台積電市值衝破7兆元的背後!小晶片系統扛大任,突破摩爾定律障礙
台積電市值衝破7兆元的背後!小晶片系統扛大任,突破摩爾定律障礙

台積電正在投入5奈米及3奈米先進製程,但在先進封裝技術上也持續推進,小晶片(Chiplet)系統封裝正成為台積電主要客戶所重用的技術。

Chiplet(小晶片)系統級封裝技術被視為減緩摩爾定律失效的對策,台積電剛宣布與ARM(安謀)合作第一款以CoWaS(基板上晶圓上封裝)解決方案,獲得矽晶驗證的7奈米小晶片系統產品,包括AMD(超微)跟聯發科也都是Chiplet先進封裝技術的座上賓。

TSMC.jpg
雙小晶片系統平面圖
圖/ TSMC

搭上5G及客戶新品熱潮,台積電股價在27日衝上272元歷史新高,市值更站上7.05兆元新高。雖然不是第一次(2017及2018年均有紀錄),台積電又再度超越英特爾市值2255.8億美元(約新台幣6.97兆元)。

台積電表示,跟ARM合作的小晶片系統於2018年12月完成產品設計定案,並於2019年4月成功量產。台積電表示,這款概念性驗證的小晶片系統成功地展現在7奈米FinFET(鰭式場效電晶體)製程及4GHz Arm 核心的支援下,打造的高效能運算系統單晶片(SoC)關鍵技術。

編按:台積電跟ARM合作的小晶片系統,建置在CoWoS中介層上,由兩個7奈米生產的小晶片組成,每一小晶片包含四個Arm Cortex- A72 處理器及一個晶片內建跨核心網狀互連匯流排,小晶片內互連的功耗效益達 0.56pJ/bit、頻寬密度為 1.6Tb/s/mm2、0.3 伏 LIPINCON 介面速度達 8GT/s,且頻寬速率為320GB/s。

樂高堆疊,小裸晶片組成系統單晶片

Chiplet近年成為半導體界爆紅關鍵字,傳統系統單晶片做法是每一個元件放在單一裸晶上,造成功能越多,矽晶片尺寸越大。Chiplet的做法是將大尺寸的多核心設計分散到個別微小裸晶片,比方處理器、類比元件、儲存器等,再用立體堆疊的方式,以封裝技術做成一顆晶片,類似樂高積木概念。

這樣一來,廠商有更好的靈活性,生產良率提高,且成本降低。只是,小晶片系統中的各小晶片必須能夠透過密集、高速、高頻寬的連結,才能確保最佳的效能水準,因此台積電開發的LIPINCONTM技術,讓小晶片間資料傳輸速率達 8Gb/s/pin,並且擁有優異的功耗效益。

AMD全新Ryzen 9 3900X桌上型處理器,擁有高達12核心24執行緒.jpg
AMD執行長蘇姿丰看好Chiplet小晶片系統技術能讓摩爾定律續命。
圖/ AMD

Chiplet封裝,聯發科、AMD也採用

不只ARM宣布使用台積電Chiplet小晶片系統技術,聯發科也在9月台積電技術論壇宣布,已採用台積電Chiplet技術量產資料中心用途高效能ASIC晶片。

AMD更是今年跟台積電合作7奈米先進製程量產EPYC伺服器處理器,看好以Chiplet小晶片系統級封裝、創新晶片架構、異質整合達到摩爾定律所預期的半導體效能提升效果。

AMD執行長蘇姿丰坦言,摩爾定律仍然有效,但推進的速度趨緩。過去半導體業靠先進製程微縮,讓晶片體積不變,但電晶體密度倍數提升,如今發展逐漸面臨瓶頸,必須靠Chiplet封裝、異質整合等技術協助智能微縮下,效能還能提升。(提前發表!聯發科5G單晶片「大翻盤」年底量產,斥資上億研發基地曝光)

