求是緣半導體周要聞－莫大康(2026.8.10)

求是緣半導體聯盟 2026-08-10 11:09

2026 Siemens EDA Forum 七大核心環節全景解析 測試中斷？接觸漂移？5 道題找到根因

EditionIEEE集成光子學路線圖：Heterogeneous Integration Roadmap——2025 Edition

光子集成演進的根本驅動力是什么？

表述：數據中心流量持續增長（每 2-3 年翻番），且流量模式從"分布式"（全球數據中心分散承載）轉向"集中式"（單一AI 集群內 GPU-to-GPU 東西向流量成為主體）。速率越高，信號在 PCB 長走線上的衰減越嚴重——這構成了封裝從可插拔（Pluggable）→ 近封裝（NPO）→ 共封裝（CPO）→ 3D 集成的演進推力。

解答：數據中心帶寬增長在 AI 爆發前就已存在（Cisco 數據顯示 2010-2020 年云流量 CAGR ~25-66%），但當時的增長是分布式的——幾十億移動用戶和百萬企業的流量分散在幾百個數據中心里。2022 年后的根本變化是流量集中化：單一 AI 訓練集群內幾萬張 GPU 的互聯帶寬需求遠超傳統數據中心的東西向流量，且 GPU 換代（H100→B200→Rubin）每代帶寬翻倍。CPO 的本質不是"更好的光模塊"，而是電氣距離從幾十厘米縮到毫米級的必然結果——因為 200G/lane 以上的信號跑不了那么遠。

Q2: LPO、NPO、CPO 的量產時間線如何判斷？

表述：三者不是線性替代關系，而是分層共存。核心變量是 3.2T 時代的到來速度——它決定了 NPO 的窗口期長度和CPO 的大規模滲透節點。

解答：LPO 已于2024-2025 年小批量出貨，主打 200G/lane 以下的傳統數據中心和電信市場，物理上限決定了它在 AI 場景中走不遠。NPO（Near-Package Optics）目前仍在概念階段——無統一標準、無 MSA，但物理邏輯合理：光模塊靠近 ASIC 縮短鏈路，同時保留可插拔性。NPO 最可能被 CPO 跳過——如果 AI 訓練集群在 2027-2028 年直接上 CPO 3.2T，NPO 的窗口期將被壓縮至零。CPO 已商用（Broadcom TH5 51.2T 出貨），但大規模部署取決于三個條件同時滿足：客戶對"不可更換"的運維顧慮消除、TSMC COUPE 標準化、3.2T 需求剛性出現——綜合判斷首批量產在 2028 H1，主流在 2029-2030。

Q3: 為什么說"光纖是最大公約數"？

表述：在這輪光子學技術演進中，無論封裝形態（LPO/NPO/CPO）、調制方案（PAM4/相干）、激光器類型（EML/CW/Membrane DML）如何變化，單模光纖本身不需要更換——這是產業鏈中確定性最高的環節之一。

解答：Multimode VCSEL 在 50m 以內仍然是性價比最優解，但 >100m 的 AI 集群互聯全部依賴單模光纖。相干進數據中心、WDM 通道數增加、CPO 規模化——所有這些變化都不改變光纖類型。真正的變化在光模塊內部（激光器、調制器、DSP、封裝），光纖是那個不變的底座。但光纖耦合（fiber-to-chip coupling）是當前 PIC 成本中最大的一項——封裝成本常超過芯片本身，這根"不變的光纖"的接入過程反而是最貴的。

Q4: 硅光產能的重要性如何？

表述：硅光代工產能（SiPh foundry capacity）是決定 CPO 光引擎能否從百萬級走到千萬級出貨的核心約束。當前只有 Tower 一家提供商用 III-V-on-Si 代工服務，TSMC COUPE 是最大的增量變量。

解答：硅光產能分三層：純硅光子代工（Tower PH18、GF 45SPCLO）相對充裕；III-V/Si 異質鍵合代工（Tower獨家，TSMC COUPE 即將進入）是當前的瓶頸；MTP 代工（imec/Tyndall 研發中，無商用）是未來的瓶頸。InP 晶圓只能做到 150mm（硅是 300mm），wafer-to-wafer鍵合天然浪費 75% 的硅面積。MTP 的 die-to-wafer 方案理論上更高效，但供應鏈 2029+ 才能建立。產能擴張的速度直接等于 CPO 滲透的速度。

