中国战略新兴产业融媒体记者 陈虹江
当AI芯片越做越大，决定算力上限的，正在从芯片本身向芯片之外迁移。
据《首尔经济日报》报道，英伟达正在与德国设备商SCHMID等企业合作推进玻璃基板开发，并希望韩国、日本等地基板厂商在两年内完成相关开发，最快于2028年前落地。
这不是英伟达第一次向玻璃产业链伸手。今年5月，英伟达与康宁宣布多年期商业及技术合作，将向康宁投资最高27亿美元并获配认股权证。康宁将在美国新建3座制造厂，扩大本土光学连接产品产能达10倍，专项服务超大规模AI数据中心。
过去几年，市场关注点集中在GPU、HBM、先进制程；但随着AI服务器需求爆发，新的产业机会正在向材料、设备、封装、互连、散热等环节扩散。
AI芯片越来越强，但“装不下了”
过去，半导体产业的发展很大程度上遵循摩尔定律。芯片制造企业不断缩小晶体管尺寸，通过更先进的制程工艺，在更小面积内集成更多晶体管，从而提升芯片性能。但如今先进制程逼近物理极限，算力不再卡在“芯片做得不够小”，而是卡在“芯片装不进去、信号传不出去、热量散不出来”的封装瓶颈上。
在先进制程迭代放缓的当下，做大芯片裸片面积，成为AI厂商提升算力最直接、最有效的方式。主流消费级芯片裸片多为100–200平方毫米，AI算力芯片则远超该范围。英伟达H100裸片814平方毫米，逼近EUV光刻机单次曝光光罩极限；Blackwell架构调整路线，不再继续放大单颗裸片，B100单芯裸片约750平方毫米，通过两颗芯粒先进封装组成B200/GB200模组，实现算力提升。
大模型算力需求呈爆发式增长，推动芯片裸片面积扩容。新一代多模态大模型总参数达到数万亿级别，根据规模定律，训练算力随模型参数、训练数据规模呈幂律提升；仅依靠5nm、3nm制程微缩带来的性能增益，已经难以跟上算力扩张节奏。厂商通过放大裸片面积，集成更多晶体管、增加计算核心，以此承载大模型训练的算力需求。
但芯片持续放大裸片，正遭遇物理极限、良率崩塌、成本失控三重约束。0.33NAEUV单次曝光的光罩上限约858平方毫米，H100裸片814平方毫米已临近边界，单纯做大单裸片的扩容路径基本见顶。
其次是良率断崖式下滑。芯片面积越大，晶圆制造中遭遇缺陷、漏电与失效的概率呈指数级上升。一片12英寸晶圆理论仅能排布数十颗超大AI裸片，叠加先进制程缺陷影响，良品数量进一步缩水；对比传统芯片一片晶圆可产出上百颗裸片，材料利用率大幅下降，量产难度陡增。
芯片持续放大裸片，最核心痛点是成本。超大尺寸芯片的研发成本、制造成本、测试成本大幅攀升，一旦良率波动，单颗芯片成本会倍数级上涨。不过高端AI芯片长期缺货、价格高企，除裸片良率因素外，更主要瓶颈来自HBM与CoWoS先进封装产能约束。
传统半导体体系中，存储只是芯片的配套辅助模块；但在AI时代，存储带宽、容量、时延直接决定芯片实际算力释放效率，HBM高带宽存储正式从配套部件升级为AI算力的核心底座，“内存墙”成为制约AI性能释放的关键桎梏。
玻璃基板成为AI新“基地”
大模型训练场景下，AI算力的差距很大程度上是内存带宽的差距。英伟达B100、AMDMI300、谷歌TPU等全系高端AI芯片，均标配大容量、高堆叠HBM存储，通过多层堆叠提升带宽与容量。但HBM堆叠层数越多、带宽越高，对封装工艺的要求就越严苛，行业新的矛盾再次凸显：HBM可以无限堆叠，但传统封装越来越难以承载超高密度存储与计算芯粒的集成需求。
芯片做大、存储加多，最终所有压力全部传导至封装环节。过去，封装只是芯片制造末端的“打包、保护、引脚连接”简单工序，不决定芯片核心性能；如今，封装工艺直接决定芯片最大集成规模、信号传输效率、散热能力与量产良率，成为AI芯片算力释放的终极瓶颈，重构了半导体产业的价值分配体系。
当前高端AI芯片依赖的CoWoS2.5D封装，正陷入产能与性能双重紧缺。摩根士丹利预测，全球CoWoS封装需求将从2024年37万片增长至2026年100万片，总量接近2.7倍，产能扩张速度难以跟上需求增速。产能分配格局更为失衡：2026年全球约60%的CoWoS需求产能被英伟达预订锁定，剩余产能需要分配给AMD、谷歌、亚马逊、博通等巨头，二线AI芯片厂商几乎难以拿到配额，先进封装产能由此成为AI行业的核心准入壁垒。