中美角力新戰場,忙於建立I/O標準

小晶片系統效能關鍵在微小晶片之間的溝通介面傳輸效率及功耗,不僅台積電積極發展Chiplet技術,美國國防高等研究計畫署(DARPA)也推動電子產業振興計畫(ERI),希望主導小晶片系統的I/O標準。中國半導體業者也積極期望在物聯網產業應用上,利用小晶片系統加快傳輸效率,並建立自有I/O標準,突然,Chiplet已成為中美角力新戰場。

半導體_semiconductor
摩爾定律是否能持續,一直是業界關心話題。
圖/ shutterstock

台經院研究員劉佩真表示,微縮製程就是利用縮小晶片的特徵尺寸,將晶片體積越縮越小、但功能越放越多;但在晶片微縮成本越來越高下,可以透過異質整合如2.5D/3D、fan-out(扇出)和系統級封裝來完成。目前小晶片的目標應用場域包括雲端、邊緣運算、軍事和航空領域等。(面對死對頭三星,台積電未來十年能否坐穩晶圓代工龍頭就靠它)

責任編輯:陳映璇

關鍵字: #台積電 #英特爾
往下滑看下一篇文章
從切菜到乾燥加工!宜展如何結合桃園市政府創業資源,以AI開拓農產加工第二成長曲線?
從切菜到乾燥加工!宜展如何結合桃園市政府創業資源,以AI開拓農產加工第二成長曲線?

走進蔬果加工廠,同樣是100公斤高麗菜,最後能做出多少成品?答案不見得相同。氣候、產地與品質影響原料條件,客戶要求的切法、重量與交期也各不相同。對曾任科技業研發主管十多年的宜展科技農業執行長林佑澤而言,這是與科技製造截然不同的世界。

「農業部分全部都不一致。」林佑澤以青江菜為例,即使機械手臂已經訓練好辨識特徵,面對形狀各異的蔬菜,仍難以判斷該從哪裡抓取。農產品的天然變數,卻得面對學校團膳、連鎖餐飲、航空空廚等企業客戶對品質與交期的要求。如何讓加工流程穩定運作,成為宜展投入數位轉型的起點。

從紙本、LINE到數據,先把現場經驗留下來

目前宜展一年處理數千噸蔬果、服務超過120家企業客戶,業務涵蓋採購、截切、清洗、包裝與配送。林佑澤觀察,農產加工的關鍵經驗往往掌握在資深員工手中:該買多少菜、原料損耗多少、訂單增加又該安排多少人力,都仰賴現場判斷。

「主要就是把人的經驗變成數據。」林佑澤說。過去客戶透過LINE或紙本下單,現場靠人工整理訂單、對照不同客戶的加工規格;如今宜展利用AI辨識訂單內容並匯入ERP,再依客戶、品項與規格進行標籤化派工。製程則透過QR Code記錄原料投入量與成品產出量,逐步掌握各環節的加工損耗。

接下來是整理現場的判斷依據。林佑澤透過與資深員工對談,了解採購、派工與品管的作業方式,再利用AI協助找出規則、建立SOP。AI整理出的流程仍須由現場人員逐項確認、修正,才能實際執行。

品質管理也在持續改善。傳統金屬檢測器難以辨識菜蟲、橡皮筋等非金屬異物,宜展正與技術夥伴規劃導入AI影像辨識,輔助產線末端檢查。林佑澤表示,每批農產品品質不同,比起單看良率,他更重視客訴是否減少。隨著訂單與製程資訊逐步累積,宜展也希望進一步建立需求預測、採購建議與生產排程模型,減少營運對資深員工個人經驗的依賴。

不只把菜切好,乾燥加工尋找第二成長曲線

除了改善截切本業,宜展也開始發展乾燥加工。學校團膳在寒暑假面臨需求波動,生鮮蔬果則有保存期限短、價格易受產季影響等限制。林佑澤希望藉由乾燥技術延長農產品保存期限,開拓附加價值更高的加工業務。

