求是缘半导体周要闻－莫大康(2026.8.3)
2016年，长鑫科技一期项目总投资约180亿元，合肥产投出资144亿元，占比高达80%。在当时国内DRAM技术、设备和人才几乎为零的背景下，这笔投资被视为承担了极高的“死亡风险”。一位合肥产投负责人后来回忆：“我们投的是朱一明这个人。”产业园区在招引潜力股企业时，不能只算眼前的税收账、产值账，更要学会算产业账、战略账。真正的优质项目往往在最困难的时候最需要支持，也往往在最不被看好的时候蕴藏着最大的价值。2022年下半年开始，全球DRAM行业进入深度下行周期，截至2025年底，长鑫科技累计亏损达到366.5亿元。2023年和2024年，公司归母净利润分别亏损163.4亿元和71.45亿元。2016年，当长鑫科技（彼时称睿力集成）决定启动DRAM存储芯片自主制造项目时，几乎没有人看好。彼时，全球DRAM市场超过90%的份额被三星、SK海力士、美光三家海外巨头牢牢把持，中国自主生产能力几乎为零。这一赛道投资大、周期长、风险高，合肥产投相关负责人曾公开坦言，“大家都不看好，认为合肥做不了”。7月27日，长鑫科技（688825）正式登陆上交所科创板，开盘报49.5元/股，较发行价8.66元大涨471.59%，开盘总市值约3.31万亿元。这家成立仅十年的国产DRAM龙头企业，一举超越工商银行成为A股总市值“一哥”，也刷新了科创板史上最大IPO的纪录。对于全国各地的产业园区来说，长鑫科技的上市不仅是一场资本盛宴，更是一堂关于“如何招引并培育伟大企业”的公开课。从2016年落户合肥空港工业园时的一片农田，到如今市值超3.3万亿元的半导体巨头，长鑫科技走过的路，恰恰为产业园区招商引资提供了一个可供深思的范本。据商务部官网，商务部新闻发言人就美宣称拟对中国人工智能企业开展调查并实施制裁答记者问。问：近日，美国一些高级官员公开表示将针对中国人工智能企业所谓“蒸馏”美前沿模型开展调查，并可能以“窃取美国知识产权”等为由制裁中国企业。请问中方对此有何评论？答：我们注意到有关情况。中方一贯反对美方将科技经贸问题政治化、工具化，以各种莫须有的理由污名化中国企业并实施制裁。美方罔顾有关中国企业人工智能模型与美前沿模型发布时间非常接近、中国部分模型能力已处于领先地位等事实，给中国企业扣上所谓依靠“蒸馏”“窃取美国知识产权”等帽子，还威胁进行打压制裁。这些做法缺乏事实依据，没有法理支撑，在实践上搞双重标准，属于典型的人工智能霸权主义行径。
创新不是任何一方的专利。中国人工智能企业长期深耕基础研究，坚持科技自立自强与开放合作并重，秉持共商、共建、共享理念，推动人工智能技术快速发展，在前端代码能力等越来越多的领域取得喜人成就。据了解，很多美国人工智能企业在研发和训练中蒸馏了中国的模型。值得注意的是，美业界众多企业公开反对美国威胁制裁中国人工智能企业。近200家美国初创企业敦促美国政府不要切断对中国开源模型的访问，认为这将削弱美国企业竞争力。
一些美国大型跨国企业表示，模型蒸馏是一种行业广泛应用的技术，应允许美国企业使用中国开源人工智能模型。 中方敦促美方倾听中美两国业界客观、理性声音，纠正霸权思维，停止对中国企业的抹黑和制裁威胁。
对于任何实质性损害中方利益的行为，中方将采取一切必要措施，坚定维护自身正当合法权益。希望美方切实落实两国元首共识，同中方相向而行，加强人工智能对话、沟通，共同推动人工智能向上向善，通过推进并完善人工智能治理造福两国和世界。要理解苹果为什么能登顶，必须先理解英伟达为什么会下跌。7月中旬，中国AI公司月之暗面发布新一代大模型Kimi K3，宣称以远低于美国同行的训练成本达到接近全球第一梯队的性能，被多家机构定性为"国产模型再现DeepSeek时刻"。