Q5: 獨立光引擎公司的終局是什么？

表述：Ayar Labs、Celestial AI、Ranovus、Lightmatter 等獨立 CPO 光引擎初創公司的終極出路是被大廠收購——因為它們的產品是 chiplet，不是系統，天然需要嵌入 ASIC/GPU 平臺才能產生收入。

解答：光引擎 chiplet 是一個"組件"而非"產品"——它必須和某家的交換機 ASIC 或 GPU 共封裝才構成一個可銷售的系統。獨立公司能活下來的前提是有至少一個頭部客戶綁定（Celestial AI → AWS, Ranovus → MediaTek, Ayar Labs → 多戰略投資方），但一旦規模做出來，客戶就會要求更大的供應安全性和價格讓步——這正是收購的最佳時機。Celestial AI 已被 Marvell $32.5 億收購，Nubis 被 Ciena 收購，Ayar Labs 被認為是最可能下一家被收購的標的。這不是商業模式失敗，是這個品類天然的結構特征。

Q6: 3D 封裝設備的價值鏈如何理解？

表述：在硅光 3D 集成（TSV + 晶圓減薄 + 混合鍵合）的工藝流程中，設備按"難度 × 價值量"可分為四象限：TSV深硅刻蝕（Lam/TEL）又貴又難；混合鍵合（BESI/EVG）技術壁壘高且處于需求爆發期；晶圓減薄（DISCO）技術壁壘極高但設備單價天花板低（難而不貴）；光纖對準設備市場當前分散但遠期爆發潛力大。

解答：BESI 可能是整個光子學封裝鏈條中關注度低于實際價值量的公司——它的 hybrid bonding 設備已是 TSMC CoWoS 產線的瓶頸，CPO 光引擎的 die-to-wafer 鍵合需求將疊加其上。DISCO 在超薄晶圓減薄（<30μm）上的壟斷地位無人能撼動，但單臺設備價值量只有 TSV 刻蝕機的 1/10，屬于"護城河極深但市場天花板有限"的典型。中國公司羅博特科收購了德國 ficonTEC（光纖對準和光電子封裝的龍頭設備商），是唯一和中國資本有直接關系的設備標的。

Q7: 光互連的最終價值是什么？

表述：CPO 解決的是"信號能跑多遠"（降低互連功耗），但 scale-up 光互連（Celestial AI、Ayar Labs）解決的是"計算與存儲的物理耦合能被打破"——這比交換機 CPO 的市場空間大一個數量級。

解答：當前 HBM 必須緊貼在 GPU 旁邊（2.5D 封裝），因為電互連的距離限制是毫米級。如果光互連做到 sub-2 pJ/bit 的水平，HBM 可以被拉到離 GPU 幾厘米遠的地方——光信號在這個距離上幾乎沒有額外功耗——從而實現內存容量與 GPU 的物理解耦。Celestial AI 的 PFMA 產品（115.2 Tb/s 總帶寬）已經在驗證這個方向。內存解耦的意義遠大于交換機功耗降低——它可以讓一塊 GPU 接幾十個 HBM 堆棧而不再受封裝面積限制。這是"光互連創造了電互連做不到的產品"，而不僅僅是"光互連替代了電互連"。

Q8: 硅光子能類比摩爾定律嗎？

表述：從統計數據看類比成立——單個 PIC 上的器件數量確實在持續翻倍。但從縮放機制看，光子學不靠"縮小器件"（衍射極限鎖死在 ~300nm），而是靠三個不同維度實現"等效縮放"：WDM波長數增加（一根光纖跑更多波長）、通道數增加（空間并行）、異構集成材料增多（InP + TFLN + SiN + BTO……每種材料解鎖一個新功能）。

解答：電子摩爾定律是縱向的（晶體管越做越小），光子"摩爾定律"是橫向的（集成更多不同材料和更多并行通道）。這意味著光子學的投資機會是多維且并行的——WDM 受益者（AWG、波分復用器）、調制器受益者（TFLN）、集成受益者（MTP 設備）是三個獨立變量。這個類比的關鍵投資含義是：光子學也會有一條"每代翻倍"的增長曲線，但這條曲線的斜率由異構集成能力（而非光刻精度）決定。誰掌握了 MTP，誰就掌握了下一波光子學摩爾定律的節拍器。

