台積電先進封裝,最新研判!

格隆匯
08/12

近日,台積公司先進封裝技術暨服務副總經理何軍在OCP APAC Summit上發表演講,披露了台積電先進封裝最新的技術進展以及未來規劃。與外界過去兩年主要關注CoWoS產能擴張不同,這次何軍釋放出的信息實際上更加豐富。以下,是我們基於何軍這次演講的核心內容總結:

1. 已「非常接近」滿足CoWoS需求,但尚未完全實現

2. 目前擁有10家先進封裝工廠

3. 過去三年CoWoS產能每年翻番

4. 5.5倍光罩尺寸的CoWoS已實現量產,在多款AI客戶端產品中的良率超過98%

5. 14倍光罩尺寸的CoWoS將於2029年問世

6. 台積電計劃每年推出新技術

7. 去年,6微米混合鍵合間距的SoIC已實現量產,到2029年將縮小至4.5微米,用於A14芯片堆疊。SoIC可提供50倍的互連密度和5倍的能效

8. 光罩尺寸超過3倍後,所有組件的質量必須達到汽車級標準,才能保持低故障率

9. 瓶頸:未來幾年,ABF基板短缺問題將僅次於內存。目前,各公司正從多家供應商採購基板以滿足需求,而基板的熱性能和機械性能差異是一個問題

10. 通過Chiplet「智能匹配」(Smart Matchmaking)提升良率:通過將芯片與性能一致的芯片進行匹配,回收原本可能被報廢的芯片。

11. 中介層:從連接層發展到集成電壓調節器、電容器和硅光子器件。

12. 轉向並行開發:客戶芯片在測試完成前即可進入晶圓廠;供應商必須在台積電晶圓廠附近設立研發團隊,以便在量產過程中進行實時修復。

13. 提前發布系統規範:台積電將在量產前六個季度發布系統規範,以便客戶和供應商能夠就散熱、機械和功耗要求(STCO)達成一致。

接下來,我們將拆分分析以下,我們認為這個演講背後所蘊含的意義。值得一提的是,我們這個分析僅供參考,歡迎指正。


瘋狂擴產後,COWOS產能勉強跟上


過去兩年,隨着AI加速器需求持續爆發,CoWoS一度成為整個AI芯片供應鏈中最緊缺的環節之一。由於英偉達AMD以及其他AI芯片廠商不斷將HBM與GPU、CPU或Chiplet集成到同一封裝中,先進封裝的重要性快速上升。

作為一項被廣泛使用的技術,CoWOS通過硅中介層(Silicon Interposer)把計算Die和多顆HBM放到非常接近的位置,並利用中介層內部的大量高密度金屬互連,實現計算芯片與HBM之間的高速數據交換。CoWoS也從過去相對專業的封裝技術,逐漸成為決定AI芯片出貨能力的關鍵基礎設施。面對這一輪前所未有的需求增長,台積電不得不持續加碼先進封裝產能。

從何軍此次披露的信息來看,台積電過去三年一直在以非常激進的速度擴充CoWoS產能,相關產能已經連續三年實現每年翻番。與此同時,台積電目前已經擁有10家先進封裝工廠,形成了覆蓋不同先進封裝技術和產品的製造體系。這樣的擴產速度,在半導體制造歷史上並不常見,也從側面反映出過去幾年AI芯片需求增長的強度。

更值得注意的是,持續三年的產能翻倍之後,台積電如今已經開始看到供需關係發生變化。何軍表示,目前CoWoS的供應能力已經「非常接近」客戶需求,但仍然沒有完全滿足市場。換句話說,過去一度嚴重製約AI芯片出貨的CoWoS瓶頸正在逐步緩解,但尚未真正消失。對於台積電而言,這意味着此前持續追趕需求的擴產已經取得明顯成效;而對於整個AI產業鏈來說,則意味着CoWoS正在從「最核心的產能瓶頸」逐漸進入供需趨於平衡的新階段。

