《台积电难以逾越得五大优势》

  • 来源专题:集成电路制造与应用
  • 编译者: shenxiang
  • 发布时间:2020-11-25
  • 三星目标 2022 年以 3 奈米製程超越台积电,不过,台积电 现阶段仍具备先进制程技术与产能优势,并以先进封装稳固金字塔顶端客户需求,且与客户没有竞争关係也是最大优势之一;即便三星 3 纳米要以 GAA 架构迎战台积电,但必须建立新的 GAA 生态系统,且从良率、技术成熟度等层面来看,台积电仍相对具备优势,三星短期内要与台积电抗衡,恐怕还有段距离。

    三星近来动作频频,除日前发表採用自家 5 纳米制程生产的 5G 手机芯片,近期又传出目标 2022 年量产 3 纳米制程,赶上台积电的 3 纳米量产时程,是近年来双方在先进制程争霸竞赛中,量产时间最接近的一次。

    台积电与三星为目前全球唯「二」能同时生产 7 纳米、5 纳米制程的厂商,不过,从目前双方最先进的制程来看,台积电 5 纳米制程已于今年第二季量产,通吃苹果、超微等大客户订单,5 纳米强化版也预计明年量产;三星则传出今年底可望量产 5 纳米,除满足自家 5G 手机芯片需求外,客户也包括高通、Vivo。

    不过,台积电在客户积极抢单下,5 纳米制程已满载,产能供不应求,明年更将大增 3 倍之多,今年 5 纳米制程营收占比约 8%,明年至少 20%,据研调机构集邦科技最新报告指出,台积电积极扩充 5 纳米制程明年底将囊括近 6 成先进制程市占率,而三星 5 纳米虽有扩产计划,但相较台积电仍有约 2 成的产能落差。

    除在先进制程技术与产能领先三星,台积电也搭配先进封装技术,整合 SoIC(系统整合芯片)、InFO(整合型扇出封装技术)、CoWoS(基板上晶圆上晶片封装) 等 3DIC 技术平台为 3D Fabric,以服务 Google、超微等金字塔顶端客户的高阶封装需求。

    三星也以 3D IC 封装技术 X-Cube 要与台积电比拚,并宣布已在旗下 7 纳米与 5 纳米制程技术进行验证;但台积电在先进封装技术上已大有斩获,传出正与 Google 共同开发 SoIC 创新封装科技,且先进封装产能将在明年启动建置,并于 2022 年开始量产。

    相较三星,台积电身为纯晶圆代工厂,多年来始终强调「不与客户竞争」,成为其最大优势之一,对客户来说,台积电没有竞争利害关係;反观三星并非纯晶圆代工厂,本身也生产手机等终端产品,客户向其投片容易存有疑虑,信任成为客户是否愿意交付订单的影响因素之一。

    另一方面,台积电 3 纳米仍将沿用现行的、较成熟的鳍式场效应电晶体 (FinFET) 架构,三星则计划采用全新的闸极全环场效电晶体 (Gate-All-Around, GAA),能更精准控制通道电流、缩小芯片面积、降低耗电量,要藉此弯道超车台积电。

    不过,台积电过去累积下来的 FinFET 架构与设计生态系统,可直接将验证过的 IP,提供给 3 奈米客户使用,让客户能快速完成设计;三星采用GAA 架构下,客户需要调整 IC 设计,三星也必须建立新的 GAA 生态系统。

    此外,随著先进制程难度持续推进,台积电在量产时程或产能拉升速度上,均按部就班、甚至优于原定时程,而三星新製程良率始终备受质疑,无论从 3 纳米的成本、技术成熟度等层面来看,台积电仍相对具备优势;这也是即便三星积极抢单,目前还是只能分食台积电「吃」不下、或以低价争取而来的订单的原因。