Q9: 如何理解 CPO 性能數據的差異？

表述：HIR 報告中Table 1 的各家 CPO 性能差異（Broadcom 51.2T vs Intel 4T vs Celestial AI 2.4 pJ/bit），本質上是產品定位和架構選擇帶來的差異，而非技術能力的差距。

解答：Broadcom 的總帶寬高是因為交換機需要 64 個端口——每個端口都有SerDes 和光路的開銷；Intel 的能效低（<3 pJ/bit）是因為 OCI chiplet 只有 8 個通道且采用直驅架構（無 re-timer）；Celestial AI 的極致能效（2.4 pJ/bit）來自 GeSi EAM 調制器的物理特性（驅動電壓 <1V），這是材料級的技術壁壘而非設計選擇。pJ/bit 從 6.6 到 2.4 的差距中，約50% 是產品架構差異（交換機 vs chiplet 互連），30%是設計選擇（有/無 re-timer），僅 20% 是真正的技術壁壘（調制器材料）。不能直接用 pJ/bit 排名判斷技術實力——必須按產品品類分開比較。

CSP資本支出預計增長90%，2026年AI服務器出貨量增幅上調至近31%

近期超大型CSP、Tier-2數據中心業者對NVIDIA（英偉達）GB/VR等整柜式AI服務器方案的采購意愿明顯提高，而且Google（谷歌）、AWS（亞馬遜云科技）新一代ASIC平臺于2026年下半年陸續放量，加上中系業者擴大采用本土AI方案以滿足云端大語言模型（LLM）AI需求，促使TrendForce集邦咨詢上調2026年AI服務器出貨年成長幅度，從原先的28%更新為近31%。

TrendForce集邦咨詢統計，2026年Google、Amazon（亞馬遜）、Meta、Microsoft（微軟）、Oracle（甲骨文）以及ByteDance（字節跳動）、Tencent（騰訊）、Alibaba（阿里巴巴）、Baidu（百度）等九大CSP資本支出將突破8,867億美元。北美五大業者除了合計占比近90%，各自的資本支出也多翻倍提升，反映出大型CSP廠持續擴建AI數據中心、GPU集群、液冷散熱等新一代基礎設施，以應對生成式AI及大模型快速成長帶來的算力需求。

觀察美系業者在AI芯片端的布局重點，TrendForce集邦咨詢預估Google 2026至2027年都將側重自家TPU芯片發展，2027年出貨量有望繼續高速成長。AWS 2026年以NVIDIA GB300作為GPU AI服務器主力，自研ASIC也穩定出貨，預估至2027年產能將再擴大。Meta 2026年主要采用NVIDIA GB/VR、AMD（超威）Helios整柜式方案，自研ASIC布局預計至2027年將明顯加速，為該公司長期降低AI基礎設施成本、提升推理效率的重要策略。

在中系CSP部分，隨著AI生態系統進入新一輪建設周期，主要業者皆加速AI相關投資。預估2026年ByteDance、Tencent、Alibaba、Baidu的合計資本支出將年增逾80%，以ByteDance投入力度最大，主要用于較大規模AI數據中心、自研ASIC平臺和GPU集群建設。

展望2027年，預估九大CSP總資本支出規模將擴大至1.3萬億美元左右，年增率收斂至近50%，主要是反映高基數因素，并非AI投資趨緩。在AI推理、Agentic（智能體）AI、自研ASIC和新一代AI模型持續推升算力需求的情況下，預估整體CSP投資金額將再創新高，產業成長有望從原先以GPU擴張為主，轉為包含AI服務器、液冷散熱、先進封裝、高速互連、電源和存儲器等基礎設施全面升級的態勢。

華為半導體首席科學家廖恒罕見公開露面：摩爾定律經濟效益16nm后已失效，提出18層寶塔理論

8月2日，華為Fellow、半導體首席科學家廖恒罕見公開露面，接受@張小珺商業訪談錄長達近5個小時的深度專訪。這位14歲考入清華少年班、主導昇騰項目啟動與研發的核心奠基人，就摩爾定律演進、產業鏈協同邏輯以及國產芯片突圍路徑等議題，首次系統性分享了華為的底層思考。

