颠覆性技术有望改变未来五年尖端芯片制造方式

发布者:清源泉水 2026-7-13 10:08

图片来源:AI生成

【科技创新世界潮】

◎本报记者 刘 霞

芯片是全球人工智能(AI)产业与全球经济的基石,堪称当今世界最具战略意义的技术之一。然而,全球芯片供应链却脆弱而集中,被少数几家巨头牢牢把持。

美国《福布斯》双周刊网站在近期报道中指出,这种既不高效也不稳定的市场结构,为那些敢于颠覆格局的创业者和技术人员带来巨大机遇。随着新兴技术不断崛起,全球尖端芯片制造方式有望在2030年迎来巨变。

先进芯片生产集中且脆弱

AI技术热潮翻涌,对尖端芯片的需求旺盛,但全球芯片供应仍受限于几家公司的技术和产能。

最典型的例证便是光刻机。多年来,受摩尔定律驱动,芯片上的晶体管越做越小,如今已窄至几个硅原子。要精准刻画如此细微的晶体管,必须用到极短波长的光。历经数十年演进,2019年,行业正式从波长193纳米的深紫外光,切换至波长仅13.5纳米(约50个硅原子宽度)的极紫外(EUV)光。

当前,最先进芯片的生产仰仗荷兰ASML公司的EUV光刻机。这种复杂机器需要精密的反射镜、温度高达40万摄氏度的等离子体,以及每秒发射5万次的高功率激光,整机制造周期长达两年,安装更需250名工程师历时6个月协同完成,单台售价高达4亿美元。正因如此复杂与昂贵,EUV光刻机年产量极低,2023年53台,2024年44台,2025年也仅48台。

但这种垄断能维持多久?回望科技史,从施乐到IBM,再到AT&T,那些看似不可战胜的巨头,最终无不受到新兴企业与颠覆性技术的冲击。后来者凭借更低的成本、更充裕的供应和强大的迭代能力,一次次在被封锁的市场中杀出一条血路。

这些颠覆与创新的故事,也将在芯片行业重新上演,如今已初现端倪。

新兴光刻技术竞相绽放

EUV光刻虽是当下主流,却并非将微小晶体管“画”在硅片上的唯一路径。一批着眼于未来的光刻新技术,正蓄势待发。它们有望替代EUV光刻,重塑尖端芯片的制造方式。

率先登场的是原子光刻。顾名思义,它抛开“光”改用原子束在硅片上蚀刻极微小的图案。一旦成功,它能将特征尺寸在EUV光刻的基础上再缩小一至两个数量级。当EUV逼近物理极限,原子光刻却能让芯片设计师在未来数十年继续微缩晶体管。更诱人的是,原子光刻机的成本、体积和能耗仅为EUV光刻机的十分之一,零件数量更是锐减至百分之一,供应链也大为简化,堪称是一种颠覆性技术。

不过,原子光刻技术仍有一系列科学、工程与制造难题待解。

挪威初创公司Lace Lithography正全力推动其商业化,其技术旨在利用氦原子束代替光。该公司已获得Atomico和微软等公司的4000万美元风投,并于近期发表了详述技术路径的同行评审论文,计划在2029年前将原子光刻技术部署到芯片制造设施中。

另一值得关注的前沿方案是X射线光刻。它依旧沿用“光”的范式,却将其推向极致:X射线在电磁波谱中比极紫外光更靠外,波长更短(可低于1纳米),能量更强,理论上能刻画更微小的晶体管。迄今无人证明X射线光刻机能以足够低的成本和足够高的产量实现商业化。

但已有少数资金雄厚、积淀深厚的团队开始尝试。美国初创公司Substrate声称正开发X射线光刻机,近期已融资1亿美元,估值达10亿美元。与ASML向代工厂出售机器不同,Substrate的目标是成为美国领先的芯片制造商。

该领域另一个参与者是xLight,其由前英特尔首席执行官帕特·基辛格担任主席。xLight获得美国政府的大力支持,包括近期1.5亿美元的注资。与Substrate的颠覆路线不同,xLight寻求与现有生态和谐共存,开发能融入而非取代ASML等公司架构的技术。

来自中国的力量同样在挑战EUV的统治。上个月,华为宣布研发出一种新型半导体架构,无需极紫外光刻便可制造尖端AI芯片。其思路并非进一步微缩晶体管尺寸,而是重新构思芯片布局,以优化数据吞吐速度。该技术虽然尚处早期,却折射出一个更宏大的趋势,预计将成为未来芯片制造业创新的关键驱动力。

全产业垂直整合蓄势待发

对全球芯片产业更具颠覆意味的,或许是埃隆·马斯克着力打造的Terafab项目。这是一个由其旗下特斯拉、SpaceX、xAI联合英特尔共同推进的超级芯片制造计划,核心目标是在美国得克萨斯州建设全球最大芯片工厂,实现每年足以支撑1太瓦(1万亿瓦)AI算力的产能,以破解其商业帝国在AI、自动驾驶、机器人及太空计算等领域面临的芯片短缺困境。据马斯克估算,目前全球所有芯片制造设施的总产出,仅能满足其公司最终所需算力的约2%。

