日本考察随记：AI革命中日本（之一） 走访日本，研究被动元件产业集群、深度分析村田、太阳诱电、TDK等头部企业后，最大的感受是：市场对本轮AI产业浪潮的认知，长期聚焦于GPU、HBM、光模块等高增长显性赛道，却严重低估了底层物理硬件的话语权博弈。很多人疑惑， AI革命由美国定义算法、 中国落地市场、 韩国主攻存储， 日本似乎缺席了前沿竞争， 但深入产业内核会发现，日本正牢牢卡住AI算力基础设施的“隐形咽喉”——高端MLCC。这也是我判断， 日本在本轮AI革命中依旧具备不可替代核心地位的关键原因。 过去很长一段时间，市场对MLCC的认知极其简单固化，将其归为手机、PC、消费电子的周期附属品，是跟随终端出货量波动的普通被动元件。终端景气则行业回暖，终端低迷则行业承压，这种消费电子周期逻辑，主导了市场对MLCC行业数十年的定价与认知。但AI服务器时代的到来，彻底颠覆了这一传统逻辑，而掌握高端MLCC核心技术与产能的日本企业，顺势站上了AI产业链的核心价值位。 AI产业的核心竞争，早已不局限于大模型、算力芯片、高速存储与光互联，真正制约高端算力稳定高效运行的，是一套极易被忽略的底层体系——服务器供电网络（PDN）。当下AI算力集群的核心痛点，早已不是单纯的算力密度不足，而是超高功耗场景下的供电稳定性问题。单颗AI芯片功耗突破1000W，核心工作电压不足1V，这意味着芯片周边需要承载数百至上千安培的瞬时突变电流，且算力负载会随计算任务启停极速跳变。 这种极端工况下，一旦供电网络响应速度不足，就会出现电压下陷（voltage droop），直接导致芯片降频、运算出错，甚至服务器宕机，彻底摧毁算力集群的稳定性。而高端MLCC的核心价值，就是作为芯片近端的局部电荷缓冲池，压低PDN阻抗，抑制高频噪声与电压波动，为GPU、ASIC等核心算力芯片筑牢供电安全底线。简单来说，没有高端MLCC的稳定加持，再顶级的GPU、HBM、光模块都无法发挥完整算力。 当前全球数据中心供电架构正迎来颠覆性迭代，进一步放大了高端MLCC的刚需属性。传统服务器通用的12V供电架构，早已无法适配AI机架的暴涨功耗，行业正全面向48V/54V架构升级，同时Google、Meta、微软主导OCP Diablo 400标准，英伟达主推800VDC AI工厂供电架构，高压直流供电成为行业确定性趋势。 这里存在一个关键的产业认知误区：高压供电仅解决远距离传输效率问题，无论远端电压提升至48V、400VDC还是800VDC，电流最终输送至AI芯片核心时，都必须降压至1V以内。远端高压、近端低压的架构特性，叠加超大瞬态电流、高频负载跳变的工况，让芯片近端的去耦、稳压、降噪需求达到前所未有的高度，而这一刚需，精准对应日系企业垄断的高端MLCC赛道。 本轮产业变革的核心特征，是MLCC需求的结构性分化，而非全行业周期复苏，这也是日本产业话语权持续强化的核心逻辑。当前全球MLCC市场呈现极致的冰火两重天：手机、PC等传统消费电子需求疲软，普通标准规格MLCC产能充足、竞争激烈、价格承压，不存在短缺行情；但适配AI服务器的高端专用MLCC，陷入持续性、刚性结构性短缺，供需缺口持续扩大。 之所以形成这种结构性差异，核心在于AI场景所需的MLCC，早已脱离普通消费级规格范畴，具备极高的技术、工艺、认证壁垒。AI服务器核心工况，要求MLCC必须同时满足小尺寸、高容量、低ESL（等效串联电感）、低高度、高耐压、耐高温、高可靠的严苛标准，且可适配die-side、land-side贴近芯片部署，参与嵌入式PDN设计。 其中低ESL性能是核心壁垒，也是日韩与国产厂商的核心差距。高频算力场景下，ESL参数直接决定电容的去耦能力，ESL过高会让电容在高频环境下失效，彻底丧失稳压降噪作用。村田、太阳诱电、TDK等日系龙头，凭借长期积累的材料、叠层、共烧工艺优势，实现了单层0.5μm介质薄膜、超1600层叠层的量产能力，对位精度可达±0.3μm，远超行业平均水平，可完美适配AI芯片的高频、大电流工况，这是普通MLCC产线无法复刻的核心优势。 更深层次来看，本轮高端MLCC短缺并非短期库存周期波动，而是技术、产能、认证三重壁垒构筑的长期供需错配，而这三重壁垒，基本由日本企业主导把控。 第一，需求端的增量逻辑彻底重构。本轮MLCC需求增长，并非来自服务器出货量的线性提升，而是单台AI服务器、单颗GPU、单个电源模块的MLCC用量与规格全面升级。算力功耗越高、架构越先进，近端高端MLCC的搭载数量与精度要求就越高，需求呈指数级增长。 第二，供给端产能无法快速释放。