台積電的 7nm 製程曾一度陷入尷尬的處境，不過今年的 AI 熱潮解決了這一問題。本文源自遠川科技評論研究員葉子凌，由 元宇宙日爆 整理、重新撰稿。
（前情提要：摩爾定律掰！Nvidia宣告「黃氏定律」：AI晶片性能十年成長1000倍 ）
（背景補充：解決AI晶片危機！OpenAI有意自研晶片，正評估潛在收購公司 ）
今年 8 月，The Information 爆料了蘋果和台積電之間的 「甜心交易」（sweetheart deal）： 蘋果下單了台積電 3nm 工藝，但台積電必須獨自承受報廢晶片的良率損失，這一舉措能為蘋果省下幾十億美元的成本 。
曾經蘋果和台積電被稱為 「最完美的合作關係」：藉由規模龐大的研發投入和資本開支，台積電在晶片製造上始終保持領先，蘋果則用大規模的訂單給台積電報銷開發成本，幫助其進一步擴大領先優勢。
然而，這個雙贏合作卻在這兩年出了些問題。
一方面，先進製程的開發成本越來越高，台積電也有點扛不住。另一方面，由於手機市場的萎靡，最爽快的兩大客戶蘋果和高通也難免囊中羞澀。
面對巨大的利潤壓力，台積電選擇先漲為敬。根據媒體報導進行估算，2023 年台積電的晶圓代工價格與兩年前相比大約上漲了 16%（先進製程）到 34%（成熟製程）。在過去十多年裡，台積電都從未大幅提價。
在台積電宣佈漲價後，蘋果曾以一貫的強勢態度表示堅定拒絕，幾經博弈之下，才有了那份 「按良率付費」 的協議。
去年 10 月，台積電還頗有先見之明的表示，預計 2023 年整個半導體行業可能會下滑，於是下調資本開支至 360 億美元。
結果兩個月後 ChatGPT 橫空出世，全世界的 AI 晶片公司又把台積電送上了神壇。
昂貴的進步
今年 9 月蘋果釋出會結束，頂著 「首個 3nm 製程晶片」 的 A17 pro 問世，10% 的 CPU 效能提升讓人忍不住感嘆牙膏還能這麼擠。臺灣媒體第一時間出來為台積電甩鍋，表示主因在於蘋果的設計過於保守，加上 iPhone 散熱效率太差，影響了 3nm 製程的發揮。
為了 3nm 工藝節點，台積電不可為不盡力，創下歷史新高的資本開支就是最好的證明。
一般來說，晶片製程越先進，需要的生產環節也就越多，成本自然水漲船高。在一些特殊節點，由於生產工藝的徹底改變，原本的裝置和產線會被徹底淘汰，成本瞬間被拉高。
前者的代表就是刻蝕環節的增加：
所謂刻蝕，就是將光刻標記出來的區域，通過物理或化學方法去除，精準雕刻出設計好的功能外形。由於光刻技術受波長限制，單憑光刻機很難滿足 5nm、3nm 及更先進的工藝，只能通過反覆的刻蝕來實現更小的尺寸。
現階段先進製程工藝的提升，相當程度上源於刻蝕步驟的疊加。因此近兩年刻蝕和薄膜沉積（刻蝕的逆過程）在裝置行業的市場份額極速上升，甚至超越了光刻機。
後者則創造了 14/16nm 這個經典制程： 在 14/16nm 之前，晶片製造的主流工藝是 HKMG（High-k Metal Gate），2014 年，三星依靠梁孟鬆團隊搶先台積電攻克 14nm。當時，梁孟鬆用了 FinFET 工藝解決了生產問題，但工藝變化也意味著裝置、產線的大手術。
一些晶圓廠在 14nm 的生產良率反而超過 28nm，也是工藝變化的原因。
而由於 DUV 光刻機的精度限制，晶片製造深入到 7nm 製程後，就需要用 EUV 光刻機，價格是 DUV 光刻機的至少 3 倍。台積電曾嘗試利用 DUV 光刻機 + 多重曝光的方式生產 7nm 晶片，但扛不住低良率的鉅額成本，最後還是老老實實買 EUV 光刻機。
這個昂貴的技術爬坡之所以多年來行之有效，是因為以蘋果為首的一大批晶片設計公司，每年會排著隊給台積電下訂單。但當財大氣粗的蘋果都嫌貴的時候，這個迴圈就會出現問題。