相关报告
  • 《AI+储能“五大风口”》

    • 来源专题:能源情报网监测服务平台
    • 编译者:郭楷模
    • 发布时间:2025-03-13
    • 自deepseek问世以来,包括五大能源集团、两大电网在内的半数以上能源电力央企接入模型,采日能源等储能企业也相继接入。全球能源转型的齿轮正被AI+储能的深度融合加速转动。 AI+储能,站在风口。 据报道,宁德时代、比亚迪、LG新能源在着手利用AI造电池。当用AI造电池逐步进入现实,AI+储能的风口逐渐显现。2025年,国家能源局印发的《关于加快推进能源数字化智能化发展的若干意见》明确提出,到2030年,能源系统各环节数字化智能化创新应用体系初步构筑、数据要素潜能充分激活。 3月12日,卓阳数字能源正式推出全新AI助手——“卓小阳”。该智能体专为新能源行业设计,旨在通过大模型赋能提升行业效率,优化决策支持。“卓小阳”的核心应用场景包括:行业知识问答,场景解决方案输出,资产收益组合分析,能源电站投资分析等。 在此之前,基于DeepSeek在“融和·白泽”系统下的私有化部署,日电芯监控超2000万颗、日处理信息量达TB级,效率提升超50%;毫秒级故障检测与调度响应,运维成本进一步降低超30%的能力表现,是融和元储以一场“AI+储能”的深度联姻解码了在现如今储能行业波潮涌动情况下的运营新范式。 事实上,自deepseek问世以来,包括五大能源集团、两大电网在内的半数以上能源电力央企接入模型,采日能源等储能企业也相继接入。 包括宁德时代、卓阳数字能源、融和元储、阳光电源、比亚迪、海博思创等企业正利用AI+储能,在电池创新、运营优化、智慧运维等多方面展露“实力”。全球能源转型的齿轮正被AI+储能的深度融合加速转动。 AI+储能将带来哪些风口? AI+储能的风口之下,机遇与挑战如同硬币的两面。 正如宁德时代曾毓群所言:“没有颠覆性的技术突破,就不会有真正的能源革命。”当DeepSeek将AI训练成本降低90%,当华为实现储能系统全生命周期数字化,这场变革已不可逆转。 一是智能运维,储能电站的运维成本占全生命周期成本的30%,而AI正在改写这一经济模型。 阳光电源推出的iSolarBPS系统深度融合电力电子、电化学与AI算法(GeneSafe算法集群),可实时监测电芯健康状态,提前7天预警一致性异常、提前100小时识别内短路风险、提前1小时预判热失控,形成三级主动防御机制。该系统通过五维诊断(数据质量、行为分析、异常老化、故障告警、风险预警)覆盖50+指标,百兆瓦电站1分钟生成诊断报告,精准定位故障至电芯级,运维效率提升30%。 东方日升开发的Risen Cloud系统,通过分析10万+电芯的实时数据,将故障预警准确率提升至98%。这背后是深度学习算法对电池内阻、温差等200+参数的动态建模,使得电芯循环寿命突破10000次。 德国国王湖独立储能电站项目规模为10.35MW/22.36MWh,配备了海博思创 HyperBlock II液冷储能系统。作为海博思创大储类别旗舰产品,HyperBlock II性能卓越,具有成熟度高、安全可靠、低 LCOS、长寿命以及环境适应性强等显著优势。配备海博思创 AI 云平台的自动巡检、远程运维功能,可实现高效预警,及时消除消防隐患。 更颠覆性的变革在于商业模式创新。领储宇能打造的智能运维云平台,已实现“每GWh储能资产运维人力减少70%”,其电芯健康状态预测模型在青海某200MW/400MWh项目中,将意外停机损失降低540万元/年。