩條技術路線結合,正成為半導體競爭的核心。
從目前路線圖來看,台積電正試圖在 製程與封裝兩條戰線同時領先到本十年末。
Comments
0 comments