需求旺盛、产能吃紧!台积电据传拟将先进封装价格最高上调20%
相关推荐
寒武纪:公司设计、研发的智能芯片不属于CPU、GPU
火星财经消息 10月12日,有投资者向寒武纪(688256.SH)提问,在AI训练阶段CPU与GPU的典型配比1:8,GPU短缺成为主要瓶颈,而AI智能体阶段CPU与GPU的配比将演变为1:2,那么CPU的需求将大幅增长,而国际CPU巨头已经多轮涨价,请问公司在CPU方面有何布局和计划???10月12日,公司回答表示,公司设计、研发的智能芯片不属于CPU、GPU,是针对人工智能领域专门设计的芯片,属于通用型智能芯片,其架构和指令集针对人工智能领域中的各类算法和应用作了专门优化,可高效支持视觉、语音、自然语言处理和传统机器学习等智能处理任务。
比特币硬分叉链BIP-110已确定BLAKE2b为新POW算法,可使用普通CPU/GPU挖矿
Odaily星球日报讯 Luke Dashjr 已利用随机的方式确定 BLAKE2b 将作为 BIP-110 链的新 POW 算法,替代比特币目前使用的 SHA-256d 算法。与 SHA-256d 相比,BLAKE2b 更适合使用通用 CPU/GPU 进行挖矿,更偏 CPU 友好,可降低现有比特币 ASIC 矿机的优势。 此前消息,Luke Dashjr 计划将于 9 月 1 日正式实现 BIP-110 硬分叉,使其成为一条独立区块链,并产生区别于比特币的新代币,Luke Dashjr 已被比特币 BIP 编辑团队撤销了比特币 BIP 编辑权限。
台积电 CoWoS 报价传上调,涨幅上看 2 成
火星财经消息,工商时报报道,供应链透露,台积电 CoWoS 报价酝酿新一波调涨,涨幅上看 2 成。部分封装交期已拉长,产能吃紧压力持续升高,抢产能效应延烧至设备端,客户已无暇砍价,只要能承诺交期便下单,设备交期最长拉至 8 个月。芯片业者指出,先进封装需求已由 AI GPU 扩散至服务器 CPU 及客制化 ASIC,尚未满足的订单持续增加。AI 芯片测试时间拉长,使封装与测试产能同步承压,晶圆代工及封测业者正酝酿调整 CoWoS 报价,预估调涨 1 至 2 成。设备业者透露,今年台积电未重新议价,在设备功能没有增加的情况下直接以原价采购,设备交期已由过去 3 至 6 个月拉长至 6 至 8 个月。台积电董事长魏哲家在最近一次法说会表示,CoWoS 仍是客户首选,五倍光罩尺寸封装已投入量产,并持续开发九倍、十四倍光罩尺寸方案,同时推进 CoPoS 技术。法人推估,2026 年 CoWoS 月产能朝逾 13 万片推进,2027 年以 20 万片为目标;相关布局包括嘉义 AP7、台南 AP8 及 AP6,美国 AP1 先进封装厂规划于 2028 年投产。
台积电扩大 CoW 封装外包,ASE 等 OSAT 将承接 CoW 产能以缓解 AI 芯片制造瓶颈
火星财经消息,据电子时报报道,台积电(TSMC)计划进一步扩大其CoWoS先进封装中CoW(Chip-on-Wafer) 环节的外包规模,将更多封装订单交由ASE等OSAT厂商承接。CoWoS是台积电2.5D封装技术,将GPU等AI处理器与HBM通过中介层连接,其中CoW为芯片与中介层结合步骤,WoS为中基板封装步骤。此前台积电主要外包WoS环节,CoW仅少量委托。此举旨在缓解因AI芯片需求持续飙升导致的封装产能瓶颈。台积电占据全球AI芯片制造市场约 90% 份额,但随着英伟达等厂商及AI数据中心自研芯片需求激增,产能已难以满足。业内预计OSAT将大幅增加设备投资,特别是在晶圆切割与键合等后工序领域。韩国多家激光加工及键合设备供应商已被证实正在与OSAT就CoW设备供应进行洽谈。
AMD推出Helion开放式机架级AI架构 支持最高32768个CPU核心
火星财经消息,AMD宣布推出Helion智能体AI机架级架构,该方案基于开放计算项目(OCP)规范设计,旨在为智能体AI基础设施提供灵活配置。AMD表示,Helion支持多种部署方案,包括搭载第六代EPYC处理器、最多支持32768个CPU核心的纯CPU机架,以及整合EPYC CPU节点、Instinct MI350P GPU节点和通用计算的机架方案。前者面向超大规模部署,为智能体执行提供专用算力;后者面向企业级智能体AI应用。AMD计划将Helion规范贡献给OCP社区,相关机架配置目前正与生态合作伙伴共同开发,预计于2026年11月推出。(财联社)
天数智芯推出业界最高密度单机柜超节点,单柜集成144颗GPU
在2026工博会上,天数智芯正式推出业界最高密度单机柜超节点方案——天垓300 IXL144,单机柜集成144颗GPU与18颗CPU。IXL144兼容CUDA等AI生态,支持客户复用已有模型与框架,大幅降低迁移上线成本;通过整柜高带宽互联构建统一内存语义算力域,有效提升大模型训练与推理协同效率。据测算,每百万有效Token的成本较国际主流方案可降低40%。