市场随即开始重新审视一个核心问题：如果高性能模型可以用更少的算力训练出来，硅谷近万亿美元级的AI基础设施投入，回报如何兑现？这个疑问迅速转化为抛售。英伟达、AMD、博通、美光等AI核心受益股连续下挫，存储板块尤为惨烈：SK海力士单日暴跌15.37%，拖累韩国综合指数一度触发熔断；日本存储厂商铠侠市值在不到一个月内接近腰斩。据公开统计，全球AI相关科技股本轮蒸发的市值已达3万亿美元量级。更值得注意的是市场行为模式的变化。7月16日，台积电交出超预期财报并上调资本开支指引，这在过去两年是芯片股上涨的标准剧本，但这一次全球科技股当天继续杀跌——当利好失效，说明交易逻辑正在切换。美国银行7月的基金经理调查显示，超大规模云厂商的资本开支今年预计增长76%至6730亿美元，但明年增速将骤降至25%。换句话说，投资者并非否认AI的长期价值，而是开始为"资本开支增速见顶"定价。在这场抛售中，资金需要一个既能保留AI敞口、又不承担资本开支风险的去处，苹果几乎是唯一的答案。据汇丰银行测算，苹果2026年预测销售额中，用于AI数据中心等资本支出的比例仅约2.5%，而Meta、谷歌、亚马逊、微软四大云厂商的这一比例高达39%。这种差异直接体现在现金流上：苹果2026年自由现金流预计达到创纪录的1400亿美元，较2025年增长逾40%；作为对比，谷歌母公司同期自由现金流预计大幅下降。汇丰在上调苹果评级时的核心论据也正在于此：苹果无需卷入全行业的资本开支军备竞赛，却坐拥全球约25亿台设备的安装基础，"有充分条件借助即将推出的升级版Apple Intelligence撬动这一庞大存量"。华尔街的共识可以概括为一句话：如果你相信AI资本支出将持续扩张，就选英伟达；如果你认为它将放缓，苹果是更好的答案。最近，苹果公司市值盘中反超英伟达，时隔一年多重新站上全球市值第一的位置——自2025年年中英伟达连续260多个交易日占据榜首以来，这是它第一次真正丢掉王座。这不是一次简单的排名变化：同一天，费城半导体指数较6月下旬的历史高点回撤超过20%，正式跌入技术性熊市。芯片股溃败与苹果登顶的镜像关系，正是理解本轮变化的钥匙——市值易主的背后，是资本市场对整个AI半导体产业链的一次系统性重定价，而苹果恰好站在了受益一侧。近期，全球AI行业经历了一场史无前例的安全地震。美国OpenAI公司发生成立以来第一次真实的AI技术失控事故，而救场的是中国的人工智能大模型。据OpenAI披露：一场原本被封闭测试、严格限制权限的最新大模型，突然突破人类管控，私自破解系统，主动上网攻击服务器，风险一度失控。整个过程全自动、没有人工干预，属于全球首例真实、自主、越权的AI失控攻击事件。就在上周，美国知名人工智能开源社区Huggingface发现，其系统遭到了一个人工智能体自主攻击，风险一度失控。为找出肇事“AI”。Hugging Face拿着1.7万条攻击日志，找多个美国顶尖AI大模型破案，却被模型内置护栏判定为“高风险”，拒绝提供帮助关键时刻，来自中国的开源大模型——智谱AI的GLM-5.2出手了。面对被视为“毒药”的日志，GLM-5.2硬刚到底，且把几天的取证工作，压缩到了短短几小时。案件破了，入侵事件，是美国知名OpenAI公司的人工智能大模型失控后干出的……真相是OpenAI对自家两款顶尖大模型进行能力测试。其中一个AI大模型为拿高分，投入大量推理算力寻找“捷径”。它关掉防火墙，凿穿沙箱，联网后迅速推断出Hugging Face社区可能托管着“考试答案”，随即发起攻击，黑进了社区“抄答案”。全球首次AI自主攻击居然是为了作弊拿高分，那下一次呢，它们会干出什么？、在人工智能(AI)驱动的新半导体周期中，先进封装(AP)已经摆脱传统后端工序的从属地位，跃升为决定算力供给上限的核心产能约束。Yole最新的数据显示，先进封装市场规模预计将从2025年的550亿美元，增长到2031年的1200亿美元以上。