先进封装成了新瓶颈:AI数据中心电力17.5 GW,这就是天花板
The Register 9月30日援引投资银行Jefferies和分析公司SynMax的数据:现有先进封装产能只能支撑总功率约13 GW的加速器。把CPU、内存和散热都算上,大约相当于17.5 GW的数据中心总电力。

要紧的是这个数字。不是已公布的规划,也不是某些2028年需求模型暗示的80 GW。是封装的天花板。
Jefferies把报告给了The Register,后者9月30日刊发。SynMax每周追踪土地平整、首批建筑和施工进度的卫星影像。它估计美国部署规模会从2025年约11 GW的总容量升到2026年的16-18 GW,高于此前14-16 GW的预测。2027年的实际上限,它放在20 GW出头。另有两个封装项目预计2027年投产,可能再添6 GW,但前提是产能扩张快于预期。土地和硅片之间的差距,现在从轨道上就能看见。The Register报道,新项目的土地平整已经停滞。看得见的施工活动,远跟不上已公布规划所暗示的80 GW以上。Jefferies此前一份报告发现,原定2026年投运的美国产能只有一半在建。2028年规划中多达80%的工程还没动工。
为什么卡在封装,而不是晶圆
把加速器裸片造出来只是一半。之后还要和HBM这类高带宽内存等部件封装在一起,OEM才能装进服务器。
先进封装用高密度连接把多颗裸片和内存组合起来。许多先进CPU和AI加速器都走这条路。即便在美国本土制造的芯片,也可能要运到海外,通常是台湾,去做封装。半导体生产和可用的数据中心容量之间,就此出现一个卡口。
据EE Times 9月30日报道,在新加坡A*STAR的Innovate Together 2026活动上,来自KLA、ASM、ASMPT和新加坡国立大学的工程师从工艺角度讲了这种挤压。封装尺寸越来越大,互连间距和缺陷容差却在缩小。A*STAR微电子研究所系统级封装负责人Surya Bhattacharya说,单靠晶体管微缩已经不够满足AI计算需求。他表示,系统必须集成更多裸片和功能,封装因此成了系统设计的一部分,而不是事后补上的环节。ASM International的Avi Shantaram说,混合键合对下一代高密度3D互连很重要,但挑战不只在键合设备。晶圆表面粗糙度、化学机械抛光的碟形凹陷、洁净度和颗粒控制都会影响结果。ASMPT半导体解决方案CTO Gary Widdowson说,混合键合不会立刻取代热压键合,后者在成熟度和成本上仍有优势。据EE Times报道,Widdowson说:“我们面对的是一整套工艺,不是单一设备的问题。”
经济账并不宽容。SemiEngineering.com上10月1日发布的一篇赞助商博客称,一颗典型复杂度的ASIC,工程投入超过1000个工程师月。文章指出,综合、布局布线方面的开创性工作,已经把瓶颈推到了验证环节。这是与封装瓶颈并行的一条设计侧约束。
良率作为泄压阀
有一家初创公司认为,不用更多晶圆也能缓解短缺。Emergence AI联合创始人兼执行董事长Satya Nitta在SEMICON India 2026上对EE Times说,需求超过供给,每家晶圆厂都在满负荷运转。“你没法把芯片造得更快,但用AI确实能让每片晶圆产出更多合格芯片,”他说。Nitta描述了这样一类智能体:它们在1500种产品中找出30%共有的同一种失效模式,并建议重新设计受影响的模块。他说,这项工作超出了人的认知极限。该公司客户中的IDM厂商如今要求把这项工作延伸到晶圆厂里。另一条路上,工具链正在被直接自动化。OpenAI与Synopsys签署多年合作协议,要打造GPT-Synopsys,这个模型意在推理芯片设计与验证,并操作Synopsys的EDA工具,The Decoder 9月30日报道。面向半导体客户的早期测试已经开始。两家公司将共同推广这款产品并分享收入。
这些都不改变近期的算术。内存是第二道约束。MaxLinear表示,其新款Puma 9 DOCSIS芯片将同时支持DDR5和DDR4,以降低供应链风险。高级副总裁Puneet Sethi对Light Reading说,DDR5的价格和供应应当比DDR4更宽松。另一边,AMD正以约82亿美元的股票收购AI研究实验室World Labs。Data Center Knowledge报道,这笔9月28日宣布的交易,目的是在AI模型演进之际为未来的芯片设计提供参考。
封装产能能否扩得足够快,是悬而未决的问题。这个上限不是理论值。是17.5 GW。
资料来源
15- 01America is planning more AI datacenters than its chip supply can fillEN
- 02AI Drives Larger, Denser Packaging, Raising New Challenges for Equipment MakersEN
- 03Emergence AI Targets Fabless Chipmakers With Neuroformal AIEN
- 04OpenAI and Synopsys team up to build an AI model that designs chips like a seasoned engineerEN
- 05Why LLMs Are The Best Thing To Happen To Chip DesignEN
- 06Crossing Chiplet Boundaries With PCIe Over UCIeEN
- 07MaxLinear claims new 'Puma 9' DOCSIS chip is a big cost-cutterEN
- 08MaxLinear intros 'AI-ready' Puma 9 DOCSIS chipsetEN
- 09AMD to Acquire World Labs for $8.2B to Advance AI Models and RoboticsEN
- 10Huawei boss claims homegrown AI chip sales top Nvidia in ChinaEN
- 11Qualcomm Unveils Snapdragon 8 Elite Gen 6 and Elite Extreme Gen 6: Next Gen Flagship Mobile ChipsEN
- 12Google rolls out Gemini 4 Argon, its most advanced AI modelEN
- 13Experts worry about Nvidia's AI chip sales in China and influence over TrumpEN
- 14101 Malicious npm Packages Add Developers' WhatsApp Accounts to Groups Without ConsentEN
- 15Advanced grid tech gets a $1.9B DOE boostEN
本文所有数字与引语均来自下列来源,未添加来源之外的内容。
本内容由编辑部在人工智能辅助下制作完成。
评论
0- 还没有评论——来说两句吧。