盡管如此，產業并未停止演進。廖恒強調，新的規律正在形成，產業迭代不再僅僅依賴傳統意義上的制程升級。無論是摩爾定律還是其他類似規律，本質上都是工程師以"愛迪生式"問題導向思維解決技術難題——精準定義關鍵問題，尋找有效方案，再推動落地優化。這套底層方法論，是半導體技術能夠持續突破的根本原因。

廖恒將半導體產業鏈比作一座18層寶塔，從最底層的原材料、設備、工藝，到中間的架構、軟件編譯，再到頂層的模型與應用，構成完整體系。

這座寶塔的具體層級包括：基礎理論、能源、采礦與原料、硅與材料、晶體管設計、晶圓制造、光刻與設備、先進封裝、芯片架構、編譯器/運行時、算子切分、量化/低精度、訓練方法、基礎大模型、KV Cache/推理、Agent框架、用戶產品能力、商業應用。

2027年存儲器市場走勢分化，DRAM供給持續緊缺，NAND Flash轉趨寬松

根據TrendForce集邦咨詢最新存儲器產業研究，2027年存儲器需求仍由AI應用主導，DRAM因HBM持續排擠產能、AI Server需求強勁，CPU所用的存儲器與HBM采購動能持續增加，市場維持供給緊張格局，價格走勢偏強。NAND Flash在新產能集中釋放、終端消費需求持續走弱的情況下，2027年下半年供給將趨向寬松，價格可能面臨修正壓力。

TrendForce集邦咨詢表示，為應對AI基礎建設擴張帶來的中長期需求，各大DRAM原廠已提早啟動產能擴充計劃。短期內，供應商積極提高既有廠區產能，同時加速制程升級、降低產品轉換頻率，以支撐2026年整體位元供給擴張。

2027年盡管有數家供應商規劃新產能陸續投產，但受限于建廠工期、設備移機、原物料等前置作業約束，預計多數新廠投片放量落于2027年下半年，考量生產周期，顯著的產出貢獻則于2028年發酵。此外，由于HBM制造流程所需的晶圓投入遠高于一般型DRAM（conventional DRAM），導致新增投片量無法等比例轉換為有效位元產出。上述因素將限制2027年整體DRAM位元供給成長幅度，市場供應能力持續緊縮。

從需求面觀察，得益于北美云端服務供應商（CSP）持續提高資本支出，Intel（英特爾）、AMD（超威）新世代CPU平臺加速出貨，以及Agentic AI逐步商業化，2027年全球Server出貨量年增幅度將較2026年的17%擴大。加上單機HBM搭載容量成長，以及SOCAMM等新規格導入，顯著拉動單機存儲器容量，將有助于2027年DRAM需求位元成長維持在高位。反觀智能手機、筆記本電腦等消費型終端，因品牌廠轉嫁零部件成本的效應加深，導致整機售價上調、影響消費者換機意愿，預期2027年出貨表現將維持下滑態勢。

TrendForce集邦咨詢指出，2026年DRAM供應與需求位元的差距（sufficiency ratio）落在-1%至-2%間，2027年由于需求增速超越供給成長，供需缺口將進一步擴大。不過，2026年主要CSP資本支出維持在歷史高點。2027年存儲器價格若仍處于高位，在整體CSP資本支出的占比將會上升。上述情況是否會影響2027年CSP資本支出的規劃、乃至于存儲器的購入，仍有待觀察。

2026年NAND Flash原廠主要通過制程升級增加位元供給，由于AI Server、高容量Enterprise SSD需求旺盛，供應商持續提高Enterprise SSD的供給比重，以避免消費端需求平淡可能造成的獲利風險。2027年隨著各大廠加速升級至高層數產品，以及新廠產能逐步釋放，預計位元供給的成長幅度將超越2026年，市場產出規模迎來顯著擴張。

2027年在產能陸續釋放、消費電子需求仍偏弱的情況下，市場供需將迎來結構性轉變，TrendForce集邦咨詢日前已率先提出2027年sufficiency ratio將轉為正值的看法，供需格局將轉為寬松。然而，若Agentic AI的普及取得突破性進展，將能再度拉動高速SSD的需求，促使整體供需趨近平衡。

