研究系统给了7条主线，我列举两条： 1️⃣ 需求创造，集中在少数新demand creators 手里（图1） 2️⃣行业瓶颈，从 GPU 转遇到 HBM / advanced packaging（图2） 可以看到每条主线，都有非常明确支撑的证据，来自所有 ai 美股公司的财报/电话会等公开文件。 这些主线会根据新的文件出现，不断演进。

先进制程的瓶颈，你以为只有光刻机吗？ 其实还有Photomask（光罩 / 掩膜版）。 如果说光刻机是印刷机，那么Photomask就是印刷模板 / 底片，wafer（晶圆）就是被印内容上去的纸。 AI带来的半导体复杂度增长，会直接传导到Photomask，甚至被进一步放大。 过去行业是wafer使用量 +10%，mask需求 +10%。 AI时代可能正变成：wafer +10%，mask value +20%~40%。 因为增长的不只是mask数量，还包括： mask层数 EUV层数 multi-patterning复杂度 advanced packaging mask RDL / interposer / HBM相关mask inspection复杂度 repair难度 mask write时间 Photomask本质上已经不再只是“玻璃板”，而越来越像半导体工业里的“母版”。 mask面积远大于芯片，但精度要求反而更高。这点和euv镜头有点像：在A4纸大小区域上绘制整个城市地图，同时误差不能超过几纳米。 一套高端mask如果存在缺陷，后面可能是几万片wafer同时报废。 因此行业的核心，是缺陷控制能力。目前高端mask已经进入纳米级光学工程阶段。EUV mask、3nm/2nm logic mask、HBM相关mask、Advanced Packaging mask，都远超传统DUV时代。 于是高端Photomask天然是低throughput、慢扩产、重工艺积累行业。 相比传统DUV mask是透射式，光直接穿过去；EUV mask则是多层反射镜结构，内部包含Mo/Si multilayer、absorber、pellicle和超低缺陷blank。mask defect会被无限复制，因此phase defect、CD误差、overlay误差、multilayer defect都会极其致命。于是mask inspection的重要性开始接近光刻机本身，工艺技术门槛都变得极高。 除了芯片制造需要mask，还有Advanced Packaging Mask：先进封装本质上也是光刻工业。 CoWoS、Fan-Out、RDL、Interposer、EMIB、Hybrid Bonding，本质都依赖Photomask。因为先进封装已经不再只是“把芯片焊起来”，而是在package内部重新构建超高密度微型互连系统，负责数据传输、电源分配、时钟同步和高频信号完整性。 AI需求带来的，不只是封装数量增长，而是每个Package内部复杂度的爆炸。过去1~2层RDL，现在5层、8层、10层以上。每增加一层RDL，通常就意味着新增对应mask流程。于是Photomask需求开始从“跟随wafer数量增长”，变成“跟随系统复杂度增长”。 先进封装可能是未来几年增长最快的Photomask子方向之一。因为AI package正在逐渐变成“微型主板”。大量原本属于PCB和系统板级的功能，正在向Package内部迁移：HBM互连、高频SerDes、Power Delivery、Chiplet Fabric。于是先进封装越来越像“后道版晶圆厂”。 这也是CoWoS、EMIB、Foveros、SoIC、Hybrid Bonding越来越重资产、越来越难扩产的根本原因。它们已经不再是传统封装，而是系统级硅互连制造。 而随着光刻机越贵、越稀缺，每一次曝光就越昂贵。于是晶圆厂会更加重视： 高质量mask inspection repair pellicle overlay metrology 与此同时，EUV紧缺还会推动multi-patterning。原本1层EUV，可能被迫变成多次Immersion DUV曝光、SADP、SAQP，结果反而增加了Mask数量。