跳到正文
世界时间EU--:--UK--:--USA--:--CN--:--PLDEFRIT中文EN

关于人工智能与技术的门户事件 · 分析 · 访谈 · 技术背景

搜索
直播
›

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。

科技分析王雅琴发布: 2026年10月2日4 分钟阅读资料来源 15
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

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。

评论 0

资料来源

15
  1. 01America is planning more AI datacenters than its chip supply can fillEN
  2. 02AI Drives Larger, Denser Packaging, Raising New Challenges for Equipment MakersEN
  3. 03Emergence AI Targets Fabless Chipmakers With Neuroformal AIEN
  4. 04OpenAI and Synopsys team up to build an AI model that designs chips like a seasoned engineerEN
  5. 05Why LLMs Are The Best Thing To Happen To Chip DesignEN
  6. 06Crossing Chiplet Boundaries With PCIe Over UCIeEN
  7. 07MaxLinear claims new 'Puma 9' DOCSIS chip is a big cost-cutterEN
  8. 08MaxLinear intros 'AI-ready' Puma 9 DOCSIS chipsetEN
  9. 09AMD to Acquire World Labs for $8.2B to Advance AI Models and RoboticsEN
  10. 10Huawei boss claims homegrown AI chip sales top Nvidia in ChinaEN
  11. 11Qualcomm Unveils Snapdragon 8 Elite Gen 6 and Elite Extreme Gen 6: Next Gen Flagship Mobile ChipsEN
  12. 12Google rolls out Gemini 4 Argon, its most advanced AI modelEN
  13. 13Experts worry about Nvidia's AI chip sales in China and influence over TrumpEN
  14. 14101 Malicious npm Packages Add Developers' WhatsApp Accounts to Groups Without ConsentEN
  15. 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。

王雅琴

王雅琴

人工智能、模型与技术

王雅琴负责FLASH24的人工智能、模型与技术报道,覆盖科技、人工智能与模型、媒体与互联网领域。她习惯直接查阅技术文档、模型卡与官方博客,而非依赖新闻稿,对未经核实的参数和跑分数据一概不放行。每篇报道前,她会逐项核对基准测试结果,对照论文原文与开源代码,确认版本号、数据集和评测条件是否一致。她常联系开发者与研究人员求证细节,也盯着各大厂商的发布会和论文截稿日期,横向比较同类模型的实际表现。私下她自建服务、折腾家庭网络,这让她对部署成本和真实算力需求有直观判断。她的原则是:没有可复现来源的数字,不写进稿子。

编辑部 →

评论

0
  1. 还没有评论——来说两句吧。

写评论

评论公开展示。我们不发布辱骂、垃圾信息和广告内容。