台积电的 7nm 制程曾一度陷入尴尬的处境，不过今年的 AI 热潮解决了这一问题。本文源自远川科技评论研究员叶子凌，由 元宇宙日爆 整理、重新撰稿。
（前情提要：摩尔定律掰！Nvidia宣告「黄氏定律」：AI晶片性能十年成长1000倍 ）
（背景补充：解决AI晶片危机！OpenAI有意自研晶片，正评估潜在收购公司 ）
本文目录
今年 8 月，The Information 爆料了苹果和台积电之间的 「甜心交易」（sweetheart deal）： 苹果下单了台积电 3nm 工艺，但台积电必须独自承受报废晶片的良率损失，这一举措能为苹果省下几十亿美元的成本 。
曾经苹果和台积电被称为 「最完美的合作关系」：藉由规模庞大的研发投入和资本开支，台积电在晶片制造上始终保持领先，苹果则用大规模的订单给台积电报销开发成本，帮助其进一步扩大领先优势。
然而，这个双赢合作却在这两年出了些问题。
一方面，先进制程的开发成本越来越高，台积电也有点扛不住。另一方面，由於手机市场的萎靡，最爽快的两大客户苹果和高通也难免囊中羞涩。
面对巨大的利润压力，台积电选择先涨为敬。根据媒体报导进行估算，2023 年台积电的晶圆代工价格与两年前相比大约上涨了 16%（先进制程）到 34%（成熟制程）。在过去十多年里，台积电都从未大幅提价。
在台积电宣布涨价後，苹果曾以一贯的强势态度表示坚定拒绝，几经博弈之下，才有了那份 「按良率付费」 的协议。
去年 10 月，台积电还颇有先见之明的表示，预计 2023 年整个半导体行业可能会下滑，於是下调资本开支至 360 亿美元。
结果两个月後 ChatGPT 横空出世，全世界的 AI 晶片公司又把台积电送上了神坛。
昂贵的进步
今年 9 月苹果释出会结束，顶着 「首个 3nm 制程晶片」 的 A17 pro 问世，10% 的 CPU 效能提升让人忍不住感叹牙膏还能这麽挤。台湾媒体第一时间出来为台积电甩锅，表示主因在於苹果的设计过於保守，加上 iPhone 散热效率太差，影响了 3nm 制程的发挥。
为了 3nm 工艺节点，台积电不可为不尽力，创下历史新高的资本开支就是最好的证明。
一般来说，晶片制程越先进，需要的生产环节也就越多，成本自然水涨船高。在一些特殊节点，由於生产工艺的彻底改变，原本的装置和产线会被彻底淘汰，成本瞬间被拉高。
前者的代表就是刻蚀环节的增加：
所谓刻蚀，就是将光刻标记出来的区域，通过物理或化学方法去除，精准雕刻出设计好的功能外形。由於光刻技术受波长限制，单凭光刻机很难满足 5nm、3nm 及更先进的工艺，只能通过反覆的刻蚀来实现更小的尺寸。
现阶段先进制程工艺的提升，相当程度上源於刻蚀步骤的叠加。因此近两年刻蚀和薄膜沉积（刻蚀的逆过程）在装置行业的市场份额极速上升，甚至超越了光刻机。
後者则创造了 14/16nm 这个经典制程： 在 14/16nm 之前，晶片制造的主流工艺是 HKMG（High-k Metal Gate），2014 年，三星依靠梁孟松团队抢先台积电攻克 14nm。当时，梁孟松用了 FinFET 工艺解决了生产问题，但工艺变化也意味着装置、产线的大手术。
一些晶圆厂在 14nm 的生产良率反而超过 28nm，也是工艺变化的原因。
而由於 DUV 光刻机的精度限制，晶片制造深入到 7nm 制程後，就需要用 EUV 光刻机，价格是 DUV 光刻机的至少 3 倍。台积电曾尝试利用 DUV 光刻机 + 多重曝光的方式生产 7nm 晶片，但扛不住低良率的钜额成本，最後还是老老实实买 EUV 光刻机。
这个昂贵的技术爬坡之所以多年来行之有效，是因为以苹果为首的一大批晶片设计公司，每年会排着队给台积电下订单。但当财大气粗的苹果都嫌贵的时候，这个回圈就会出现问题。
