后硅时代：驱动下一计算时代的科技

在2025 年末，台积电在其网站上悄然更新了一行文字：“台积电的 2nm（N2）工艺已按计划于 2025 年第四季度开始量产。” 这则低调的公告掩盖了一个酝酿数十年的里程碑。在 2nm 工艺下，晶体管的栅极宽度约为十个硅原子。芯片行业由此迈入了一个全新的领域，在这个领域里，量子力学而非工程容差才是决定一切的因素。

但业内人士不会直言不讳地告诉你：2nm并非未来。它标志着一个时代的终结，同时也开启了几个新时代的序幕。接下来的竞赛不仅仅是进一步缩小晶体管尺寸，而是要重新定义“芯片”的概念——在某些情况下，甚至要彻底取代硅。

环栅晶体管：新的原子级基线

在展望未来之前，了解目前所处的阶段至关重要。晶体管在其发展历程中经历了三个架构时代。第一个时代是平面 MOSFET——一种蚀刻在硅片上的平面开关，并沿用了五十年。第二个时代是 FinFET——一种 3D 鳍片结构，英特尔于 2012 年在 22 纳米工艺下推出，并应用于 3 纳米工艺之前的所有主流芯片。第三个时代，将于 2025 年正式开启，是环栅（GAA）纳米片晶体管。

这个设计理念非常巧妙。GAA 并非像传统方法那样将栅极包裹在硅鳍的三面，而是将其包裹在水平堆叠的硅纳米片的四面——这些纳米片是由几原子厚的半导体薄片组成，完全被栅极电极包围。其结果是实现了前所未有的静电控制：栅极可以更精确地开关通道，在任何给定速度下都能降低漏电流和功耗。

一块2纳米芯片就能包含超过1000亿个晶体管——比地球上肉眼可见的恒星数量还要多。而这仅仅是个开始。

台积电的N2芯片在相同功耗下速度提升10-15%，或在相同速度下功耗降低25-30%（与3nm工艺的前代产品相比）。英特尔的18A芯片将GAA（英特尔称之为RibbonFET）与一项更为革命性的技术相结合：背面供电，即将芯片的电源输送到晶体管层下方而非上方。这使得芯片正面完全用于信号布线，从而同时提升了芯片密度和电源完整性。三星早在2022年就已在3nm工艺中实现了GAA技术，但良率方面的挑战削弱了其优势。

下一个里程碑：台积电的A16节点（1.6纳米级，2027年）增加了埋入式电源轨。英特尔的14A节点（2027年）将是首个全面量产采用高数值孔径极紫外光刻技术的节点——这项技术是最新一代的极紫外光刻设备，目前仅由荷兰ASML公司生产。日本Rapidus的目标是在2027年实现2纳米制程。比利时研究联盟IMEC发布了一份路线图，计划在2036年实现“A2”节点——即2埃制程。

3D堆叠和芯片组：摩尔定律垂直发展

当无法轻易缩小晶体管尺寸时，就只能将芯片堆叠起来。这并非权宜之计，而是对处理器本质的根本性重新思考。

传统的做法是将所有组件——CPU核心、内存、I/O、图形处理——都塞进一个单芯片上。问题在于：更大的芯片意味着更大的面积，也就意味着更多的缺陷、更低的良率和更高的成本。芯片革命的理念是：将每个功能设计成一个小型、专用的芯片，然后将它们高速连接在一个封装中。AMD的Ryzen和EPYC处理器多年来一直采用这种方法。苹果的M系列芯片通过定制的中介层连接CPU和内存。英伟达的Blackwell AI GPU将两个芯片并排连接，它们之间的带宽高达每秒10TB。

混合键合技术是目前最先进的技术——它利用间距仅为几微米的铜焊盘将两颗芯片面对面连接，实现远超传统焊球的连接密度。台积电的SoIC（系统级芯片）平台和英特尔的Foveros Direct均采用了混合键合技术。在1微米的键合间距下，邮票大小的接口所能承载的带宽比数千个传统的芯片间连接还要高。

这对人工智能而言意义非凡。未来的人工智能加速器可能会将采用最先进工艺节点的逻辑芯片、针对高密度优化的存储芯片以及用于数据传输的光子芯片堆叠在一起——三种不同的制造工艺，三种不同的优化方案，却能像单个芯片一样无缝集成。这正是所有主流芯片制造商的发展方向。

