人工智能芯片(如英伟达GPU)的设计和制造方式

根据雅虎财经的报道,英伟达股价在2026年10月的一个星期三下跌超过3%,并在次日盘前交易中进一步下滑。这是因为美国通胀数据高于预期,推高了债券收益率,引发了芯片股的更广泛抛售。同样的报道称,云服务提供商CoreWeave因债务负担问题下跌超过16%,美满电子和SK海力士也因分别对中国竞争的担忧而下跌,投资者则在等待台积电的季度业绩,预计将显示利润上升60%。

抛售与利率和债务担忧有关,而非芯片制造或销售方式的任何变化。但这引起了人们对芯片产业本身的重新关注——一个分为两个截然不同业务的流程:芯片设计和制造。

设计:在任何东西制造前绘制电路

根据人工智能政策与战略研究所(IAPS)的说法,英伟达等公司不运营自己的芯片工厂。在"无晶圆"模式下,英伟达设计芯片架构和软件——如其CUDA平台——并依赖外部晶圆厂进行生产。美国傻瓜网将英伟达的GPU描述为执行AI模型背后的训练和推理工作的硬件。

IAPS解释说,芯片设计从高级需求开始,架构师使用电子设计自动化(EDA)软件将其转化为详细的电路逻辑。设计人员要么从零开始构建组件,要么采用现成的IP核心,然后对设计进行模拟和正式验证,最后才能将其转化为与特定晶圆厂工艺相匹配的制造文件。IAPS指出"芯片设计是一个困难而繁琐的过程",注意到英伟达和AMD等设计商雇用数万名员工,设计一款先进的AI芯片可能需要一年或更长时间。

制造:硅晶圆上的数百个步骤

设计完成后,它移交给晶圆厂——对于最先进的AI芯片,通常是台湾的台积电。根据IAPS的说法,制造从高度纯净的300毫米硅晶圆和一套编码电路图案的光掩模开始。构建芯片本身涉及数百个重复的步骤:沉积材料层,使用光敏光刻胶通过掩模曝光进行图案化(光刻),通过离子注入对部分进行掺杂以设置其电气特性,研磨表面平整,以及添加金属层以连接各个组件。

光刻步骤取决于荷兰公司阿斯麦专门制造的极紫外(EUV)机器。根据欧洲新闻网的报道,阿斯麦在10月14日报告了2026年第三季度业绩,称销售额达到117亿欧元,同比增长55%,净收入超过翻倍至50亿欧元。尽管销售额创纪录且2026年展望有所提高,阿斯麦表示其计划在2027年和2028年每年增加30%的产能仍不足以满足客户订单。阿斯麦首席执行官克里斯托夫·富凯表示,客户现在预订机器需要提前数年。

封装已成为新的瓶颈

晶圆制造完成后,被切割成单个芯片,进行测试,并组装成成品包——IAPS称之为组装、测试和封装(ATP)阶段。对于AI芯片,这一步骤现在与制造本身一样重要。台积电使用芯片-晶圆-基底(CoWoS)技术,将处理器芯片与多个高带宽内存堆栈堆叠在一个中介基板上,IAPS表示台积电将其应用于英伟达的H100芯片。台积电在2026年10月公布的路线图,涵盖下一代A13生产工艺节点和扩展的CoWoS封装,称到2028年,未来的"14光掩模"CoWoS格式将集成大约10个大型计算芯片和约20个HBM内存堆栈。

台积电的路线图公告将CoWoS先进封装描述为扩展以满足AI驱动的需求,到2028年转向14光掩模格式,并在2029年进一步扩展。这种轨迹指向AI芯片供应链的更广泛转变——从硅制造转向封装成为增长的制约因素——尽管光刻工具制造商(而非封装设备制造商)阿斯麦仍继续报告其机器的创纪录需求。

AI也被用于构建芯片

英伟达和台积电已开始在制造过程中应用AI工具。根据英伟达自己的公告,台积电使用英伟达的cuLitho软件来加速计算光刻——设计光掩模所需的计算——与基于CPU的方法相比,在成本效益或周期时间上改进20–50%。这些公司还描述了使用英伟达的cuEST库进行化学模拟、用于生产线上缺陷检测的视觉AI工具,以及一个早期阶段的虚拟工厂项目"FabTwin",该项目建立在英伟达的Omniverse平台上,用于在构建工厂布局之前进行测试。

标准GPU的替代设计

并非所有公司都遵循英伟达的架构。美国傻瓜网报道称,Cerebras Systems构建一个单一的巨型芯片——其晶圆级引擎——它将其描述为英伟达B200 GPU的58倍大,在一块硅片上组合大量的计算能力和内存,而不是将许多较小的芯片连接在一起。Cerebras表示,对某些工作负载,这种设计的推理速度比基于GPU的系统快达15倍,傻瓜网将这种方法描述为对英伟达在AI硬件中主导地位的直接设计挑战。