因此EUV scarcity并不一定压制Photomask行业，很多时候反而提升高端DUV mask需求。尤其HBM、CoWoS、Advanced Packaging、RDL、Substrate这些大量使用Immersion DUV与Packaging Lithography的环节。 这也是为什么高端Photomask行业越来越像HBM、CoWoS和EUV生态。真正限制行业扩产的，已经不只是CapEx，而是： defect reduction yield learning inspection能力 process tuning customer database 长周期验证 工艺积累 很多部分已经开始像“工业化手工艺”。 其在整个半导体生态中的议价能力，将会越来越强。而市场，很可能还没有充分意识到这一点。 免责声明：本人持有文章中提及资产，观点充满偏见，非投资建议，dyor

AI光互连正在进入“混合化时代” AI scaling真正撞墙的位置，已经越来越接近data movement。移动bit的成本，开始越来越接近，甚至超过计算bit本身。 massively parallel IO、power/bit、thermal density、reliability、optical packaging、chip-to-chip bandwidth这些问题越来越成为瓶颈。未来光互连越来越像系统工程问题。 AI光互连重要的趋势，是“光互连混合化”。行业正在从每模块独立激光、pluggable optics、板级光模块，逐渐走向 CPO、ELS（External Laser Source）、Optical IO、chiplet optics、MicroLED optical interconnect。核心原因很简单：激光器越来越难放在最热、最密集、最难维护的位置。于是行业开始把激光集中化、共享化、远程化。ELS路线背后的本质，也是把光源从局部模块变成系统级资源。 ai集群的网络功耗正在逼近计算功耗。GPU越来越像“被IO限制的计算器”。于是光开始越来越靠近封装。过去是 GPU → PCB → 铜 → 光模块 → 光纤。未来越来越像 GPU旁边直接就是光。而一旦光进入封装，热、良率、耦合、封装、可靠性，全部开始指数级变难。 于是MicroLED开始成为选项。传统激光路线更强调单通道极限速度、长距离、相干性、超低损耗。MicroLED路线更强调海量并行lane、超短距离、低功耗、CMOS-like scaling、低成本、超高密度。重要的是，它更接近“半导体+显示产业链”的制造逻辑。 很多人会把MicroLED理解成激光替代。更准确的理解是：它更接近“铜线升级方案”。尤其适合 chip-to-chip、package-to-package、board-level optics、rack内部互连这些超短距离场景。 这里真正重要的，是总IO数量能不能持续扩展。 现在这个方向最积极的推动者之一，其实是Microsoft。MediaTek已经和Microsoft Research联合开发基于MicroLED的AOC（Active Optical Cable）。路线很明确：重点放在AI scale-up网络里的超短距高并行光互连。核心思路是“slow-and-wide”。重要的是海量低速并行光通道，而不是少量超高速channel。这其实非常符合AI时代的网络特征，因为AI真正需要的，越来越像“无限并行IO”。 MTK具备完整的数据中心系统能力，包括高速IO、ASIC协同、SerDes、封装、power delivery、hyperscaler协同、大规模量产。而且它已经绑定Microsoft。这意味着它已经开始进入hyperscaler验证阶段。微软公开时间线是2027年前后开始商业化部署。 另一边，KOPN也已经正式进入这个赛道。它原来的核心能力是AR、military optics、MicroLED display，但现在已经开始向AI optical interconnect迁移。