高端AI服务器MLCC无法通过普通产线简单改造量产，其小型化、高容量、低ESL、高耐压、高温可靠性的特性，涉及特种陶瓷粉体、电极浆料、精密叠层、低温共烧、高频测试等全套核心技术，量产良率把控难度极大。同时高端MLCC扩产周期长达18-24个月，核心生产设备交期1-2年，短期产能无法快速爬坡。且日系龙头经历多轮行业周期波动后，早已摒弃低端产能扩张策略，村田、太阳诱电、TDK持续收缩消费级标准品产能，将有限产能优先倾斜AI服务器、车载等高利润高端赛道，三星电机更是计划减产30%-35%标准品MLCC，进一步压缩低端供给、聚焦高端市场。目前村田在全球AI高端MLCC市场份额高达70%，形成近乎垄断的格局。 第三，客户认证壁垒构筑长期护城河。进入AI服务器核心供电网络的MLCC，并非简单的元器件采购替换，需要与主板设计、芯片封装、电源模块、散热系统、PDN仿真模型深度绑定验证，认证周期漫长、准入门槛极高。一旦通过头部算力厂商认证，即可形成长期稳定的独家或优先供货资格，新进入者难以快速替代。 行业普遍关注的硅电容替代逻辑，进一步印证了日系高端MLCC的不可替代性，二者并非替代关系，而是场景分工、协同赋能。硅电容优势集中在die-side极近区域，可适配超高频瞬态电流处理，但板级电路、电源模块、48V高低压接口、land-side中高频去耦等核心场景，仍然需要大量高端MLCC支撑。硅电容的技术迭代，本质是行业对芯片电源完整性的极致追求，进一步放大了高端电容的价值，而非颠覆MLCC的产业地位。 纵观整条AI产业链，利润与价值正在从前端算力、光互联，持续向底层物理硬件渗透。GPU、HBM解决算力输出与数据存储问题，而高端MLCC解决算力稳定运行的底层保障问题。随着AI机架功耗持续攀升，48V/54V仅为过渡架构，400VDC/800VDC高压架构将成为未来主流，但无论远端供电架构如何迭代，芯片核心低压、大电流、高瞬态、高热密度的核心工况不会改变，高端MLCC的刚需地位将长期稳固。 本次日本产业考察的核心感悟：AI革命的竞争，从来不是单一技术的竞争，而是全产业链底层能力的比拼。 美国掌控AI算法与算力芯片话语权，韩国主导高端存储，而日本凭借数十年的材料与工艺积累，垄断了AI算力稳定运行的核心底层元件——高端MLCC。 当下的MLCC，早已跳出消费电子的周期桎梏，正式成为AI基础设施供电网络的核心核心。低端MLCC周期疲软、高端MLCC持续紧缺的结构性行情，不会是短期现象。在AI算力持续升级、供电架构持续迭代的背景下，日本企业凭借高端MLCC构筑的产业壁垒，将成为其在全球AI革命中最核心、最隐形的竞争力，这也是解读本轮AI产业格局，必须看懂的日本价值。

为什么 MLCC 又重要了？ 本文专注于三个问题，大家各取所需： 1. 为什么现在MLCC变得重要了？ 2. 为什么是高端MLCC？ 3. 为什么本次更像是结构性短缺而非补库存周期。 请注意，本文的逻辑您可以直接复制给你们的AI，AI会告诉你基于本文描述的情况还能找到哪些其他的产业，或是在中国A股有什么标的。 本文不赘述此处，但是欢迎大家评论区留言讨论。 觉得大家有点价值，欢迎大家画一刀点个订阅。 ---------TL:DR--------- 1. 为什么现在MLCC变得重要了？ 过去看MLCC，会把它当成一个手机、PC、汽车电子周期品。 手机出货好，MLCC好；消费电子差，MLCC差。这个理解不能说错，但在AI服务器时代，它已经不够用了。 因为AI数据中心正在把MLCC从一个“普通被动元件”，重新推回到一个非常关键的位置：Power Delivery Network，也就是供电网络。 AI服务器的核心问题，不只是GPU够不够多，HBM够不够快，光模块够不够密。还有一个更底层、更物理的问题： 这么大的电流，如何稳定、低损耗、快速响应地送到GPU/ASIC核心？这就是MLCC重新变得重要的原因。 现在的数据中心供电架构正在发生变化。传统服务器时代，12V供电已经用了很多年。但AI rack功耗暴涨之后，行业正在往48V/54V，甚至±400VDC/800VDC演进。 Google、Meta、Microsoft推动OCP Diablo 400；NVIDIA也在推800VDC AI factory power stack；TI、Vertiv、ABB、Delta这些公司也都在围绕800VDC架构布局。 但这里有一个容易被误解的点： 高压供电解决的是远距离传输效率，不是芯片核心附近的供电问题。800V也好，48V也好，最终到GPU/ASIC核心，仍然要变成不到1V的核心电压。 