江苏芯缘半导体有限公司



Jiangsu Thankyou Semiconductor Co.,Ltd.

搜索
求是缘半导体周要闻－莫大康(2026.8.10)
来源: | 作者:芯缘 | 发布时间: 2026-08-10 | 213 次浏览 | 🔊 点击朗读正文 ❚❚ ▶ | 分享到:


01

EditionIEEE集成光子学路线图：Heterogeneous Integration Roadmap——2025 Edition



光子集成演进的根本驱动力是什么？
表述：数据中心流量持续增长（每 2-3 年翻番），且流量模式从"分布式"（全球数据中心分散承载）转向"集中式"（单一AI 集群内 GPU-to-GPU 东西向流量成为主体）。速率越高，信号在 PCB 长走线上的衰减越严重——这构成了封装从可插拔（Pluggable）→ 近封装（NPO）→ 共封装（CPO）→ 3D 集成的演进推力。
解答：数据中心带宽增长在 AI 爆发前就已存在（Cisco 数据显示 2010-2020 年云流量 CAGR ~25-66%），但当时的增长是分布式的——几十亿移动用户和百万企业的流量分散在几百个数据中心里。2022 年后的根本变化是流量集中化：单一 AI 训练集群内几万张 GPU 的互联带宽需求远超传统数据中心的东西向流量，且 GPU 换代（H100→B200→Rubin）每代带宽翻倍。CPO 的本质不是"更好的光模块"，而是电气距离从几十厘米缩到毫米级的必然结果——因为 200G/lane 以上的信号跑不了那么远。
Q2: LPO、NPO、CPO 的量产时间线如何判断？
表述：三者不是线性替代关系，而是分层共存。核心变量是 3.2T 时代的到来速度——它决定了 NPO 的窗口期长度和CPO 的大规模渗透节点。
解答：LPO 已于2024-2025 年小批量出货，主打 200G/lane 以下的传统数据中心和电信市场，物理上限决定了它在 AI 场景中走不远。NPO（Near-Package Optics）目前仍在概念阶段——无统一标准、无 MSA，但物理逻辑合理：光模块靠近 ASIC 缩短链路，同时保留可插拔性。NPO 最可能被 CPO 跳过——如果 AI 训练集群在 2027-2028 年直接上 CPO 3.2T，NPO 的窗口期将被压缩至零。CPO 已商用（Broadcom TH5 51.2T 出货），但大规模部署取决于三个条件同时满足：客户对"不可更换"的运维顾虑消除、TSMC COUPE 标准化、3.2T 需求刚性出现——综合判断首批量产在 2028 H1，主流在 2029-2030。
Q3: 为什么说"光纤是最大公约数"？
表述：在这轮光子学技术演进中，无论封装形态（LPO/NPO/CPO）、调制方案（PAM4/相干）、激光器类型（EML/CW/Membrane DML）如何变化，单模光纤本身不需要更换——这是产业链中确定性最高的环节之一。
解答：Multimode VCSEL 在 50m 以内仍然是性价比最优解，但 >100m 的 AI 集群互联全部依赖单模光纤。相干进数据中心、WDM 通道数增加、CPO 规模化——所有这些变化都不改变光纤类型。真正的变化在光模块内部（激光器、调制器、DSP、封装），光纤是那个不变的底座。但光纤耦合（fiber-to-chip coupling）是当前 PIC 成本中最大的一项——封装成本常超过芯片本身，这根"不变的光纤"的接入过程反而是最贵的。
Q4: 硅光产能的重要性如何？
表述：硅光代工产能（SiPh foundry capacity）是决定 CPO 光引擎能否从百万级走到千万级出货的核心约束。当前只有 Tower 一家提供商用 III-V-on-Si 代工服务，TSMC COUPE 是最大的增量变量。
解答：硅光产能分三层：纯硅光子代工（Tower PH18、GF 45SPCLO）相对充裕；III-V/Si 异质键合代工（Tower独家，TSMC COUPE 即将进入）是当前的瓶颈；MTP 代工（imec/Tyndall 研发中，无商用）是未来的瓶颈。InP 晶圆只能做到 150mm（硅是 300mm），wafer-to-wafer键合天然浪费 75% 的硅面积。MTP 的 die-to-wafer 方案理论上更高效，但供应链 2029+ 才能建立。产能扩张的速度直接等于 CPO 渗透的速度。
Q5: 独立光引擎公司的终局是什么？
表述：Ayar Labs、Celestial AI、Ranovus、Lightmatter 等独立 CPO 光引擎初创公司的终极出路是被大厂收购——因为它们的产品是 chiplet，不是系统，天然需要嵌入 ASIC/GPU 平台才能产生收入。
