本期以山姆·奧特曼7億美元建廠的可行性分析為重點，獨家發(fā)布騰訊新聞。未經(jīng)授權(quán)，請不要轉(zhuǎn)載。

文 / 前臺積電建廠專家 Leslie Wu(公眾號：梓豪談芯)

有朋友問：Leslie，你出生在一家專業(yè)的工廠。此前有報道稱，山姆奧特曼將投資7萬億元建造核心。雖然我沒有明確回應(yīng)，但大媒體一定不是空穴來風(fēng)。如果有7萬億，性價比高，還是買性價比高。如果是，估計應(yīng)該考慮哪些投資和因素？

奧特曼“7萬億”的謠言真的是石破天驚。這個想法很有趣。我們必須有豐富的半導(dǎo)體工廠建設(shè)、技術(shù)和操作等一系列知識來回答這個問題。我們可以試著計算一下，如果我們持有7億美元，我們?nèi)绾巍昂侠怼钡鼗ㄥX？

每萬片晶圓，建廠投資150億美元

首先，第一步必須是生產(chǎn)GPU邏輯芯片，這樣就需要先建立一個邏輯晶圓工廠。我們以臺積電最先進的2nm工廠為例，看看每萬個晶圓的資本投入。

按照投資額劃分，晶圓廠的各種投資比例大致如下：工藝設(shè)備：77%，土地和建筑：4%，潔凈室：5%，水、電、化工等供應(yīng)系統(tǒng)設(shè)施：14%。

光刻機是晶圓廠最大的工藝設(shè)備成本項目之一，占20%左右，2nm需要使用EUV光刻機(負(fù)責(zé)25層光刻)，成本相對較高，預(yù)計占24%左右。

當(dāng)前臺積電的2nm仍然采用低值孔徑EUV，與ASML最新款NXE相對應(yīng)。:晶圓3800E，每小時產(chǎn)生晶圓。（WPH，Wafer per hour）大約在190-200片之間，單臺設(shè)備的月產(chǎn)能估計在2400片左右(具體計算見下表注釋)，這意味著每萬片晶圓的產(chǎn)能，NXEE需要4臺ASML。:3800 EUV光刻機，除EUV負(fù)責(zé)的25層外，其它層還需要3臺NXT片，每小時產(chǎn)生晶圓295片。:2100，以及KrF DUV光刻機。

*單臺設(shè)備月產(chǎn)能=一小時產(chǎn)出晶圓數(shù)*運行時間*%customerefficiency(效率)*%doseageheadwind(vs.*30天*EUV層數(shù)*30天

根據(jù)ASML提供的數(shù)據(jù)，NXE:售價約2億美元的3800E，NXT:大約7500萬美元的2100i，大約1500萬美元的KrFDUV，這意味著2nm工藝的晶圓廠，每萬片晶圓產(chǎn)能，光刻機(包括維修和配件)的投資預(yù)計在13億美元左右。

根據(jù)光刻機投資占所有工藝設(shè)備的24%，工藝設(shè)備總投資為54億美元，而工藝設(shè)備占晶圓廠總投資的77%，從而反推。，每萬片晶圓產(chǎn)能，2nm節(jié)點，晶圓廠總投資約71億美元。

晶圓產(chǎn)能每萬片，晶圓廠總投資劃分，單位：美元

GPU邏輯芯片廠建成后，還要考慮HBMDRAM廠的建設(shè)。

我們以最先進的1gamma工藝為例。雖然DRAM的EUV光刻層有所減少，但每萬個晶圓所需的設(shè)備數(shù)量并沒有減少，反而增加了，尤其是蝕刻設(shè)備。總體而言，1gamma工藝的DRAM工廠投資約為邏輯芯片晶圓工廠總投資的85%，即60億美元。

另外，在DUV時代，DRAM工廠的投資大約是同級邏輯晶圓工廠的110%-120%，直到7nm節(jié)點，EUV光刻機在邏輯工廠中得到了廣泛的應(yīng)用，每萬片晶圓產(chǎn)能的投資開始超過DRAM工廠。

在處理了前端的GPU邏輯芯片和DRAM存儲芯片之后，還需要解決后端的封裝問題，包括CoWoS先進封裝和HBM封裝。

當(dāng)前，最先進的AI芯片選擇SoIC。 HBM4將采用混合鍵合技術(shù)，CoWoS封裝技術(shù)（Hybrid Bonding），每萬個晶圓的投資將大大增加到10億美元(包括設(shè)備廠房)。此外，先進封裝涉及的中介層還需要使用DUV搭建65/45nm的前端晶圓廠，投資額為每萬個晶圓8億美元。換言之，封裝部分，每萬片晶圓的總投資預(yù)計在18億美元左右。

