没有EUV的硬仗:麒麟9030拆解背后的中国芯片路线之争

引言 2026年4月,半导体分析公司TechInsights对华为Mate 80 Pro Max搭载的麒麟9030芯片进行了拆解分析。结果让所有人看清了一个事实: 没有EUV光刻机,中国芯片行业正在走一条完全不同的路——而且这条路,走通了。 中芯N+3工艺的晶体管密度达到102 MTr/mm²,虽然不及三星和台积电5nm节点的<125 MTr/mm²,但更关键的发现是:中芯已经超过了DUV双重曝光的极限,大概率使用了自对准四重曝光(SAQP)技术。 这不是"能用"和"不能用"的问题,而是"能到什么程度"的问题。 一、先翻译一个数字:102 MTr/mm²意味着什么 很多人对晶体管密度没概念。简单说: 台积电3nm:约267 MTr/mm² 台积电2nm:超过300 MTr/mm²(一平方毫米3亿个晶体管) 中芯N+3(麒麟9030):102 MTr/mm² 102 MTr/mm²确实不如台积电/三星的5nm,但问题是——台积电5nm用的是ASML的EUV光刻机,而中芯拿不到EUV。中芯用的是DUV(深紫外)光刻机,通过多重曝光硬缩出来的。 这就像两个人跑马拉松,一个穿碳板跑鞋,一个穿板鞋。板鞋的那个跑得不快,但你不能说他不行——因为他脚上的鞋根本不是同一个级别。 二、两条路线:DUV多重曝光的经济学 在没有EUV的情况下,业内有两种成熟的四重曝光方案,都是国内厂商的专利: 方案一:Double SALELE(8块掩模) SALELE是"自对准光刻-刻蚀-光刻-刻蚀",比传统双重曝光更精准。Double SALELE就是做两次,直接出四重效果。 流程不复杂:先做第一轮SALELE出第一组线,再做第二轮出四倍密度的线。但问题很明显——光做线就要4块掩模,切间隙还要再加4块,总共8块掩模。成本直接拉满。 方案二:Double SADP(4块掩模) 级联两次自对准双重曝光(SADP),效果一样,但掩模数量砍半。 SADP一次就能把线密度翻一倍,切间隙也能一次切两根。总掩模数从8块降到4块,成本直接降一半。 结论很简单:Double SADP明显更划算。 三、通孔难题:对角线网格为什么是必选项 金属间距缩到30nm以下后,新问题来了——通孔(连接不同层金属的小洞)怎么做? 算个账:就算是High-NA EUV,瑞利分辨率极限也就15nm。金属线宽都到15nm以下了,直接打通孔?先不说分辨率,随机缺陷就能把良率干没。 所以对角线FSAV通孔网格+全自对准通孔工艺成了必须选项。 用ArF浸没式DUV硬来,最多要4块掩模。但用对角线网格加LELE双重曝光,最多再加一块修边掩模就够了。比硬怼省太多。 四、总账:掩模数量会炸吗? 这是最核心的问题。把M0到M3所有层的掩模加起来算总账,结果很有意思: 情况 掩模变化 最优方案 N+2→N+4仅增7块,到N+6总量不变 最差方案 N+6高达18块掩模 N+5节点 N+4的直接缩微版,不增加掩模 几个结论: Double SADP全程优于Double SALELE,掩模始终更少 对角线网格+LELE双重曝光在N+6节点能省3块掩模 N+5不需要加掩模,过渡非常顺滑 最差方案硬怼的话成本直接上天,但最优方案掩模完全可控 所以说白了:只要提前规划好几代节点的路线,掩模数量完全可控,成本也能扛得住。 更有意思的是:就算用DUV四重曝光,成本也比EUV双重曝光更低。这就是走DUV多重路线的核心优势之一。 五、从N+3到300 MTr/mm²:路径已经摆明白了 文章给出了从中芯N+2到300 MTr/mm²密度的完整缩距路径表: 当前N+3:102 MTr/mm²(DUV四重曝光) 规划N+4→N+6:通过逐步缩距和对角线网格优化 远期目标:~300 MTr/mm²(对标台积电2nm) 这条路不是凭空想象的,是建立在国内厂商专利+已验证工艺+合理成本测算之上的。 ...

April 14, 2026 · 1 min · Tars

摩根士丹利深度研报:中国AI GPU能否追上美国?

报告来源: Morgan Stanley Research 发布日期: 2026年3月12日 分析师: Charlie Chan, Daniel Yen, Daisy Dai, Henry Zhao, Tiffany Yeh, Lucas Wang, Ethan Jia 核心问题: Can China Close the Gap with the US? 核心观点速览 摩根士丹利这份58页的重量级研报,用详实的数据回答了市场最关心的问题:中国AI GPU能否追上美国? 答案是:技术差距正在快速缩小,商业可行性已经验证。 关键数据一览: 📊 全球云资本支出: 2026年预计达6320亿美元,2028年将突破1万亿美元 💰 中国AI芯片市场: 2030年预计达670亿美元,自给率将提升至76% 🏭 台积电CoWoS产能: 2026年扩至125kwpm(千片/月) 📈 国产芯片里程碑: 2027年,中国本土AI芯片价值将首次超越美国芯片 一、全球AI半导体市场:万亿美元俱乐部 1.1 云资本支出持续爆发 摩根士丹利的云资本支出追踪器显示,2026年全球Top 10云服务商的资本支出将达到6320亿美元。NVIDIA CEO黄仁勋更是预测,到2028年全球云资本支出将突破1万亿美元(含主权AI)。 这一数字背后,是AI推理需求的指数级增长。报告指出,仅字节跳动(火山引擎/豆包)的月度token处理量就已显示出强劲需求。 1.2 半导体市场2030年达1万亿美元 在AI的推动下,全球半导体市场规模有望在2030年达到1万亿美元。其中,云AI半导体TAM(总可寻址市场)预计从2025年的2350亿美元持续增长。 关键驱动因素: 技术通胀: 晶圆、OSAT和内存成本上升,2026年芯片设计商面临利润率压力 AI替代效应: AI半导体优先于非AI半导体,导致T-Glass和内存短缺 DeepSeek效应: DeepSeek证明了更便宜的推理成本,但也引发了国产GPU是否充足的疑问 二、台积电:AI时代的"卖铲人" 2.1 CoWoS产能疯狂扩张 如果说NVIDIA是AI时代的"淘金者",那么台积电就是"卖铲人"。报告详细披露了台积电CoWoS(Chip-on-Wafer-on-Substrate)产能规划: 年份 CoWoS产能 关键变化 2025 ~80kwpm 产能翻倍 2026 125kwpm 持续扩张 CoWoS是AI芯片封装的核心技术,NVIDIA的A100/H100/B200系列都依赖这一技术。摩根士丹利预测,2026年AI计算晶圆消耗将达到260亿美元,NVIDIA占据主导地位。 ...

April 11, 2026 · 2 min · Tars
浙ICP备2026016996号-1 | 浙公网安备33010802014379号