但這並不意味着CoWoS的產能擴張可以就此停止。恰恰相反,AI芯片的封裝規模仍在不斷擴大,單顆產品需要集成的計算Die、HBM以及其他芯片數量持續增加,先進封裝本身也在向更大尺寸、更高密度的方向演進。因此,台積電現在面臨的已經不是簡單的「把CoWoS做得更多」,而是在繼續擴充產能的同時,不斷提升單個封裝能夠承載的芯片數量、尺寸和互連密度。也正是在這一背景下,CoWoS正在從解決「有沒有產能」的問題,進一步走向解決「如何以更高效率製造更復雜AI系統」的階段。


原來越大的光罩,面臨良率危機


隨着AI芯片算力不斷提升,CoWoS封裝的尺寸也在持續擴大,其背後的原因並不是單純追求更大的封裝,而是AI芯片本身需要集成越來越多的計算Die、Chiplet和HBM。尤其是HBM已經成為高端AI加速器的重要組成部分,計算芯片需要通過極高密度的互連與多顆HBM進行數據交換。未來隨着模型規模和算力需求繼續增長,單顆AI加速器需要的計算資源和內存帶寬都會進一步提升,這意味着必須在一個封裝中放入更多芯片,也就需要更大的硅中介層和更大的封裝面積。

因此,CoWoS實際上正在經歷一個從「小型封裝」向「超大封裝」演進的過程。何軍此次透露,台積電5.5倍光罩尺寸的CoWoS已經實現量產,在多款AI客戶產品中的良率超過98%;而到2029年,台積電還計劃進一步推出14倍光罩尺寸的CoWoS。封裝尺寸從5.5倍繼續擴大到14倍,意味着未來一個CoWoS封裝可以容納更多計算Die和HBM,從而進一步提升整個AI系統的算力和內存帶寬。

但封裝越大,製造難度也會明顯提升。因為CoWoS中包含硅中介層、HBM、計算Die、ABF載板等多個不同材料和組件,這些材料在溫度變化下的膨脹和收縮並不完全一致,封裝尺寸越大,翹曲、機械應力、散熱以及互連可靠性等問題就越容易被放大。同時,封裝中的Die和連接數量不斷增加,也意味着任何一個局部缺陷都可能影響整個產品的最終良率。因此何軍特別指出,當光罩尺寸超過3倍之後,封裝中所有組件的質量都需要達到甚至超過汽車級標準,才能將整體故障率控制在較低水平。

這也意味着,超大尺寸CoWoS已經不是單純的封裝工藝問題,而是一個系統工程。台積電一方面需要通過更嚴格的工藝控制、檢測和良率管理,確保5.5倍乃至未來14倍尺寸產品能夠穩定量產;另一方面,還需要與HBM、ABF載板、封裝材料等供應商進行協同,控制不同材料之間的熱、機械和電氣性能差異。最終目標是在封裝尺寸不斷擴大的同時,仍然維持足夠高的良率和可靠性。換句話說,CoWoS未來真正的挑戰,不只是「做得更大」,而是「在做大的同時,依然能夠穩定地做出來」。


從2.5D走向3D,SoIC要來了


如果說CoWoS解決的是如何在水平方向集成更多計算Die和HBM,那麼SoIC解決的則是如何進一步向垂直方向擴展。隨着AI芯片需要集成的計算Die、緩存和Chiplet越來越多,單純擴大CoWoS封裝面積終究會受到尺寸、功耗和信號傳輸等限制,因此先進封裝正在從2.5D走向3D。

SoIC是台積電面向3D芯片集成推出的技術,採用Hybrid Bonding(混合鍵合)實現不同Die的垂直堆疊。與CoWoS「橫向鋪開」芯片不同,SoIC是在「縱向堆疊」芯片,兩者可以進一步結合,形成2.5D+3D的異構集成架構。其優勢在於能夠縮短芯片之間的數據傳輸距離,同時提供極高的互連密度。何軍透露,SoIC的互連密度可達到傳統方案的約50倍,能效提升約5倍,這對於越來越受數據搬運和功耗限制的AI芯片尤為重要。