HBM與HBF

HBM VS HBF 核心差異一覽

1、底層介質最根本區別

HBM（High Bandwidth Memory）

介質：DRAM（易失性內存）

斷電數據立刻消失；可以無限次讀寫。

HBF（High Bandwidth Flash）

介質：3D NAND Flash（閃存）

斷電保存數據；存在擦寫壽命上限。

通俗比喻：

HBM = CPU/GPU手邊的高速工作臺；HBF = 緊鄰工作臺的巨型書架。

2、關鍵參數對比

1）延遲

HBM：10ns級別，極低延遲；適合AI訓練、實時計算、存放模型激活值、KV緩存高頻數據
HBF：數百ns～微秒級，比HBM慢幾十~上百倍；無法替代HBM做主內存

2）容量密度 & 成本

HBM：單棧主流24GB/48GB；價格昂貴
HBF：單模塊最高512GB，單位GB成本大約只有HBM 1/4～1/6，容量密度大幅領先

3）帶寬上限

HBM4：單棧≈2TB/s
HBF標準規范：帶寬區間0.4TB/s～3TB/s

帶寬上限接近HBM，但隨機讀寫性能差距巨大

4）堆疊方式

兩者都借鑒TSV垂直堆疊、近芯封裝思路，架構外形相似，內核芯片完全不同。

HBM：堆疊多層DRAM
HBF：堆疊多層NAND閃存

3、適用場景（最重要）

HBM：AI大模型訓練、超高并發推理

存放活躍權重、中間計算結果、長上下文KV Cache。

必須緊貼GPU/AI加速器，不可缺少。

HBF：作為二級近存、冷熱數據分層

適合：大模型離線推理、向量數據庫、海量知識庫、低頻權重、冷數據。

定位：介于HBM與普通SSD之間全新存儲層級。

4、產業鏈現狀

HBM：成熟量產（HBM3E/HBM4）；三星、SK海力士、美光；英偉達、AMD大量商用
HBF：2026剛發布正式行業標準，樣品階段，預計2027–2028逐步上服務器；牽頭方：SK海力士 + 閃迪（西部數據），谷歌深度參與驗證

5、一個常見誤區

HBF不是“新一代HBM替代品”

二者是互補分層架構，不是競爭取代關系

未來標準AI服務器架構：

GPU主內存（HBM，熱數據） + 封裝級近存（HBF，海量冷/溫數據） + 遠端SSD

首個HBF標準正式發布

SK海力士和閃迪正式公布了首個HBF標準。值得一提的是，谷歌和Tenstorrent等公司的參與進一步拓展了生態系統。

按照SK海力士在新聞稿中所說，HBF技術是介于HBM和 SSD 之間的新型存儲層。它能夠實現與 HBM 類似的高速數據傳輸，同時利用 NAND 技術顯著提升容量。隨著人工智能推理的擴展，需要處理的數據量激增，HBF 作為一種能夠同時解決帶寬和容量可擴展性挑戰的技術，正日益受到關注。

這一里程碑式的進展是在今年 2 月聯盟成立約六個月后取得的，此前，該聯盟于 2025 年 8 月與 Sandisk達成了初步的標準化合作。容量規格涵蓋高達 512GB，基于兩種堆疊配置（8 層和 16 層 NAND 芯片）。帶寬分為三個等級（1 級至 3 級），可提供從約0.4TB/s 到 3.0TB/s 的可擴展性能。

內存墻問題是計算機體系結構領域一個由來已久的難題，從CPU時代至今已存在數十年，并在當今海量數據處理時代依然存在。GPU速度與內存響應時間之間的差距造成了工作負載性能的瓶頸。此外，大型語言模型（LLM）的規模和上下文長度在每一代新技術中都在不斷增長，這進一步推動了對更高內存容量的需求。

高帶寬閃存（HBF：High Bandwidth Flash）是一種非相干的、以內存為中心的閃存設備，它將通過提供極高的TB/s帶寬和容量，重新定義人工智能（AI）基礎設施。HBF緊鄰GPU/TPU/xPU數據處理單元。HBF解決了內存墻問題，基于寬IO NAND的內存架構在提供與HBM相同讀取帶寬的同時，容量可達HBM的8到16倍。在數據中心，HBF 可以為 HBM 提供增強功能，使其能夠將 TB 級內存連接到 xPU。

