如果您希望可以时常见面，欢迎标星收藏哦~ 来源：本文来自雅虎 ，谢谢。 | 起新 | 碩士 | 露十 | 高中以下 | | --- | --- | --- | --- | | 2017 | 46,800 | 31,000 | 26,600 | | 2018 | 46,600 | 32,500 | 鮮 | | 2019 | 48,130 | 32,530 | 30,050 | | 2020 | 48,800 | 33,030 | 31,050 | | 2021 | 58,670 | 39,630 | 35,050 | | 2022 | 62,670 | 42,130 | 35,050 | | 2023 | 63,900 | 42,930 | 37,900 | | 2024 | 65,130 | 43,730 | 38,400 | 累计台积电硕士新鲜人的起薪从有纪录的2017年当时平均月领4万6800元到去年，7年来合计薪水 成长了18330元、幅度为39%。但近二年来成长只有不到4%。 大学生则2017年的平均月薪3万1起跳到去年为止提高到43730元，近七年来调整约1万2730元，增 幅约41%，惟近二年来只 ...

AI服务器电路板市场增长预测 - 日本揖斐电预测AI服务器电路板业务未来5-6年销售额将阶梯式增长2.5倍 [1] - 2025财年揖斐电电子部门（含FC-BGA）销售额预计达240亿美元（同比+22%），营业利润33亿美元（同比+23%）[1] - 2030财年AI服务器用基板销售额预计达475亿美元，较2024年增长2.5倍 [2] FC-BGA技术驱动因素 - FC-BGA凭借高层数、大面积特性成为AI服务器高性能封装首选，电气/热性能优于传统引线键合 [1] - 全球FC-BGA市场规模预计从2022年80亿美元增至2030年164亿美元（翻倍）[2] - 揖斐电年内将投产新工厂专注AI服务器FC-BGA生产 [2] FC-BGA技术应用趋势 小型化与功能集成 - 支持更高I/O密度，满足智能手机/可穿戴设备小型化需求 [3] - 多层基板嵌入无源元件优化空间，实现复杂布线 [11] 5G与高速通信 - 增强信号完整性，降低寄生电感/电容，适配5G高频信号处理 [4][5] 汽车电子 - 热管理/机械耐久性符合ADAS及电动汽车高功率密度需求 [6] 高性能计算 - 支持异构集成，将CPU/内存/AI加速器整合至单一封装 [7] - 新型介电材料减少信号损失，提升高频性能 [11] 可持续发展 - 封装尺寸缩小降低材料消耗，环保工艺创新加速 [8] 技术研发方向 - 分层技术实现精细线路布线 [11] - 集成散热器与高导热基板解决过热问题 [11]

全球AI芯片需求激增与马来西亚的枢纽角色 - 马来西亚4月GPU进口金额达27.4亿美元，创单月新高，前四月累计进口64.5亿美元，远超2024年全年48.77亿美元的水平 [1] - 马来西亚单季GPU进口金额达53.3亿美元，相当于Nvidia同期430亿美元营收的13% [1] - 台湾对马来西亚计算机系统出口3月达18.7389亿美元，同比增长366%，较2023年3月增长55,117% [1] 马来西亚进口数据的爆炸性增长 - 1月进口11.2亿美元（年增700%），2月6.27亿美元，3月19.6亿美元（较2023年增3,400%），4月27.4亿美元（较2023年增3,400%） [4] - 台湾对马来西亚计算机零部件出口3月增至6083万美元，高于2023年3月的2704万美元和去年同期的1500万美元 [5] Nvidia的财报透明度与地缘政治风险 - Nvidia采用“依账单地点列示地理营收”报告方式，可能掩盖实际货物流向，引发SEC和BIS关注 [6] - 马来西亚的“中转角色”可能涉及回避美国对中国的芯片出口禁令，但尚无明确证据 [6] 台湾出口数据的结构性分析 - 台湾ITA根据HS代码跟踪出口，计算机系统（8471）和AI加速器/显卡（8473）归类不同，但无法区分AI服务器和廉价笔记本电脑 [5] - 美国限制对中国出口先进GPU后，台湾对马来西亚计算机系统出口加速 [5] 行业趋势与供应链变化 - 全球AI热潮推动高效能芯片需求激增，马来西亚成为战略要角 [1] - 台湾对马来西亚出口的快速增长显示供应链正在调整以应对地缘政治限制 [1][5]