这种从“卖设备”向“卖服务”的转型,正催生千亿级智慧能源管理市场。 远景能源为英国某200MW储能项目构建的数字孪生体,通过实时仿真预测未来72小时系统状态,使运维响应速度提升至毫秒级。这种“虚实共生”模式,正在重新定义能源资产管理的内涵。 二是电力交易。当光伏出力曲线遇上电力现货市场的价格波动,AI成为最大化收益的关键变量。 某头部储能企业披露,其基于强化学习的交易策略系统,在山东电力市场中将储能套利空间从0.25元/kWh提升至0.38元/kWh。这相当于将20年运营期的项目IRR提高4.2个百分点,彻底改变储能项目的投资逻辑。 清华大学张强教授团队在论文中提到,AI助力储能设备系统优化,清华四川院助力江苏首座AI智慧调控光储充换一体化站建设,率先应用了基于大模型的微电网协同控制技术,成功将光伏消纳率从96.0%提升至99.7%,储能日均放电量提升48.12千瓦时,套利能力提高25.1%,综合收益增长14.07%。 更深层的变革发生在虚拟电厂领域。科华数能开发的源网荷储一体化平台,通过聚合分布式储能资源,在长三角某试点区域实现15秒内完成200MW灵活调节能力调用。 据弘正储能副总经理张鹏介绍,目前该公司数字化团队已开发了具有自学习能力的AI算法体系,依托大量数据训练,预测未来负荷需求、新能源发电功率和电力市场价格等相关数据 ,通过算法模型生成动态调度策略,优化储能参与峰谷套利、辅助服务、电力现货交易和新能源消纳的收益,进一步深挖工商业储能的投资运营价值。 三是,极端环境适应。针对高温、高湿等极端工况,AI可构建“热-电-力”多物理场耦合模型,模拟电芯在极端应力下的失效过程。 例如,清华大学开发的电池热失控模型,在超过500℃的温度范围内对15种电池体系实现高精度预测,为极端环境下安全阈值设定提供依据。 在沙特50℃高温沙漠中,比亚迪MC Cube-T魔方系统以CTS集成技术创造2.6GWh零故障运行记录。其秘诀在于AI驱动的动态热管理系统:384个温度传感器实时调整液冷流速,使电芯温差控制在±1.5℃以内。 更具想象力的是极地储能市场。远景能源为南极科考站定制的AI储能系统,在-60℃环境下仍保持85%以上容量效率。其自研的低温自加热算法,使锂电池在无外部供能情况下实现“冷启动”,这项技术已延伸至俄罗斯北极圈内的微电网项目。 四是,数据中心储能。全球正加速迈入以人工智能、区块链和物联网为核心的算力经济时代,模型对算力的需求正以惊人的速度增长,过去年均增长超400%,远超摩尔定律增长速度。 传统上,数据中心主要使用锂电池作为UPS系统的一部分,在市电中断时提供短暂的备用电力。随着数据中心转向绿电供能,锂电池应用从备电类型向供能类型转变。GGII预计2027年全球数据中心储能锂电池出货量将突破69GWh,到2030年这一数字将增长至300GWh,2024-2030年复合增长率超过80%。 某云服务商采用光储一体化解决方案后,不仅将PUE从1.5降至1.2,更通过AI调度算法将储能系统的峰谷套利收益提升至0.72元/kWh。这标志着储能正从“备用电源”进化为“算力基础设施的核心组件”。 更前沿的探索在于算力-储能联合优化。某企业开发的“算力任务-储能充放电”协同算法,可根据GPU集群的工作负载预测,动态调整储能系统的SOC状态。在训练大模型的波谷时段储能充电,在推理高峰期放电,这种模式使算力中心购电成本降低18%。 五是AI颠覆电池创新。传统锂电材料研发需经历“试错法”迭代,而AI将这一过程压缩数倍。 