KOPN已经和Fabric. AI合作，推出MicroLED optical interconnect demo chipset，并签下初始订单和exclusive agreement。这意味着行业已经开始从“研究验证”进入“早期商业化验证”。 KOPN和MTK路线很接近，都在赌未来AI网络会从“few ultra-fast lanes”转向“many lower-power parallel optical lanes”。重要的是，两者定位不同。MTK更像系统路线定义者，KOPN更像底层光源和器件供应商。未来很可能形成：MTK负责系统方案，KOPN负责部分核心MicroLED器件，其他SiPho/CPO厂商提供不同层级补充。整个行业最终更像异构拼图。 这个赛道门槛是半导体、光学、显示、封装、数据中心系统五个产业叠加。难点是如何同时做到：超高良率、超高一致性、超低误码率、超低功耗、超长寿命、超高密度。这里最难的几个环节包括：III-V外延、GaN制造、MOCVD、mass transfer、wafer-level alignment、光学耦合、thermal engineering、光学封装。 MicroLED仍然高度依赖III-V GaN体系，尤其蓝光/绿光MicroLED，本质更接近显示产业链。其瓶颈是GaN外延、高端MOCVD、MicroLED mass transfer、wafer-level alignment、optical packaging、thermal management、高速驱动IC。 很多东西已经开始接近“TSMC CoWoS + 光学 + 显示制造”三者叠加的复杂度。所以这个行业最终很可能形成极少数核心玩家，而且一旦进入hyperscaler production，护城河会非常深。 免责声明：本人持有文章中提及资产，观点充满偏见，非投资建议，dyor

美股电子消费、银行保险、医疗、房产及零售公司创新高个股： 1. Apple $AAPL｜苹果公司（消费电子/科技硬件） 2. JPMorgan $JPM｜摩根大通（大型综合银行、投行） 3. Bank of America $BAC｜美国银行（商业银行、财富管理） 4. Raytheon $RTX｜雷神技术（航空航天、国防军工） 5. 3M $MMM｜3M公司（综合化工材料、多元制造业） 6. CSX $CSX｜CSX运输（北美铁路货运） 7. Bristol‑Myers Squibb $BMY｜百时美施贵宝（创新制药、生物医疗） 8. Viatris $VTRS｜晖致制药（仿制药、慢病药物） 9. Aegon $AEG｜荷兰全球保险（寿险、资产管理） 10. Barclays $BCS｜巴克莱银行（英国跨国投行、商业银行） 11. Merck $MRK｜默沙东（全球创新药企） 12. SiriusXM Holdings $SIRI｜天狼星XM（卫星音频广播、流媒体） 13. MetLife $MET｜大都会人寿（美国寿险、保险金融） 14. AbbVie $ABBV｜艾伯维（生物制药） 15. Kimco Realty $KIM｜金科地产（零售商业地产REIT） 16. PACCAR $PCAR｜帕卡公司（重型卡车制造） 17. Best Buy $BBY｜百思买（消费电子零售） 18. Incyte $INCY｜英赛特生物（生物医药研发） 19. ING Groep $ING｜荷兰国际集团（银行保险综合金融） 20. Ventas $VTR｜文塔斯地产（医疗养老地产REIT） 21. Healthcare Realty Trust $HR｜医疗房地产信托（医疗物业REIT） 22. Tenet Healthcare $THC｜特尼特医疗（医院运营、医疗服务） 23. Prudential Financial $PRU｜保德信金融（美国寿险与资管） 24. Home Bancshares $HOMB｜家庭银行股份（美国区域商业银行） 25. Ross Stores $ROST｜罗斯百货（折扣服饰零售） 26. BrightSpring $BTSG｜春辉健康（居家康复护理服务） 