如果您希望可以时常见面，欢迎标星收藏哦~ 来源：本文来自 manufacturingdive ，谢谢。 英特尔、Global Foundries等行业大厂高管讨论了半导体行业采用人工智能以更快获得成果时所 面临的挑战。 制造商正在将人工智能引入其流程中，以提高效率并获得竞争优势。 本周举行的行业会议上，高管们表示，最终，通过机器人、数据和软件的正确组合，可以实现完 全自主的半导体晶圆厂或流程，从而释放人力来与人工智能一起解决问题。 在纽约奥尔巴尼举行的先进半导体制造大会上，来自英特尔、EMD、格芯和其他计算机芯片公司 的领导人探讨了他们对人工智能的愿景。他们还谈到了随着该技术在整个行业应用的不断增长， 该技术面临的挑战和局限性。 从数据稀缺问题到幻觉问题，以下是行业领导者在人工智能方面面临的一些关键限制。 确定从哪里获取人工智能的价值 目前，ChatGPT 等大型语言模型可以生成类似人类的文本并执行与语言相关的任务。一些工具可 以生成视频、图像甚至代码，而其他形式的人工智能可以创建工厂车间的数字复制品，处理重复 性任务或通过计算机视觉改进质量控制。 人工智能在芯片制造中的应用潜力无限。然而，随着各大公司竞相将 ...

124层PCB技术突破 - OKI Circuit Technology推出124层印刷电路板(PCB)，突破行业长期存在的108层上限，且保持标准7.6毫米板厚不变 [1] - 该技术为半导体测试应用中已知的最高商用堆叠高度，可能推动AI、国防、航空航天和先进通信技术领域的基板设计革新 [1] 技术细节与挑战 - 信号层数增加15%至124层，未增加板厚，符合晶圆级测试设备的尺寸限制 [4] - 传统PCB设计在100层前即面临机械和热性能极限，OKI通过超薄介电材料(每层25µm)解决树脂流动、导通孔塌陷及层间对准问题 [5][6] - 采用低损耗材料支持112GHz以上频率，阻抗控制达±5%，并优化热传导性能 [6] 应用场景与性能优势 - 124层PCB为AI加速器的高带宽存储器(HBM)晶圆探测提供高信号密度和垂直互连能力 [4] - 支持PCIe Gen6和CXL 3.0协议的高速差分对布线，集成更多接地层以减少串扰和信号损耗 [4][9] - 通过1,000次热循环测试并符合MIL-STD-883G标准，适用于航空航天和国防领域的极端环境 [9] 成本与生产限制 - 物料成本高达4,800美元/平方米，生产周期16周，良率仅65%，低于108层PCB的85%良率 [10] - 热循环机械应力超80MPa，可能导致细间距BGA封装焊盘凹陷或信号衰减，故障诊断需破坏性分析 [10] - 当前应用限于高性能利基市场，但底层创新可能逐步渗透至其他领域 [10] 行业意义 - 虽未超越电装(Denso)2012年129层纪录，但OKI通过保持常规板厚和可制造性，弥合理论极限与量产差距 [10]

芯片技术发展 - 联想即将推出的Yoga Pad Pro预计搭载代号为"SS1101"的定制SoC 采用Arm现成的Cortex设计 [4] - 该SoC采用基于Arm64-v8a ISA的十核（2+2+3+3）布局 最快的核心簇频率为3.29 GHz 其他核心频率分别为2.83 GHz 1.9 GHz和1.71 GHz [5] - SoC使用了Arm Immortalis G720 GPU 该GPU也用于联发科的Dimensity 9300和8400 SoC [6] 制造工艺 - 该芯片采用台积电5nm工艺制造 [2] - 另一位泄密者暗示该SoC将采用台积电而非中芯国际或三星的5nm工艺 [6] 行业趋势 - 中国制造商越来越倾向于自主研发芯片 包括华为的麒麟X90 小米传闻中的XRing 以及联想的定制SoC [4] - 中国制造商推动自主芯片解决方案与国家减少对西方技术依赖的目标一致 [6] - 中芯国际多年来一直局限于7纳米技术 成为行业进步的障碍 [6] 产品定位 - 联想的Yoga Pad Pro系列很可能只面向中国市场 作为二合一混合设备 可配置为笔记本电脑或平板电脑 [4] - 上一代产品于去年12月推出 搭载高通骁龙8 Gen3芯片组 [4]