本文檔定義了 HBF 與 xPU 的接口，用于數據中心級部署，包括電氣特性、封裝、測試與調試、可靠性以及將xPU 與一個或多個 UCIe 模塊集成所需的其他詳細信息。

長存長鑫營收升，中芯升幅平緩

長鑫、長江存儲（IDM存儲廠）營收爆發；中芯國際（純邏輯晶圓代工）增速平緩，本質是四點巨大差異：商業模式不同、本輪AI紅利分配不一樣、下游需求結構分化、定價機制完全不同。

一、最根本區別：商業模式完全不同

1.長鑫、長江存儲 = IDM廠商（自研+制造+直接賣芯片成品）

自己設計、自己生產DRAM/NAND閃存，直接向阿里云、手機廠、服務器廠商銷售存儲顆粒。

存儲屬于標準化大宗商品，供需一旦緊張，產品售價可以持續大漲，實現「量價齊升」。

海外三星、SK海力士、美光集中產能生產高毛利HBM，主動縮減普通DDR、通用NAND產能，全球通用存儲出現供給缺口，國產存儲順勢搶占份額+產品漲價，營收大幅增長。

2.中芯國際 = 純晶圓代工（只收加工費，不賣芯片成品）

客戶（各類芯片設計公司）提供電路方案，中芯只負責代工制造，賺取固定代工服務費。

下游芯片漲價帶來的絕大部分利潤，歸屬于芯片設計企業，中芯無法分享終端產品漲價紅利。

并且代工大多簽訂中長期合約價，價格半年甚至一年鎖定，不能跟隨市場現貨行情立刻漲價。

二、本輪AI紅利分配存在結構性割裂

1.AI大模型爆發最先緊缺兩類資源：GPU + 配套存儲器（DRAM/NAND/HBM）

服務器單機搭載內存、閃存容量相比傳統服務器成倍提升。存儲芯片直接受益算力建設浪潮。

長鑫做DRAM、長江存儲做3D NAND，剛好踩中算力基礎設施剛需賽道。

2.AI浪潮對國內邏輯代工拉動有限

全球高端AI大算力GPU芯片（英偉達、AMD）先進制程依賴臺積電，受出口管制限制，無法放到中芯流片；
國內AI加速芯片大多尚在放量初期，訂單規模暫時不足以拉動中芯整體營收大幅躍升；
中芯主力產能布局成熟邏輯制程（28nm/14nm），大量訂單來自手機SoC、MCU、電源芯片、驅動芯片。

三、下游終端需求冷暖兩極分化

1.存儲賽道需求韌性極強

AI數據中心、企業級服務器持續擴容；加上海外廠商收縮通用存儲產能，供需缺口長期存在。哪怕手機、PC消費市場疲軟，服務器端存儲需求足以支撐業績。

2.中芯的基本盤高度綁定消費電子

手機、筆記本電腦換機周期拉長，全球智能手機SoC、消費類MCU需求偏弱。

同時出現一個連鎖負面影響：存儲芯片大幅漲價，手機整機BOM成本飆升，手機品牌主動控制產量、削減邏輯芯片訂單，進一步壓制邏輯代工需求。

四、產能與競爭格局帶來增長天花板不同

1.存儲領域：過去多年海外三大巨頭壟斷市場，國產長鑫、長存屬于從零搶占全球份額。周期上行階段，份額提升疊加漲價，增長彈性極大。

2.邏輯代工領域：全球競爭充分（臺積電、聯電、力積電），國內還有華虹等同行競爭。中芯成熟制程產能持續擴張，但客戶爭奪激烈，很難出現爆發式增長。

五、補充一個容易忽視的關鍵點

很多人誤以為：存儲漲價，代工應該跟著受益。

現實是：DRAM、NAND有專門存儲產線工藝，和邏輯芯片生產線互不通用。

中芯的產線是邏輯工藝，不能制造標準DRAM、3D NAND閃存；

長鑫、長存的晶圓廠是專用存儲工藝產線。

兩條生產線不能互通，所以存儲行業景氣，不會直接轉化為中芯的訂單增量。

極簡版本

模式差異：長鑫、長存是IDM，售賣存儲成品，享受漲價紅利；中芯只是代工，僅收取固定加工費，無法分享芯片漲價收益。
AI紅利差異：算力建設優先拉動存儲芯片需求；高端AI GPU無法在中芯代工，邏輯芯片受益有限。
下游需求分化：服務器存儲需求旺盛；手機、PC等消費電子邏輯芯片需求偏弱，存儲漲價進一步壓制終端廠商投片意愿。
工藝隔離：存儲制造工藝與邏輯代工產線相互獨立，存儲行業景氣無法直接轉化為邏輯代工訂單。