27. Revolution Medicines $RVMD｜变革医药（肿瘤靶向新药研发） 28. Oceaneering International $OII｜海洋工程国际（海上油气装备、水下技术） 29. Howmet Aerospace $HWM｜豪美航空航天（航空精密零部件） 30. Banco Bilbao $BBVA｜西班牙对外银行（跨国商业银行） 31. Manulife Financial $MFC｜宏利金融（加拿大保险资管集团） 32. Aflac $AFL｜美亚保险（补充医疗保险） 33. MGIC Investment $MTG｜美国抵押担保保险（房贷保险） 34. The Travelers $TRV｜旅行者保险（财产意外险） 35. J.M. Smucker $SJM｜斯马克食品（包装食品、消费品） 36. Halozyme Therapeutics $HALO｜哈罗兹姆生物（生物制剂、药物递送技术） 37. Hexcel $HXL｜赫氏集团（航空航天复合材料） 38. Macerich $MAC｜马塞里奇地产（购物中心REIT） 39. Brinker International $EAT｜布林克国际（连锁餐饮运营） 40. HSBC Holdings $HSBC｜汇丰控股（全球跨国银行） 41. Packaging Corp of America $PKG｜美国包装集团（纸板、包装材料） 42. Sonoco Products $SON｜索诺科产品（工业包装解决方案） 43. General Dynamics $GD｜通用动力（军工防务、舰船航空） 44. United Bankshares $UBSI｜联合银行股份（美国区域银行） 45. W.P. Carey $WPC｜W.P.凯里地产（多元化不动产投资REIT） 46. Texas Roadhouse $TXRH｜德州路边牛排馆（连锁餐饮） 47. PACS Group $PACS｜PACS集团（工业物流、设备服务） 48. First American $FAF｜第一美国金融（房产产权保险） 49. Sensient Technologies $SXT｜森馨科技（食品、化妆品色素原料） 50. Allstate $ALL｜好事达保险（美国车险、财险）

nvda豪掷15亿预付amkr，是因为先进封装会成为下一个HBM吗？ AI产业每隔一段时间，都会有新瓶颈，然后大家就会想办法解决瓶颈，然后瓶颈就会随着解决方案继续移动。 原因很简单。AI芯片越来越像一个系统。GPU Die数量增加，HBM容量不断提升，Interposer尺寸持续扩大，Chiplet架构成为主流，Package面积和复杂度同步提升。从Hopper到Blackwell，再到Rubin，每一代产品占用的先进封装资源都明显增加。未来GPU出货量增长30%，先进封装需求增长50%-70%将并不令人意外。 这意味着，先进封装开始从制造环节演变为一种稀缺资源。限制GPU出货的不再只是晶圆和HBM，而是整个系统级集成能力。 更重要的是，需求来源正在多样化并快速增长。过去先进封装主要服务于NVIDIA GPU，如今Google TPU、AWS Trainium、Microsoft Maia、Meta MTIA、Broadcom ASIC以及未来越来越多定制AI ASIC都需要先进封装。GPU需求仍在增长，同时新增了一条规模巨大的ASIC需求曲线，两者共同争夺有限的封装能力。 供给端却难以快速释放。先进封装工艺流程及其复杂，包括的CoWoS、Hybrid Bonding、TSV、高精度贴装、超大尺寸Interposer、先进测试和热管理，每一个环节都需要专用设备和成熟工艺。很多核心设备全球供应商数量有限，即使资本充足，也无法短时间完成扩产。 这也是为什么近期越来越多AI公司开始提前锁定未来数年的封装产能，英伟达这次的15亿，很可能只是冰山一角：提前锁定的是未来几代产品的制造能力和供应链优先级。先进封装正在逐渐具备类似HBM长期锁产能（LTA）的产业特征。 