解答：光引擎 chiplet 是一个"组件"而非"产品"——它必须和某家的交换机 ASIC 或 GPU 共封装才构成一个可销售的系统。独立公司能活下来的前提是有至少一个头部客户绑定（Celestial AI → AWS, Ranovus → MediaTek, Ayar Labs → 多战略投资方），但一旦规模做出来，客户就会要求更大的供应安全性和价格让步——这正是收购的最佳时机。Celestial AI 已被 Marvell $32.5 亿收购，Nubis 被 Ciena 收购，Ayar Labs 被认为是最可能下一家被收购的标的。这不是商业模式失败，是这个品类天然的结构特征。
Q6: 3D 封装设备的价值链如何理解？
表述：在硅光 3D 集成（TSV + 晶圆减薄 + 混合键合）的工艺流程中，设备按"难度 × 价值量"可分为四象限：TSV深硅刻蚀（Lam/TEL）又贵又难；混合键合（BESI/EVG）技术壁垒高且处于需求爆发期；晶圆减薄（DISCO）技术壁垒极高但设备单价天花板低（难而不贵）；光纤对准设备市场当前分散但远期爆发潜力大。
解答：BESI 可能是整个光子学封装链条中关注度低于实际价值量的公司——它的 hybrid bonding 设备已是 TSMC CoWoS 产线的瓶颈，CPO 光引擎的 die-to-wafer 键合需求将叠加其上。DISCO 在超薄晶圆减薄（<30μm）上的垄断地位无人能撼动，但单台设备价值量只有 TSV 刻蚀机的 1/10，属于"护城河极深但市场天花板有限"的典型。中国公司罗博特科收购了德国 ficonTEC（光纤对准和光电子封装的龙头设备商），是唯一和中国资本有直接关系的设备标的。
Q7: 光互连的最终价值是什么？
表述：CPO 解决的是"信号能跑多远"（降低互连功耗），但 scale-up 光互连（Celestial AI、Ayar Labs）解决的是"计算与存储的物理耦合能被打破"——这比交换机 CPO 的市场空间大一个数量级。
解答：当前 HBM 必须紧贴在 GPU 旁边（2.5D 封装），因为电互连的距离限制是毫米级。如果光互连做到 sub-2 pJ/bit 的水平，HBM 可以被拉到离 GPU 几厘米远的地方——光信号在这个距离上几乎没有额外功耗——从而实现内存容量与 GPU 的物理解耦。Celestial AI 的 PFMA 产品（115.2 Tb/s 总带宽）已经在验证这个方向。内存解耦的意义远大于交换机功耗降低——它可以让一块 GPU 接几十个 HBM 堆栈而不再受封装面积限制。这是"光互连创造了电互连做不到的产品"，而不仅仅是"光互连替代了电互连"。
Q8: 硅光子能类比摩尔定律吗？
表述：从统计数据看类比成立——单个 PIC 上的器件数量确实在持续翻倍。但从缩放机制看，光子学不靠"缩小器件"（衍射极限锁死在 ~300nm），而是靠三个不同维度实现"等效缩放"：WDM波长数增加（一根光纤跑更多波长）、通道数增加（空间并行）、异构集成材料增多（InP + TFLN + SiN + BTO……每种材料解锁一个新功能）。
解答：电子摩尔定律是纵向的（晶体管越做越小），光子"摩尔定律"是横向的（集成更多不同材料和更多并行通道）。这意味着光子学的投资机会是多维且并行的——WDM 受益者（AWG、波分复用器）、调制器受益者（TFLN）、集成受益者（MTP 设备）是三个独立变量。这个类比的关键投资含义是：光子学也会有一条"每代翻倍"的增长曲线，但这条曲线的斜率由异构集成能力（而非光刻精度）决定。谁掌握了 MTP，谁就掌握了下一波光子学摩尔定律的节拍器。
Q9: 如何理解 CPO 性能数据的差异？
表述：HIR 报告中Table 1 的各家 CPO 性能差异（Broadcom 51.2T vs Intel 4T vs Celestial AI 2.4 pJ/bit），本质上是产品定位和架构选择带来的差异，而非技术能力的差距。
解答：Broadcom 的总带宽高是因为交换机需要 64 个端口——每个端口都有SerDes 和光路的开销；Intel 的能效低（<3 pJ/bit）是因为 OCI chiplet 只有 8 个通道且采用直驱架构（无 re-timer）；Celestial AI 的极致能效（2.4 pJ/bit）来自 GeSi EAM 调制器的物理特性（驱动电压 <1V），这是材料级的技术壁垒而非设计选择。pJ/bit 从 6.6 到 2.4 的差距中，约50% 是产品架构差异（交换机 vs chiplet 互连），30%是设计选择（有/无 re-timer），仅 20% 是真正的技术壁垒（调制器材料）。不能直接用 pJ/bit 排名判断技术实力——必须按产品品类分开比较。
02