而一个1000W级别的AI芯片，如果核心电压约1V，意味着它附近要处理的不是几十安培，而是数百到上千安培的瞬态电流。 这才是真正可怕的地方。 AI芯片不是一个稳定耗电的灯泡。它的负载会快速跳变。某个计算任务起来，电流需求瞬间拉高；电源网络如果响应不够快，电压就会下陷，也就是voltage droop。droop太大，轻则降频，重则错误、宕机、可靠性下降。 所以越靠近GPU/ASIC，越需要大量电容作为局部电荷缓冲，压低PDN阻抗，抑制噪声和电压波动。 这就是MLCC在AI服务器里的真实作用。 它不是“板子上随便贴一堆小电容”。它是在帮GPU/ASIC维持高速运行时的供电稳定性。 2. 为什么是高端MLCC？ 但这里必须强调：真正重要的不是所有MLCC，而是高端MLCC。 为什么？ 因为AI服务器需要的不是普通消费级规格。它要的是：高容量、小尺寸、低ESL、低高度、高可靠、高耐压、耐高温，甚至要能放在package附近、land-side、die-side，或者参与嵌入式PDN设计。 普通MLCC解决不了这个问题。因为在高频场景下，电容不是只看容量。ESL，也就是等效串联电感，会变得非常关键。ESL太高，电容在高频下就不像电容，反而会失去去耦效果。 所以AI服务器真正需要的是低ESL、短电流路径、大电流截面积、能贴近芯片的MLCC。 这就是为什么村田在AI服务器供电指南里，不是泛泛而谈“MLCC需求增加”，而是专门讲die-side、land-side、低ESL、低高度、小型高容量，以及PDN仿真和元件摆放。 这背后的意思是：高端MLCC已经不只是材料问题，而是供电架构问题。这也解释了为什么这轮更像“结构性短缺”，而不是普通周期补库存。 3. 为什么本次更像是结构性短缺而非补库存周期？ 普通MLCC并不一定短缺。手机、PC、一般消费电子需求并不强，很多标准规格并没有进入全面紧缺。 但AI服务器用的高端MLCC是另一回事。 它受限于几个东西： 第一，需求增长不是单纯来自AI服务器数量增加，而是每块AI baseboard、每个power module、每个GPU/ASIC附近的电容用量和规格都在上升。 第二，高端MLCC产线不是普通产线随便切一下就能做。小型化、高容量、低ESL、高耐压、高温可靠性，都涉及良率、工艺、材料和测试能力。 第三，AI服务器客户认证周期长。进入GPU/ASIC供电网络的元件，不是今天报价、明天替换。它要和主板、封装、电源模块、热设计、仿真模型一起验证。 第四，头部供应商不太可能为了短期需求疯狂扩普通产能。经历过多轮MLCC周期后 村田 (村田製作所, Murata 太阳诱电(太陽誘電, Taiyo Yuden 三星电机 (삼성전기，Samsung Electro-Mechanics TDK ( 这些厂商更倾向于把产能分配给高端、高可靠、高利润规格，而不是重走低端过剩路线。 所以我们看到的可能不是“MLCC全行业普涨”，而是： 低端松，高端紧。消费级松，AI服务器紧。普通规格松，高容量/高耐压/低ESL/低高度规格紧。 这就是结构性短缺。 还有一个问题：硅电容会不会替代MLCC？ 我的理解是，不是简单替代，而是分工。越靠近die、越高频的位置，硅电容会更有价值。它可以进入封装，interposer、die-side附近，处理极高频瞬态。但板级、power module、48V输入输出、land-side、中高频去耦，仍然需要大量高端MLCC。 所以硅电容的出现，并不是否定MLCC逻辑，反而说明同一个趋势： AI芯片附近的电源完整性，正在变成新的价值池。 未来不是某一种电容通吃，而是MLCC、硅电容、聚合物电容、嵌入式电容基板一起分工。 因此，MLCC这条线最重要的判断，不是“会不会像2018年那样全行业大缺货”。 我认为更正确的问题是： AI服务器高端MLCC会不会持续紧？ 我的答案是：大概率会。 因为AI rack功耗还在继续上升，48V/54V只是当前阶段，±400VDC/800VDC是下一阶段，但不管远端电压怎么升，最终芯片核心附近都必须面对低压、大电流、高瞬态、高热密度的问题。 只要这个问题存在，高端MLCC就会继续重要。 短缺也更可能出现在这些方向： 高容量、小尺寸MLCC 低ESL、低高度MLCC land-side / die-side 用MLCC 48V电源系统里的高耐压MLCC 高温、高可靠、服务器级认证规格 能参与PDN仿真和客户协同设计的高端料号 所以这不是简单的“被动元件涨价故事”。 更准确地说： MLCC正在从消费电子周期品的一部分，变成AI基础设施供电网络的一部分。 这也是为什么它值得重新研究。 AI产业链的利润池，不只在GPU、HBM、光模块。 当算力继续堆高，瓶颈会自然扩散到供电、散热、互联、存储这些底层物理环节。 而MLCC这一次站上的，正是“供电完整性”这个位置。 这才是这轮高端MLCC行情最值得重视的地方。