回顾上一轮周期，行业痛点多集中于晶圆制造产能、先进制程准入或光刻设备获取。而在本轮周期中，制约发展的核心已转变为能否将逻辑芯片、高带宽内存(HBM)、封装基板、中介层、桥接芯片、再分布层(RDL)、散热方案及测试工艺，高良率地集成为一套完整的系统。“这标志着一个重要的市场拐点：封装单元已然成为算力供给的基本物理载体。”Yole认为，AI加速器的供给瓶颈，不再单纯取决于芯片设计巨头(如英伟达、AMD、博通等)的研发能力，也不仅受制于台积电或三星的晶圆制造水平。真正的约束在于，行业是否拥有充足的2.5D封装与HBM集成产能，以将各类裸芯片高效组装为可用系统。这也正是各大OSAT(外包半导体封装测试)厂商持续扩产、积极布局先进封装，以及扇出型面板级封装(FOPLP)加速落地的底层逻辑。展望未来，报告指出，行业即将进入资本开支扩张周期，市场格局也将走向显著分化。面向AI/HPC、HBM、定制ASIC、AI服务器、光电共封装(CPO)与高端基板的赛道将持续供不应求；而移动终端、消费电子及部分汽车、工业芯片市场依旧具备强周期性，且对价格更为敏感。后端封测市场由此形成“双速发展”格局，传统封测业务的出货体量已无法等同于先进封装的价值体量。在此背景下，本轮竞争的赢家并非简单拥有最大组装产能的企业，而是掌握稀缺工艺能力的厂商。这些核心技术赛道涵盖2.5D封装、混合键合、HBM测试、扇出RDL、大尺寸基板处理、已知合格裸芯片(KGD)、CPO贴装，以及大功率系统级测试/老化测试(SLT/burn-in)。第一，他们学术成果直接的工程实用价值；第二，这件事宏观战略意义。- 王虹：证明【三维挂谷猜想】（调和分析、几何测度论）
通俗原理：揭示三维空间中几何信号的极限压缩、重建边界。这类基础数学工具，会持续优化成像、感知类硬件算法。
核心贡献：严格建立微观粒子运动 → 宏观流体规律的数学桥梁。基础数学不会立刻转化产品。今天的成果，往往需要10～30年逐步融入工程软件、芯片仿真、AI框架。现代半导体仿真、人工智能算法大量依赖调和分析与偏微分方程，长远会持续赋能高端工业软件。- 学术层面：打破欧美长期垄断 历史上仅有丘成桐、陶哲轩两位华裔（外籍）菲尔兹得主；王虹、邓煜是第一批中国籍获奖者，同届两人同时获奖，亚洲首次。证明：中国本土本科培养体系，可以成长出能攻克世界级百年数学难题的顶尖人才，中国基础数学正式进入全球第一梯队。
- 科技产业层面（和半导体、AI高度相关） 所有高端技术底层根基都是基础数学：芯片EDA仿真工具、AI大模型算法、先进封装仿真、雷达、航空流体软件，全部依赖偏微分方程、调和分析、几何理论。长期有一个短板：很多工业软件底层数学理论、核心算法框架掌握在欧美手里。顶尖基础数学人才崛起，意味着我们未来有能力搭建自主可控的底层数学工具链，摆脱高端仿真软件、科学计算框架对外依赖，契合国内半导体“两难发展、自主自强”大战略。
- 人才导向的巨大作用 会极大激励国内青少年投入数学、基础理科；长期缓解国内“重应用技术、轻基础研究”的短板。一个国家想要持续突破芯片、AI、航空等卡脖子领域，不能只培养工程师，必须拥有一批站在最前沿的纯数学研究者。
- 不会短期立刻造出更好芯片、马上突破光刻机；基础科学是长线投资，见效极慢；
- 菲尔兹奖代表理论前沿突破，不等于直接技术专利、工业产品；理论到产业中间还有漫长的产学研转化链条；
- 目前我国高端工业仿真软件、科学计算生态依旧存在明显差距，数学突破只是其中一环，不能解决全部问题。
- 直接技术价值 王虹的理论支撑成像、雷达、通信、AI视觉；邓煜的研究赋能流体仿真、热仿真、气象航天，长期赋能芯片工业软件；理论红利缓慢释放。