CSP资本支出预计增长90%，2026年AI服务器出货量增幅上调至近31%
近期超大型CSP、Tier-2数据中心业者对NVIDIA（英伟达）GB/VR等整柜式AI服务器方案的采购意愿明显提高，而且Google（谷歌）、AWS（亚马逊云科技）新一代ASIC平台于2026年下半年陆续放量，加上中系业者扩大采用本土AI方案以满足云端大语言模型（LLM）AI需求，促使TrendForce集邦咨询上调2026年AI服务器出货年成长幅度，从原先的28%更新为近31%。
TrendForce集邦咨询统计，2026年Google、Amazon（亚马逊）、Meta、Microsoft（微软）、Oracle（甲骨文）以及ByteDance（字节跳动）、Tencent（腾讯）、Alibaba（阿里巴巴）、Baidu（百度）等九大CSP资本支出将突破8,867亿美元。北美五大业者除了合计占比近90%，各自的资本支出也多翻倍提升，反映出大型CSP厂持续扩建AI数据中心、GPU集群、液冷散热等新一代基础设施，以应对生成式AI及大模型快速成长带来的算力需求。
观察美系业者在AI芯片端的布局重点，TrendForce集邦咨询预估Google 2026至2027年都将侧重自家TPU芯片发展，2027年出货量有望继续高速成长。AWS 2026年以NVIDIA GB300作为GPU AI服务器主力，自研ASIC也稳定出货，预估至2027年产能将再扩大。Meta 2026年主要采用NVIDIA GB/VR、AMD（超威）Helios整柜式方案，自研ASIC布局预计至2027年将明显加速，为该公司长期降低AI基础设施成本、提升推理效率的重要策略。
在中系CSP部分，随着AI生态系统进入新一轮建设周期，主要业者皆加速AI相关投资。预估2026年ByteDance、Tencent、Alibaba、Baidu的合计资本支出将年增逾80%，以ByteDance投入力度最大，主要用于较大规模AI数据中心、自研ASIC平台和GPU集群建设。
图片
展望2027年，预估九大CSP总资本支出规模将扩大至1.3万亿美元左右，年增率收敛至近50%，主要是反映高基数因素，并非AI投资趋缓。在AI推理、Agentic（智能体）AI、自研ASIC和新一代AI模型持续推升算力需求的情况下，预估整体CSP投资金额将再创新高，产业成长有望从原先以GPU扩张为主，转为包含AI服务器、液冷散热、先进封装、高速互连、电源和存储器等基础设施全面升级的态势。
03