清华大学陈翔–张强团队利用可解释机器学习方法解释了影响电解液还原稳定性的关键因素,并进一步开发知识与数据双驱动的电解液分子性质预测框架,从数十万分子中预测了29个潜在适用于宽温域和高安全性的电池场景下的分子,为高性能电解液设计和高通量开发提供了指导。 “宁德时代正利用人工智能寻找下一代革命性材料和超越锂离子的化学系统。”早在2024年9月,宁德时代董事长曾毓群在接受挪威主权财富基金主席尼古拉·坦根访谈时谈道,宁德时代拥有超过两万名工程师,致力于基础材料结构研究、模拟分析、材料相互作用探索等工作。据宁德时代研发总监欧阳楚英透露,目前宁德时代开发了电池材料智能化设计平台,基于AI材料智能设计算法,90天内就可完成材料筛选与闭环验证。 比亚迪也在利用AI技术。深圳市比亚迪锂电池有限公司CTO孙华军表示,在材料设计、材料筛选、电池自动化设计以及工艺制造质量管控、电池管理等方面,AI的应用可以提高设计效率,甚至会有产生新材料、新体系的机会。 近日,LG新能源也透露,已着手利用人工智能技术,为客户量身定制电池。 “电池设计正从第二代的仿真驱动,向第三代基于AI的电池智能设计技术方向发展。”中国科学院院士欧阳明高论断指出,电池智能设计技术可将电池研发效率提升1~2个数量级,节省研发费用70%~80%。 在回收领域,AI同样展现魔力。华友钴业建立的退役电池分选系统,通过X射线图像识别和容量预测算法,将梯次利用电池筛选效率大幅提升。这种技术突破,正推动锂电池全生命周期管理进入智能时代。 AI+储能狂欢下的隐忧 据不完全统计,2023年全球储能领域融资规模超过500亿美元,其中AI+储能相关企业融资占比超过30%。国内外科技巨头纷纷布局,如特斯拉的Autobidder平台、宁德时代的AI储能管理系统、阳光电源收购AI上市企业等,进一步推高了市场热度。 但狂欢之下隐忧凸显:AI+储能仍有许多问题亟待解决。一是,技术瓶颈。AI与储能的深度融合尚需突破。AI模型的准确性高度依赖数据质量,而储能系统的数据采集和标准化仍存在不足。此外,现有算法在复杂场景下的适应性有限。AI在储能领域的应用仍处于初级阶段,许多技术尚未经过大规模验证,实际效果存疑。 二是成本压力。AI赋能的高成本与回报周期AI技术的引入需要高昂的研发投入和硬件支持,这对中小型储能企业构成较大压力。短期内,AI+储能的成本优势难以体现,回报周期较长,可能影响企业盈利能力。 三是网络安全难题。AI系统的网络安全问题不容忽视,一旦遭受攻击,可能导致储能系统失控,引发安全事故。储能数据的隐私保护也成为焦点,如何在数据共享与隐私保护之间找到平衡,是行业亟待解决的问题。 四是政策与标准缺失。目前,AI+储能领域缺乏统一的技术标准和行业规范,可能导致市场混乱和技术壁垒。政策支持力度虽大,但具体实施细则和监管机制仍需完善。 一个行业人士提出一个有趣的问题:当AI开始自主决策储能系统的充放电策略,如何界定算法失误的法律责任?欧盟最新发布的《能源AI伦理指南》要求关键决策保留人类干预接口,这或许可为中国相关立法提供镜鉴。 欧阳明高也谈道,DeepSeek在电池知识问答和电池文本挖掘任务上均表现优异,在电池设计任务上具备初步的总结能力,但尚欠缺科学分析能力,仍需要垂直领域大模型解决。 站在2025年的节点回望,AI对储能行业的改造尚处“工具赋能”阶段。而展望2035年,颠覆性趋势可能正在孕育。正如厦门科华数能总裁崔剑所言:“我们不是在改造储能,而是在重塑人类与能量的对话方式。
  • 《不要忽视2019年五大企业IT化趋势》