硅光子学和共封装光学器件：用光说话的芯片

一个显而易见的问题就隐藏在这里：全球人工智能数据中心正被铜线束缚。使用电信号在芯片之间以及服务器之间传输数据会消耗巨大的电力，并且在大规模传输时会达到物理速度极限。业界正在趋同的解决方案精妙绝伦：用光子代替电子。使用光。

硅光子学将激光器、调制器、波导、光电探测器等光学元件直接集成到硅芯片上，采用与制造逻辑芯片相同的CMOS制造工艺。数据以光脉冲而非波动的电压形式传输，功耗更低，带宽更高，传输距离更远。

下一步是共封装光器件 (CPO)——将光引擎从单独的可插拔模块集成到与交换芯片相同的封装中。英伟达将于 2026 年推出的 Quantum-X 和 Spectrum-X 光子交换机采用 CPO 技术，用于连接数百万个 GPU 的 InfiniBand 和以太网，其总带宽可达 100-400 太比特/秒，与传统的基于模块的光器件相比，能效提升 3.5 倍，信号完整性提升 10 倍。台积电已构建了一个名为 COUPE 的完整平台，用于共封装光器件的集成，其首条试点生产线计划于 2026 年投产。

在机架级规模下，人工智能计算的瓶颈不在于GPU，而在于铜线。光以光速传输数据。共封装光学器件可以消除这一瓶颈。

更长远的愿景更为激进：利用光直接处理信息，无需每一步都进行电信号转换的光学神经网络。光子神经形态芯片——既能以光的形式处理数据又能以光的形式传输数据——理论上可以比任何电子替代方案更快、更高效地完成某些人工智能推理任务。从麻省理工学院到斯特拉斯克莱德大学，众多初创公司和研究团队正在竞相大规模验证这一愿景。

超越硅：氮化镓、碳化硅和电力革命

并非所有芯片都需要达到逻辑密度的极致。有些芯片需要承受高电压、高温和高频，而这些条件会瞬间损坏硅材料。对于这些应用，一类被称为宽禁带半导体的材料正在取代硅，其影响将波及从电动汽车到办公桌电源适配器等方方面面。

氮化镓 (GaN) 的电子迁移率远高于硅，因此其导电性能优异，可用于高达 5G 毫米波频段的射频开关，并能以极低的能量损耗实现每秒数十亿次的电源开关操作。GaN 电源适配器——这种小型快速充电器已经取代了笨重的硅基充电器——目前已进入数亿个家庭。台积电 (TSMC)、英飞凌 (Infineon) 和纳维达斯 (Navitas) 等公司都在扩大 GaN 的生产规模，以应用于电力电子和射频领域。

碳化硅 (SiC) 能够在硅无法承受的电压、温度和环境下工作。电动汽车中的 SiC 逆变器能够将电池直流电转换为电机交流电，其损耗比同等硅逆变器低约 50%，从而延长续航里程并降低发热量。安森美半导体 (ON Semiconductor) 和 Wolfspeed 正在积极扩张，以建立足够的 SiC 制造能力，满足电动汽车转型的需求。预计到 2030 年，全球 SiC 功率半导体市场将以每年超过 20% 的速度增长。

二维材料：石墨烯、过渡金属二硫化物和埃米时代

硅是三维的。但如果晶体管沟道只有一层原子厚呢？

这就是二维材料的优势所在——它们以单原子层厚的薄片形式存在，却拥有非凡的电学性能。石墨烯是由单层碳原子以蜂窝状晶格排列而成，其电子迁移率比硅高100倍。过渡金属二硫化物（TMDs），例如二硫化钼（MoS₂）和二硒化钨（WSe₂），可以用作原子级厚度的半导体沟道，具有优异的栅极控制性能，并且可以堆叠多层不同的二维材料来构建全新的器件结构。

台积电的研究部门已发表论文探讨了这一课题：采用单层二硫化钼（MoS₂）沟道的堆叠纳米片晶体管——这种二维材料已集成到定义N2的GAA架构中。英特尔和IMEC也在推进类似的研发路线图。其理论是，二维材料沟道可以将晶体管的尺寸缩小到埃级——这是硅无法企及的。

互连问题同样令人兴奋。芯片上连接晶体管的铜线随着尺寸缩小而电阻增大，限制了信号传输速度和发热量。初创公司 Destination 2D 利用加州大学圣巴巴拉分校开发的工艺，展示了石墨烯互连技术，其电流密度可比铜高 100 倍。台积电和三星都在积极开展石墨烯互连技术的研究。诺贝尔奖共同获得者康斯坦丁·诺沃肖洛夫——2004 年首次分离出石墨烯的科学家之一——如今担任 Destination 2D 的首席科学家。