在已经拿下tsmc cowos50-60%产能的情况下，英伟达今天如此激进的做法很可能会引起其他市场的玩家恐慌性争相效仿，开始争夺剩下的先进封装产能。 不过，先进封装并不会完全复制HBM行情。HBM的供给几乎集中于SK海力士、三星和美光三家公司，进入门槛极高，供给弹性极低，因此价格和利润弹性异常突出。先进封装虽然龙头仍然集中，但未来参与者更多，TSMC之外，Amkor、ASE、SPIL、Samsung、Intel以及部分中国封装厂都有机会分享增量市场，不同技术路线之间也存在一定替代空间，例如CoWoS、FoCoS、EMIB、I-Cube、Panel Level Packaging以及未来Hybrid Bonding等方案，因此供给弹性整体仍高于HBM。 但先进封装的重要性已经不只是一个制造工艺，而是AI时代最核心的基础设施之一。HBM提供高速存储，GPU提供计算能力，而先进封装负责将所有异构芯片整合成一个可运行的系统。未来随着Chiplet、HBM堆叠、异构计算和系统级封装不断升级，先进封装的价值量和战略地位仍将持续提升。 而封装需求的不断快速提升，将继续拉动封装材料，设备，测试等上下游环节需求的继续大幅增长 免责声明：本人持有推文题及资产，观点充满偏见，非投资建议dyor

韩国砸1.3万亿美元搞半导体，我把设备股重新研究了一遍 上周，韩国政府联合三星电子与SK集团，宣布了韩国史上最大规模的产业投资计划，未来十年内在韩国本土半导体、AI数据中心及相关领域的总投资规模逼近 2000 万亿韩元（约合 1.3 万亿美元）。 这个消息让我把半导体设备公司全部重新捋了一遍，整理一下思路。 先说我的核心结论 如果HBM、DRAM这些先进存储未来几年还是AI最大的瓶颈，那最先把这块红利吃进自己嘴里的是给存储厂卖设备的公司。毕竟存储厂要扩产，第一笔花的钱永远是先买设备，设备商的订单兑现速度比存储厂的产能爬坡更快。 现在内存厂商三星、海力士，加上制造龙头台积电，都开始大举资本开支积极扩产，这自然会推动半导体设备、材料、测试这整条产业链进一步爆发。这几家本身就是各自产业链里最有话事权的核心客户，他们要花钱扩产，自然要把钱花在买更多设备、买更多材料上，这笔钱最终会流进设备商和材料商的报表里。 AMAT 应用材料是我目前最看好的一家 倒不是因为它在哪个具体环节做得最强，而是因为只要是晶圆厂，几乎绕不开它的设备HBM、DRAM、NAND，不管三星、SK海力士还是美光在扩哪条产线，应用材料的设备基本都会出现在产线上。PVD、CVD、CMP、外延这几个前道制造的核心流程，几乎每一个都有它的位置。买应用材料更像是直接押注整个AI资本开支周期的体量，不是赌某一项具体技术能不能跑出来。也就是说AMAT的故事非常全面，他受益于TSMC，Intel Glass Substrate，Advanced Packaging，HBM等。资金覆盖面很广。AMAT几乎每条线都能讲故事。几乎什么CapEx它都受益。所以资金愿意一直配置。这也是为什么技术面4月份以来从来没有跌破过EMA 20，沿着EMA 20一路上行。 LRCX是我重点关注的第二家 如果说AMAT赢的是广度，Lam Research赢的是HBM弹性。HBM比传统DRAM多出大量刻蚀、TSV（硅通孔）、晶圆减薄这些复杂工艺，而这恰好是Lam Research最拿手的领域。应用材料管理层之前提过，HBM部分工艺步骤的数量比传统DRAM多出三到四倍。如果HBM接下来持续供不应求，Lam Research可能是设备板块里业绩弹性最大的一家。 剩下几家也快速说一下 KLAC做检测设备，是这个细分的龙头。HBM层数堆得越高，先进制程越复杂，良率管控的重要性只会越来越高，几乎每座新建的先进晶圆厂都离不开检测设备。它的特点是增长稳，但爆发力没有AMAT和Lam Research那么强。 ONTO是市场容易忽略的一家。它的看点不在传统晶圆制造，在先进封装这条线。HBM4、HBM5、混合键合、CoWoS这些技术持续升级，封装环节的计量和检测重要性会同步提升，如果先进封装继续是AI产业链最大的瓶颈之一，ONTO还有不错的成长空间。 