    • 来源专题:宽带移动通信
    • 编译者:张卓然
    • 发布时间:2019-10-15
    • 2019年可能更多的是打好基础而不是历史突破的一年,但不要让这一点蒙蔽了你,让你错过以下五大企业IT化趋势。为了更好地保障和连通我们快速发展的数字化世界,新的技术正在融入企业应用程序,现有技术也正在改进和重新部署——今年一定是令人兴奋和忙碌的一年。 1. 防火墙背后的公共云。 随着过去几年大规模、高规格的商业数据泄露事件的激增,没有人可以指责企业想让云更加私有化的请求。私有云在内部部署中为公共云提供了效率性和灵活性,从而提高了安全并减少了延迟。对于那些受到严格监管,并害怕将数据转移到公共云的企业来说,这是有成效的。然而,一些企业很难证明实现私有云所需的更改和开销是合理的。 这就是为什么2019年,企业将以一种非常公开的方式实现私有化。更多的企业将利用提供公共云的可伸缩性和OPEX的友好订阅模型(比如Oracle Cloud用户端),以便为私有云服务。这将使企业能够让他们的数据安全地被保存在防火墙之后,并享受公共云的好处——无需自己动手管理、监视和排除故障。 2. 自主的企业软件将获得更多的信任和牵引。 随着世界自动驾驶汽车的加速发展,它提醒了人们关于机器学习和人工智能的真正潜力。2019年,预计这些自动化技术将为企业软件带来真正的好处。 如何带来好处呢?通过使系统更简单、更智能,自主的企业软件将促进生产率的提高,而更快的数据分析也将推动提升业务决策和组织运转的预测水平。许多商业应用程序已经带有内置的机器学习模型,这些模型会随着时间的推移而改进,为真正的自主体验奠定基础。我们将很快看到完全不同的企业应用程序彼此通信并相互学习,而这将帮助信息更快地流动。 随着越来越多的企业开始直接通过智能的企业软件看到自身流程的转变,其对自主技术的信任(比如Oracle的适应性智能应用程序),将持续获得动力。 3.围绕企业级人工智能助手的讨论将越来越激烈。 据TechCrunch报道,美国约有4300万人拥有至少一个智能扬声器,它可以告诉人们明天的天气或最新的运动成绩。这是由人工智能驱动的语音控制技术的消费者带来的一笔大买卖。尽管如此,企业对数字助手的采用一直是滞后的。 这种情况将在2019年发生改变,届时语音技术将超越企业级聊天机器人,推动企业运营和服务方式的转变。 这是因为,由人工智能和云计算支持的新一代会话交互界面,现在具备了更强的“了解”用户,以及学习用户偏好、行为甚至习惯的能力。然后它们就可以代表用户进行预测或采取行动。与此同时,数字助手——用于自然语言处理和理解的人工智能——可以通过会话接口自动处理事务,这些会话接口能够立即响应,并在提高业务效率的同时更好地理解客户意图。 4. 边际计算将会爆发。 根据Forrester的数据,27%的全球电信决策者表示,他们的企业将在2019年实施或扩大边际计算。使用边际计算,数据处理将尽可能靠近数据源,而不是在集中的云位置。 是什么推动了这一趋势呢?物联网传感器数据分析和聚合的增长是一个因素,而通过移动应用程序和边际视频音频设备驱动进行实时客户交互是另一个因素——比如,当消费者通过智能手表获取特定位置的信息。边际计算加快了数据的收集和共享,更快地数据访问意味着企业可以做出持续的明智决策。 企业想要更接近客户的愿望也将在微服务中得到实现,在微服务中,云应用程序被解构为更小的、可连接的服务和载体,其中存储的应用程序代码,可以使应用程序在不同的计算环境中平稳运行。当有效地实现这两种边际计算技术时,它们可以显著地提高应用程序的速度和敏捷性。 5. 使用自主数据库寻找最佳位置的数据库管理员数量激增。 数据库可能是高管的祸根。考虑到数据库必须由一组数据工程师和管理员持续地构建、维护和扩展,这对于任何企业来说都是非常重要的一部分,但成本很高。然而,让数据库管理员信任机器人来完成这项工作是一个很大的挑战。 随着以人工智能为燃料的自主数据库平台(比如Oracle的自主数据库)在2019年的蓬勃发展,这种情况有望改变。这些自动驾驶、自主保护,和自主修复的数据系统对数据库管理员来说意味着不那么单调乏味的工作,因为它们能够同时提供开箱即用的高性能数据库。而这允许数据库管理员在未来领导更多的创新项目。 一流的自主技术,尤其是那些由Oracle工程系统提供支持的技术,将允许企业根据需要进行扩展,这样它们就可以在任何时候增加或减少计算资源,而不需要停机。这些系统还将通过在不使用数据库时关闭计算资源的方式来帮助管理成本。今年,智慧企业将在智能数据库方面投入更多资金。