华为τ scaling定律营销策略，无非是more than moore的广义摩尔定律的另一种说法而已 作为芯片架构师，我更感兴趣的，还是芯片密度提升，ppt上41%能耗提升和12.7%性能提升，到底是怎么实现的 看完了论文，感觉华为这次创新，本质上是用设计复杂度高 + 高制造成本 + 超前散热，一定程度弥补了工艺差距 ----------------- 1. 华为芯片堆叠带来的等效密度提升，是虚假宣传还是真的，是不是工艺突破？有没有实打实的好处？ 等效密度提升的来源，是两片芯片用hybrid bonding技术绑在一起，投影面积理论上能减小一半，但第一代不是全芯片双层折叠，而是选择性折叠关键logic，所以只有大概53%的芯片面积实现了折叠(密度155->238)，等到后面几代折叠面积会逐渐增大，到2030年接近全折叠（密度155->292） 这2026第一代等效密度从 2025 年 155 MTr/mm² 跳到 2026 年 238 MTr/mm²，时钟频率也提升了12.7%，功耗比提升41%，表面上看似乎和工艺突破没有什么区别，但有一点重要区别就是leakage power华为从头到尾没有提，只要工艺节点不变，gate leakage、junction leakage 不会因为 3D stacking 自动改善 2030年到2031年的等效密度突变，大概率是来自于2层堆叠到3层堆叠，正如2025到2026年的等效密度突变，时钟频率突变，来自单层到2层折叠 所以从leakage没提这个事来看，这个2031年等效1.4nm，和工艺节点上的突破没有联系。 本质上是用设计复杂度高 + 高成本 + 超前散热 + 超前部署advanced packaging，一定程度弥补了工艺差距 ----------- 那么这样看起来虚假的等效密度提升，有用处吗？好处在哪里？ 有的，设计上topology折叠，原来要跑几毫米的水平走线，折叠后变成了几十微米。降低了super buffer/bus的长度，降低了clock tree的深度（clock depth -42%、clock wire -28%），clock skew也带来了改良(-25%)，这对动态功耗的改善是实实在在的。部分critical path的缩短，也让时钟频率的上升更容易 所以ppt roadmap上performance的提升，从2025年到2026年上升了12.7%，大部分都是来自于时钟频率的上升（12.7%） 所以好处基本上是topology拆分电路逻辑设计上带来的提升 既然没有实质上的工艺提升，华为芯片堆叠带来等效密度提升的trade off代价在哪里？ 三个代价：散热超前发展，设计复杂度高，制造成本变高 最大的代价就是热密度的同步上升，理论上logic on logic都是CPU execution发热最严重的区域，这部分折叠起来相当于功耗密度直接翻倍，但算上41% power efficiency改善，功耗密度仍只比非堆叠方案高40%左右。所以第一代只能对最关键的部分做折叠，大概只占全芯片面积的53%。 所以散热技术也被逼的超前发展，直接上毫米级的MEMS风扇，做micro-cooling fan。 另外的代价就是设计复杂度的变高，critical path的折叠，哪个部分的logic能折叠，折叠之后又会带来从前端到后端的巨大变化要推翻重来 现有的所有EDA工具也不可能支持3D topology，论文自己也承认，full-scale LogicFolding需要全新的3D-native EDA toolchain，把多层stacked dies当作单一连续设计实体处理。哪些logic能折叠、折叠后的inter-die timing closure怎么做，Physical Design（PD）也是难点 制造成本也会更高，被迫超前部署advanced packaging封装，1.5~2um的hybrid bonding + logic on logic都是很有挑战需要显著更高的成本 以前一层wafer做一次光刻；现在两层wafer分别做光刻再bonding，加上hybrid bonding的overlay控制（论文要求<0.5μm）、TSV、KOZ keep-out zone、冗余修复、良率乘法损失，每颗芯片的制造成本和测试成本都要显著上升 -------------------------- 2. Tau scaling这个说法，scaling的到底是什么，这个scaling技术路线是不是一次性的design topology红利？