🧪 芯片半导体日报

Intel 宣布其 18A-P 工艺正式进入风险试产（Risk Production）阶段，这标志着 Intel 在先进制程追赶战中迈出了关键一步。18A-P 是 Intel 18A 的增强版本，引入了 CFET（互补场效应晶体管）架构，栅极间距缩减至 45nm。根据官方数据，相比 18A 基础版本，18A-P 在同功耗下性能提升 9%，在同性能下功耗降低 18%。

CFET 是继 FinFET 和 GAAFET（Intel 称之为 RibbonFET）之后的下一个晶体管结构革新，其核心思路是将 NMOS 和 PMOS 垂直堆叠，从而大幅提升晶体管密度并降低互连延迟。Intel 在 18A-P 上率先导入 CFET，意味着其希望在晶体管架构创新上重新夺回对台积电的领先地位。台积电目前规划在 A16 之后导入 CFET，时间节点预计在 2027-2028 年。

风险试产是芯片制造从研发到量产的过渡阶段，通常用于验证工艺稳定性和良率。Intel 此次进入风险试产，意味着 18A-P 已经有了一定的良率基础，但距离大规模量产仍有数月到一年的距离。值得注意的是，Intel 的代工服务（IFS）业务将直接受益于 18A-P 的进度——潜在的外部客户（如 AWS、Qualcomm 等）需要看到明确的量产时间表才会 commit 订单。18A-P 的成功与否，不仅关系到 Intel 的产品竞争力，更是其代工战略能否翻身的关键赌注。

SK 海力士宣布已向主要客户交付 HBM4E 12 层堆叠样品，这是高带宽存储器领域的又一里程碑。HBM4E 在 HBM4 基础上进一步提升了引脚速率至 16Gbps，单堆叠容量达到 48GB（12 层 × 4GB/层），能效较上代提升 20%。尤其在热管理方面，SK 海力士通过先进的封装技术和导热材料优化，将热阻降低了 17%，这对于解决 AI 加速卡在高负载下的散热瓶颈至关重要。

HBM 系列产品一直是 AI 训练和推理的关键瓶颈之一。随着 NVIDIA Blackwell 和后续 Rubin 架构对显存带宽和容量的需求持续攀升，HBM4E 的推出恰逢其时。12 层堆叠的难度在于 TSV（硅通孔）和 microbump 工艺的良率控制——层数越多，翘曲和散热问题越突出。SK 海力士能够率先交付 12 层样品，体现了其在先进封装领域的工艺积累。

竞争对手方面，三星电子也在加速 HBM4 的开发，但目前在 HBM4E 的进度上落后于 SK 海力士。美光则聚焦于 HBM4 的能效优化，暂未公布 HBM4E 路线图。对于 AI 芯片设计公司而言，HBM4E 的到来意味着可以在不显著增加封装面积的情况下将显存容量翻倍（单颗 48GB vs. 当前 HBM3E 的 24-36GB），这对于 GPT-4 级别的大模型训练来说是质的飞跃。SK 海力士预计 HBM4E 将在 2027 年进入量产阶段。

随着 AI 芯片需求持续爆发，台积电先进制程产能已处于极度紧张状态。据供应链消息，三星电子近期接获来自比亚迪、Google、AMD 和 Tesla 的芯片代工询单量激增，这些客户正在积极寻求台积电之外的第二供应商。其中，Google 据称正在与三星洽谈 2nm Icefish TPU 的代工合作，这将是 Google 在自研芯片战略上的又一重要布局。

台积电的产能瓶颈主要集中在其 3nm（N3）和 5nm（N5）系列工艺上。NVIDIA、AMD、Apple 和 Qualcomm 等大客户几乎包下了台积电 3nm 产能的绝大部分，留给其他客户的配额极为有限。对于比亚迪这样的汽车芯片厂商而言，虽然其需求主要集中在成熟制程，但 ADAS 和自动驾驶芯片对先进制程的需求也在增长。AMD 则可能是出于供应链安全考量，有意分散 CPU/GPU 的代工来源。

三星和 Intel 均在积极抢夺这一"转单红利"。三星的 SF2（2nm GAA）工艺已进入量产准备阶段，但此前在 3nm GAE 上的良率问题使其信誉受损。Intel 的 18A 工艺虽然技术指标亮眼，但外部客户对 Intel 代工服务的信任度仍在建立中——潜在客户普遍担心 Intel 会优先保障自家产品产能。这场"产能分流"大戏的走向，将深刻影响全球半导体代工格局的演变。