面对芯片面积、存储集成、传统封装的三重物理极限，玻璃基板凭借全方位的性能优势，有望成为后摩尔时代承接AI算力持续迭代的全新封装载体，缓解当前产业核心瓶颈，开启“超大尺寸、超高带宽、超高可靠”的封装新方向。华为马尔可夫实验室数据显示，十万卡规模的智算集群中，传统电互连架构下通信耗时可占到训练总时间的40%以上，而玻璃基板适配的光电封装架构，可大幅降低通信损耗，将算力利用率大幅提升。
从产业节奏来看，英伟达联合德国SCHMID、日韩基板厂商开展产业链协同研发，行业预期玻璃基封装有望在2028–2029年实现规模化量产，用于RubinUltra等下一代旗舰AI芯片。国内京东方、德龙激光等企业已完成玻璃基板核心工艺中试验证，国产产业链进入追赶突破阶段。
玻璃基板之后，AI半导体还有哪些机会？
先进封装是AI时代的新基础设施。虽然目前玻璃基板仍处于产业化推进阶段，并不能简单理解为传统基板即将被全面替代。但玻璃基板的产业落地，为先进封装打开了超大尺寸、超高密度、超高可靠的全新迭代空间。
台积电在2025年年报中明确表示，AI需求正在推动先进制程、先进封装和3D芯片堆叠同步发展，并将CoWoS、SoIC等先进封装技术视为满足大规模互连、降低功耗和支持AI计算需求的重要技术。
短期来看，在玻璃基板2028、2029年实现大规模量产之前，CoWoS2.5D、FCBGA仍是英伟达B100、AMDMI300、谷歌TPU等高端AI芯片的主力量产方案。2026年英伟达锁定全球超六成CoWoS产能，供需格局高度紧张，头部封测企业受益量价齐升；ABF高端封装基板供给紧缺、交期拉长，是短期业绩确定性较强的国产替代赛道。
中期，行业发展多条差异化封装路线，降低对台积电CoWoS的依赖。英特尔EMIB完成样品验证，计划2027年落地谷歌TPUv9；三星推出3.3DRDL无中介层封装，规避硅中介层高成本低良率痛点；面板级扇出封装FOPLP材料利用率大约提升40%，能够适配玻璃基板面板制造工艺。
长期，玻璃基封装搭配3D混合键合定义行业未来形态。玻璃基板可改善超大Chiplet封装翘曲、良率偏低问题。三星、SK海力士、美光三大存储厂商均规划在HBM5及后续世代导入混合键合，实现芯粒零距离互连，和玻璃基板形成“材料+工艺”双重壁垒。台积电CoPoS玻璃基平台预计2027年小试、2030年规模商用。
HBM高带宽存储，AI算力的瓶颈不在计算，而在数据搬运；芯片性能的上限，取决于存储带宽的上限。
传统ABF基板、硅中介层制约HBM迭代，堆叠层数越高，热耦合、信号衰减、延迟问题越显著，难以满足HBM4及以上性能要求。玻璃基板凭借低介电损耗、高热稳定性，有望适配HBM5、HBM6，支撑20层以上堆叠，破解“内存墙”，提升AI芯片算力利用率。
产业迭代节奏清晰，量价齐升逻辑强化。HBM3E、HBM4已是高端AI芯片标配，HBM5预计2027年量产，带宽突破3TB/s、性能翻倍，规模化落地需要混合键合搭配玻璃基封装。全球HBM由三星、SK海力士、美光垄断，SK海力士营收口径市场份额约50%，行业高端HBM产能深度绑定英伟达，紧缺延续至2028年，行业存在结构性溢价。
除存储芯片本身外，HBM全产业链配套迎来全方位增量。随着HBM迭代升级，配套的特种光刻胶、高纯靶材、湿电子化学品、高端封装树脂等专用材料需求持续扩容；HBM高精度切割、测试、检测设备国产化需求迫切；同时高速接口IP、存储控制器、高端服务器SSD等配套环节，持续受益AI算力集群规模化建设。
光互连/CPO是破解AI数据传输瓶颈的核心方案。英伟达CEO黄仁勋公开明确表示，传统铜线互连已触及物理极限，光学互联是下一代AI算力基建的唯一突破。