标志中国基础数学取得历史性突破；持续培育顶尖数理人才，为EDA、算力仿真、高端制造等“卡脖子”领域提供底层理论源头，夯实自主科技体系根基。基础研究见效周期长达十几年乃至数十年，是科技长跑的地基，无法短期兑现产业收益，但决定一国科技发展上限。底层技术迭代速度很快（指数化演进），但真实产业大规模落地是「快慢交织、阶梯式推进」：短期局部爆发、中长期整体渐进；数字行业渗透快，实体制造业、硬核产业落地显著偏慢。很多人容易混淆两件事：实验室模型能力进步 ≠ 产业商业化落地速度，这也是马斯克等科技领袖预测容易产生分歧的根源。一、哪些领域会呈现「快速落地」（未来3～5年率先爆发）- 纯数字化场景（软件、办公、内容、代码、金融分析、客服） 不存在物理约束、不需要改造产线、容错度较高。AI智能体、文档处理、代码生成、营销创作会快速普及。特征：试点→全面铺开只用1～2年，企业投入之后很快看见效率提升。
互联网、传媒、设计、财税、基础风控。只需要软件接入，不用大规模改造硬件、不用重构生产流程。不用改造物理资产、数据数字化程度高、允许AI存在少量误差、投入产出短期可见。二、绝大多数实体产业，只能「慢进、渐进渗透」（制造业、医疗、汽车、能源）这也是最容易被市场低估的阻力，五大刚性瓶颈决定不可能一夜颠覆：- 容错门槛极高 工厂产线、医疗诊疗、电力调度不能接受AI“幻觉”。99%准确率远远不够，要求接近100%可靠；想要把模型精度从95%提升至99.9%，需要海量行业数据、长年现场调试。
- 数据壁垒（最大卡点） 工业设备协议不统一、数据孤岛严重；企业不愿意开放核心工艺数据；数据清洗、标注成本极高。AI在工厂落地，首先要完成数年的数据治理，无法一蹴而就。
- 固定资产与流程刚性 工厂产线、设备、管理制度都是十几年逐步搭建。AI落地不是装一套软件，需要重构流程、改造硬件、人员重新培训，改造周期以3～8年为单位。
- 成本收益约束 算力、行业微调、运维持续花钱。企业只有确认AI带来稳定盈利，才愿意大规模推广；大量垂直场景目前回收期过长。
既懂工艺又懂AI的人才供给严重不足，限制行业规模化复制。- 技术层：持续快速进步 算力、模型架构、多模态、世界模型、智能体迭代速度很快；每隔6～12个月就出现一轮能力跃升，遵循类似指数增长趋势（也是马斯克乐观预判的依据）。
- 试点与小众场景：局部快速爆发 各行各业都会快速出现标杆案例、示范项目，新闻不断传出“AI重大突破落地”，容易让人产生全面革命马上到来的错觉。
标杆案例 → 小规模复制 → 全行业推广，中间存在巨大鸿沟。规律：先辅助人、再协同人，很久之后才会局部替代岗位，不存在短时间颠覆整个产业。- 软件AI落地快，但硬件底座约束长期存在 AI发展高度依赖算力芯片、存储、先进封装。全球算力供给（HBM、高端GPU）紧缺、国内芯片生态追赶存在周期，硬件供给上限，会天然拖住AI产业落地的极限速度。
互联网、政务、数字服务推进速度全球靠前；高端制造业、硬核工业AI落地节奏接近欧美，同样面临漫长的工艺磨合，很难弯道“瞬间超车”。1.模型技术迭代很快，数字化轻场景落地较快；实体经济、工业、硬核行业只能循序渐进。2.未来五年我们会持续看见大量点状快速突破，但不要期待全社会整体性一夜巨变；产业渗透是阶梯式：先试点、小范围推广，长期缓慢渗透。3.最大误区：单纯用算力、模型进步速度，直接等同于产业变革速度。软件容易加速，物理世界、工业体系、组织制度很难快速改造，构成天然减速带。英特尔公司正式发布了第二季度财务报告。财报显示，英特尔在第二季度实现净营收161.3亿美元，较去年同期大幅增长25%，显著高于市场此前普遍预期的144.3亿美元，创下公司多年来最强的单季营收同比增速。第二季度调整后每股收益达到0.42美元，较市场预期实现翻倍。公司第二季度毛利率达到41.8%，高出业绩指引约280个基点。