2025年，一项令人瞩目的成果诞生：一个研究团队发布了首款采用埃级制程（0.1纳米）的铋基微芯片，该芯片充分利用了铋独特的量子特性。与英特尔、台积电和三星的芯片相比，这款铋基芯片的速度提升了40%，能效提高了三倍。

神经形态芯片：像大脑一样计算

你用过的所有计算架构——从袖珍计算器到最强大的人工智能超级计算机——都基于约翰·冯·诺伊曼在1945年发明的同一模型：处理器、内存和连接它们的总线。神经形态计算则摒弃了这种模型。

神经形态芯片并非采用传统的顺序取指-解码-执行循环，而是模拟生物大脑的架构：一个由人工神经元和突触组成的网络，通过异步的活动脉冲来处理信息。内存和处理功能位于同一位置——不存在总线瓶颈。芯片仅在神经元放电时才消耗能量。英特尔的 Loihi 2 神经形态芯片证明，某些优化问题的解决能耗比传统 GPU 低 1000 倍。

最引人注目的前沿领域是光子神经形态计算——它将类脑架构与光速光学处理相结合。单个垂直腔面发射激光器（VCSEL）配合适当的光学反馈，即可实现吉赫兹级的完整脉冲神经网络。斯特拉斯克莱德大学在2023年演示了GHz级VCSEL脉冲神经网络。到2025年，专利申请机构已开始收到基于量子阱半导体纳米结构的神经形态芯片的专利申请。

最重要的应用都处于技术前沿：例如，只处理场景变化而不是捕捉完整帧的神经形态相机；无人机和自动驾驶汽车中的神经形态芯片，能够像昆虫一样高效地对环境做出反应；以及——更进一步——将神经形态处理器与量子协处理器相结合的混合系统，用于处理任何一种架构都无法单独处理的任务。

路线图的实际样子

现在（2025-2026年）：台积电、三星和英特尔的GAA（2nm）实现量产，18A芯片产能提升。CoWoS先进封装工艺产能提升至每月12万片以上。英伟达CPO开关上市。氮化镓和碳化硅成为电力电子领域的主流技术。德国石墨烯工厂开始建设。

近期（2027-2028 年）：台积电 A16 采用全背面供电设计；英特尔 14A 采用高数值孔径 EUV 光刻技术；Rapidus 在日本投产 2nm 制程；首批商用光子 AI 加速器应用于云数据中心；亚微米间距混合键合技术；HBM4 内存广泛应用；二维材料在先进晶圆厂进行试点集成。

中期目标（2029-2032年）：亚1纳米硅节点；二维材料晶体管早期量产；尖端逻辑芯片中的石墨烯互连；大规模边缘器件中的神经形态芯片；用于特定高性能计算应用的片上量子协处理器。

长期规划（2033-2036年及以后）：IMEC路线图“A2”（2埃）节点。光子-电子共集成成为标准。异构3D堆叠将逻辑、存储器、光子学和专用加速器集成在一个封装中。量子-经典混合系统进入商业应用阶段。

为什么这不仅仅关乎芯片行业？

这些技术无一例外都是对人工智能、气候技术和人类认知扩展未来的一次押注。正在重塑当前工作和学习方式的人工智能模型，离不开芯片的支持。驱动这些模型的芯片耗电量巨大，正日益成为一个严重的气候问题——而神经形态芯片和光子芯片则有望将人工智能推理的能耗降低几个数量级。正在取代内燃机的电动汽车采用碳化硅（SiC）功率电子器件。连接万亿台设备的5G以及最终的6G网络，则依赖于氮化镓（GaN）。

地缘政治层面同样不容忽视。掌握这些下一代技术的公司和国家不仅能赢得市场份额，还将决定谁能获得21世纪的计算基础设施。正因如此，美国、欧盟、日本、韩国和中国都在同步投资数千亿美元用于国内半导体产能建设。

硅不会消失。但它将与十年前还只是科幻小说里的材料和架构同台竞技，而且越来越多地被集成到各种封装形式中。单片硅芯片时代正在让位于混合、异构、多物理场计算时代。接下来并非摩尔定律的终结，而是它的重塑。