根據 IBS 的測算，10nm，7nm 和 5nm 晶片的 IC 設計成本分別 1.7 億、3.0 億和 5.4 億美元，而 3nm 晶片的設計成本則達到驚人的 5 億至 15 億美元。
由於晶片架構和 IP 複用等因素影響，業界對晶片設計成本的測算常常被高估。但即便排除這些影響，這也是個天文數位。任何晶片設計公司下單之前都得掂量掂量，自己有沒有那麼大的出貨量。
越來越貴的成本只是台積電的焦慮之一。過去幾年，台積電面臨的問題有兩個：
- 一是先進製程的高成本，導致錢砸的越來越多客戶反而越來越少。
- 二是幾個耗資巨大的工藝節點，產能高峰也就一兩年，難以持續造血。
前者在業內被反覆提及，後者則常常被忽略。
延伸閱讀：Nvidia向台積電放「晶片業核彈」！AI加速晶圓製程、台積電6月導入
7nm：既不先進，也不落後
2019 年，台積電痛失大客戶華為，結果蘋果、AMD 這些大客戶立馬承包了閒置的產能，所以台積電一邊說 「影響不大」，一邊宣佈 2021 年起，臺灣地區工作的 5 萬名員工的通通漲薪 20%。
由於眾所周知的原因，7nm 的熱度在今年又被炒了起來。不過在台積電，7nm 製程的處境一度尷尬。
台積電的 7nm 工藝創造了很多經典產品，比如蘋果的 A12 晶片，AMD 的 Zen 2/3 架構處理器，以及海思的麒麟 985 晶片。
一般來說，當一個新制程量產後，蘋果和高通是第一個吃螃蟹的。而隨著工藝升級，蘋果和高通、AMD 會更新到下一代製程，上一代製程的產能會降價，留給 AMD 等晶片公司。隨著製程繼續升級，成熟製程就會慢慢留給伺服器晶片、汽車晶片等等產品代工。
對台積電來說，老製程雖然已經落後了，但產能不會被浪費。隨著產線的成本慢慢折舊完，持續開動的產線反而能貢獻可觀的利潤。 在台積電的營收裡，將近 1/3 都是 40/45nm 以上的成熟製程貢獻的。
瞭解了這個背景，就能看出 7nm 的尷尬之處： 說它是先進製程，也沒有那麼先進；說它是成熟製程，也沒有那麼成熟。
隨著蘋果和高通已經用上了更先進的 5nm 甚至 3nm，作為關鍵替補隊員的汽車晶片，卻仍在使用成熟製程。截至 2021 年，14nm 以下的車用晶片比例僅為 6%。
從台積電的年報中也可以發現，從 2020-2022 年，5nm 份額逐年增加，但 16nm 以上的產品佔比卻變化不大。 理論上的 「末位淘汰」 邏輯並未發生，真正遭到擠兌的是上一代冠軍：7nm。
2020-2022 年，台積電 7nm 的收入佔比從 33% 下降至 27%。根據臺灣媒體爆料，台積電 7nm 的產能利用率在 2021 年一度超過 100%，到 2022 年底跌到了不足 50%，今年年初更是一度跌至 30%。
原因也很簡單，對於替補隊員們來說，7nm 還是太貴了。
正如前文所述，7nm 是由 DUV 光刻機換為 EUV 光刻機的重要節點，也成了成本激增的起點。另外，7nm 流片時，用於對向矽片上投影晶片影象的耗材掩膜版急劇增加，這一項就能花掉一千多萬美元。
和前兩代的 16nm 相比，7nm 的設計成本增至將近 3 倍。這些成本最終傳導到下游客戶的報價上，物聯網、汽車等裝置等晶片出貨量遠低於動輒年產十幾億的智慧手機，面對高昂的價格自然望而卻步。
所以蘋果、高通、AMD 陸續在 7nm 節點短暫停留後，長期為台積電 7nm 貢獻收入的產品只有輝達的車載晶片 Orin X 和 A100 GPU。
如果沒有新的增量市場，7nm 大概率不會是唯一尷尬的一代，5nm，4nm 甚至 3nm 都很快就會步其後塵。
但 ChatGPT 的橫空出世改變了這一點。
躲得過輝達，躲不過台積電