每萬片晶圓產(chǎn)能，不同晶圓廠單位投資，單位：美元

這一花錢工作涉及到更多的數(shù)據(jù)，幫助大家做一個小總結(jié)，每萬片晶圓產(chǎn)能，或單位投資金額，對應(yīng)2nm工藝的思路晶圓廠、1gamma工藝的DRAM廠、封裝廠(先進封裝廠) 中介，十億美元 在8億美元方面，投資總額約為150億美元。

每年生產(chǎn)600萬個GPU，成本500億美元

但是，GPU邏輯芯片、HBM內(nèi)存和中介層，對應(yīng)的比例并非1。:1:1的關(guān)系，在單位投資的基礎(chǔ)上，總投資總額要按指數(shù)增加。這個指數(shù)大致可以來自一個GPU，需要的CPU。、計算HBM內(nèi)存、中介層總數(shù)。

GPU，英偉達最新的Blackwell架構(gòu)B200的Die size（814mm2）例如，每個晶圓可以切割80個芯片。根據(jù)臺積電的最佳工藝，良率約為65%，即每個晶圓可以切割50個谷歌。 Die。

此外，由于GPU邏輯芯片是一個大芯片，物鏡顯像的景深需要控制在相對較大的水平，以提高光刻的曝光清晰面積，這將導(dǎo)致分辨率下降，這是缺陷增加和良率下降的重要原因。

Gracee與英偉達的B200相匹配。 CPU，兩個GPU組合一個Grace CPU，所以50個GPU，需要搭配25個CPU。根據(jù)3nm工藝計算，Die的CPU 根據(jù)Size和良率估計，一個晶圓可以切割大約300個CPU芯片，這意味著一個GPU晶圓需要與0.08個CPU晶圓相匹配。

現(xiàn)在3nm節(jié)點，每萬片晶圓的投資是2nm節(jié)點的70%，大約50億美元，換句話說，投資71億美元生產(chǎn)10000個GPU晶圓，同時投資71億美元×70%×用于CPU晶圓生產(chǎn)的0.08，即4億美元。

HBM是AI芯片的另一個亮點，英偉達的H100。、在Blackwell架構(gòu)中，H200標(biāo)配6個B200，采用8個HBM3e內(nèi)存。根據(jù)臺積電的最新路線圖，2026年，一個GPU可以與12個HBM內(nèi)存相匹配，屆時HBM的規(guī)格將從12層HBM3e升級到16層HBM4/4e。

如前所述，2nm晶圓可以切割50個GPU邏輯芯片，按照B200的標(biāo)準(zhǔn)，每個晶圓需要400個HBM3e內(nèi)存?，F(xiàn)在，1gamma制造的DRAM芯片，每個晶圓大約能產(chǎn)生1200個DRAM顆粒，而按85%的良率計算，最終可獲得1000個DRAM顆粒，然后將這些DRAM顆粒封裝成12層的HBM3e內(nèi)存。當(dāng)前，封裝的良率約為80%，即一個DRAM晶圓可以產(chǎn)生100000÷HBM3e內(nèi)存12*80%，大約等于70個上下12層。

換言之，一個GPU晶圓不僅需要0.08個CPU晶圓，還需要5.7個DRAM晶圓。未來，隨著GPU邏輯芯片組合HBM顆粒數(shù)量的進一步增加，尤其是堆疊數(shù)量從12層增加到16層，GPU:DRAM晶圓1:5.7的比例，將進一步擴大。

根據(jù)目前先進封裝的中介層尺寸，一個晶圓可以完成15個GPU邏輯芯片的封裝，對應(yīng)一個芯片。晶圓的GPU邏輯芯片，需要先進的3.3片晶圓封裝。。

每萬片晶圓產(chǎn)能，不同晶圓廠的建廠投資，單位：美元

一句話總結(jié)：每個10000個GPU晶圓，需要800個CPU晶圓，57,000個DRAM晶圓，33,000個中介層晶圓，33,000個SoIC 先進的CoWoS封裝，57,000個HBM封裝，相應(yīng)的投資，也就是1*71 0.08*50 5.7*60 3.3*10 3.3*8 5.7*10≈476億美金。

每個10000片GPU晶圓的所有配套芯片生產(chǎn)廠都要花費476億美元，加上其它雜七雜八的費用直接計算為整數(shù)。500億美元，換算成每月50萬個GPU芯片，每年600萬個。

能在八年半燒完7億美元

投資500億美元，每年生產(chǎn)600萬個GPU。這是什么概念？全世界的AI都可以根據(jù)臺積電的CoWoS產(chǎn)能來計算。 在比較之前，GPU的數(shù)量。