Teradyne做测试设备，HBM堆叠越高、GPU越复杂，测试时间也跟着拉长，它会受益，但属于间接受益，绑定程度不像AMAT和Lam Research那样直接挂钩存储扩产。 AMKR是先进封装这条线上另一个值得关注的标的，台积电这边的资本开支扩张，对它也是直接受益，先进封装订单本身就是它的核心业务。 ACMR是值得长期盯着的国产设备公司，逻辑跟前面几家不太一样。它吃的是国内DRAM、NAND扩产和国产替代推进的红利，跟三星、SK海力士、美光那条全球扩产主线关系不大，是另一条独立的产业逻辑。 如果按未来存储扩产受益程度排个序，目前大概是AMAT和LRCX排在最前面。接下来是KLAC，然后是ONTO和AMKR，再然后是Teradyne，最后是ACMR。如果只盯HBM这一条主线，LRCX的弹性可能比AMAT更高。 但如果只能长期持有一家半导体设备龙头，我还是会选应用材料，AI时代真正持续增长的是资本开支这件事本身，只要全球晶圆厂还在建、设备还在买，应用材料几乎永远站在这条产业链最核心的位置。

❌拿不住美股-----看AI核心电子元器件分解 —— 对应美股AI CapEx图解, 这样你心里有数，就拿得住了，AI在哪里被卡住了。 一、PCB / AI服务器ODM（系统组装） ♨️核心逻辑 :AI服务器升级 → 高层数PCB、高速PCB需求暴增。 • 伟创力 Flex Ltd. —— $FLEX • 天弘科技 Celestica —— $CLS • 捷普 Jabil —— $JBL • TTM 科技 TTM Technologies —— $TTMI 二、MLCC（多层陶瓷电容） AI服务器高频、高功耗下核心被动元件。 • 威世科技 Vishay —— VSH（主做被动元件 / MLCC） • 村田制作所（OTC）Murata —— MRAAY（全球龙头） • 太阳诱电（OTC）Taiyo Yuden —— TYOYY 三、CPO（共封装光学）美股芯片 / 平台 AI数据中心最重要的方向之一。 🅰️CPO芯片 / 交换平台 • 博通 Broadcom —— $AVGO • 美满电子 Marvell —— $MRVL • 英伟达 NVIDIA —— $NVDA 🅱️光模块 / 光器件 • Lumentum —— $LITE • 高意 Coherent —— $COHR • 应用光电 Applied Optoelectronics —— $AAOI 四、HBM（高带宽内存）美股 ♨️HBM决定AI GPU上限 • 美光科技 Micron —— $MU （美国唯一 HBM 生产商） 非美股核心 •SK海力士（全球HBM龙头） •三星电子 五、CCL（覆铜板 Copper Clad Laminate）美股 纯 CCL 美股极少，下面为材料 / 基板相关 • 罗杰斯 Rogers —— $ROG （高频板材，PCB 核心材料） 六、FPC（柔性电路板）美股 AI链条里不是最核心方向。纯正 FPC 美股几乎没有，以下为柔性电路 / 互连相关 • 泰科电子 TE Connectivity —— $TEL （柔性连接器、FPC 组件） • 安费诺 Amphenol —— $APH （柔性互连、FPC 连接器） 七、DRAM（内存） • 美光科技 Micron —— MU（唯一美股 DRAM 大厂） 八、NAND（闪存） • 美光科技 Micron —— MU（同时做 NAND） 九、GPU（图形处理器 / AI 芯片） AI产业链绝对核心。 • 英伟达 NVIDIA —— $NVDA （AI GPU 绝对龙头） • 超威半导体 AMD —— $AMD （GPU+CPU） 十、先进封装（Advanced Packaging） 先进封装是AI时代最关键增量之一。 • 英特尔 Intel —— $INTC（SiP/EMIB/Foveros） • 高通 Qualcomm —— $QCOM（SiP 封装） • 安靠科技 Amkor —— $AMKR （全球封测大厂，SiP 主力） 十一、交换芯片 / Networking AI集群扩张核心。 • Broadcom —— $AVGO • Marvell —— $MRVL • NVIDIA —— $NVDA • Arista —— $ANET 十二、AI基础设施底层材料层 • 康宁 —— $GLW 十三、AI互连 / Connectivity • Astera Labs-- ALAB 后面3个我补充的，尤其是康宁，我看见有人喊拿10年后再看~~~

