AI晶片如Nvidia GPU的設計與製造方式

據Yahoo Finance報導，Nvidia股票在2026年10月某個週三下跌超過3%，次日盤前交易中進一步下滑，原因是美國通脹讀數高於預期，推高了債券收益率，引發了晶片股的廣泛拋售。同一報告指出，雲端供應商CoreWeave因債務負擔顧慮下跌超過16%，Marvell Technology和SK Hynix也因中國競爭的不同憂慮而下跌，投資者正在等待TSMC的季度財報，預期將顯示利潤上升60%。

拋售與利率和債務憂慮有關，而非AI晶片製造或銷售方式的任何變化。但這引起了人們對晶片背後產業的新關注——這個過程分為兩個截然不同的業務：晶片設計和製造。

設計：在任何東西製造之前繪製電路

根據AI政策與戰略研究所(IAPS)的說法，Nvidia等公司不經營自己的晶片工廠。在「無晶圓」模式下，Nvidia設計晶片架構和軟體——如其CUDA平台——並依賴外部代工廠進行生產。Motley Fool將Nvidia的GPU描述為執行AI模型背後訓練和推理工作的硬體。

IAPS解釋說，晶片設計從高層需求開始，建築師使用電子設計自動化(EDA)軟體將其轉變為詳細的電路邏輯。設計者要麼從零開始構建元件，要麼許可現成的「IP核心」，然後在將設計轉譯為與特定代工廠製程相匹配的製造檔案之前進行模擬和正式驗證。IAPS聲稱「晶片設計是一個困難且費力的過程」，指出Nvidia和AMD等設計師僱用了數萬人，設計尖端AI晶片可能需要一年或更長時間。

製造：矽晶圓上的數百個步驟

一旦設計完成，它就會進入代工廠——對於最先進的AI晶片，通常是台灣的TSMC。根據IAPS，製造以高度淨化的300毫米矽晶圓和一組編碼電路圖案的光罩開始。構建晶片本身涉及數百個重複步驟：沉積材料層、用通過光罩曝光的光敏光阻對它們進行圖案化(光微影)、用離子植入對某些部分進行摻雜以設置其電氣特性、拋光表面平坦，以及添加金屬層以連接元件。

微影步驟取決於荷蘭公司ASML獨家製造的極端紫外線(EUV)機器。據Euronews報導，ASML於10月14日報告其2026年第三季度業績，銷售額達到€11.7億，同比增長55%，淨收入增長超過一倍至€5億。儘管銷售創紀錄且2026年展望上升，ASML表示其計劃的2027年和2028年每年30%的產能增幅仍然不足以滿足客戶訂單。ASML首席執行官Christophe Fouquet表示，客戶現在提前數年預訂機器。

封裝成為了新的瓶頸

晶圓製造後被切割成單個晶粒、測試並組裝成成品包裝——IAPS稱之為組裝、測試和封裝(ATP)的階段。對於AI晶片，該步驟現在與製造本身一樣重要。TSMC使用稱為晶片-晶圓-基板(CoWoS)的技術，將處理器晶粒與多堆高頻寬記憶體堆疊在一個轉接板上，IAPS表示TSMC將其應用於Nvidia的H100晶片。TSMC自己在2026年10月宣佈其路線圖，涵蓋下一代A13生產節點和擴展的CoWoS封裝，表示未來的「14網版」CoWoS格式將在2028年前集成約十個大型計算晶粒和約20個HBM記憶體堆疊。

TSMC自己的路線圖公告將CoWoS先進封裝描述為擴展以滿足AI驅動的需求，到2028年朝向14網版格式發展，並在2029年進一步擴展。該軌跡指向整個AI晶片供應鏈的更廣泛轉變——從矽製造轉向封裝作為日益增長的制約——即使ASML作為微影工具製造商而非封裝設備製造商，仍繼續報告其機器的創紀錄需求。

AI也被用於製造晶片

Nvidia和TSMC已開始在製造過程本身內應用AI工具。根據Nvidia自己的公告，TSMC使用Nvidia的cuLitho軟體加速計算微影——設計光罩所需的計算——與基於CPU的方法相比，Nvidia描述為20-50%的成本效益或週期時間改進。這些公司還描述了使用Nvidia的cuEST庫進行化學模擬、用於生產線缺陷檢測的視覺AI工具，以及一個早期階段的虛擬工廠項目「FabTwin」，建立在Nvidia的Omniverse平台上，在構建前測試晶圓廠佈局。

標準GPU的替代設計

並非每個公司都遵循Nvidia的架構。Motley Fool報導，Cerebras Systems製造一個單一巨大晶片——其晶圓級引擎——它描述為Nvidia B200 GPU的58倍大，在一片矽上結合大量計算和記憶體，而非連接許多較小的晶片。Cerebras表示此設計對某些工作負載的推理速度比基於GPU的系統快15倍，Fool將此方法框架為對Nvidia在AI硬體領導地位的直接設計挑戰。