不過,乾燥同樣有依賴經驗的問題。傳統做法是太乾就降低溫度、縮短時間,不夠乾就反向調整。每批原料的水分與成熟度不同,反覆試做不僅增加成本,也難以維持品質一致。「品質目標沒有設定的話,前面的製程參數就不知道怎麼調整。」林佑澤將過去研發車用面板的思維帶進農產加工:先決定產品希望達到的口感、含水率與水活性,再回頭檢視原料成熟度、截切厚度及乾燥參數等條件。

團隊進一步結合不同乾燥技術、自行改造設備,並接洽桃園的設備業者合作。林佑澤曾比較其他地區的設備,最後選擇設備構造、乾燥均勻度與可靠度較符合需求的桃園業者。宜展也持續累積製程參數,希望未來透過AI找出適合不同原料的乾燥曲線,減少反覆試做。

「我們主要還是要做代工,想要做一個功能性的原料平台。」林佑澤說,果乾目前更像是展示技術能力的產品,未來希望將服務延伸至辛香料、中藥材、太空食品、超級蔬菜及寵物食品等領域。現階段宜展主要營收仍來自蔬果截切本業,乾燥事業尚未形成主要收入。未來若能建立穩定的乾燥製程與代工能力,宜展便有機會從既有蔬果供應鏈,切入附加價值更高的食品原料市場。

從彰化走向桃園,驗證營運方法能否跨區複製

隨著加工流程逐步數位化,宜展也開始思考,這套管理方法能否帶到彰化以外的場域。

參與桃園市政府青年事務局天際線加速器及Meet桃園+後,宜展擴大與桃園產業生態系的連結。林佑澤提到,天際線協助邀集不同局處了解團隊需求,並提供資源媒合機會。宜展也開始與桃園市農會及在地農民合作,增加北部原料來源。這項合作不只拓展了供應來源,更成為宜展因應極端天候、穩定供貨的重要助力。林佑澤回憶,先前中南部連日降雨,蔬菜供應受到影響,宜展便從北部調度蔬菜,以不同產區互相支援,降低天候對供貨的衝擊。此外,團隊也透過天際線資源,獲得參與日本國際伴手禮設計競賽的輔導,並成功榮獲金賞獎肯定,除了展現產品的創新與設計實力,也為宜展拓展海外市場、提升國際能見度創造更多機會。

下一步,宜展規劃以桃園大溪作為第二個驗證場域,將彰化累積的資料、SOP與加工管理經驗,轉化為可複製、可優化的營運管理模式,帶到不同產地、供應鏈及人員條件下驗證。林佑澤指出,未來若要跨區域擴張,不可能每到一個新地方,就把原有團隊整批搬過去。因此,宜展希望將資深員工的實務經驗,轉化為標準化流程與數據模型,結合AI進行生產排程、資源配置及營運決策,讓新場域能依據當地條件快速調整,降低對特定人員經驗的依賴。

從彰化到桃園,宜展接下來要驗證的,是這套從傳統農產加工現場整理出來的管理方法,是能夠跨區域複製、快速部署並持續優化的農產加工營運系統。 長期目標是降低新場域的建置成本與管理複雜度,提升擴張效率,讓傳統農產加工業具備規模化發展的能力。

登入數位時代會員

開啟專屬自己的主題內容,

每日推播重點文章

閱讀會員專屬文章

請先登入數位時代會員

看更多獨享內容

請先登入數位時代會員

開啟收藏文章功能,

請先登入數位時代會員

開啟訂閱文章分類功能,

請先登入數位時代會員

我還不是會員, 註冊去!
追蹤我們
一次搞懂工業AI
© 2026 Business Next Media Corp. All Rights Reserved. 本網站內容未經允許,不得轉載。
106 台北市大安區光復南路102號9樓