SemiAnalysis 发布了华为麒麟 9030 芯片的详细拆解分析报告，结论令人震惊：中芯国际（SMIC）的 N+3 制程在晶体管密度上已迫平台积电的 N6（6nm）工艺。具体数据显示，麒麟 9030 的最小金属间距为 32.5nm，晶体管密度达到约 113.4 MTr/mm²，这一数字与台积电 N6 的水平相当。而实现这一切的关键，是在完全没有 EUV 光刻机的情况下，仅依靠 DUV（深紫外）多重曝光技术。

这一发现具有重大的地缘政治意义。在美国对华技术封锁持续加码的背景下，中芯国际被禁止采购 ASML 的 EUV 光刻机。理论上，缺少 EUV 意味着中国半导体制造将长期停留在 7nm 以上的节点。但麒麟 9030 的拆解结果表明，中芯国际通过 DUV 多重曝光技术（LELE、SAQP 等）实现了接近 6nm 级别的晶体管密度，虽然在良率和功耗表现上可能仍有差距，但已经证明了中国半导体在极端封锁下的技术韧性和创新能力。

当然，DUV 多重曝光的代价是巨大的——生产周期更长、良率更低、成本更高。麒麟 9030 的晶圆成本可能比台积电 N6 高出 40-60%。此外，中芯国际还面临着美国设备出口管制带来的产能扩张困难。但无论如何，麒麟 9030 的拆解结果让市场不得不重新评估中国半导体自主化的实际进度，对于华为 Mate 系列的芯片供应保障而言，这是一颗"定心丸"。

Bernstein 资深半导体分析师 Stacy Rasgon 发表重磅观点，认为全球半导体行业正在经历"第一个真正的芯片超级周期"（The first true chip supercycle）。其核心论据包括：行业总收入将从当前的约 8000 亿美元增长到 1.3 万亿美元，而这一增长的主要驱动力来自 AI 计算的爆发性需求。Rasgon 特别指出，HBM（高带宽存储器）现在占据了 AI 芯片硅面积的 85% 以上——这意味着存储芯片在 AI 芯片中的"存在感"已经远超逻辑计算单元。

这一观点颠覆了传统上对 AI 芯片"计算为主、存储为辅"的认知。HBM 占据如此之高的硅面积比例，反映出当前 AI 加速器的核心瓶颈已经从"算力"转移到了"带宽"和"容量"。Rasgon 认为，这一趋势将推动存储器行业进入一个前所未有的景气周期，SK 海力士、三星和美光将从中获得比以往任何周期都更大的收益。

然而 Rasgon 也提出了一个严肃的警告：超级周期的最大风险不是需求不足，而是电力供应跟不上。AI 数据中心的功耗正在以指数级增长，一座大型 AI 训练集群的用电量堪比一座小型城市。如果电力基础设施的建设速度跟不上芯片的迭代速度，超级周期可能会被"电力天花板"提前终结。这一观点在业内引起了广泛讨论——当芯片公司还在追逐算力性能时，电力能源可能成为制约 AI 发展的真正瓶颈。

UBS（瑞银集团）发布深度研报，用"代际性繁荣"（generational boom）来形容当前半导体行业的景气程度。报告预测 2026 年全球半导体收入将达到惊人的 1.62 万亿美元，其中存储芯片收入高达 9610 亿美元，同比增长 318%。这一数字意味着存储芯片将首次超越逻辑芯片成为半导体行业的最大细分市场。

UBS 认为，AI Agent 的兴起正在推动 DDR5、LPDDR5 和 NAND Flash 的全面爆发。与上一轮（2021-2022 年）由疫情驱动的需求不同，本轮周期的核心驱动力是 AI 应用从训练端向推理端的全面扩散。Agent AI 需要在端侧（手机、PC、汽车）和云侧同时部署大量内存，对存储带宽和容量的需求远超传统的"计算存储"范式。特别是 LPDDR5 在 AI PC 和 AI 手机中的渗透率快速提升，成为存储增长的新引擎。

UBS 还特别指出，这轮"代际性繁荣"与以往的周期性波动有本质区别——它不是简单的供需错配引发的涨价周期，而是由 AI 技术范式转换驱动的结构性增长。这意味着即使宏观经济出现波动，半导体需求的下行风险也相对有限。不过，UBS 也提醒投资者关注产能扩张过快的风险——存储芯片厂商在巨额利润的诱惑下可能过度扩产，导致下一轮下行周期比预期更早到来。综合来看，UBS 的观点与 Bernstein 的"超级周期"论形成呼应，进一步增强了市场对半导体长期景气的信心。