华为半导体首席科学家廖恒罕见公开露面：摩尔定律经济效益16nm后已失效，提出18层宝塔理论
8月2日，华为Fellow、半导体首席科学家廖恒罕见公开露面，接受@张小珺商业访谈录长达近5个小时的深度专访。这位14岁考入清华少年班、主导昇腾项目启动与研发的核心奠基人，就摩尔定律演进、产业链协同逻辑以及国产芯片突围路径等议题，首次系统性分享了华为的底层思考。
尽管如此，产业并未停止演进。廖恒强调，新的规律正在形成，产业迭代不再仅仅依赖传统意义上的制程升级。无论是摩尔定律还是其他类似规律，本质上都是工程师以"爱迪生式"问题导向思维解决技术难题——精准定义关键问题，寻找有效方案，再推动落地优化。这套底层方法论，是半导体技术能够持续突破的根本原因。
廖恒将半导体产业链比作一座18层宝塔，从最底层的原材料、设备、工艺，到中间的架构、软件编译，再到顶层的模型与应用，构成完整体系。
这座宝塔的具体层级包括：基础理论、能源、采矿与原料、硅与材料、晶体管设计、晶圆制造、光刻与设备、先进封装、芯片架构、编译器/运行时、算子切分、量化/低精度、训练方法、基础大模型、KV Cache/推理、Agent框架、用户产品能力、商业应用。
04

2027年存储器市场走势分化，DRAM供给持续紧缺，NAND Flash转趋宽松
根据TrendForce集邦咨询最新存储器产业研究，2027年存储器需求仍由AI应用主导，DRAM因HBM持续排挤产能、AI Server需求强劲，CPU所用的存储器与HBM采购动能持续增加，市场维持供给紧张格局，价格走势偏强。NAND Flash在新产能集中释放、终端消费需求持续走弱的情况下，2027年下半年供给将趋向宽松，价格可能面临修正压力。

图片

TrendForce集邦咨询表示，为应对AI基础建设扩张带来的中长期需求，各大DRAM原厂已提早启动产能扩充计划。短期内，供应商积极提高既有厂区产能，同时加速制程升级、降低产品转换频率，以支撑2026年整体位元供给扩张。
2027年尽管有数家供应商规划新产能陆续投产，但受限于建厂工期、设备移机、原物料等前置作业约束，预计多数新厂投片放量落于2027年下半年，考量生产周期，显著的产出贡献则于2028年发酵。此外，由于HBM制造流程所需的晶圆投入远高于一般型DRAM（conventional DRAM），导致新增投片量无法等比例转换为有效位元产出。上述因素将限制2027年整体DRAM位元供给成长幅度，市场供应能力持续紧缩。
从需求面观察，得益于北美云端服务供应商（CSP）持续提高资本支出，Intel（英特尔）、AMD（超威）新世代CPU平台加速出货，以及Agentic AI逐步商业化，2027年全球Server出货量年增幅度将较2026年的17%扩大。加上单机HBM搭载容量成长，以及SOCAMM等新规格导入，显著拉动单机存储器容量，将有助于2027年DRAM需求位元成长维持在高位。反观智能手机、笔记本电脑等消费型终端，因品牌厂转嫁零部件成本的效应加深，导致整机售价上调、影响消费者换机意愿，预期2027年出货表现将维持下滑态势。
TrendForce集邦咨询指出，2026年DRAM供应与需求位元的差距（sufficiency ratio）落在-1%至-2%间，2027年由于需求增速超越供给成长，供需缺口将进一步扩大。不过，2026年主要CSP资本支出维持在历史高点。2027年存储器价格若仍处于高位，在整体CSP资本支出的占比将会上升。上述情况是否会影响2027年CSP资本支出的规划、乃至于存储器的购入，仍有待观察。
2026年NAND Flash原厂主要通过制程升级增加位元供给，由于AI Server、高容量Enterprise SSD需求旺盛，供应商持续提高Enterprise SSD的供给比重，以避免消费端需求平淡可能造成的获利风险。2027年随着各大厂加速升级至高层数产品，以及新厂产能逐步释放，预计位元供给的成长幅度将超越2026年，市场产出规模迎来显著扩张。
2027年在产能陆续释放、消费电子需求仍偏弱的情况下，市场供需将迎来结构性转变，TrendForce集邦咨询日前已率先提出2027年sufficiency ratio将转为正值的看法，供需格局将转为宽松。然而，若Agentic AI的普及取得突破性进展，将能再度拉动高速SSD的需求，促使整体供需趋近平衡。
05

