台积电准备推出基于12和5nm工艺节点的下一代HBM4基础芯片

台积电准备推出基于12和5nm工艺节点的下一代HBM4基础芯片访问：NordVPN立减75%+外加3个月时长另有NordPass密码管理器作为2024年欧洲技术研讨会演讲的一部分，台积电提供了一些有关其将为HBM4制造的基础模具的新细节，这些模具将使用逻辑工艺制造。由于台积电计划采用其N12和N5工艺的变体来完成这项任务，该公司有望在HBM4制造工艺中占据有利地位，因为内存工厂目前还不具备经济地生产这种先进逻辑芯片的能力（如果它们能生产的话）。对于第一波HBM4，台积电准备采用两种制造工艺：N12FFC+和N5。虽然它们的目的相同--将HBM4E内存与下一代AI和HPC处理器集成，但它们将以两种不同的方式连接用于AI和HPC应用的高性能处理器内存。台积电设计与技术平台高级总监表示："我们正与主要的HBM存储器合作伙伴（美光、三星、SK海力士）合作，在先进节点上实现HBM4全堆栈集成。N12FFC+高性价比基础芯片可以达到HBM的性能，而N5基础芯片可以在HBM4速度下以更低的功耗提供更多的逻辑。"台积电采用N12FFC+制造工艺（12纳米FinFetCompactPlus，正式属于12纳米级别的技术，但其根源来自台积电久经考验的16纳米FinFET生产节点）制造的基础芯片将用于在系统级芯片（SoC）旁边的硅中间件上安装HBM4存储器堆栈。台积电认为，他们的12FFC+工艺非常适合实现HBM4性能，使内存供应商能够构建12-Hi(48GB)和16-Hi堆栈（64GB），每堆栈带宽超过2TB/秒。高级总监说："我们还在为HBM4优化CoWoS-L和CoWoS-R。CoWoS-L和CoWoS-R都[使用]超过八层，以实现HBM4的2000多个互连的路由，并具有[适当的]信号完整性"。N12FFC+上的HBM4基础芯片将有助于使用台积电的CoWoS-L或CoWoS-R先进封装技术构建系统级封装(SiP)，该技术可为内插件提供高达8倍网纹尺寸的空间，足以容纳多达12个HBM4存储器堆栈。根据台积电的数据，目前，HBM4在电流为14mA时的数据传输速率可达6GT/s。台积电代表解释说："我们与Cadence、Synopsys和Ansys等EDA合作伙伴合作，对HBM4通道信号完整性、IR/EM和热精度进行认证。"同时，作为更先进的替代方案，内存制造商还可以选择台积电的N5工艺来生产HBM4基础芯片。采用N5工艺的基础芯片将包含更多的逻辑，功耗更低，性能更高。但可以说最重要的好处是，这种先进的工艺技术将实现非常小的互连间距，大约为6至9微米。这将使N5基本芯片与直接键合技术结合使用，从而使HBM4可以直接在逻辑芯片上进行三维堆叠。直接键合技术可实现更高的内存性能，这对于一直在渴求更多内存带宽的人工智能和高性能计算芯片来说将是一个巨大的推动。我们已经知道台积电和SKHynix正合作开发HBM4基础芯片。台积电很可能也会为美光生产HBM4基础芯片。否则，我们会更惊讶地看到台积电与三星合作，因为这家企业集团已经通过其三星代工部门拥有了自己的先进逻辑晶圆厂。...PC版：https://www.cnbeta.com.tw/articles/soft/1431173.htm手机版：https://m.cnbeta.com.tw/view/1431173.htm

SK 海力士、台积电 宣布合作开发 HBM4 芯片，预期2026年投产

SK海力士、台积电宣布合作开发HBM4芯片，预期2026年投产在此次合作前，所有的海力士HBM芯片都是基于公司自己的制程工艺，包括制造封装内最底层的基础裸片，然后将多层DRAM裸片堆叠在基础裸片上。从HBM4产品开始，海力士准备用台积电的先进逻辑工艺来制造基础裸片。另外，双方还计划合作优化HBM产品和台积电独有的CoWoS技术融合（2.5D封装）。https://api3.cls.cn/share/article/1652041

SK 海力士与台积电据悉结成 AI 芯片联盟，合作开发 HBM4

SK海力士与台积电据悉结成AI芯片联盟，合作开发HBM4据韩国媒体PulseNews报道，韩国芯片生产商SK海力士公司正在与台积电结成联盟，以推动双方的人工智能合作伙伴关系，该战略联盟旨在通过汇集两家公司在下一代人工智能半导体封装方面的技术专长，巩固两家公司在人工智能芯片市场的地位。据业内人士透露，SK海力士与台积电形成了OneTeam战略，包括合作开发第六代HBM，即HBM4。（界面新闻）