2024年，臺積電CoWoS產(chǎn)能達到31萬片，其中95%是AICoWoS。 GPU，為Xilinx提供的FPGA只有一萬多片，其余的近30萬片被英偉達、AMD和Google等全球互聯(lián)網(wǎng)大廠商，AWS，Meta，自研ASIC芯片刮分Mircosoft。

換言之，臺積電CoWoS的生產(chǎn)能力代表了全球AI芯片的生產(chǎn)能力，2024年80%的GPU仍然只使用2.5。D CoWoS，英偉達的H100大約是每片29片，而其它自研ASIC則高于這一標(biāo)準(zhǔn)，有些還超過40片，目前只有AMDMI300使用SoIC封裝，每片約15片。

綜合下來，今年臺積電的CoWoS產(chǎn)能達到30萬個，對應(yīng)的GPU約為1000萬個，這是2024年全球AI。 大概GPU總量。如前所述，每年可以生產(chǎn)600萬個GPU，投資500億美元，換句話說，2024年，為滿足全球需求，生產(chǎn)1000萬個AI GPU，總投資需要830億美元。這一水平相當(dāng)于臺積電2-3年的資本支出，也可能是臺積電Fab20A，一個月產(chǎn)量12萬片的2nm芯片廠的總投資。

投資830億美元，可以制造出2024年全球所需的AI芯片，要花掉奧特曼的7億美元，還有許多工作要做，畢竟830億美元也只是建造芯片廠的費用。

晶片廠，DRAM廠、封裝廠建成后，要注意生產(chǎn)服務(wù)器的工廠建設(shè)，還要建很多類似工業(yè)富聯(lián)的工廠。然而，與芯片工廠相比，這種服務(wù)器組裝工廠只是小巫見大巫，在AI服務(wù)器的所有產(chǎn)業(yè)鏈中構(gòu)建所有工廠，包括服務(wù)器、光模塊、液冷、銅電纜和各種模具工廠。每年生產(chǎn)1000萬個GPU，按單個服務(wù)器8個GPU計算，即120萬個服務(wù)器，下游工廠總投資約170億美元。再加上830億美元的上游芯片廠，1000億美元是2024年世界上所有的AI 芯片 工廠建設(shè)總成本為服務(wù)器出貨量所需。

上游和下游工廠的建設(shè)只是開始，技術(shù)需要持續(xù)的R&D投資，包括設(shè)計和制造相關(guān)的R&D費用，覆蓋GPU、CPU、HBM、先進封裝等階段，這部分可以打包計算英偉達，AMD、臺積電、SK海力士的R&D總額約為300億美元。再加上服務(wù)器硬件的研發(fā)，如光模塊、也冷等，研究開發(fā)部分的費用可達500億美元。

而且對OpenAI來說，在推廣AGI的道路上，還需要不斷地進行模型研發(fā)投資，每年至少要花費200億美元。

研究開發(fā)芯片部分 在AI部分的R&D，每年的總投資至少是700億美元。如果你想更快地進入，增加R&D投資是不可避免的。估計每年需要加大對AGI最終目標(biāo)的R&D投資力度，達到1000億美元。

上述R&D費用不包括培訓(xùn)費用，而且培訓(xùn)需要大量的水電能耗，這部分基礎(chǔ)設(shè)施也需要自建。

根據(jù)IEA(國際能源協(xié)會)計算，歐美目前建設(shè)1KW核電機組的成本約為4000美元，每百萬千瓦核電機組每年發(fā)電約8.6億度電，全球人工智能將在2027年耗電1340億度，因此建造155組百萬千瓦的核能機組大約需要6000億美元。

根據(jù)加州大學(xué)河濱分校的研究，2027年，人工智能將消耗66億立方米的清潔淡水，約為英國用水量的一半。主要場景來自三個耗水階段:服務(wù)器冷卻、發(fā)電和芯片制造。建造相應(yīng)的水處理廠的成本約為1000億美元。

與之前的投資相比，制造環(huán)節(jié)的人工成本相對較小，主要集中在芯片設(shè)計上，包括模型研發(fā)部分。

前端晶圓廠充滿了人力配置。 ,所有前端工廠(包括DRAM、中介層等)每萬片大約需要1000人，后期大約需要15000人，GPU年產(chǎn)能2000萬片大約需要2萬人，人均年芯15萬美元，后期包裝需要3萬人，人均年薪約7萬美元，加上5000名各類芯片制造R&D人員，人均20萬美元，每一年，芯片制造商的工資總額為60億美元。

根據(jù)英偉達達的設(shè)計和大語言模型的人工成本， OpenAI 微軟服務(wù)器單位計算1.5倍，約5萬人，平均年薪30萬美元，涉及服務(wù)器的硬件制造工廠總數(shù)為15萬人，電力和用水保障設(shè)施人員15萬人，總共30萬人，平均年薪8萬美元，總共240億美元。