潜力如何？持续进步的空间在哪里？ τ Scaling的核心主张是：用时间常数τ替代几何线宽作为全栈优化目标，在器件、电路、芯片、系统四个层级分别压缩特征延迟 公式本身没有任何新物理。"关注瓶颈延迟"是所有架构师都在做的事情。整个行业都知道互联RC是延迟瓶颈，TSMC每一代工艺都在用low-k dielectrics/semi-damascene等手段降RC。把一个众所周知的优化方向包装成"定律"是显然的营销宣传手段，本质是More than Moore的广义摩尔定律的另一种说法 抛开marketing，华为目前所谓RC delay的改善，本质上是芯片堆叠之后，topology距离缩短，让匹配的effective RC都变小，不是RC工艺常数 至于scaling的意思，是能持续发展的一条roadmap。这里的持续改善路径指的是，全芯片堆叠的层数越来越多，从25~30年的2层堆叠，到31年开始的3层堆叠，以后甚至会考虑4层堆叠 第一代折叠技术甚至不是全芯片双层折叠，而是选择性折叠关键logic，所以只有大概53%的芯片面积实现了折叠(密度155->238)，等到后面几代折叠面积会逐渐增大，到2030年接近全折叠（密度155->292）。2031年的roadmap之所以会出现一个阶跃，就是因为那是从2层折叠到3层折叠的时间点。 但需要注意的是，这个scaling方法的边际效应是逐渐缩小的，折叠成双层的收益是100%，2->3层的收益就只有50%，如果2035年再从3->4层堆叠，收益就只有33%了 另外随着堆叠层数变高，上面说到的三个挑战，散热，设计复杂度，成本，都是越来越大 --------------------- 3. 华为的芯片堆叠，是不是TSMC/AMD已经有的hybrid bonding技术？华为做到的是cache on logic，cache on cache，还是logic on logic，logic on logic最大的散热问题是怎么解决的？ 是已经有的技术没错，但同时也是把现有技术指标做到了领先也是真的，3D堆叠本身不是新技术，TSMC的hybrid bonding量产还是6um，华为论文给出Kirin 2026的hybrid bonding pitch是1.5μm 我在刚刚看到华为的堆叠消息之后，第一反应也是怀疑和AMD的3D V cache类似，它主要把 SRAM cache 叠在 已经有的L3 cache 区域上，通常会避免直接堆在最热的 CPU execution logic 上，就是避免散热问题，毕竟SRAM 的功耗密度和热点特性与high-activity logic 不一样，如果最热的logic on logic堆叠，散热恐怕会碰到困难 但看了更多数据之后，clock buffer -56%、clock depth -42%、clock wire -28%，这些只有在core内部的clock distribution被重构时才可能发生。纯SRAM stacking不会碰core内部的clock tree。另外如果只是cache on cache，大概率是不需要单独MEMS微型风扇额外散热的，证据普遍都指向logic on logic方式 华为这个技术的精妙之处在于，logic on logic 折叠之后热密度并没有翻倍，而是因为topology的好处，能耗下降了30%，这样热密度只上升了40~50% 而第一代没有完全把整个最热的execution logic 100%堆叠起来，论文也明确说selectively applied along key critical paths，只是大概53%有选择性关键路径会堆叠起来，可能颗粒度都没有那么好，只是IP堆叠在IP上，那么热密度上升也许能维持在20%以内 但这条道路继续前行，超前发展的散热就成了必然，现在是MEMS微型毫米级的主动散热风扇，紧贴处理器传导效率高，和华为手机一样，散热堆料特别足，而且技术领先同行。 以后怕是要把HBM7/8的微流道散热技术提前用起来了，毕竟HBM7/8要上24+层堆叠，华为很可能要在提前用上下个世代的散热技术了 ------------------------- 4. 