本期聚焦【AI算力基础设施】扩张与先进工艺挑战:Veeco获【2.5亿美元InP激光器设备订单】推动硅光子制造;SK海力士遭科技巨头围抢HBM产能,内存需求白热化;Reddit深度帖剖析日本Rapidus直攻2nm GAA面临的巨大良率与运营风险。

产品工具

深度分析:日本Rapidus直攻2nm,业内人士对良率与运营风险发出警告

1. Reddit长文深度剖析日本Rapidus计划2027年量产2nm GAA逻辑芯片的巨大挑战。

2. 涉及光刻、【蚀刻】等几乎所有前道步骤的复杂协同。作者指出从40nm直接跳至2nm,跳过了多代技术积累,缺乏调试经验。

3. 可能影响日本本土芯片代工战略成败,以及潜在的美国客户导入。

4. 核心风险在于“实验室出样品”与“工厂持续高良率生产”间的鸿沟,涉及设备匹配、缺陷控制及人才组织协同,是理解晶圆厂运营难度的极佳素材。

原文链接:https://www.reddit.com/r/Semiconductors/comments/1t7h240/the_key_to_success_for_rapidus_the_fatal_flaw_of/

[3]

硬件动态

Veeco斩获2.5亿美元InP设备订单,加速硅光子与AI互连

1. Veeco宣布获得超2.5亿美元设备订单,包括离子束沉积(IBD)、MOCVD和湿法系统。

2. 这批设备专门用于制造【磷化铟(InP)激光器】,对应流程中的薄膜沉积和蚀刻步骤,属于化合物半导体制程设备重大里程碑。

3. 直接受益于硅光子与光通信增长,将影响AI数据中心内部的光互连芯片供应。

4. 这意味着用于高速光通信的激光器芯片制造设备需求暴增,是AI算力从GPU到光模块全链条扩张的明确信号。原文链接:https://www.semiconductor-digest.com/veeco-announces-250-million-in-equipment-orders-for-manufacturing-indium-phosphide-lasers/

[1]

科技巨头疯抢SK海力士HBM产能,AI内存供应雪上加霜

1. 路透社报道,SK海力士正遭遇科技巨头前所未有的大规模订单潮,以锁定其HBM(高带宽内存)芯片供应。

2. 这属于先进封装环节的关键器件,HBM通过3D堆叠DRAM实现极高带宽,是AI GPU不可或缺的搭档。

3. 英伟达、AMD等AI芯片厂以及云巨头直接受影响,内存供应已成为AI算力扩张的关键瓶颈。

4. HBM供应极度紧张,客户开始用长期协议或预付款抢产能,这反映出AI需求从计算芯片向下游存储芯片传导的强烈信号。

来源:https://www.reuters.com/world/asia-pacific/sk-hynix-flooded-with-unprecedented-offers-big-tech-firms-secure-chip-supplies-2026-05-07/

[2]

苹果与英特尔初步达成芯片代工协议?代工格局或有新变量

1. 华尔街日报援引消息称,苹果英特尔已达成初步芯片制造协议。

2. 若属实,属于前道晶圆制造环节,苹果可能将部分芯片代工订单分给英特尔代工服务(IFS)。

3. 此举将直接挑战台积电对苹果A系列和M系列芯片的独家供应地位,提振英特尔代工梦。

4. 虽然仅是初步协议,但标志着苹果在供应链多元化战略上迈出实质一步,对英特尔重振先进工艺投资具有关键背书意义。

来源:https://www.reuters.com/business/apple-intel-have-reached-preliminary-chip-making-deal-wsj-reports-2026-05-08/

[4]

Molex收购Teramount,布局共封装光学(CPO)与芯片级光互连

1. 连接器巨头Molex宣布完成对Teramount的收购,获得可拆卸光纤到芯片连接技术。

2. 这直接影响先进封装和硅光子环节,解决光信号从芯片到外部的互连瓶颈。

3. 将强化Molex在共封装光学(CPO)领域的布局,与台积电、英特尔等推动的CPO技术形成供应链协同。

4. 未来AI芯片性能再提升,电信号传输将成瓶颈,光互连是必然趋势。此次收购补上了光芯片与光纤连接的“最后一厘米”。

来源:https://www.semiconductor-digest.com/molex-completes-acquisition-of-teramount-ltd/

[5]

Lambda获10亿美元信贷扩建吉瓦级AI云,二级市场算力融资火热

1. GPU云服务商Lambda Labs完成了10亿美元的高级担保信贷,用于扩建吉瓦级AI基础设施。

2. 这笔融资虽不直接对应制造步骤,但它代表了AI算力下游需求的巨大资本开支,最终会传导至上游的芯片采购,惠及英伟达等GPU厂商。

3. 表明AI云服务商正在获得大规模资金支持,以采购更多AI服务器和半导体,直接利好整个AI芯片供应链。

4. 信贷融资而非股权融资,显示Lambda的营收和现金流已能支撑债务杠杆,这是AI计算需求从概念走向大规模商业化部署的又一个证据。

来源:https://www.semiconductor-digest.com/lambda-closes-1-billion-senior-secured-credit-facility-to-meet-gigawatt-scale-ai-infrastructure-demand/

[6]