AI 晶片競爭中，先進封裝為何正成為關鍵優勢

目錄

• 你可能想知道
• 主要主題
• 重點摘要表
• 後續展望……

你可能想知道

• 當半導體產業逐漸觸及傳統電晶體微縮的極限，為什麼先進封裝變得愈來愈重要？
• 封裝如何協助輝達打造強大的 AI 晶片？這項轉變對台積電及更廣泛的晶片供應鏈意味著什麼？

主要主題

打造更強大人工智慧晶片的競爭，愈來愈不只是讓電晶體變得更小，也關乎如何排列、連接及堆疊不同晶片。隨著最先進製造技術的難度與成本上升，先進封裝——也就是將多塊晶片整合成緊密結合單元的技術——正成為提升效能的重要方式。這項轉變使台灣積體電路製造公司，也就是台積電（2330-TW）（TSM-US），及其在 AI 供應鏈中日益重要的角色受到矚目。

數十年來，半導體的進步大致遵循一條熟悉的路徑：改良電晶體設計，並藉由縮小尺寸，在每顆晶片上配置更多電晶體。《華爾街日報》的一篇報導指出，產業如今正轉變重點。晶片製造商更倚重元件的實體排列與連接方式，以及將晶片堆疊在一起。這項趨勢已發展多年，但 AI 運算需求快速成長，使先進封裝成為半導體競爭的核心焦點。

為什麼單靠電晶體微縮已不足夠

在半導體產業發展史的大部分時間裡，工程師與製造商都以摩爾定律作為進步的大致指引。這項觀察由英特爾（INTC-US）共同創辦人摩爾提出，指出單一晶片上的電晶體數量大約每兩年就會倍增。長期以來，這項規律推動了運算效能與能源效率的提升。

然而，過去十年間，隨著電晶體縮小至奈米尺度，持續微縮已變得更加困難。英特爾及其他公司一直難以維持過去的製程推進速度。台積電仍持續推進技術，但每一代製程帶來的電晶體密度增幅，已不如以往顯著。

先進製程在財務與製造方面的挑戰，也改變了大型處理器的設計方式。早在 AI 熱潮之前，超微（AMD-US）與英特爾便開始不再堅持將所有電路都放在一顆大型且昂貴的晶片上。取而代之的是整合多塊較小的晶片，其中部分元件採用較成熟、成本較低的製程製造。這種做法有助於控制生產成本，同時提高製造良率。

先進封裝讓這類多晶片設計得以實現。它能連接功能、製造需求或製程世代各不相同的元件。製造商不必完全仰賴電晶體微縮來提升效能，而能以更靈活的方式挑選並組合晶片元件。

關鍵轉變在於，不再把晶片視為一塊不斷縮小的矽，而是將緊密整合的元件設計成高效能系統。這並不代表先進製程已無關緊要。相反地，當單靠微縮愈來愈具挑戰性時，封裝為晶片設計者提供了另一種提升效能與效率的方式。

AI 運算加速封裝競賽

AI 工作負載激增，使先進封裝變得更加迫切。對輝達（NVDA-US）而言，開發 AI 晶片時，效能是首要考量，而不只是成本。然而，即使設計極具競爭力，若缺乏合適的封裝技術，也可能難以製造。因此，封裝不只是最後的組裝步驟，也是決定強大處理器與記憶體能否有效協同運作的架構一環。

輝達採用台積電開發的技術，在先進封裝中整合強大的 AI 運算晶片與大量高頻寬記憶體（HBM）。讓處理器與記憶體保持緊密連接，對 AI 系統至關重要，因為這類系統需要快速傳輸大量資料。將這些元件整合在同一封裝內，有助於達成整體晶片設計的效能目標。

然而，封裝產能一直受到限制。產能不足有時成為輝達銷售成長的瓶頸，這顯示 AI 晶片需求不只取決於處理器設計或晶圓製造能力，供應鏈也必須能大規模封裝所需元件。為此，台積電已將較舊的晶圓製造廠改為封裝廠，並在近年多次大幅擴增相關產能。

台積電的封裝計畫在公司定於週四公布季度財報前，受到更多關注。公司正與客戶合作克服製造限制，封裝投資也是這項工作的其中一環。整體發展方向也正在演進：製造商不再只是將晶片並排連接，而是設法將多塊晶片垂直堆疊，朝三維整合邁進。

封裝與設備供應商的角色正在改變

先進封裝過去常被視為利潤較低、創新機會也少於晶片前段製造的業務。隨著封裝與晶片效能及供應的關聯日益密切，這種看法正在改變。台積電及其他晶片製造商正擴大自有封裝業務，將過去較常交由外部供應商處理的工作納入內部。

這項轉變也為半導體設備公司帶來商機。應用材料執行長 Gary Dickerson 於 8 月表示，公司預期今年封裝相關營收將成長超過 70%。他的預測凸顯了先進封裝趨勢如何影響工具與設備需求，以及晶片本身的設計與製造。

這項商機並非任何單一公司所獨有。晶片設計商、晶圓代工廠、封裝專業廠商及設備供應商，都與新封裝方法能否成功開發並可靠部署息息相關。隨著這些方法日益複雜，產業必須協調設計規範、製程、材料、測試與產能。封裝能力能否擴大，可能成為新一代 AI 系統多快能送達客戶手中的重要因素。

重點摘要表

後續展望……

先進封裝代表半導體工程正朝更廣泛的方向演進。未來的效能提升不只可能來自縮小個別元件，也可能來自改善處理器、記憶體與專用晶片作為一個系統時的溝通方式。產業需要探討三維堆疊及其他整合方法，能否在大規模生產的前提下，帶來顯著的效能優勢。

有幾個問題值得進一步關注：製造商如何在整合採用不同製程製造的元件時提高良率；如何管理高密度整合或垂直堆疊設計產生的熱量；以及哪些材料與互連技術能支援可靠的高速通訊。要解決這些挑戰，晶片架構、封裝、製造設備及測試等領域都需要持續研究。

產能規劃與技術創新同樣重要。AI 需求可能對生產的多個階段造成壓力，而封裝產能不足，可能會限制供應鏈其他環節的進步所能帶來的效益。對台積電、輝達及設備供應商等公司而言，核心任務是讓投資、客戶需求與製造能力相互配合。

半導體產業正進入一個整合本身就是創新來源的時代。未來的持續進步，將取決於能否結合先進製程與可靠的封裝技術，同時審慎評估成本、良率、能源使用及長期可靠性。企業解決這些問題的成效，將有助於決定下一代 AI 運算的發展方向。