如果您希望可以时常见面，欢迎标星收藏哦~ 来源：本文来自 semiengineering ，谢谢。 吞吐量仍然是一个问题，解决方案需要多种技术的结合。 事实证明，电子束检测对于发现 5 纳米以下尺寸的关键缺陷至关重要。现在的挑战是如何加快这 一流程，使其在经济上符合晶圆厂的接受度。 电子束检测因灵敏度和吞吐量之间的权衡而臭名昭著，这使得在这些先进节点上利用电子束进行 全面缺陷覆盖尤为困难。例如，对于英特尔的18A逻辑节点（约1.8纳米级）和三星数百层的3D NAND存储器，缺陷检测已达到极限。 传统检测方法在 5 纳米以下开始遭遇根本性的物理限制。光学检测系统历来是缺陷检测的主力， 但由于衍射极限、复杂材料堆叠导致的对比度降低以及日益细微的缺陷特征，在先进节点上表现 不佳。 电子束检测提供纳米级分辨率，能够捕捉光学工具可能遗漏的微小致命缺陷，但这些优势也伴随 着显著的代价。吞吐量是主要瓶颈。用单束电子束扫描整个300毫米晶圆可能需要数小时甚至数 天，远远超出了现代晶圆厂严格的时间预算。 PDF Solutions先进解决方案副总裁 Michael Yu 表示："如果想在 7nm 或 5nm 等先进节点的生 产 ...

欧洲半导体行业面临的挑战与机遇 - 欧洲面临战略选择：在半导体领域与中国合作或与美国对抗 特朗普政府拟对半导体征收大范围关税 包括对设备内部外国制造芯片价值加总征税 可能损害欧洲利益[2] - 欧洲芯片产量仅占全球8% 主要销往本土汽车行业而非亚洲消费电子领域 其核心优势在于芯片制造设备(如ASML光刻机)和芯片设计能力(如Arm)[2][3] - ASML预计将大部分关税成本转嫁美国客户 但贸易战不确定性已导致其预测订单放缓 主要客户英特尔、台积电、三星正推迟设备采购[2] 关税政策对产业链的影响 - Arm因美国关税不确定性无法提供年度营收预期 其客户英伟达和苹果供应链面临冲击[3] - 关税可能导致美国投资吸引力上升 从而减少欧洲半导体投资 但同时也可能造成亚洲产能过剩 为欧洲电子行业提供本地化生产机会[3] - 欧洲《芯片法案》原定2030年实现全球20%市场份额目标不现实 当前份额仅9.8% 预计2030年仅达11.7%[6] 欧洲潜在应对策略 - 建议欧洲与中国加强电子和AI创新领域合作 而非对抗 可通过对美国科技公司(Facebook/谷歌)征税实施非对称反击[4] - SEMI建议欧盟将半导体投资增加四倍 设立200亿欧元专项基金 预计可带动2600亿欧元公私投资 重点支持全供应链发展[5][6] - 欧盟芯片基金430亿欧元中仅45亿由欧盟委员会直接控制 需建立统一预算机制缩小成员国差距[6] 产业现状与目标差距 - 欧洲在全球微芯片市场占比2022年为9.8% 预计2030年达11.7% 远低于20%目标 严重依赖非欧供应商提供先进芯片[6] - 半导体对汽车、航空航天、工业机器人和医疗设备等关键领域至关重要 但欧盟供应链自主性不足[6]

