2024年第一季度,台积电进一步提高其在代工业务中的主导地位,在竞争中领先优势进一步扩大。这对公司的收入,尤其是自由现金流的增长来说是个好兆头。
2023财年,台积电在全球代工市场的份额为60%,今年第一季度这一比例扩大至62%。
人工智能芯片的需求如此之高,以至于位于亚利桑那州的子公司甚至在4月份获得了美国官方66亿美元的资助,以期提高国内产量并缓解严重的人工智能芯片短缺问题。
台积电今年第一财季的业绩,净收入增长13%至189亿美元,超过了公司自己预期的180-188亿美元的收入,这种需求是由对支持人工智能应用的计算机芯片不断增长的需求推动的。
但同时经多家媒体证实,台积电3nm代工价格将在明年上调5%,CoWoS先进封装价格将上涨10%-20%。

一项新的封装技术即将崛起
据报道,为满足未来人工智能对算力的需求,台积电正在研究一种新的先进芯片封装方法,使用矩形基板,而不是传统圆形晶圆,从而在每个晶圆上放置更多的芯片。
据悉,台积电所研发的这项新技术而非目前普遍使用的圆形晶圆,这种设计上的转变看似微小,但实际上却能带来革命性的变化。
传统的圆形晶圆在封装过程中,由于圆形的特性,其边缘部分往往会存在未使用的面积,这在一定程度上限制了封装效率。
而矩形面板状基板则能最大限度地利用整个面板的面积,使得每片基板上能够放置更多的芯片组,从而提高封装效率。
台积电目前正在试验的矩形基板尺寸为510mm×515mm,这样的尺寸使得其可用面积达到了现有12英寸圆形晶圆的三倍多。
这一显著的增长不仅意味着更高的封装效率,同时也为未来的芯片设计提供了更大的灵活性和可扩展性。

新技术带来的优势
在设计上,矩形形状的设计使得边缘剩余的未使用面积大幅减少。传统的圆形晶圆封装中,由于边缘部分的面积无法被有效利用,往往需要进行额外的处理或切割,这不仅增加了制造成本,也降低了生产效率。
而矩形面板状基板则能有效避免这一问题,使得整个制造过程更加高效、经济。
据分析师估算,在100%的良率下,一块12寸晶圆只能造出16套B200这样的AI计算芯片。即使是较早的H100芯片,最多也只能封装大约29套。
而从供应链的角度来看,仅英伟达一家对CoWoS的需求就超过4.5万片晶圆,更不要说谷歌、亚马逊、AMD等厂商都在使用台积电的CoWoS封装技术。
值得注意的是,尽管台积电的这一新技术目前仍处于早期研发阶段,且可能需要数年时间才能实现商业化应用,但它无疑代表了半导体封装技术的一个重要发展方向。

AI芯片激发面板封装产业链
其实在英伟达发布新一代AI芯片GB200时,就已经透露了这种矩形晶圆封装技术。
为了缓解CoWoS先进封装产能吃紧问题,英伟达正规划将其GB200提早导入扇出面板级封装(FOPLP),从原订2026年提前到2025年。
对比晶圆级封装(FOWLP),面板级封装使用方形的玻璃面板或印刷电路板,尺寸也不仅仅是510 x 515mm,还有更大的600 x 600mm。

据Yole的报告计算,FOWLP技术的面积使用率<85%,而FOPLP面积使用率>95%,这使得同比例下,300x300mm的矩形面板会比12寸晶圆多容纳1.64倍的die,最终会转化到每单位芯片的生产成本之上。
随着基板面积的增加,芯片制造成本将逐渐下降,300mm过渡到板级封装,则能节约高达66%的成本。
因此单从经济角度考虑,FOPLP对比晶圆封装有多项优势。而更重要的则是FOPLP可以缓解CoWoS产能吃紧的问题,从而保证AI计算的需求。
不过矩形基板,其实早有尝试。为了在基板上形成布线层和TSV,需要用到专用的制造设备和传输系统,并且需要光刻胶等一系列配套设备。
而这些的准备工作,都需要时间和金钱,即使像台积电这样拥有深厚财力的芯片制造商,也不能在短时间内解决。

结尾:
不过随着产业链上下游厂商的不断关注和入局,这项面板级封装技术也会逐渐走向现实。
台积电的这一创新举措不仅展示了其在技术研发上的前瞻性和决心,也体现了其对于市场需求变化的敏锐洞察和积极响应。
期待台积电在未来的半导体制造领域继续发挥引领作用,为全球科技产业的进步和发展做出更大的贡献。
内容参考来源于:镁客网:AI芯片产能告急,矩形晶“圆”来当救星?;传感器技术:台积电重大技术变革!晶圆变矩形,可用面积激增3.7倍!华尔街见闻:台积电的先进封装怎么样了?| AI脱水
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。