台积电在论坛上指出,N3P技术已进入量产,并表示N2技术将在2025年下半年量产。与此同时,台积电还对外展示了其最新的半导体技术路线图,主要聚焦人工智能(AI)、高性能计算(HPC)及先进封装领域的突破。
01
A14制程亮相,预计2028年量产
A14是台积电规划的1.4纳米级先进制程,也是台积电的下一世代先进逻辑制程技术,旨在通过提供更快的计算速度和更高的能效来推动人工智能转型。此外,A14制程技术还有望通过提升智能手机的内置AI功能,使其更加智能。
台积电称,A14的表现将明显超越当前最先进的3纳米制程,以及今年晚些时候即将量产的2纳米制程。
据悉,A14将采用第二代全环绕栅极场效应晶体管(GAAFET),取代传统FinFET,通过优化栅极结构和沟道密度,提升电流控制能力,实现更高性能和能效。A14还将通过NanoFlex Pro技术提供更大的灵活性。
与即将于今年晚些时候量产的N2工艺制程相比,在相同功耗下,A14速度可提升15%,或在相同速度下降低高达30%的功耗,同时逻辑密度将提升20%以上。台积电指出,结合纳米片晶体管设计协同最佳化经验,计划将NanoFlex™标准单元架构发展成NanoFlex™Pro,以实现更佳效能、能效和设计灵活性。
台积电A14制程技术重点面向人工智能(AI)、高性能计算(HPC)及高端移动设备,并支持更复杂的AI模型运算与低延迟数据处理。
目前A14制程研发开发进展顺利,良率已提前实现,台积电计划于2028年正式投产,后续还将推出衍生版本(如A14P、A14X、A14C),分别针对高性能、极致优化和成本敏感型需求。
02
N3家族再前进:N3P启动量产,N3X下半年接棒
在技术论坛上,台积电透露,已按照原计划在2024年第四季度启动N3P(第三代3纳米级)制程量产,主要面向需要提升效能,同时保留3纳米级IP客户端和数据中心应用。
N3P制程是台积电3nm工艺家族中的“性能增强版”,属于该家族的第三代技术节点,前两代分别为N3B(基础版)和N3E(成本优化版)。
作为N3E的进阶版,N3P保留了设计规则和IP兼容性,在同等功耗下性能提升约5%,或在相同性能下功耗降低5~10%。并且对于典型的逻辑、SRAM和模拟模块混合设计,晶体管密度提升4%。
值得一提的是,台积电将持续壮大N3制程家族,推出N3X制程,并计划在今年下半年量产。
据媒体报道,与N3P相比,N3X可在相同功耗下将最高效能再提升5%,或者在相同性能下降低7%的功耗。报道称,N3X最关键的优势在于支持高达1.2V的电压。但需要指出的是,1.2V的电压对3纳米级制程而言属于极限频率。这样的极限频率也有代价,如漏电功耗可能增加高达250%,因此芯片开发者在采用1.2V电压设计N3X芯片时需要格外谨慎。
03
先进封装技术SoW-X拟2027年量产
SoW-X全称为System-on-Wafer-X,是台积电发布的最新晶圆级封装技术,属于CoWoS(
Chip-on-Wafer-on-Substrate)封装技术家族的新成员。
该技术通过Chip-Last流程(先在晶圆上构建中介层,再添加芯片),可以将至少16个大型计算芯片、存储芯片、光互连模块及其他新技术整合在餐盘大小的基板上,形成晶圆级系统,提供高达数千瓦的功率支持。其核心目标是为高性能计算(HPC)和人工智能(AI)芯片提供超高集成度和计算效率。
台积电指出,SoW-X是比目前CoWoS解决方案提升40倍运算能力的晶圆尺寸系统,同样计划2027年量产。
除了为CoWoS增添新成员SoW-X之外,台积电也在持续推进CoWoS技术的演进,以满足AI对更多逻辑和高带宽内存(HBM)永无止境的需求。据悉,台积电计划在2027年量产9.5倍光罩尺寸的CoWoS,从而能够以台积电先进逻辑技术将12个或更多的HBM堆叠整合到一个封装中。
04
N4C、N3A制程等新技术悉数亮相
除了上述提到的先进制程和先进封装技术外,台积电此次在北美论坛上还分别展示了为智能手机、汽车电子以及物联网等领域开发的新技术。
例如在智能手机领域,台积电展示了最新一代的射频技术N4C RF,该技术支持边缘设备能以高速、低延迟无线连接来移动大量数据的AI需求。
与N6RF+相比,N4C RF提供30%的功率和面积缩减,使其成为将更多数字内容整合到射频系统单芯片的设计中的理想选择,满足新兴标准(例如WiFi8和具备丰富AI功能的真无线立体声)的需求。N4C RF计划在2026年第一季进入试产。
汽车电子领域,台积电则展示了最先进的N3A制程。据悉,该制程正处于AEC-Q100第一级验证的最后阶段,并不断改良,以符合汽车零件每百万分之缺陷率(DPPM)的要求。台积电表示,N3A正进入汽车应用的生产阶段,为未来软件定义汽车的全方位技术组合增添生力军。
物联网方面,随着此前公布的超低功耗N6e制程进入生产,台积电将继续推动N4e拓展未来边缘AI的能源效率极限。