SK hynix宣布与台积电合作开发用于HBM4存储芯片的封装技术

SKhynix宣布与台积电合作开发用于HBM4存储芯片的封装技术SKhynix表示，与全球顶级代工厂台积电的合作将带来更多的HBM技术创新。通过产品设计、代工厂和存储器供应商之间的三方合作，此次合作有望在存储器性能方面实现突破。两家公司将首先致力于提高安装在HBM封装最底部的基础芯片的性能。HBM是在采用TSV技术的基底芯片上堆叠核心DRAM芯片，并通过TSV将DRAM堆叠中的固定层数与核心芯片垂直连接成HBM封装。位于底部的基础芯片连接到GPU，由GPU控制HBM。SKhynix采用专有技术制造HBM3E以下的基础芯片，但计划在HBM4的基础芯片上采用台积电的先进逻辑工艺，这样就可以在有限的空间内封装更多的功能。这也有助于SKhynix生产定制的HBM，满足客户对性能和能效的需求。SKhynix和台积电还同意合作优化SKhynix的HBM和台积电的CoWoS技术的整合，同时合作应对客户在HBM方面的共同要求。Khynix总裁兼AIInfra负责人JustinKim说："我们期待与台积电建立强大的合作伙伴关系，帮助我们加快与客户的开放式合作，并开发出业界性能最佳的HBM4。有了这次合作，我们将通过增强在定制存储器平台领域的竞争力，进一步巩固我们作为全面人工智能存储器供应商的市场领导地位。""多年来，台积电和SKhynix已经建立了牢固的合作伙伴关系。多年来，台积电与SKhynix已经建立了稳固的合作关系，我们共同致力于整合最先进的逻辑和最先进的HBM，提供全球领先的人工智能解决方案。展望下一代HBM4，我们有信心继续紧密合作，提供最佳集成解决方案，为我们的共同客户开启新的人工智能创新。"...PC版：https://www.cnbeta.com.tw/articles/soft/1427903.htm手机版：https://m.cnbeta.com.tw/view/1427903.htm

台积电为Apple Silicon开发的下一代芯片技术按计划进行

台积电为AppleSilicon开发的下一代芯片技术按计划进行值得注意的是，台积电位于亚利桑那州的新工厂也将加入2纳米生产的行列。2027年，台湾的工厂将开始转向生产1.4纳米芯片。台积电的首个1.4纳米节点被正式命名为"A14"，将紧随其"N2"2纳米芯片之后。N2计划于2025年底量产，随后于2026年底推出增强型"N2P"节点。从历史上看，苹果公司是最早采用最先进的新芯片制造技术的公司之一。例如，苹果是第一家在iPhone15Pro和iPhone15ProMax中使用台积电3nm节点A17Pro芯片的公司，苹果很可能会效仿该芯片制造商即将推出的节点。苹果最先进的芯片设计历来都是先出现在iPhone上，然后才进入iPad和Mac产品线。根据所有最新信息，以下是iPhone芯片技术的未来发展方向：iPhoneXR和XS（2018年）：A12仿生（7纳米，N7）iPhone11阵容（2019年）：A13Bionic（7纳米，N7P）iPhone12系列（2020年）：A14仿生（5纳米，N5）iPhone13Pro（2021年）：A15Bionic（5纳米，N5P）iPhone14Pro（2022年）：A16Bionic（4纳米，N4P）iPhone15Pro（2023年）：A17Pro（3纳米，N3B）iPhone16Pro（2024年）："A18"（3纳米，N3E）"iPhone17Pro"（2025年）："A19"（2纳米，N2）"iPhone18Pro"（2026年）："A20"（2纳米，N2P）"iPhone19Pro"（2027年）："A21"（1.4纳米，A14）M1系列AppleSilicon芯片基于A14Bionic，使用台积电的N5节点，而M2和M3系列分别使用N5P和N3B。AppleWatch的S4和S5芯片使用N7，S6、S7和S8芯片使用N7P，最新的S9芯片使用N4P。台积电的每个连续节点在晶体管密度、性能和效率方面都超越了前一个节点。去年年底，台积电已经向苹果公司展示了2纳米芯片的原型，预计将于2025年推出。...PC版：https://www.cnbeta.com.tw/articles/soft/1426904.htm手机版：https://m.cnbeta.com.tw/view/1426904.htm

苹果已基于台积电下一代 2nm 工艺开展芯片研发工作

苹果已基于台积电下一代2nm工艺开展芯片研发工作领英上一名认证为苹果员工的账户显示，苹果公司已经开始设计基于台积电2nm工艺的芯片，而他恰恰就参与到了该项目中。目前台积电正在积极推进2nm工艺节点，首部机台计划2024年4月进厂。之前有消息称，台积电中科2nm厂确认将延后交地，因此台积电决定将高雄厂直接切入2nm项目，预计2025年量产。此外，台积电似乎已经开始研发更先进的1.4nm芯片，预计最快将在2027年问世。还有消息称，苹果正在寻求预订台积电1.4nm和1nm技术的初始产能。线索：@ZaiHuabot投稿：@TNSubmbot频道：@TestFlightCN