HBM与HBF
HBM VS HBF 核心差异一览
1、底层介质最根本区别


  • HBM（High Bandwidth Memory）


介质：DRAM（易失性内存）
断电数据立刻消失；可以无限次读写。


  • HBF（High Bandwidth Flash）


介质：3D NAND Flash（闪存）
断电保存数据；存在擦写寿命上限。
通俗比喻：
HBM = CPU/GPU手边的高速工作台；HBF = 紧邻工作台的巨型书架。
2、关键参数对比
1）延迟


  • HBM：10ns级别，极低延迟；适合AI训练、实时计算、存放模型激活值、KV缓存高频数据
  • HBF：数百ns～微秒级，比HBM慢几十~上百倍；无法替代HBM做主内存


2）容量密度 & 成本


  • HBM：单栈主流24GB/48GB；价格昂贵
  • HBF：单模块最高512GB，单位GB成本大约只有HBM 1/4～1/6，容量密度大幅领先


3）带宽上限


  • HBM4：单栈≈2TB/s
  • HBF标准规范：带宽区间0.4TB/s～3TB/s


带宽上限接近HBM，但随机读写性能差距巨大
4）堆叠方式
两者都借鉴TSV垂直堆叠、近芯封装思路，架构外形相似，内核芯片完全不同。


  • HBM：堆叠多层DRAM
  • HBF：堆叠多层NAND闪存


3、适用场景（最重要）
HBM：AI大模型训练、超高并发推理
存放活跃权重、中间计算结果、长上下文KV Cache。
必须紧贴GPU/AI加速器，不可缺少。
HBF：作为二级近存、冷热数据分层
适合：大模型离线推理、向量数据库、海量知识库、低频权重、冷数据。
定位：介于HBM与普通SSD之间全新存储层级。
4、产业链现状


  • HBM：成熟量产（HBM3E/HBM4）；三星、SK海力士、美光；英伟达、AMD大量商用
  • HBF：2026刚发布正式行业标准，样品阶段，预计2027–2028逐步上服务器；牵头方：SK海力士 + 闪迪（西部数据），谷歌深度参与验证


5、一个常见误区
HBF不是“新一代HBM替代品”
二者是互补分层架构，不是竞争取代关系
未来标准AI服务器架构：
GPU主内存（HBM，热数据） + 封装级近存（HBF，海量冷/温数据） + 远端SSD
06

