Lam Research 解析 AI 封装挑战：面板级封装受青睐的 5 个理由

Lam Research 湿法设备技术系统部门企业副总裁兼总经理 Aaron Fellis 在 EE Times 发表署名文章，讨论 AI 封装正面临的制造瓶颈，以及面板级封装为何获得更多关注。文章的核心判断是：AI 系统性能不再由单颗芯片决定，而是处理器、内存与互连在封装内协同工作的整体能力，先进封装由此从制造环节的附属问题上升为行业关键创新前沿。 文章指出，现代 AI 加速器依赖异构架构，把处理器、HBM、chiplet 与专用组件集成进紧密耦合的系统。先进封装让这些组件作为统一平台运行，使数据在计算与内存之间移动得更快、更高效，带来更高带宽、更低延迟和更好的能效，这些正是训练与运行大语言模型等 AI 负载的必要条件。仅靠硅工艺微缩，难以获得支撑 AI 时代所需的全部增益。 在封装尺寸层面，最新 AI 架构集成了多个 chiplet、内存堆栈、中介层和复杂互连结构，尺寸持续扩大。传统圆形晶圆受边缘损耗、面积利用率和制造效率制约：先进封装多为方形或矩形，与圆形晶圆存在几何失配，封装越大，能有效排布的大矩形封装越少，晶圆边缘浪费的空间越多。面板级封装因此被视为支持更大封装、更多内存和更快数据移动的可扩展制造路径。 文章强调，面板级封装使用方形或矩形面板而非传统圆形晶圆，更大规格可改善面积利用率，并为制造效率创造空间。这一转变不只是基板形状变化，而是先进封装制造方式的根本调整：更大的处理面积可容纳未来的封装尺寸，并可能改善可扩展性与生产成本。对于需要维持 AI 持续增长的半导体行业，面板级处理正成为更具吸引力的路线。Lam Research 表示，其正凭借数十年先进封装经验以及对面板级研发和制造就绪度的新投资，推动这一转变落地。