美国政府宣布进一步收紧 AI 芯片出口管制措施，新规的核心是针对中国企业通过第三国子公司购买高性能 AI 芯片的漏洞。此前，一些中国企业通过在马来西亚、新加坡等地设立子公司的方式，规避了美国对华直接出口限制，从而获取 NVIDIA Blackwell 等高端 AI 芯片。新规明确规定：只要最终母公司总部位于中国，无论其子公司注册在哪个国家，均受到出口管制的约束。

这一措施被业界称为"长臂管辖再升级"。它不仅影响中国企业，还波及全球半导体供应链的合规体系。对于 NVIDIA 等美国芯片厂商来说，这意味着需要重新审核全球客户的股权结构，以确保不触犯新规。NVIDIA 已经在财报中警告，出口管制可能使其损失数十亿美元的潜在收入。同时，东南亚的芯片封装和测试基地也将受到影响——马来西亚槟城作为全球半导体封装重镇，承接了大量中国背景企业的订单，新规将迫使这些企业重新布局。

从中国视角看，美国的封锁正在形成"闭环"：从直接出口禁令到设备管制，再到第三国转运封堵，中国企业获取先进 AI 芯片的渠道正在被逐一切断。这进一步加速了中国半导体自主化的进程——华为、海光信息、寒武纪等国产 AI 芯片厂商成为国内客户为数不多的选择。而中芯国际的 N+3 工艺（见本期第 5 条）在此时展现出的技术突破，正好为中国的 AI 芯片自主化提供了制造端的支撑。

中美科技博弈出现重大升级。中国商务部宣布将 10 家美国稀土企业纳入出口管控名单，同时对 14nm 及以下逻辑芯片的出口实施逐案审批制度。这一反制措施直接瞄准了美国国防工业和半导体供应链的"阿喀琉斯之踵"——稀土元素是制造 F-35 战斗机、导弹制导系统、雷达和高端芯片不可替代的关键原材料，中国目前控制着全球约 60% 的稀土开采和 90% 的加工产能。

将 14nm 及以下逻辑芯片纳入逐案审批，意味着中国也开始利用先进芯片作为地缘政治筹码。虽然中国目前自产的 14nm 以下芯片在数量上尚无法与美国抗衡，但这一措施具有明确的信号意义——中国已经具备了一定的芯片出口管控能力，且不排除进一步扩大管控范围的可能。对于美国芯片设计公司而言，中国不仅是重要的消费市场，还在封装测试环节占据重要地位，任何一方的出口管控都将对全球半导体供应链造成冲击。

值得玩味的是，这两项措施的发布时间几乎同步，凸显出中美在科技领域的"互相依存式对抗"正在深化。美国需要中国的稀土加工能力，中国需要美国的芯片设计和制造设备；双方都在寻找对方的"不可替代节点"作为博弈筹码。短期内，这种对抗将推高全球半导体和军工产品的成本；长期看，它可能加速两个平行供应链体系的形成——一套以美国为中心的"民主半导体供应链"，一套以中国为中心的"自主半导体供应链"。

据明报财经报道，中国政府计划在未来五年内投入高达 2 万亿元人民币（约合 2950 亿美元）建设 AI 数据中心基础设施。这一数字远超市场预期，也超过了美国在 CHIPS 法案中的半导体投资规模。该计划旨在为中国的 AI 大模型训练和推理提供充足的算力底座，华为、中芯国际（SMIC）、长鑫存储（CXMT）和中微公司被列为最主要的受益标的。

2 万亿元的投资体量意味着什么？作为参考，中国 2025 年全年在数据中心领域的资本开支合计约为 4000-5000 亿元，2 万亿元的五年计划相当于将年均投资额提升 60-100%。这将对整个 ICT 产业链产生巨大的拉动效应——从上游的芯片设计（华为海思、寒武纪）、半导体制造（中芯国际）、存储芯片（长鑫存储、长江存储），到中游的服务器制造、光模块、交换机，再到下游的数据中心建设和运维服务。

从地缘政治角度看，这一投资计划也是对美国芯片出口管制的直接回应。由于无法获得 NVIDIA 最先进的 AI 芯片（如 Blackwell），中国 AI 企业必须依靠国产替代方案来满足算力需求。华为的昇腾（Ascend）系列 AI 芯片和中芯国际的 N+3 工艺将成为这一计划的核心支撑。然而，挑战也不容忽视——国产 AI 芯片在性能和生态成熟度上与 NVIDIA 仍有差距，这意味着中国需要用"数量换质量"，通过更大规模的投资来弥补单芯片性能的不足。如果这一计划顺利实施，中国有望在 2030 年前建立起全球最大的 AI 算力基础设施集群。