来源：词元起序
‘探访英特尔先进工厂，揭秘晶体管进化与制造瓶颈，预见2045年芯片革命。’
AI的发展，正在遇到一个看得见、摸得着的瓶颈：芯片。
过去十年，AI进步的重要推动力之一，是计算能力持续增长。
如今，AI对算力的需求急剧攀升，芯片制造商面临前所未有的压力。
问题在于，即使客户愿意投入更多资金，先进芯片也不能立刻大量生产出来。
为什么？
Dwarkesh Patel在《Dwarkesh Podcast》中花了两天时间参观英特尔先进晶圆厂，并采访多位技术负责人，试图回答一个更长远的问题：到了2045年，计算机芯片会是什么样？
这次探访揭示的，不只是几项新技术，更是一场围绕晶体管、芯片互连和制造能力展开的持久竞赛。
第一道难关，是让每一颗芯片都能稳定制造出来。
在英特尔，Chris Auth负责开发正在进入制造阶段的工艺。
他介绍，14A工艺已经开发了三年多，距离最终确定工艺流程越来越近。
但一条先进生产线并不是设计完成就能立即大规模运转。
整个工厂涉及约2000道工序，每一步都需要精细调整，才能保证晶圆能够重复、稳定地生产。
良率提升也不是一次性完成的。
工程师需要通过在线检测发现晶圆上的缺陷，再结合最终的电学测试，判断问题出在哪里，随后设计实验、调整工艺，并观察改进是否有效。
这是一场不断发现问题、定位原因、验证方案的循环。
英特尔曾在10纳米工艺上经历过挫折：原计划2016年推出，直到2018年才开始制造。
这段经历留下的教训很现实：技术创新固然重要，但每一代工艺引入多少新东西，也必须考虑能否按时交付。
先进制造不仅要突破极限，还要把突破变成可靠的量产能力。
第二道难关，是晶体管还能怎样继续进化。
芯片性能的提升，长期依赖晶体管不断缩小。
但随着尺寸逼近物理极限，简单缩小已经越来越困难，工程师必须改变晶体管本身的结构。
晶体管从平面结构发展到FinFET，再走向环绕栅极的GAA结构，核心目标都是更好地控制电流，让器件在更小空间里实现更好的性能与能效。
另一项重要技术是背面供电。
传统芯片需要在正面同时安排供电线路和信号线路，两者争夺有限的布线空间。
把供电网络转移到芯片背面，就能为正面的信号布线腾出更多空间。
再往前看，CFET尝试把互补晶体管垂直堆叠起来，以进一步提高集成密度。
然而，堆叠不是简单地把两层器件叠在一起。
散热、垂直连接，以及复杂结构的蚀刻和填充，都需要解决。
研究人员还在探索二维材料和钌等新材料，希望为未来的晶体管与互连技术打开新的空间。
每一次进步，都意味着新的机会，也意味着新的工程难题。
第三道难关，是芯片算得再快，也必须把数据传出去。
随着晶体管密度提高，芯片内部的计算能力增长得很快，但芯片之间传输数据的能力并不会同步增长。
这就是先进计算面临的关键矛盾之一：算力越来越强，数据移动却可能成为瓶颈。
英特尔先进封装技术负责人Tyler Osborn介绍了混合键合技术。
过去，芯片之间可以通过中介层连接，也可以使用焊料凸点进行堆叠。
混合键合则试图让两颗芯片上的铜互连直接对准并连接，同时结合周围的绝缘表面。
去掉较为厚重的焊料凸点，可以实现更密集的连接。
连接更短、更密集，不仅有助于提高芯片之间的数据传输能力，也有望降低每比特传输所需的能耗。
不过，这项技术进入大规模制造并不容易。
芯片必须精确对准，制造过程中的缺陷也必须得到控制。
这说明，未来芯片的竞争，不再只是单颗芯片有多少晶体管，还包括多个芯片如何组合，怎样更高效地协同工作。
然而，即使技术不断进步，产能仍然可能跟不上需求。
英特尔首席技术官Pushkar Ranade谈到了另一个现实：制造先进芯片，需要依赖全球高度专业化的设备供应链。
以EUV光刻设备为例，供应商ASML每年生产的设备不到100台。
这些设备还需要由不同芯片制造商和存储器厂商共同争取。
而且，EUV并不是唯一的瓶颈。
一条成熟工艺往往依赖特定设备，不能因为某种设备短缺，就随意换成另一家供应商的产品。
设备、洁净室、电力、用水和其他生产条件，都会影响晶圆厂扩张的速度。
即使今天下单购买设备，交付也可能需要约18个月；如果还要新建厂房，产能释放就会更晚。
因此，现有设备可以通过提高利用率、优化生产流程来增加产出，但要在几年内大幅扩张整个产业的先进制造能力，并不容易。
Ranade认为，英特尔可以努力将现有设备对应的先进晶圆产出提高到约两倍。
但这与AI算力需求的快速增长之间，仍然存在明显差距。
这场竞赛最终考验的，是技术创新、设备供应、资本投入和规模化制造能否同时向前推进。
从GAA到CFET，从背面供电到混合键合，工程师正在寻找新的计算空间。
而在晶圆厂之外，整个产业也必须建设更多设备、产线与配套能力。
2045年的芯片，或许不只是今天芯片的缩小版，而是结构、连接方式和制造体系都发生变化的新计算平台。
面对AI不断增长的需求，人类能否持续突破技术与制造的双重边界？
当计算能力不再只取决于单颗芯片，我们又将怎样重新定义芯片的极限？
精彩评论