上述所有環(huán)節(jié)，人工薪酬費用為每年60億 150億 總共有450億美元的240億美元。

在材料成本方面，GPU及相關(guān)芯片，加上所有服務(wù)器硬件，每件2000美元，每年2000萬美元，即400億美元。在服務(wù)器運行成本方面，人工成本為420億美元 材料成本400億美元 其它雜費180億美元，取整數(shù)1000億美元。

OpenAI年產(chǎn)2000萬個GPU的投資和各種費用計算，單位：美元

上述就是奧特曼親自造芯所涉及的主要環(huán)節(jié)的費用拆解，如果為奧特曼花這筆錢，理想的解決辦法是：2000億美元建設(shè)年產(chǎn)2000萬個GPU(2024年全球約1000萬個)，以及所有服務(wù)器硬件的制造工廠，然后每年投入1000億美元推動AGI的最終目標(biāo)，相關(guān)設(shè)計、R&D、制造總?cè)斯こ杀?000億美元，建設(shè)能源和用水基礎(chǔ)設(shè)施投資7000億美元，同時編制2000億美元現(xiàn)金用于應(yīng)對稅費和各種雜費或未計算的費用，最終保留4000億美元作為可能漏算的準(zhǔn)備金。因此，覆蓋2000萬個AI大約需要1.7億美元。 所有GPU制造廠的風(fēng)險投資。

在運營資金方面，需要保持每年1000億美元的芯片和硬件新產(chǎn)能投入，繼續(xù)推進摩爾定律，提高晶體管密度。每年新增2000億美元的新電力和新用水投入，以及每年約1000億美元的人工和材料。在這種情況下，每年的極限是增加7000億美元的運營成本。

因此，不到2億美元可以覆蓋2024年全球AI芯片需求兩倍的所有相關(guān)制造、能源基礎(chǔ)設(shè)施和運營費用。，每年增加7000億美元，這個預(yù)算大致可以再燒7.5年。

在擁有全球AIGPU兩倍產(chǎn)能的基礎(chǔ)上，奧特曼無法壟斷全球人工智能-OpenAI模型，建立了以臺積電為代表的全球最先進的芯片制造，并建立了以英偉達為代表的GPUic設(shè)計，假如奧特曼另起爐灶，全方位生產(chǎn)AI芯片，幾乎會激怒全球芯片公司。

臺積電、英偉達和許多芯片設(shè)計公司作為“老勢力”，可能會幫助OpenAI的所有競爭對手，包括硅谷甚至全球大大小小的大型模型和AI應(yīng)用公司，比如老對手DeepMind加谷歌，AWS，像Mircosoft這樣的巨人，Stability、Anthropic等OpenAI創(chuàng)始人設(shè)立的企業(yè)。

即使OpenAI的芯片設(shè)計和制造能力與臺積電和英偉達相當(dāng)，面對世界上所有大小模型和算法的公司，也未必有很大的優(yōu)勢，更不用說用7萬億元的結(jié)局制造芯片，站在英偉達和臺積電的對立面。

客觀來說，如果不考慮生態(tài)，GPU設(shè)計公司就沒那么不可替代了。在GPU設(shè)計中，沒有AMD，甚至Cerebras，一家AI芯片設(shè)計公司，設(shè)計了整個晶圓面積，遠(yuǎn)遠(yuǎn)超過了傳統(tǒng)的GPU。然而，在芯片制造方面，臺積電目前傾向于騎行。

以2024年為例，臺積電可以生產(chǎn)N3P工藝，每平方毫米高達2.84億晶體管密度，排名第二的英特爾只能生產(chǎn)每平方毫米1.8億晶體管的Intel。 第四，第一和第二之間已經(jīng)出現(xiàn)了現(xiàn)代差異，如果在最高性能的芯片上不使用臺積電技術(shù)，就會落后于競爭對手一代又一代。

芯片制造不能花錢積累，更需要技術(shù)積累的行業(yè)。最早需要三年時間才能建成芯片工廠，制造芯片。，對于OpenAI來說，假設(shè)“7萬億”真實存在，面對“舊勢力”的反擊，至少要持續(xù)三年。

本文來自微信微信官方賬號“騰訊科技”（ID:qqtech），作者：LeslieWu，36氪經(jīng)授權(quán)發(fā)布。

本文僅代表作者觀點，版權(quán)歸原創(chuàng)者所有，如需轉(zhuǎn)載請在文中注明來源及作者名字。

免責(zé)聲明：本文系轉(zhuǎn)載編輯文章，僅作分享之用。如分享內(nèi)容、圖片侵犯到您的版權(quán)或非授權(quán)發(fā)布，請及時與我們聯(lián)系進行審核處理或刪除，您可以發(fā)送材料至郵箱：service@tojoy.com