全球高端智能手机SoC市场增长趋势 - 2024年高端安卓智能手机SoC收入同比增长34%，主要受消费者对高端设备偏好增强、出货量增长及平均售价上涨推动 [2][5] - 高端SoC市场占2024年安卓智能手机SoC总收入的52%，AI功能（如NPU和先进节点迁移）成为平均售价和收入增长的核心驱动力 [6] 主要厂商竞争格局 高通 - 保持市场领导地位，2024年收入年增长6%，2025年将因三星Galaxy S25系列独家采用骁龙8 Elite SoC进一步巩固份额 [5][7] - 通过定制Oryon内核优化AI任务处理，并凭借生态合作伙伴关系在设备端AI部署中占据优势 [7] 联发科 - 高端SoC收入几乎翻倍，得益于天玑9300系列表现及天玑9400的推出，与vivo、OPPO、小米的战略合作推动其在中国市场增长 [5][7] - 需拓展全球旗舰品牌合作及开发者生态以维持增长势头 [7] 三星 - 2024年高端SoC收入增长4倍，Exynos 2400在Galaxy S24系列中的应用是关键，但2025年可能因Galaxy S25转向高通而下滑 [5][8] - 代工良率问题制约Exynos在高端市场的长期竞争力 [8] 海思半导体 - 2024年中国高端市场份额达12%，Pura 70和Mate 70系列推动回归，预计2025年保持收入份额第三 [5][8] - 客户忠诚度与鸿蒙系统深度整合是核心优势，但工艺节点落后和供应链不确定性限制长期增长 [8] 技术及市场驱动因素 - AI功能（如延迟敏感任务处理、模型优化）成为SoC性能差异化的关键，推动半导体含量和晶圆成本上升 [6][7] - 高端安卓SoC竞争加剧，海思重返和联发科崛起重塑市场格局 [6] 区域动态 - 中国高端市场表现突出，海思和联发科本土化策略成效显著 [5][7] - 全球贸易不确定性促使品牌寻求制造多元化，三星因多基地布局在美国市场更具优势 [6]

AI芯片行业趋势 - AI芯片行业正从大规模训练市场转向更具现实落地潜力的推理市场，Nvidia在训练市场占据绝对主导地位，而其他公司如Graphcore、英特尔Gaudi等纷纷转向推理领域 [1] - 训练市场门槛极高，需要重资本、重算力和成熟的软件生态，新晋企业难以与Nvidia竞争，推理市场则更易规模化和商业化 [1][4] - 推理市场的优势在于内存和网络需求较低，适合初创企业切入，而Nvidia在训练市场的优势包括CUDA生态、HBM内存和NVLink技术 [21][22] Graphcore转型 - Graphcore曾专注于训练芯片IPU，其Colosual MK2 GC200 IPU采用台积电7nm制程，性能接近Nvidia A100，2020年估值达28亿美元 [4] - IPU在稀疏数据处理（如分子研究）和医疗领域表现突出，微软曾用于新冠X光片识别，速度比传统芯片快10倍 [5] - 由于训练市场竞争失败，Graphcore被软银收购后转向推理市场，推出轻量级推理方案，聚焦金融、医疗和政府场景 [5][6] 英特尔Gaudi策略调整 - 英特尔2019年以20亿美元收购Habana Labs，Gaudi2采用7nm制程，吞吐量性能比Nvidia A100高2倍 [7] - 内部管理混乱导致Gaudi市场表现不佳，2023年转向"训练+推理并重"，Gaudi3强调推理性价比，成本优势达30% [9][10] - 英特尔终止Falcon Shores开发，Gaudi3现面向企业私有化部署，如语义搜索和客服机器人 [10][11] Groq技术定位 - Groq创始人曾参与Google TPU开发，其LPU架构采用确定性设计，专注低延迟推理，适合大模型推理任务 [13] - 2024年展示Llama 2-70B模型推理速度达300 token/秒，吸引金融、军事等延迟敏感领域客户 [15] - Groq转型推理即服务（Inference-as-a-Service），通过GroqCloud平台提供API，与LangChain等生态集成 [16] SambaNova业务转向 - SambaNova的RDU芯片曾主打训练优势，但2022年后转向推理即服务，推出企业AI系统SambaNova Suite [17][19] - 聚焦金融、政府等私有化部署需求，提供合规化推理解决方案，与拉美金融机构和欧洲能源公司合作 [20][21] - 2024年裁员15%，完全放弃训练市场，专注推理商业化 [19] 技术对比与市场逻辑 - 训练芯片需复杂内存层级（HBM/DDR）和全互联网络，Nvidia凭借CUDA生态和硬件优化占据绝对优势 [21][22] - 推理芯片门槛较低，初创企业可通过垂直场景（如医疗、金融）或技术差异化（如Groq的低延迟）竞争 [23] - 行业进入"真实世界"阶段，竞争焦点从算力转向成本、部署和维护便利性 [23]