AI需求拉紧芯片供应链，谷歌TPU一年回本，中国探索无EUV 3nm路线
nashnova research
谷歌云CEO透露自研TPU服务器不到一年收回投资，正在加速科技巨头定制芯片军备竞赛；与此同时，半导体设备零部件交期翻倍、中科院披露无EUV的3nm早期路线，供应链的深层约束正在重塑AI算力扩张的节奏。
谷歌TPU不到一年回本，这笔账怎么算的？
谷歌云CEO库里安称，AI服务器整体投资回收期不足两年，用自研TPU的服务器更压缩到一年以内。
这意味着→ 自研芯片的经济账已经跑通：回本越快，再投入的底气越足，定制芯片的飞轮开始自我加速。
TPU订单持续上升，应用已从AI实验室扩展到金融、生物制药、高性能计算等领域——用大白话说＝不再是实验室玩具，而是真金白银的生产力工具。
这反映出一个更大趋势：科技巨头正用回本速度证明"自己造芯片"比"买通用芯片"划算，博通和联发科作为ASIC（帮客户定制芯片的合作方）将直接受益。
2027年TPU封装方案，为什么出现变数？
谷歌2027年TPU项目代号"Humufish"，原定采用英特尔EMIB-T封装并与联发科合作。
但市场传闻称，由于专用基板良率滞后——供应商Unimicron此前目标良率仅50%——谷歌已将台积电CoWoS（一种把多颗芯片拼在一起的先进封装技术）列为备选。
多方消息仍预期EMIB-T维持主方案：距2027年量产尚有时间，且双封装路线会增加成本和复杂度。
用大白话说＝谷歌没有换方案，但留了后手。真正的悬念是基板良率能否在量产前追上来。
设备零部件交期翻倍，卡在哪里？
半导体设备的关键零部件交期大幅拉长：原本四个月的货期延到十个月，部分日本零部件等待时间达40个月，本地零部件交期也延长约50%。
背景是台积电、ASML、应用材料同步扩产，SEMI预测晶圆厂及DRAM设备销售将创历史纪录。
这意味着→ 资本开支再多，产能释放速度仍被零部件供应链"卡脖子"——钱到位了，机器的零件没到位。
这反映出AI算力扩张的真正瓶颈正从"谁出钱"转向"谁能交货"。
中科院的无EUV 3nm路线，走到哪一步了？
中科院微电子所首席工程师叶甜春披露：在不使用EUV光刻机（用极紫外光刻电路的最先进设备）的前提下，用DUV光刻（上一代光刻技术）配合GAA工艺（栅极全环绕，一种让晶体管四面被栅极包住以提高控制力的结构），建立了3nm以下器件的早期技术路径。
工艺优化后关键性能指标Ion/Ioff比值超过5×10⁴，具体达到9.7×10⁴和7.6×10⁴。
但研究所自己明确定性：这是技术验证，不是量产就绪，集成与良率仍面临重大挑战。
用大白话说＝实验室里证明了"这条路走得通"，但从实验室到工厂的距离还很远。它的意义是：在EUV被限制的现实下，中国有了一个早期技术参照点。
闪迪在韩国抢人，释放什么信号？
闪迪（Sandisk）正在韩国异常大规模招募工程师，岗位涵盖NAND架构、VLSI设计、掩模设计，并要求具备HBM、LPDDR、GDDR经验。
这与闪迪韩国业务历来以销售和市场为主的定位形成明显转变。
这意味着→ 闪迪正将研发重心向韩国延伸，直接进入三星和SK海力士的人才腹地争夺AI存储工程师。
台湾在Physical AI领域的机会，靠什么抓住？
德勤台湾研讨会上，来自工研院、台湾AI学院、英伟达及达明机器人的与会者强调：台湾在Physical AI（让AI控制物理世界的机器人、自动化等领域）的机遇取决于系统集成能力，而非单一零部件供应。
与会者呼吁构建可验证、可扩展的工业应用场景。
用大白话说＝台湾的优势不在于造出某一个零件，而在于把所有零件组装成一套能用的系统——这才是Physical AI竞赛中真正稀缺的能力。
市场有风险，内容仅供研究参考，不构成投资建议。