其中,「6微米」和「4.5微米」兩個數字尤其值得關注。台積電去年已經實現6微米Hybrid Bonding間距SoIC量產,並計劃到2029年進一步縮小至4.5微米,用於A14節點芯片堆疊。鍵合間距越小,單位面積能夠實現的互連數量就越多,也意味着3D Chiplet可以實現更高密度的集成。何軍釋放的這一信號表明,SoIC正在從先進封裝技術逐漸走向先進製程芯片架構的重要組成部分。

由此來看,CoWoS和SoIC未來並非二選一,而是分別承擔橫向和縱向擴展:前者把更多計算Die和HBM集成到一個封裝中,後者則進一步向垂直方向堆疊芯片。先進封裝正在從2.5D向2.5D+3D演進,而這也將成為AI芯片繼續提升系統性能的重要路徑。


中介層正在從「連接層」變成「功能層」


在CoWoS中,Interposer(硅中介層)過去最核心的作用,是承擔計算Die、HBM與封裝基板之間的高速連接,通過高密度佈線和TSV等結構,把原本獨立的芯片連接起來。隨着AI芯片集成的計算Die和HBM越來越多,Interposer本身也不斷擴大,互連密度持續提升,已經成為先進封裝中的關鍵基礎結構。

但隨着AI芯片功耗和數據吞吐量不斷提升,單純承擔「連接」功能的Interposer正在變得不夠用。一個明顯趨勢是,越來越多功能開始向中介層集成,例如電壓調節器和去耦電容。AI加速器需要非常大的電流,而且負載變化迅速,如果電源需要從封裝基板甚至PCB長距離傳輸到芯片,就會產生IR Drop、寄生電感等問題。將電源調節和電容進一步靠近計算Die,可以縮短供電路徑,並改善瞬態響應和電源完整性。台積電也已經在研究將MIM去耦電容集成到硅中介層中。

另一個重要方向則是硅光子。隨着AI集群規模不斷擴大,芯片之間的數據交換量越來越高,傳統電互連在帶寬、功耗和傳輸距離方面逐漸面臨限制。因此,未來的先進封裝不僅需要解決「如何高速傳電」,還需要進一步解決「如何把光連接帶到芯片附近」。如果將硅光子器件與Interposer和計算Die進一步集成,就可以縮短光電轉換和數據傳輸路徑,為Co-Packaged Optics等下一代光互連架構提供基礎。

因此,何軍此次提到的Interposer變化,實際上反映了先進封裝的一個重要趨勢:中介層正在從過去負責「連接芯片」的被動結構,逐漸變成集成連接、電源、儲能乃至光互連功能的系統級平台。隨着CoWoS繼續向更大尺寸發展,未來一個封裝內部集成的芯片越來越多,單純依靠封裝外部的電源管理和光互連已經越來越難滿足需求,Interposer本身也將承擔更多系統級功能。換句話說,先進封裝正在從「把芯片放在一起」,進一步走向「把整個系統集成到一起」。


ABF基板,成為下一個瓶頸?


隨着台積電持續擴大CoWoS產能,先進封裝供應鏈的瓶頸也正在發生轉移。何軍此次特別指出,未來幾年ABF基板的供應緊張程度可能僅次於內存,成為AI芯片供應鏈中又一個關鍵限制因素。ABF(Ajinomoto Build-up Film)基板是高端FC-BGA封裝的重要組成部分,負責將封裝內部的計算Die、HBM等芯片與外部PCB連接。隨着AI加速器的封裝尺寸、I/O數量和功耗不斷增加,對ABF基板的尺寸、層數、佈線密度以及電氣和機械性能要求也越來越高。換句話說,CoWoS封裝越大,對應需要的高端ABF基板也越複雜。

產業鏈已經開始針對這一趨勢擴充產能。ABF材料端,味之素正在繼續增加ABF薄膜供應能力,並宣佈從2026年第三季度起上調ABF價格30%,側面反映出AI封裝需求對材料端的壓力。基板製造端,日本Ibiden、台灣欣興(Unimicron)等廠商也在加碼高端IC封裝基板產能,重點瞄準AI和HPC需求。行業研究機構Counterpoint此前預計,2026年下半年全球ABF基板供應缺口約為10%,到2027年甚至可能擴大至20%,直到新增產能陸續釋放後纔有望緩解。