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

韩国半导体设备链正在重估：从配套环节到AI基础设施 韩国半导体设备链，在AI时代，对全球半导体产业正变得越来越重要。 半导体制造复杂度正在快速提高，于是很多过去只是“配套环节”的设备，开始变成真正的瓶颈。 包括： HBM Bonding Burn-in Test Handler 高温测试 高速互连 Hybrid Bonding 热管理 先进封装 后处理 这些环节的重要性都在明显提升。 Hanmi Semiconductor就是典型案例。 过去很多人把Hanmi当普通封装设备公司，但AI时代之后，它已经逐渐变成HBM设备链的重要玩家。公司的核心产品包括TC Bonder、HBM Bonding、EMC、Vision Placement。 过去先进封装很多时候只是后道配套。但现在先进封装已经不只是“封芯片”，而是承担HBM连接、多Die协同、高速互连、热管理、Power Delivery、大尺寸封装良率等功能。 于是先进封装第一次开始脱离“低技术、低估值、低成长”的传统定位。 PSK Holdings也是类似逻辑。 PSK做Ashing、Descum、Dry Strip，本质上属于去胶和后处理设备。过去市场关注度不高，但随着先进制程、存储、先进封装复杂度提升，后处理的重要性也在提升。 Jusung Engineering则是韩国重要的CVD、ALD设备厂商。AI时代之后，高层堆叠、高深宽比结构、更复杂材料体系，都在提高沉积工艺的重要性。 TES同样类似。它做Cleaning、Etch、Gas Process。随着HBM、先进封装、先进存储复杂度提升，清洗与后处理的重要性也在提高。 就连Mirae Corporation这样的在生产过程中“搬运”芯片的设备公司，也开始形成行业壁垒。 Mirae的核心业务包括Test Handler、Burn-in Sorter、SMT Mounter，其中真正核心的是半导体测试Handler。 简单来说，芯片测试时，需要自动搬运、对位、温控、分类。Handler负责这些自动化动作。Mirae不做ATE Tester本身，而是做“如何让芯片高效率接入Tester”的自动化系统。 由于先进芯片越来越薄、越来越大、越来越贵、越来越脆弱，尤其HBM更明显。于是Handler已经越来越像“高精度运动控制 + 热管理 + 自动化”的复杂系统。 难的是，既要高吞吐、高并行、温度均匀、快速切换，同时又不能影响测试精度。很多公司能做Demo，但做不到长期高稼动率、thermal drift控制、socket alignment稳定、长时间稳定量产。 所以Handler原来并不是高壁垒行业，但AI时代后，HBM、高功耗GPU、advanced packaging、三温测试、burn-in，都在明显提高Handler难度。 从这些例子我们可以看出，AI时代最大的变化之一，就是后道测试复杂度正在非线性提升。 而整个韩国半导体设备产业链，也正在从传统周期设备行业，逐渐转向AI基础设施产业链。 免责声明：本人持有文章中提及资产，观点充满偏见，非投资建议，dyor