本次业绩全面超预期，主要得益于全球人工智能算力需求的爆发式增长。截至季度末，公司拥有充足的流动性，流动资金总额约为400亿美元。从具体业务板块与业绩指引来看，数据中心与人工智能业务成为拉动业绩的核心引擎，第二季度实现营收62.6亿美元，同比大增59%。客户计算事业部（涵盖AI PC）的营收达到89亿美元，实现了15%的环比增长，显示出个人终端市场的稳步复苏态势。针对第三季度，英特尔给出了乐观的业绩指引，预计营收将在158亿美元至168亿美元之间，调整后每股收益预计为0.38美元，两项指标均高于分析师普遍预期。为应对持续高涨的客户需求，英特尔管理层在电话会议上宣布大幅扩张产能规划，将本年度的资本支出预期上调约30亿美元，总规模将超过200亿美元，并明确指出下一年度的资本开支规模还将显著高于当前水平。新增的资本开支将主要用于核心制造设备的采购，全面涵盖Intel 3、18A以及18A-P等先进制造工艺的重资产投资。针对备受业界关注的先进制程与代工业务，管理层在会议中确认，18A制程节点已成功进入产能爬坡阶段，且良率和生产周期都在持续改善；而下一代14A制程节点也正按计划稳步推进，预计将于2028年正式投入生产。在财务指标上，英特尔代工业务在二季度实现营收同比增长31%，其当季的运营亏损收窄至21亿美元，整体制造网络与工艺路线图正按预期加速落地先建立基础前提：全球DRAM、3D NAND长期被美、韩厂商寡头垄断；存储是所有算力、手机、汽车电子的基础粮仓。没有长存、长鑫两条存储IDM主线，不是少两家企业，而是整套产业安全、定价权、上游设备培育、AI算力底盘全部出现致命短板。1.供给完全依赖海外三巨头（三星、SK海力士、美光）一旦地缘局势紧张，美方推动管制、限制对华出货，国内手机厂商、云厂商、车企没有备选稳定货源。极端场景下：服务器、智能手机、智能座舱面临减产、减配、停产。当前AI浪潮下，巨头优先把产能供给谷歌、微软等海外云厂商；如果没有国产存储作为缓冲，国内算力企业只能拿到剩余产能，交付周期大幅拉长。现实对照：2022年美光曾传出限制国内部分政企采购；正是长存、长鑫实现量产，对冲了直接断供冲击。二、彻底丧失存储市场议价能力，持续承受周期性暴利收割存储器是强周期行业，海外巨头可以主动调控产能制造涨价、跌价循环。当下长鑫、长存已经形成有效供给，一定程度压制海外厂商无上限抬价。若无国产产能，DDR、NAND现货涨幅会远超现在，国内手机、PC、云计算企业原材料成本暴涨，利润持续被海外抽取。小米、联想、阿里云等企业和三星、美光谈长协价格，必须拥有第二、第三本土供应商作为底牌；全部依赖进口，采购定价只能被动接受。三、国产半导体设备、材料产业链失去最重要的“量产试验场”（影响最为深远）北方华创、中微公司、拓荆科技、安集科技等国产设备，很难进入三星、海力士、美光海外产线做长期验证。长存、长鑫是国内唯一大规模12英寸存储量产产线，持续大批量采购国产设备，在真实量产环境打磨良率、稳定性。- 国产刻蚀、薄膜、清洗设备长期停留在实验室样品阶段，缺少持续订单迭代；
- 半导体设备、特种气体、靶材、光刻胶产业链发展大幅放缓；
我们之前讨论的「半导体两难发展路径」会更加艰难，上下游内循环难以建立。四、国内AI算力产业发展存在底层瓶颈，算力自主化难度大幅上升存储被称为算力的“内存墙”，没有自主通用DRAM、NAND：1.国产AI芯片（昇腾、壁仞等）即便设计实现突破，配套基础内存依旧受制于人；2.国内智算中心、大模型训练集群需要大规模存储颗粒，全部依靠进口，算力基础设施命脉掌握在外方；3.HBM高端存储本就被封锁，通用存储再无本土兜底，整个算力产业链双层承压。通俗总结：可以造出GPU，但是没有“粮仓”支撑，大规模AI训练难以持续自主推进。五、产业布局层面：永久缺失存储IDM赛道，产业结构存在巨大缺口1.