根据 IBS 的测算，10nm，7nm 和 5nm 晶片的 IC 设计成本分别 1.7 亿、3.0 亿和 5.4 亿美元，而 3nm 晶片的设计成本则达到惊人的 5 亿至 15 亿美元。
由於晶片架构和 IP 复用等因素影响，业界对晶片设计成本的测算常常被高估。但即便排除这些影响，这也是个天文数位。任何晶片设计公司下单之前都得掂量掂量，自己有没有那麽大的出货量。
越来越贵的成本只是台积电的焦虑之一。过去几年，台积电面临的问题有两个：
前者在业内被反覆提及，後者则常常被忽略。
延伸阅读：Nvidia向台积电放「晶片业核弹」！AI加速晶圆制程、台积电6月导入
7nm：既不先进，也不落後
2019 年，台积电痛失大客户华为，结果苹果、AMD 这些大客户立马承包了闲置的产能，所以台积电一边说 「影响不大」，一边宣布 2021 年起，台湾地区工作的 5 万名员工的通通涨薪 20%。
由於众所周知的原因，7nm 的热度在今年又被炒了起来。不过在台积电，7nm 制程的处境一度尴尬。
台积电的 7nm 工艺创造了很多经典产品，比如苹果的 A12 晶片，AMD 的 Zen 2/3 架构处理器，以及海思的麒麟 985 晶片。
一般来说，当一个新制程量产後，苹果和高通是第一个吃螃蟹的。而随着工艺升级，苹果和高通、AMD 会更新到下一代制程，上一代制程的产能会降价，留给 AMD 等晶片公司。随着制程继续升级，成熟制程就会慢慢留给伺服器晶片、汽车晶片等等产品代工。
对台积电来说，老制程虽然已经落後了，但产能不会被浪费。随着产线的成本慢慢折旧完，持续开动的产线反而能贡献可观的利润。 在台积电的营收里，将近 1/3 都是 40/45nm 以上的成熟制程贡献的。
了解了这个背景，就能看出 7nm 的尴尬之处： 说它是先进制程，也没有那麽先进；说它是成熟制程，也没有那麽成熟。
随着苹果和高通已经用上了更先进的 5nm 甚至 3nm，作为关键替补队员的汽车晶片，却仍在使用成熟制程。截至 2021 年，14nm 以下的车用晶片比例仅为 6%。
从台积电的年报中也可以发现，从 2020-2022 年，5nm 份额逐年增加，但 16nm 以上的产品占比却变化不大。 理论上的 「末位淘汰」 逻辑并未发生，真正遭到挤兑的是上一代冠军：7nm。
2020-2022 年，台积电 7nm 的收入占比从 33% 下降至 27%。根据台湾媒体爆料，台积电 7nm 的产能利用率在 2021 年一度超过 100%，到 2022 年底跌到了不足 50%，今年年初更是一度跌至 30%。
原因也很简单，对於替补队员们来说，7nm 还是太贵了。
正如前文所述，7nm 是由 DUV 光刻机换为 EUV 光刻机的重要节点，也成了成本激增的起点。另外，7nm 流片时，用於对向矽片上投影晶片影象的耗材掩膜版急剧增加，这一项就能花掉一千多万美元。
和前两代的 16nm 相比，7nm 的设计成本增至将近 3 倍。这些成本最终传导到下游客户的报价上，物联网、汽车等装置等晶片出货量远低於动辄年产十几亿的智慧手机，面对高昂的价格自然望而却步。
所以苹果、高通、AMD 陆续在 7nm 节点短暂停留後，长期为台积电 7nm 贡献收入的产品只有辉达的车载晶片 Orin X 和 A100 GPU。
如果没有新的增量市场，7nm 大概率不会是唯一尴尬的一代，5nm，4nm 甚至 3nm 都很快就会步其後尘。
但 ChatGPT 的横空出世改变了这一点。
躲得过辉达，躲不过台积电
今年 9 月，台湾媒体 DigiTimes 传来捷报，台积电各制程产能集体回升：6/7nm 制程的产能利用率自 10 月起，有望逐步回到 60% 以上，4/5nm 制程的产能则将回升至 80% 左右。