Terafab项目于2026年3月正式启动,预计年底试产,2028年进入量产阶段。当前芯片价值链极度分散,Terafab则计划将芯片设计、掩模制造、晶圆加工、先进封装与测试垂直整合起来,这无疑将彻底颠覆芯片行业的现行运作模式。

不过,Terafab还需跨越技术门槛、建设周期、资金投入和商业回报等多重障碍。

AI的世界,最不缺少的就是传奇。未来5年,全球芯片乃至半导体生态,有望迎来天翻地覆的变化。

大家都在看

  • 一文看懂IFA2026硬科技新趋势:这10个问题,比「AI落地」要具体得多

    一文看懂IFA2026硬科技新趋势:这10个问题,比「AI落地」要具体得多 9月4日至8日,IFA 2026(柏林国际消费电子展)在德国柏林举行,现已落下帷幕。作为全球三大消费电子展会之一,本届IFA一共聚集了来自49个国家和地区的1900多家展商,预计共吸引全球超过22万的观众。虽然依然是中国厂 ... 机械之最09-10

  • 海报丨能源革命,“碳”路者说

    海报丨能源革命,“碳”路者说 山西正在书写一场关于能源转型的崭新故事井下的智能监测田间的光伏板工厂里的跃动的智能机械……转型的答案从来不在纸面上而在每一个实干者的手中他们是技术员、工程师他们是运营官、村支书……他们用行动回答同一个 ... 机械之最09-10

  • 恐怖机械臂的“温柔”转身:当工厂猛兽成为景区网红

    恐怖机械臂的“温柔”转身:当工厂猛兽成为景区网红 最近,一段短视频在社交媒体上疯传。镜头中,一个巨大的机械臂正在景区里“抓”游客——不是像工厂里那样冷冰冰地搬运钢板,而是温柔地举起一个尖叫大笑的女孩,缓慢旋转,让高空秋千般的体验与科技感完美融合。评论 ... 机械之最09-10

  • 教师节丨为深蓝战场输送胜战力量

    教师节丨为深蓝战场输送胜战力量 原标题:为深蓝战场输送胜战力量——记海军大连舰艇学院文职人员、副教授邹骐阳初秋的夜晚,校园里一片寂静,海军大连舰艇学院军事体育教研室的灯光一直亮着。副教授邹骐阳坐在电脑前,认真地修订训练方案,手边摊开 ... 机械之最09-10

  • 数学证明进入机器验证时代?

    数学证明进入机器验证时代? 数学家安德鲁·怀尔斯于1995年发表了费马大定理的证明。图片来源:英国《自然》网站费马大定理是过去半个世纪最著名的数学成果之一。9月4日,人工智能(AI)公司Anthropic宣布,其Claude模型仅用11天,就将英国数学 ... 机械之最09-10

  • AI时代的教育之辩:学校不能只培养机器擅长的能力

    AI时代的教育之辩:学校不能只培养机器擅长的能力 封面新闻记者 孟梅 张越熙当AI几秒钟就能回答一道题,教育到底应该教什么?9月9日,在2026 Inclusion·外滩大会《AI经济增长新范式与社会价值重构》见解论坛上,围绕AI对教育的影响,香港科技大学(广州)协理副校长 ... 机械之最09-10

  • 为“人造太阳”锻造“赤霄光剑”

    为“人造太阳”锻造“赤霄光剑” “赤霄”团队部分成员合影。受访者供图■本报记者 王敏近日,在安徽合肥的聚变堆主机关键系统综合研究设施“夸父”园区内,中国科学院合肥物质科学研究院等离子体物理研究所副研究员、“赤霄”集成与调试负责人杨鑫 ... 机械之最09-10

  • 谷歌让AI互怼几天,小模型竟复现3道博士级难题

    谷歌让AI互怼几天,小模型竟复现3道博士级难题 如果不看名字,你肯定会以为这又是一个强大到不能公开发行的顶级模型,甩出的一份「开挂」战绩: 做科研:一口气解开7道顶尖数学和计算机难题,交出的40页长篇证明连最严苛的机器审核都挑不出错;干工程:从零手写了 ... 机械之最09-07

  • 机器人没有互联网

    机器人没有互联网 具身智能的困境在于,机器人没有像大模型那样的互联网遗产可继承,人类行动经验从未被大规模保存。本文深入探讨数据采集的挑战、训练场产业的形成,以及数据分层趋势,揭示机器人经验从何而来,又将如何塑造未来。在 ... 机械之最09-07

  • 如何挑选靠谱的食品机械胶辊?食品机械胶辊推荐指南

    如何挑选靠谱的食品机械胶辊?食品机械胶辊推荐指南 食品机械胶辊是食品加工、输送、包装等设备的核心配件,直接影响食品生产的安全性、稳定性与效率。不同于普通工业胶辊,食品机械胶辊对材质、工艺、卫生标准有着极高要求,很多食品加工企业采购时不知如何甄选优质产 ... 机械之最09-07