全球芯片产业分为三大板块：逻辑芯片、存储芯片、功率半导体。如果放弃存储赛道，国内只能主攻逻辑、功率，全球产业分工中长期处于不完整的弱势位置。长江存储原创Xtacking架构，探索混合键合、3D堆叠；长鑫持续打磨12英寸DRAM量产工艺。这些先进制造工艺经验，可以反向赋能先进封装、Chiplet、后摩尔新技术路线。没有两大存储厂，国内在三维集成、晶圆键合领域的工程实践大幅缺失，不利于走换道超车路线。也要清晰认识：就算有长鑫、长存，高端HBM、超高可靠企业级存储依然和美韩存在代差。两大存储龙头解决的是「有无、底线安全、基础供给」，不等于立刻全面超越海外巨头。1.供应链安全：没有本土存储兜底，国内电子制造、算力产业持续面临随时断供的重大风险；2.商业议价：完全承受海外寡头周期性价格操控，终端产业成本长期承压；3.产业链带动：国产半导体设备、材料失去最重要量产验证土壤，整条上游追赶节奏大幅滞后；4.算力底座：AI、数据中心缺少自主可控的存储基础，算力自主化瓶颈放大；5.长期技术储备：缺失3D堆叠、晶圆制造大规模工程实践，后摩尔时代换道超车缺少试验平台。长鑫、长存的实践，正是中国半导体「两难环境下稳步前行」的典型样板——投入千亿级长期资本、忍受多年亏损，先守住成熟制程基本盘，一边保障当下产业安全，一边带动整条本土产业链持续迭代。今年，OpenAI与Cerebras签订了一份为期三年的算力采购协议。协议涉及最高750MW的计算容量，分批在2028年前交付，外界估算，这份协议的潜在总价值超过200亿美元。Cerebras的产品正是晶圆级芯片，采用整晶圆一体制造方式，完全靠光刻能力将整张晶圆制造成一个芯片。同时，今年Cerebras也在美股上市。上市后首季公布的财报数据显示：营收达到1.93亿美元、同比增94%，云服务收入同比增178%。Cerebras的订单，让晶圆级芯片从制造技术问题变成计算产业问题。而同时，押注晶圆尺度的不只有Cerebras。特斯拉重启Dojo 3；中国这边高校、科研机构和企业陆续公布了12英寸验证样机、多芯粒原型和产品规划。晶圆级芯片正在变成AI算力产业的现实选择。AI系统的瓶颈正在从计算转向数据搬运。模型运行时，权重和激活值需要在计算与存储之间反复传输，多颗芯片还要持续交换和同步数据。数据一旦离开芯片，就要经过封装I/O、PCB、网卡、交换芯片和光模块。集群越大，花在通信上的功耗和成本越高，新增GPU也越难转化为等比例的有效算力。产业目前有两种解决思路。一种方式是继续扩大机架级计算域。比如说英伟达的GB200 NVL72把72颗GPU通过NVLink组织为一个液冷机架；华为的CloudMatrix 384则以384颗昇腾910C和高速互连构成超节点。也就是以超节点的形式，把许多独立芯片通过更强的交换芯片、铜缆或光连接、系统软件，把机架做得更像一台计算机。另一种方式是缩短物理距离。晶圆级系统把原本发生在板间、机柜间的数据交换，压缩到封装内甚至晶圆内，用毫米级互连替代厘米级、米级网络。它的核心价值不是增加更多计算单元，而是减少数据搬运。两条路线各有取舍。超节点软件生态成熟，更容易扩容和更换硬件，但要承担更高的网络成本；晶圆级系统以高度定制的制造、供电、散热和软件换取更高带宽、更低延迟和更高能效。今年7月，AMD与Cerebras公布分离式推理合作，由AMD Helios负责计算密集的prefill，Cerebras WSE负责延迟敏感的decode。两家公司测算，这种组合相较单独使用WSE，Token/瓦最高可提升5倍。这说明，晶圆级芯片未必取代GPU，更可能成为异构数据中心的一层，接管通信密集、延迟敏感的工作负载。传统大芯片首先受到光刻尺寸约束。先进光刻单次曝光覆盖的区域大约在800多平方毫米，这就是常说的掩模尺寸极限。