今年 9 月，臺灣媒體 DigiTimes 傳來捷報，台積電各製程產能集體回升：6/7nm 製程的產能利用率自 10 月起，有望逐步回到 60% 以上，4/5nm 製程的產能則將回升至 80% 左右。
瘋狂下單的除了老客戶蘋果和高通，還有兩個關鍵角色：輝達和輝達的客戶。
輝達的熱情不難理解，目前追夢大模型的硬通貨 H100 就採用了台積電 N4（5nm）工藝，順便帶火了台積電的 CoWoS 先進封裝產能。
按照分析師 Robert Castellano 的測算，一片 N4 工藝的 12 寸晶圓價格為 13400 美元，理論上可以切割 86 顆 H100 晶片。如果不考慮生產良率，那麼每生產一顆 H100，台積電就能獲得 155 美元的收入。但封裝一塊 H100，台積電可以入帳 723 美元。
也就是說，每顆 H100 給台積電帶來的收入很可能超過 1000 美元。
延伸閱讀：Nvidia的AI晶片H100有多神？為何一片難求？
同時，AMD 的 MI300、英特爾的 Gaudi 3 也都採用了台積電 5nm 工藝。
一直以來，面向 AI 訓練和推理的高效能 GPU 市場並不算大，但 ChatGPT 引發了科技公司和雲服務商的恐慌性搶購，導致產能不足反而成了限制輝達的問題。考慮到輝達敢於把 H100 按照物料成本直接加個零賣，就算台積電漫天要價，輝達也有能力照單全收。
處境尷尬的 7nm 則在同一時期等來了關鍵的替補隊員：輝達的客戶。
Google從 2016 年開始投入使用的自研 AI 晶片 TPU，就一直交由台積電代工。2015 年 「內測」 階段的 AlphaGo 還需要輝達的顯示卡訓練，到了 2016 年酣戰李世石，就已經換上了自家的 TPU。
目前，最新的第四代 TPUv4 就採用了 7nm 工藝。英國明星初創公司 Graphcore 的 IPU 晶片，同樣採用了 7nm 製程，還用上了台積電的 WoW 矽晶圓堆疊技術。
7nm 的另一個大客戶是特斯拉：2021 年 8 月，馬斯克在特斯拉 AI Day 活動上公佈了 Dojo ExaPOD 超級電腦，內建自研 7nm 工藝的 D1 晶片，由台積電代工。
Dojo ExaPOD 由 120 個訓練模組組成，每一個訓練模組包含 25 塊特斯拉自研的 D1 晶片，總晶片數量達到了 3000 塊，直接讓 Dojo 以 1.1 EFLOP 的算力，成為全球第五大算力規模的電腦。
早在幾年前，特斯拉還曾被黃仁勳視為標杆客戶。但隨著 Dojo 的問世，兩家公司的塑料友誼暴露無遺。
一方面，D1 晶片是特斯拉為了適配自家產品，專門針對汽車、機器人等應用場景的研發，強調視覺處理等功能。和輝達的通用 GPU 相比，製程要求略低，同時不會造成算力的浪費。另一個目的就是省錢，根據摩根士丹利的測算，晶片自研讓特斯拉足足省下了 65 億美元。
時至今日，全球主要的 AI 晶片中，超過 80% 都由台積電生產，既有Google和輝達這類老牌列強，也有 Graphcore 這類初創公司，中國大陸的 GPU 設計公司，目前也依賴台積電的產能。
台積電能照單全收的另一個原因，恐怕也是老對手三星的掉隊。雖然三星在每個節點都沒落後太多，甚至率先宣佈量產了 3nm 工藝。但由於良率和功耗控制等原因，不僅沒等來大客戶，反而接連坑哭了高通和輝達。這也難怪 SemiAnalysis 在報告裡陰陽怪氣的說：就連英特爾也能搶走三星的客戶了。
要知道去年 10 月，台積電總裁魏哲家在內部溝通時，還罕見地鼓勵員工休假。沒想到一年過去，訂單就擠滿了台積電十八廠的 N4/N5 產線。
躲過了輝達的算力稅，終究沒躲過台積電的寶刀。
📍相關報導📍
Nvidia力挺，四年估值80億美元！Coreweave到底是何方神聖？