疯狂下单的除了老客户苹果和高通，还有两个关键角色：辉达和辉达的客户。
辉达的热情不难理解，目前追梦大模型的硬通货 H100 就采用了台积电 N4（5nm）工艺，顺便带火了台积电的 CoWoS 先进封装产能。
按照分析师 Robert Castellano 的测算，一片 N4 工艺的 12 寸晶圆价格为 13400 美元，理论上可以切割 86 颗 H100 晶片。如果不考虑生产良率，那麽每生产一颗 H100，台积电就能获得 155 美元的收入。但封装一块 H100，台积电可以入帐 723 美元。
也就是说，每颗 H100 给台积电带来的收入很可能超过 1000 美元。
延伸阅读：Nvidia的AI晶片H100有多神？为何一片难求？
同时，AMD 的 MI300、英特尔的 Gaudi 3 也都采用了台积电 5nm 工艺。
一直以来，面向 AI 训练和推理的高效能 GPU 市场并不算大，但 ChatGPT 引发了科技公司和云服务商的恐慌性抢购，导致产能不足反而成了限制辉达的问题。考虑到辉达敢於把 H100 按照物料成本直接加个零卖，就算台积电漫天要价，辉达也有能力照单全收。
处境尴尬的 7nm 则在同一时期等来了关键的替补队员：辉达的客户。
Google从 2016 年开始投入使用的自研 AI 晶片 TPU，就一直交由台积电代工。2015 年 「内测」 阶段的 AlphaGo 还需要辉达的显示卡训练，到了 2016 年酣战李世石，就已经换上了自家的 TPU。
目前，最新的第四代 TPUv4 就采用了 7nm 工艺。英国明星初创公司 Graphcore 的 IPU 晶片，同样采用了 7nm 制程，还用上了台积电的 WoW 矽晶圆堆叠技术。
7nm 的另一个大客户是特斯拉：2021 年 8 月，马斯克在特斯拉 AI Day 活动上公布了 Dojo ExaPOD 超级电脑，内建自研 7nm 工艺的 D1 晶片，由台积电代工。
Dojo ExaPOD 由 120 个训练模组组成，每一个训练模组包含 25 块特斯拉自研的 D1 晶片，总晶片数量达到了 3000 块，直接让 Dojo 以 1.1 EFLOP 的算力，成为全球第五大算力规模的电脑。
早在几年前，特斯拉还曾被黄仁勳视为标杆客户。但随着 Dojo 的问世，两家公司的塑料友谊暴露无遗。
一方面，D1 晶片是特斯拉为了适配自家产品，专门针对汽车、机器人等应用场景的研发，强调视觉处理等功能。和辉达的通用 GPU 相比，制程要求略低，同时不会造成算力的浪费。另一个目的就是省钱，根据摩根士丹利的测算，晶片自研让特斯拉足足省下了 65 亿美元。
时至今日，全球主要的 AI 晶片中，超过 80% 都由台积电生产，既有Google和辉达这类老牌列强，也有 Graphcore 这类初创公司，中国大陆的 GPU 设计公司，目前也依赖台积电的产能。
台积电能照单全收的另一个原因，恐怕也是老对手三星的掉队。虽然三星在每个节点都没落後太多，甚至率先宣布量产了 3nm 工艺。但由於良率和功耗控制等原因，不仅没等来大客户，反而接连坑哭了高通和辉达。这也难怪 SemiAnalysis 在报告里阴阳怪气的说：就连英特尔也能抢走三星的客户了。
要知道去年 10 月，台积电总裁魏哲家在内部沟通时，还罕见地鼓励员工休假。没想到一年过去，订单就挤满了台积电十八厂的 N4/N5 产线。
躲过了辉达的算力税，终究没躲过台积电的宝刀。
📍相关报导📍
Nvidia力挺，四年估值80亿美元！Coreweave到底是何方神圣？
美中晶片禁令扩大！游戏显卡RTX 4090中国全网断货、二手暴涨
中国晶片黑市火爆！网传「背包走私客」招聘：一趟拿66万、为祖国作贡献