首个HBF标准正式发布
SK海力士和闪迪正式公布了首个HBF标准。值得一提的是，谷歌和Tenstorrent等公司的参与进一步拓展了生态系统。
按照SK海力士在新闻稿中所说，HBF技术是介于HBM和 SSD 之间的新型存储层。它能够实现与 HBM 类似的高速数据传输，同时利用 NAND 技术显著提升容量。随着人工智能推理的扩展，需要处理的数据量激增，HBF 作为一种能够同时解决带宽和容量可扩展性挑战的技术，正日益受到关注。
这一里程碑式的进展是在今年 2 月联盟成立约六个月后取得的，此前，该联盟于 2025 年 8 月与 Sandisk达成了初步的标准化合作。容量规格涵盖高达 512GB，基于两种堆叠配置（8 层和 16 层 NAND 芯片）。带宽分为三个等级（1 级至 3 级），可提供从约0.4TB/s 到 3.0TB/s 的可扩展性能。
内存墙问题是计算机体系结构领域一个由来已久的难题，从CPU时代至今已存在数十年，并在当今海量数据处理时代依然存在。GPU速度与内存响应时间之间的差距造成了工作负载性能的瓶颈。此外，大型语言模型（LLM）的规模和上下文长度在每一代新技术中都在不断增长，这进一步推动了对更高内存容量的需求。
高带宽闪存（HBF：High Bandwidth Flash）是一种非相干的、以内存为中心的闪存设备，它将通过提供极高的TB/s带宽和容量，重新定义人工智能（AI）基础设施。HBF紧邻GPU/TPU/xPU数据处理单元。HBF解决了内存墙问题，基于宽IO NAND的内存架构在提供与HBM相同读取带宽的同时，容量可达HBM的8到16倍。在数据中心，HBF 可以为 HBM 提供增强功能，使其能够将 TB 级内存连接到 xPU。
本文档定义了 HBF 与 xPU 的接口，用于数据中心级部署，包括电气特性、封装、测试与调试、可靠性以及将xPU 与一个或多个 UCIe 模块集成所需的其他详细信息。
07

长存长鑫营收升，中芯升幅平缓
长鑫、长江存储（IDM存储厂）营收爆发；中芯国际（纯逻辑晶圆代工）增速平缓，本质是四点巨大差异：商业模式不同、本轮AI红利分配不一样、下游需求结构分化、定价机制完全不同。
一、最根本区别：商业模式完全不同
1.长鑫、长江存储 = IDM厂商（自研+制造+直接卖芯片成品）
自己设计、自己生产DRAM/NAND闪存，直接向阿里云、手机厂、服务器厂商销售存储颗粒。
存储属于标准化大宗商品，供需一旦紧张，产品售价可以持续大涨，实现「量价齐升」。
海外三星、SK海力士、美光集中产能生产高毛利HBM，主动缩减普通DDR、通用NAND产能，全球通用存储出现供给缺口，国产存储顺势抢占份额+产品涨价，营收大幅增长。
2.中芯国际 = 纯晶圆代工（只收加工费，不卖芯片成品）
客户（各类芯片设计公司）提供电路方案，中芯只负责代工制造，赚取固定代工服务费。
下游芯片涨价带来的绝大部分利润，归属于芯片设计企业，中芯无法分享终端产品涨价红利。
并且代工大多签订中长期合约价，价格半年甚至一年锁定，不能跟随市场现货行情立刻涨价。
二、本轮AI红利分配存在结构性割裂
1.AI大模型爆发最先紧缺两类资源：GPU + 配套存储器（DRAM/NAND/HBM）
服务器单机搭载内存、闪存容量相比传统服务器成倍提升。存储芯片直接受益算力建设浪潮。
长鑫做DRAM、长江存储做3D NAND，刚好踩中算力基础设施刚需赛道。
2.AI浪潮对国内逻辑代工拉动有限


  • 全球高端AI大算力GPU芯片（英伟达、AMD）先进制程依赖台积电，受出口管制限制，无法放到中芯流片；
  • 国内AI加速芯片大多尚在放量初期，订单规模暂时不足以拉动中芯整体营收大幅跃升；
  • 中芯主力产能布局成熟逻辑制程（28nm/14nm），大量订单来自手机SoC、MCU、电源芯片、驱动芯片。