2026中國前十大芯片制造商預測

由AI提供的數據，不作投資用，僅作參考

馬斯克 Terafab超級晶圓工廠最新完整進展（截至2026年8月初）

一、當前所處階段（最核心結論）

處在【土建前期+試驗產線籌備階段，距離正式大規模量產非常遙遠】

官方官宣節點：2026年3月21日正式對外公布整體規劃
現階段實體工程拆分兩塊，很多媒體容易混淆：

① ATCF 先導試驗廠（Advanced Technology Chip Fab）

也就是第一期研發試驗線，航拍已經清晰看到土地平整、地基施工（2026年8月初現場畫面）；屬于小型研發產線，不是最終巨型Terafab主廠區。

馬斯克已經確認：研發產線相關設備啟動預定，主要用來工藝調試、芯片流片試驗。

② 大型Terafab主晶圓廠

僅僅完成選址報備、地方政府稅收優惠申請；還沒有全面動工，沒有開始大規模廠房建設。

二、已經落地確定的事項

合作框架：和英特爾達成戰略合作，依托英特爾14A工藝（1.4nm/2nm級別GAA制程）作為未來主力工藝路線；英特爾輸出制造工藝經驗。
需求定位：產能規劃80%供給SpaceX太空AI、星鏈；20%供給特斯拉自動駕駛、Optimus機器人。
芯片產品：優先制造自研AI5/AI6推理芯片、太空抗輻射專用芯片；短期不計劃對外接單代工，只為馬斯克生態內部供貨。
資本規劃：首期申報投資550億美元，遠期全部建成上限預估1190億美元；行業普遍認為完整落地需要十年維度持續投入。
供應鏈動作：團隊已經和應用材料、泛林、東京電子等半導體設備廠商開展詢價、前期訂單洽談。

三、時間表規劃（企業對外公布基準，存在大量延期風險）

2026年內：完成先導試驗廠土建、潔凈室基礎建設
2027年：試驗產線小規模試流片，少量樣品產出（不具備商業量產能力）
2028–2029年：主廠區逐步建設、大批量設備進場
樂觀預期2029年底～2030年，才有可能實現大規模商業投產

行業普遍共識：晶圓廠建設普遍延期，2030年前很難形成可觀產能。

☆ END ☆

莫大康：浙江大學校友，求是緣半導體聯盟榮譽顧問。親歷50年中國半導體產業發展歷程的著名學者、行業評論家。自2015年“求是緣半導體聯盟”成立起，堅持每周整理撰寫半導體行業周要聞，至今從未斷更。作為年逾八旬、自1963年入行的資深學者，他每日凌晨4點開始閱讀篩選全球資訊，以冷靜拆解和縱深感筆觸記錄產業變遷。這份周要聞已成為眾多從業者洞察市場的重要參考。他拒收商業稿酬，無償首發于聯盟，踐行“奉獻”與“堅持”。數百篇周記不僅梳理了信息，更見證了中國半導體從跟跑到并跑的努力。在信息碎片化時代，莫大康用雷打不動的“每周一更”，詮釋了對行業最長情的守護。

求是緣半導體聯盟成立于2015年11月，作為跨學科的全球化半導體產業平臺，以“促進半導體產業合作和知識共享”為愿景，秉承“開放、共享、國際化、全產業鏈”的核心理念，助力全球、特別是中國的半導體及相關產業發展。聯盟擁有超過500家單位會員和2500名個人會員，在北美、杭州、上海、無錫、常州、深圳、蘇州、北京設有聯絡處。聯盟定期舉辦年度產業峰會活動，不定期開展線上線下專題活動；擁有“一周芯聞”、“求是芯星”、“技術沙龍”、“直播沙龍”、“會員走訪”、“會員風采”、“供需發布”等資訊欄目；提供投融資咨詢、法律咨詢、管理咨詢、人力咨詢、產業對接、市場拓展等服務；聯盟還設立了獎學金，擁有產業投資基金以及產業培訓班，以全方位支持會員發展。