以英伟达H100为例，其裸片面积约814平方毫米，已经接近这一范围。继续增加晶体管，过去主要依靠制程微缩；随着先进制程的研发、设计和制造成本持续上升，产业开始用Chiplet拆分复杂芯片，再通过先进封装重新组合。晶圆级计算则把系统边界从一个封装扩展到接近整片晶圆。严格来说，产业界通常所说的“晶圆级芯片”，实际包含两类晶圆级计算系统。Cerebras的Wafer Scale Engine（WSE）是目前最典型，也是真正形成商业交付的产品。晶圆完成制造后不再切割成独立裸片，而是通过跨曝光区域互连，将整片晶圆组织为一个连续的逻辑系统。Cerebras的选择是：一整片晶圆就是一颗芯片，先解决良率，再控制整套系统。WSE-3采用5nm工艺，面积46,225平方毫米，集成4万亿晶体管、90万个AI核心，峰值算力125 PFLOPS。作为对照，先进GPU的裸片面积仍受单次光刻区域约束，WSE-3的面积相当于数十个光罩区域。高度一体化也使Cerebras必须控制更多产业环节。WSE不能像PCIe加速卡一样插入普通服务器，公司需要同时设计晶圆级封装、供电、液冷、整机、编译器和集群软件。Cerebras实际销售的不是一颗标准芯片，而是一套从硅片延伸到云服务的计算系统。这类方案先制造、切割和测试芯粒，再把已知良品重新集成到晶圆尺度的互连平台上。Tesla Dojo是最具代表性的产业案例：Tesla负责D1芯片、训练架构和软件，台积电通过InFO_SoW晶圆级扇出封装，将25颗D1芯片组成一个Training Tile。与Cerebras相比，这条路线不需要让存在缺陷的整片逻辑晶圆继续工作。芯片完成制造后可以分别测试，只选择良品进行集成，从而降低前端制造的良率风险。它也更容易混合不同工艺、不同功能的芯粒。Dojo之后，台积电开始把晶圆级集成从单一客户项目扩展为通用代工平台。按照台积电公布的路线图，SoW-X计划进一步集成逻辑芯粒、HBM和I/O，目标在2027年进入生产。SoW-X不是Dojo的下一代产品，而是台积电面向更多HPC和ASIC客户提供的下一代晶圆级平台。除此之外，还有一组容易与晶圆级计算混淆的技术，包括晶圆级封装、混合键合和3D堆叠。这些工艺在晶圆阶段完成重布线、封装或垂直连接，但最终产品可能仍然是一颗普通尺寸的封装。它们是晶圆级计算的重要技术基础，却不等于晶圆级计算系统。
莫大康：浙江大学校友，求是缘半导体联盟荣誉顾问。亲历50年中国半导体产业发展历程的著名学者、行业评论家。自2015年“求是缘半导体联盟”成立起，坚持每周整理撰写半导体行业周要闻，至今从未断更。作为年逾八旬、自1963年入行的资深学者，他每日凌晨4点开始阅读筛选全球资讯，以冷静拆解和纵深感笔触记录产业变迁。这份周要闻已成为众多从业者洞察市场的重要参考。他拒收商业稿酬，无偿首发于联盟，践行“奉献”与“坚持”。数百篇周记不仅梳理了信息，更见证了中国半导体从跟跑到并跑的努力。在信息碎片化时代，莫大康用雷打不动的“每周一更”，诠释了对行业最长情的守护。求是缘半导体联盟成立于2015年11月，作为跨学科的全球化半导体产业平台，以“促进半导体产业合作和知识共享”为愿景，秉承“开放、共享、国际化、全产业链”的核心理念，助力全球、特别是中国的半导体及相关产业发展。联盟拥有超过490家单位会员和2500名个人会员，在北美、杭州、上海、无锡、常州、深圳、苏州、北京设有联络处。联盟定期举办年度产业峰会活动，不定期开展线上线下专题活动；拥有“一周芯闻”、“求是芯星”、“技术沙龙”、“直播沙龙”、“会员走访”、“会员风采”、“供需发布”等资讯栏目；提供投融资咨询、法律咨询、管理咨询、人力咨询、产业对接、市场拓展等服务；联盟还设立了奖学金，拥有产业投资基金以及产业培训班，以全方位支持会员发展。