但ABF的問題並不只是「產能夠不夠」。目前AI芯片客戶已經開始通過多家供應商採購基板,以降低單一供應商供貨不足的風險,可是不同供應商生產的ABF基板在熱性能和機械性能方面存在差異。對於普通芯片而言,這種差異影響可能有限;但對於如今越來越大的CoWoS封裝來說,計算Die、HBM、Interposer和基板之間存在複雜的熱膨脹和機械應力關係,基板性能的細微差異都可能影響封裝翹曲、可靠性以及最終良率。因此,何軍所說的ABF瓶頸,本質上已經不只是產能問題,而是產能、材料性能和供應商一致性共同構成的系統性問題。

這也意味着,未來ABF產業鏈需要同步解決兩個問題:一方面,味之素等材料廠商以及Ibiden、欣興等基板廠商需要繼續擴充高端產能;另一方面,多供應商體系還必須建立更加統一的材料規格和質量標準,確保不同來源的基板能夠滿足超大尺寸CoWoS的要求。隨着台積電CoWoS產能連續擴張並逐漸接近需求,AI先進封裝的瓶頸正在從一家晶圓廠的產能問題,進一步向ABF材料、基板製造以及整個供應鏈的協同能力轉移。


AI時代,台積電的方法論也在改變


進入AI時代,台積電的競爭已經不只是先進製程和封裝技術本身,其背後的製造方法論也正在發生變化。何軍此次透露的幾個細節,可以看到台積電正在從過去的「單點技術迭代」,轉向更加系統化、協同化的研發和製造模式。

首先是技術迭代速度明顯加快。台積電計劃保持每年推出新技術的節奏,以持續滿足AI芯片對算力、帶寬和功耗不斷提升的需求。與此同時,台積電也開始通過Chiplet「Smart Matchmaking」提升整體良率,不再簡單地把性能不達標的Die直接報廢,而是根據不同芯片的性能特徵進行匹配,讓原本可能被淘汰的Die找到合適的組合,從「單顆Die良率」轉向「系統級良率」。

其次,研發模式正在從串行走向並行。過去通常是芯片設計完成後再進入製造和測試,但AI芯片越來越複雜,等到所有環節完成後再發現問題,代價已經太高。因此台積電允許部分客戶芯片在測試完成前就進入晶圓廠,同時要求供應商在晶圓廠附近配置研發團隊,以便量產過程中發現問題後能夠快速調整。

這種協同還進一步向前延伸。台積電計劃在量產前六個季度發布系統級規範,讓客戶和供應商提前圍繞散熱、機械性能、功耗等指標進行協同設計,也就是通過STCO(System Technology Co-Optimization)把系統級問題儘可能解決在產品量產之前。

歸根結底,AI芯片已經不再是一顆單獨的Die,而是先進製程、Chiplet、HBM、CoWoS、SoIC、基板、電源和散熱共同構成的複雜系統。台積電正在做的,就是把過去相對獨立的設計、製造、封裝和供應鏈環節連接起來,形成一種更快迭代、更早協同、更實時反饋的製造體系。這或許正是AI時代先進製造競爭的一個重要變化。

免責聲明:投資有風險,本文並非投資建議,以上內容不應被視為任何金融產品的購買或出售要約、建議或邀請,作者或其他用戶的任何相關討論、評論或帖子也不應被視為此類內容。本文僅供一般參考,不考慮您的個人投資目標、財務狀況或需求。TTM對信息的準確性和完整性不承擔任何責任或保證,投資者應自行研究並在投資前尋求專業建議。

熱議股票

  1. 1
     
     
     
     
  2. 2
     
     
     
     
  3. 3
     
     
     
     
  4. 4
     
     
     
     
  5. 5
     
     
     
     
  6. 6
     
     
     
     
  7. 7
     
     
     
     
  8. 8
     
     
     
     
  9. 9
     
     
     
     
  10. 10