3nm晶片性能成「雞肋」?

2023-01-05
作者 張河勳,EE Times China

儘管除了蘋果之外,Nvidia、AMD、英特爾、高通等這些台積電大客戶都有採用3nm晶片的意願,但大行情下不得不低頭,加之3nm製程高昂的代工成本,以至於這些公司均未有明確的採購時間表…

2022年12月30日,台積電(TSMC)正式發佈了3nm晶片製程,也算是完成了其在年內量產該晶片製程的承諾。據悉,台積電3nm製程將會在台灣南部園區生產,且該公司對外表示,客戶對台積電3nm製程的需求「非常強勁」。

儘管台積電預估3nm製程將在5年內創造1.5兆美元產品終端價值,但目前這一製程僅將被應用到蘋果(Apple)裝置上,其他廠商仍持觀望態度。這背後的原因在於3nm製程性能提升有限,且代工成本昂貴,也只有對產品性能孜孜以求的蘋果敢於「大手筆」採購。

3nm製程接近晶片製程極限

儘管理論上晶片製程還可以繼續,但由於接近1nm物理極限,其上升空間已不大。這一點在進入5nm晶片製程之後,已體現得尤為明顯。根據台積電說法,對比N5製程,N3功耗可降低約25~30%,性能可提升10~15%,電晶體密度提升約70%。但是3nm良率拉升難度飆升,台積電為此已不斷修正3nm藍圖,且劃分出N3、N3E等多個3nm家族版本。

從資料上來看,晶片性能演進已經脫離了摩爾定律的範疇。在摩爾定律鼎盛之際,半導體晶片的整合度隨著製程節點的縮小每18個月翻一倍,同時也帶來了大幅的性能提升。

如今,我們看到隨著摩爾定律接近物理極限,下一代製程的進一步更新的節奏正在慢慢放緩,同時新製程的成本越來越高但是對於性能的提升正在變小(只有15~30%左右)。

在摩爾定律放緩的過程中,SRAM單元微縮減緩已經成為先進晶片製程進步的最大阻礙因素之一。儘管晶片邏輯密度也在減緩,但也遠遠好於SRAM單元的縮微化。WikiChip發佈的一份報告提到,台積電在SRAM方面的微縮速度已大大放緩,且認為SRAM單元縮微化減緩將對3nm及以下的晶片製程帶來很大影響。

根據WikiChip報告,台積電採用N3和N5製程的SRAM大小為0.0199μm²和0.021μm²,僅縮小了約5%。而N3E製程基本維持在0.021μm²,相較N5製程幾乎沒有微縮表現。這就導致晶片製程更多依靠晶片邏輯密度縮微化,SRAM單元成為晶片製程進步的「硬肋」。

因此,在智慧型手機市場萎靡的大行情下,性能提升不大的3nm製程,能適用的終端產品的選擇已不大。

蘋果從性能轉向能耗

一直以來,蘋果憑藉A系列晶片性能強勁,長期保持對Android陣營的碾壓性優勢,幾乎每一代產品都能領先競爭對手一段時間。不過,蘋果在iPhone14系列採用雙晶片策略之後,即標準版沿用A15晶片節省成本,只有Pro版搭載A16晶片,已經招致消費者的不滿,也給予了相應的市場回饋。

有消息傳出,蘋果仍將沿用雙晶片策略,最新的A17晶片只會出現在iPhone 15 Pro版本的機型當中,標準版的iPhone 15搭載的將是iPhone 14 Pro機型的A16仿生晶片。

據悉,與目前的5nm晶片相比,3nm晶片將提供更好的性能,蘋果可能會在2023年開始採用3nm處理器。不過,3nm代工價格突破2萬美元/片晶圓,也就是14萬元左右才能加工一片12吋晶圓,首批投片量只有數千片,目前只有蘋果有需求。蘋果之所以堅持雙晶片策略,主要在於其希望透過在iPhone 15 Pro系列高階機型上搭載最新的A17處理器,以提升新款iPhone高階機型的出貨比例,實現利潤最大化。

就3nm晶片製程性能來看,蘋果似乎已在晶片性能上妥協,其iPhone 15 Pro 系列所搭載的 A17 晶片可能會更注重電池續航,而非晶片性能。這一點從台積電為其代工的3nm晶片的資料也可以看出來,顯然3nm晶片功耗降低約25~30%,要比性能提升10~15%更加「亮眼」很多,也算是「不得已而為之」。

值得一提的是,當前手機、PC市場都處於「寒冬」階段,2023年也存在諸多不確定性,台積電「3nm製程將在5年內創造1.5兆美元產品終端價值」的口號是否有些過大?儘管除了蘋果之外,Nvidia、AMD、英特爾(Intel)、高通(Qualcomm)等這些台積電大客戶都有採用3nm晶片的意願,但大行情下不得不低頭,加之3nm製程高昂的代工成本,以致於這些公司均沒有明確的採購時間表。

本文原刊登於EE Times China網站

 

 

 

 

活動簡介

人工智慧(AI)無所不在。這一波AI浪潮正重塑並徹底改變科技產業甚至整個世界的未來。如何有效利用AI協助設計與開發?如何透過AI從設計、製造到生產創造增強的體驗?如何以AI作為轉型與變革的力量?打造綠色永續未來?AI面對的風險和影響又是什麼?

AI⁺ 技術論壇聚焦人工智慧/機器學習(AI/ML)技術,涵蓋從雲端到邊緣、從硬體到軟體、從演算法到架構的AI/ML技術相關基礎設施之設計、應用與部署,協助您全面掌握AI最新技術趨勢與創新,接軌AI生態系佈局,讓機器學習更快速、更經濟、更聰明也更有效率。

贊助廠商

發表評論

訂閱EETT電子報