三、下游终端需求冷暖两极分化
1.存储赛道需求韧性极强
AI数据中心、企业级服务器持续扩容；加上海外厂商收缩通用存储产能，供需缺口长期存在。哪怕手机、PC消费市场疲软，服务器端存储需求足以支撑业绩。
2.中芯的基本盘高度绑定消费电子
手机、笔记本电脑换机周期拉长，全球智能手机SoC、消费类MCU需求偏弱。
同时出现一个连锁负面影响：存储芯片大幅涨价，手机整机BOM成本飙升，手机品牌主动控制产量、削减逻辑芯片订单，进一步压制逻辑代工需求。
四、产能与竞争格局带来增长天花板不同
1.存储领域：过去多年海外三大巨头垄断市场，国产长鑫、长存属于从零抢占全球份额。周期上行阶段，份额提升叠加涨价，增长弹性极大。
2.逻辑代工领域：全球竞争充分（台积电、联电、力积电），国内还有华虹等同行竞争。中芯成熟制程产能持续扩张，但客户争夺激烈，很难出现爆发式增长。
五、补充一个容易忽视的关键点
很多人误以为：存储涨价，代工应该跟着受益。
现实是：DRAM、NAND有专门存储产线工艺，和逻辑芯片生产线互不通用。
中芯的产线是逻辑工艺，不能制造标准DRAM、3D NAND闪存；
长鑫、长存的晶圆厂是专用存储工艺产线。
两条生产线不能互通，所以存储行业景气，不会直接转化为中芯的订单增量。
极简版本


  1. 模式差异：长鑫、长存是IDM，售卖存储成品，享受涨价红利；中芯只是代工，仅收取固定加工费，无法分享芯片涨价收益。
  2. AI红利差异：算力建设优先拉动存储芯片需求；高端AI GPU无法在中芯代工，逻辑芯片受益有限。
  3. 下游需求分化：服务器存储需求旺盛；手机、PC等消费电子逻辑芯片需求偏弱，存储涨价进一步压制终端厂商投片意愿。
  4. 工艺隔离：存储制造工艺与逻辑代工产线相互独立，存储行业景气无法直接转化为逻辑代工订单。
08

2026中国前十大芯片制造商预测

图片

由AI提供的数据，不作投资用，仅作参考
09

马斯克 Terafab超级晶圆工厂最新完整进展（截至2026年8月初）
一、当前所处阶段（最核心结论）
处在【土建前期+试验产线筹备阶段，距离正式大规模量产非常遥远】
  1. 官方官宣节点：2026年3月21日正式对外公布整体规划
  2. 现阶段实体工程拆分两块，很多媒体容易混淆：
① ATCF 先导试验厂（Advanced Technology Chip Fab）
也就是第一期研发试验线，航拍已经清晰看到土地平整、地基施工（2026年8月初现场画面）；属于小型研发产线，不是最终巨型Terafab主厂区。
马斯克已经确认：研发产线相关设备启动预定，主要用来工艺调试、芯片流片试验。
② 大型Terafab主晶圆厂
仅仅完成选址报备、地方政府税收优惠申请；还没有全面动工，没有开始大规模厂房建设。
二、已经落地确定的事项
  1. 合作框架：和英特尔达成战略合作，依托英特尔14A工艺（1.4nm/2nm级别GAA制程）作为未来主力工艺路线；英特尔输出制造工艺经验。
  2. 需求定位：产能规划80%供给SpaceX太空AI、星链；20%供给特斯拉自动驾驶、Optimus机器人。
  3. 芯片产品：优先制造自研AI5/AI6推理芯片、太空抗辐射专用芯片；短期不计划对外接单代工，只为马斯克生态内部供货。
  4. 资本规划：首期申报投资550亿美元，远期全部建成上限预估1190亿美元；行业普遍认为完整落地需要十年维度持续投入。
  5. 供应链动作：团队已经和应用材料、泛林、东京电子等半导体设备厂商开展询价、前期订单洽谈。
三、时间表规划（企业对外公布基准，存在大量延期风险）
  • 2026年内：完成先导试验厂土建、洁净室基础建设
  • 2027年：试验产线小规模试流片，少量样品产出（不具备商业量产能力）
  • 2028–2029年：主厂区逐步建设、大批量设备进场
  • 乐观预期2029年底～2030年，才有可能实现大规模商业投产
行业普遍共识：晶圆厂建设普遍延期，2030年前很难形成可观产能。
☆ END ☆