关注欧盟（及欧洲）小盘股或关键上游供应链中的瓶颈技术公司，这些领域涉及量子/MBE设备、玻璃基板、DFB激光器、硅光子学（SiPH）、CPO（Co-Packaged Optics）测试与组装等。 目的是防范地缘暴露风险。 欧盟在光子学、化合物半导体外延、精密测试和先进基板等领域仍有技术领先，但上游小公司往往融资压力大、估值低，容易成为收购目标。欧洲已加强FDI审查（如德国阻挡多起半导体收购，荷兰对Nexperia采取行动），但执行中仍有漏洞，尤其私营或小盘公司。 以下是美国市场（美股上市或OTC）中类似“欧盟风格”的小盘/中盘公司列表，这些公司处于AI、数据中心、硅光子学、CPO、LIDAR、量子相关供应链的上游瓶颈位置（设备、材料、测试、基板、外延）。我优先选择市场相对较小、专精 niche 技术、潜在地缘风险或战略重要性高的公司（类似你提到的ALRIB量子/MBE、LPK玻璃基板、SIVE DFB激光）。这些多为欧洲/西方公司，但部分有亚洲制造暴露或收购历史风险。 1. 玻璃基板 / 先进封装相关（类似 LPKF） • LPKF Laser & Electronics ( $LPK.DE)：德国，已在你列表中。激光诱导深蚀刻（LIDE）用于玻璃基板高密度通孔（TGV），CPO/AI封装关键，无明显西方替代。亚洲（如韩国Philoptics）在追赶，但LPKF仍是西方领先。 • SCHMID Group ( $SHMD)：小盘，覆盖玻璃工艺链、面板级封装（Panel Level Packaging）和集成基板制造，直接服务先进封装需求。 • Corning $GLW ：虽非纯小盘，但玻璃基板领导者，AI数据中心封装转向玻璃的长期受益者。欧洲有Schott AG（私营）类似，但Corning更易投资。 新兴：$Ephos （意大利，玻璃基量子光子芯片制造，获欧盟 Chips Act资助，Fab-2专注玻璃光子芯片，非上市但值得跟踪，作为供应链安全案例）。 2. MBE / 外延设备 & 化合物半导体（类似 ALRIB 量子/MBE） • Aixtron ( 或 OTC)：德国，MOCVD/MBE反应炉全球领先（尤其InP激光生长，市占率极高）。AI光通信激光器必需，西方“烤箱”供应商之一。 • IQE PLC (IQE.L / OTC:IQEPY)：英国，InP/GaAs外延晶圆纯玩公司，服务Lumentum等光子客户。曾面临财务压力/战略审查，潜在收购风险高，类似AXTI的瓶颈暴露。 3. 硅光子学 (SiPH) / CPO 测试与组装（类似 FiconTEC） • FormFactor ( $FORM)：美国，但收购德国Keystone Photonics（SiPH/CPO晶圆光学探测测试先锋），直接增强双面/光电集成测试能力。客户覆盖AI半导体玩家。 • Aehr Test Systems ( $AEHR)：小盘，烧入测试设备，硅光子学/CPO高可靠性测试关键。AI数据中心光模块量产瓶颈之一。 • Teradyne 与 ficonTEC 合作开发双面SiPH晶圆探针测试单元（“电上光下”架构），突出测试链在CPO量产中的瓶颈地位。 其他测试/计量：Keysight、Advantest等较大，但小盘中Quantifi Photonics（新西兰，但西方供应链）或类似光学测试小公司值得注意。 4. 激光器 / DFB / InP 相关（类似 SIVE DFB激光器） • Applied Optoelectronics ( $AAOI)：小盘，光子学/激光收发器，直接服务数据中心。 • Coherent ( $COHR)：InP激光芯片/组件，硅光子集成相关。 • Sivers Semiconductors ( 欧洲光子生态：Soitec ( PhotonDelta（荷兰生态）、SMART Photonics、Ligentec、VLC Photonics 等多为私营或试点，但通过欧盟资助（如Chips Act）在建InP光子工厂，强调欧洲主权努力。 5. 其他潜在瓶颈 / 材料公司（地缘风险类似 AXTI） • $AXTI 本身：InP/GaAs基板，全中国制造，出口许可风险高，已成供应链“后门”讨论焦点。美国正推动独立产能，但短期依赖仍存。 • 化合物半导体小公司：部分欧洲外延/基板玩家（如IQE）或测试设备，易受IP转移影响。 投资视角与风险提醒 这些公司多为小盘/专精，波动大，受AI/CPO采用节奏、欧盟Chips Act资助、FDI审查影响。 优势：西方技术领先、客户绑定NVDA/TSMC/AVGO/INTC等； 风险：融资难、私营收购隐蔽、IP外流、政策不确定（如德国/欧盟审查执行力）。