CPO光电共封装把光引擎与GPU集成在同一封装基板，显著提升带宽密度、互联功耗最高减半，有望成为AI数据中心核心互连架构。据Yole产业报告研判，行业已进入小批量验证阶段：短期高速光模块、连接器、高频PCB受益算力建设；中期硅光、铌酸锂调制器、光引擎加速国产替代；长期玻璃基CPO推动光电封装升级。LPO、NPO多路线互补，打开千亿光互连增量。
半导体设备将会成为国产替代的新战场。玻璃基封装、先进异构集成、HBM迭代、CPO光电融合的全方位产业变革，催生了大量全新设备需求。传统制程设备稳步放量、新型封装设备增量爆发是当前半导体设备赛道的趋势。
玻璃基封装拉动专用设备需求，TGV玻璃通孔是核心壁垒，激光钻孔、通孔金属化等高壁垒设备国产化率偏低。据兴业证券测算，产业化将带来百亿级设备增量，设备端有望率先受益。京东方试验线样品进入客户测试，TCL科技尚在前期预研；德龙激光、精测电子实现技术突破与小批量供货。中金认为新工艺将拓展封测、检测设备国产替代空间。
与此同时，2.5D/3D、FOPLP、混合键合技术普及拉动电镀、刻蚀、晶圆键合等封测设备需求；HBM超高堆叠抬高测试、切割设备精度门槛。AI芯片产能扩张，同样带动刻蚀、清洗、量检测等前道设备，推动相关品类国产化率稳步抬升。
综合兴业证券、国盛证券、SEMI、Yole等机构研判，“后玻璃时代”AI半导体迭代路径明确：短期凭借先进封装、HBM、半导体设备国产化筑牢算力底座；中期依托玻璃基TGV封装、混合键合、高速光互连突破算力瓶颈；长期随CPO落地、三代半导体在功率射频领域渗透及设备材料国产替代，有望实现全产业链升级。
“下一个台积电”可能来自哪里？
如果说过去二十年的半导体产业竞争，核心是“谁能设计出更强的芯片”，那么AI时代正在出现一个新的问题。下一家具有产业级影响力的半导体巨头，并不来自芯片设计，而是来自芯片背后的基础设施？
核心材料企业是掌握产业升级的“底座”。半导体产业的所有技术升级，最终都需要材料来承载。从光刻胶、电子气体，到ABF载板材料，再到玻璃基板，材料性能往往直接决定制造工艺能够走多远。I芯片封装尺寸与密度提升，对基板的尺寸稳定性、介电特性、抗热形变要求持续走高。
英特尔早在2023年就宣布面向下一代先进封装开发玻璃基板，并认为玻璃在平整度、热机械稳定性以及高密度互连方面具有优势，可支持更大的Chiplet封装。英特尔同时预计，玻璃基板将首先进入数据中心、AI和图形等需要大尺寸封装和高速互连的应用。
设备企业是掌握产业化的“工具”。如果材料决定“能不能用”，设备决定的则是“能不能规模化制造”。以玻璃基板为例，从TGV通孔形成，到金属化、电镀，再到线路制造和缺陷检测，每一个关键步骤都需要专门设备支撑。
因此，材料创新只有进入设备和工艺体系，才能真正转化为生产能力。SEMI持续强调，AI正在同时拉动前道制造与后道先进封装设备投资。其2026年预测显示，全球半导体制造设备销售额有望达到1659亿美元，其中测试设备、组装和封装设备也将继续受益于AI和HBM带来的器件复杂度提升。
平台型企业则掌握了产业链的“整合能力”。台积电真正值得研究的地方，并不只是先进制程本身。其产业影响力来自一个更完整的体系：制造能力、工艺能力、产能以及庞大的客户生态被整合到同一个平台之中。
2025年，台积电7nm及以上先进制程占晶圆收入74%，并持续加码先进封装投资。公司定位为全球逻辑芯片产业的技术与产能提供者，不只是产业链单一制造环节，而是串联多个关键环节。AI时代，这种平台逻辑可能进一步向先进制造、先进封装以及系统集成领域延伸。
未来，如果一家企业能够同时掌握先进制造、先进封装，并建立稳定的客户生态，那么它就不再只是单一产品供应商，而有望成为产业基础设施。这形成清晰的递进关系：材料提供基础，设备实现制造，封装完成集成，平台实现产业协同。
从“卖产品”到“掌握产业节点”，并非一定要复刻出“下一个台积电”，而是沿着设备、加工、检测、基板制造等多个产业节点，持续向更高价值环节延伸。
下一轮半导体产业机会，很可能不是孤立单品的机会，而是整套产业生态的机会。
