AI 芯片撞上的三堵墙

如果芯片能无限变大、内存能无限快，就不需要 CoWoS。可惜现实里有三堵墙。

墙一：光罩极限，芯片不能想做多大就做多大

芯片是用光刻机“印”出来的，像盖章一样。这个章的最大尺寸叫光罩极限（reticle limit），大约 26 mm × 33 mm = 858 mm²。单颗芯片不可能比这个章更大。

NVIDIA H100 的裸片是 814 mm²，已经顶到天花板了。AI 还要更多算力，怎么办？

墙二：大芯片良率低，越大越容易废

晶圆在制造过程中会随机落下一些微小缺陷（灰尘、杂质）。一颗芯片上只要有一个缺陷，往往就整颗报废。芯片越大，被“砸中”的概率越高。

SiP 一页的晶圆小实验已经演示过：同样的缺陷，切成大芯片报废得多，切成小芯片浪费得少。这就是 Chiplet（芯粒） 思路：把一颗大芯片拆成几颗小芯片分别制造、挑出好的，再用封装把它们拼回去。前提是“拼回去”时，小芯片之间的连线要足够多、足够快，几乎像在同一颗芯片里一样。

墙三：内存墙，算力在等数据

AI 模型的参数动辄几千亿个，GPU 每算一步都要从内存里读海量数据。过去 20 年，芯片的算力增长了上万倍，而内存的带宽只增长了几十到上百倍。结果就是 GPU 大部分时间在“等菜”，而不是在“炒菜”。

想让数据跑得更快，有两个办法：修更多车道（更多根数据线），缩短距离（内存放得更近）。传统主板两样都做不到。