从架构角度来说，最重要的问题，华为41%的power efficiency（能耗比）提升，到底是怎么实现的？为什么AMD的3D V cache没有这么大的提升？ 首先确定41%的定义。论文只说"SoC performance-core power efficiency improved by 41%"，没有给出benchmark名称、Voltage/Freq点、温度条件、功耗边界。但PPT roadmap上有一个关键线索：ISO-Power Performance的数字，2025年是2.75，2026年是3.1，提升12.7% 这个时钟频率提升12.7%完全一致，可以理解为，同功耗的性能提升是12.7%，绝大部分是时钟频率提升带来的 至于能耗比上优化的猜测是，LogicFolding缩短critical path → 在固定Vdd下Fmax从2.75GHz提升到3.1GHz → 这意味着在原来的2.75GHz频率下，有了约12.7%的timing headroom → 这个空间在iso-performance模式下可以换成更低的Vdd 另外的能耗比的提升，可能也来自于电路折叠之后，cache hit latency的下降。从业界经验来看，一般L2/L3 cache hit latency下降10%，CPU整体性能会有至少5%的提升 ppt里显示SRAM latency下降30%，估计会有一部分转化为cache hit latency的下降 AMD的3D V cache没有这么大的提升，主要是因为AMD的底层logic die并没有重新设计，3D cache的延迟latency不仅没有减小反而加大，只是增加了cache大小，收益不如latency下降那么明显。 另一方面，clock skew的下降,critical路径变短，造成电路timing变好，意味着华为可以使用更低的vdd（猜测甚至能低7~8%），以及路径缩短所带来的RC的下降(考虑到clock buffer -56%、wire -28%、SRAM pJ/bit -24%这些数字，比如C_eff下降10~15%合理)，再加上clock tree的整体缩短和下降，确实是有可能在部分Voltage/Freq点做到同性能下，做到30%的功耗下降的，而30%的功耗下降换算过来就是41%的power efficiency 对比苹果和高通，每一代手机芯片在iso-power下单核性能一般提升10-20%，iso-performance下功耗一般降30-40%，这是V/F曲线的特性决定的，所以从经验上来说，数字是对的上的。 所以这个power efficiency（能耗比）的提升，从现有的数字上来说可以从topology推导出来是合理的，可能真的和工艺节点没有太大关系 ---------------------------- 5. 这个技术路线有没有可复制性，其他家会不会效仿？ 短期内不会大规模效仿，因为性价比和风险收益比来说不好。长期来看，这个方向所有人都在走，只是名字不一样 华为做LogicFolding的根本驱动力是制裁，工艺节点被卡在7nm，只能在封装，散热，和设计层面想办法弥补。华为也为此付出了不小的代价：散热成本，设计复杂度，以及制造成本更高（包括良率）。这是一个被逼出来的路线，不是一个自然选择 其他玩家在用TSMC就能做到正常的经济迭代，是没有必要冒着这个风险，去超前迭代散热技术和设计复杂度的 长期来看，Intel的Foveros、TSMC的SoIC、AMD的MI300的3D stacking都在朝同一个方向走。如果继续追最先进节点的经济性持续恶化，那么"固定一个成熟节点+3D topology optimization"的路线会越来越有吸引力 散热方面，MEMS微型风扇和微流道也会成为未来HBM散热的主流 ------------------- 总结一下，华为这次的创新，绝对是值得尊重的，在制裁环境下，用极高的设计复杂度和成本，在一个被锁定的工艺节点上大胆重新设计，榨出了一次大的topology红利，虽然它有天花板。每多加一层的边际收益递减（堆叠1->2层, 2->3层, 3->4层，提升百分比变小），leakage无法解决，散热越来越难，3D EDA工具链更是全新的挑战。 但这个Tau scaling不是一条可以走十年的指数增长路径，每次爬完一个台阶，下一个台阶更难爬，而且台阶更矮收益更小，华为以后想缩小差距，还得再想想靠什么其他的路线