为什么先进封装越来越重要

随着人工智能、高性能计算、5G 通信与物联网等技术的持续演进，芯片制造对集成度、功耗和成本的要求不断提升。在制程微缩难度与成本同步走高的背景下，先进封装被视为延续摩尔定律、支撑高端算力的重要路径。

板级封装凭借产出效率高、成本优势明显的特点，在 CoPoS、FOPLP（面板级扇出封装）以及 TGV（玻璃通孔）互连等先进工艺中的应用日益广泛，产品尺寸由晶圆级向面板级拓展已成为明确趋势。

CMP 这道工序难在哪

在板级封装的进程中，多层再分布互连结构的全局平坦化对 CMP（化学机械抛光）工艺提出了更高要求。板级 CMP 装备的性能直接关系到介质层与金属层的平坦度、缺陷水平及界面质量，是保障互连可靠性和最终芯片良率的核心环节。

与传统晶圆级抛光相比，板级抛光的难点在于面积更大、翘曲与形变更难控制，要在整块面板范围内保持一致的材料去除率，对装备的均匀性控制能力是很大考验。随着板级封装加速进入商业化阶段，产线对高性能板级 CMP 量产装备的需求正在快速上升。

Master-P510APEX 的技术规格

按照华海清科官网信息，Master-P510APEX 面向先进封装、玻璃基板等领域的板级产品，专为 510mm×515mm 规格板件的超平坦化、低缺陷抛光需求设计。

该装备采用双抛光头加双研磨盘的配置，集成在线清洗模块与全自动上下料系统，并配置翻转模块以实现双面抛光需求，可连续稳定运行，满足全自动量产要求。相比单抛光头、单抛光盘的 Master-P510，APEX 版本在产能与自动化程度上更进一步。

据官方介绍，此次出机的 Master-P510APEX 针对大尺寸板级封装的工艺特点进行了系统性设计，具备优异的全板面均匀性与平坦化控制能力，可满足低缺陷抛光要求，并通过智能终点检测与自动化控制实现多种工艺模式的灵活切换，为先进封装产线提供高一致性、高良率的规模化量产支持。

产业意义

先进封装设备此前长期由境外厂商主导，国产装备多在成熟制程环节实现批量应用。Master-P510APEX 进入量产线，说明国内企业在板级封装这一新兴工艺环节上，已经具备提供核心装备的能力。该装备进入产线后，将提升板级封装制程的工艺稳定性与效率，为板级封装能力的自主构建提供关键装备保障。

有研究机构观点认为，在 AI 需求增长、存储扩产、先进制程与封装升级以及国产替代的多重推动下，半导体设备行业整体发展前景良好，前道膜厚与 OCD 量测设备、晶圆探针台、高端探针卡、半导体测试设备等国产化率较低的环节，正处于客户验证加速、订单放量和国产份额提升的关键阶段。

为何坚持本地部署

根据协议，三星电子设备解决方案（DS）部门将提供积累多年的半导体技术与制造数据，Mistral AI 则输出其高效模型技术，两者结合形成面向芯片业务的专用模型。三星计划将该模型以本地部署方式运行在公司内部服务器与数据中心之上，逐步应用于半导体设计与制造现场的数据分析、缺陷预测和工艺优化，目标是缩短开发周期、提升制造效率与产品良率。

选择本地部署而非公有云服务，核心原因在于数据敏感性。半导体制造相关数据在多个国家被列为国家核心技术，一旦外流将带来合规与安全风险。本地化运行让三星能够在不把核心数据交给外部服务商的前提下使用先进模型，兼顾技术竞争力与数据安全。

Mistral AI 成立于 2023 年，创始团队包括首席执行官 Arthur Mensch 以及来自 Google DeepMind 和 Meta 的研究人员，主打 Mistral Large、Mixtral 等高效大语言模型，长期为金融、制造、能源等对数据安全要求较高的行业提供定制化、可本地部署的 AI 方案。这也是三星选择其作为合作方的重要背景。

不止一个模型，还要一套平台

双方的合作并不止于单一模型。按照规划，三星与 Mistral AI 还将共同建设面向半导体工作流的 AI 平台与运行体系，并基于 Mistral Large 等方案，开发适配 DS 部门专有数据的自有模型。

在业务覆盖上，合作将从 DS 部门整体推开，涵盖存储、代工与逻辑等板块。三星的长期目标是构建一套基于人工智能的半导体生态系统，持续挖掘适合半导体行业的 AI 应用场景，并在未来把客户与合作伙伴接入其中。

三星电子 DS 部门负责人全永铉表示，半导体设计与制造的复杂度正在快速上升，能够安全、精准使用海量数据的 AI 能力正在成为关键竞争力；三星将与 Mistral AI 共同打造面向半导体行业的 AI 模型与平台，建立基于 AI 的半导体创新新标准。Mistral AI 创始人兼首席执行官 Arthur Mensch 表示，从半导体到软件，AI 正在重新定义先进技术的创造方式，期待通过合作推动半导体设计、制造以及全球 AI 价值体系的进步。

三星的 AI 朋友圈再扩容

此次合作是三星近期密集布局 AI 生态的延续。三星电子同时是 Mistral AI 30 亿欧元 D 轮融资的领投方之一，通过股权投资为长期技术合作与联合业务打下基础。此前，三星于 2025 年 10 月与 OpenAI 达成战略合作，以战略存储合作伙伴身份加入其 AI 基础设施计划；2026 年 5 月又参与 Anthropic 的 H 轮融资，并被列为战略基础设施合作伙伴。

从 OpenAI、Anthropic 到 Mistral AI，三星的路径相当清晰：一边用存储与代工能力承接 AI 浪潮带来的芯片需求，一边把外部前沿 AI 技术引入自身的研发与制造环节。对半导体这类高度依赖良率与工艺积累的行业来说，后者带来的效率提升，可能比单纯的算力堆叠更具长期价值。

用大模型做原型、写内部工具、搭仪表盘，如今在工程师群体里已是常规操作，“用它学点新东西”同样是高频用法。但软件工程师 Laurentiu Raducu 在个人博客里坦言，他一直不太适应大模型讲解知识的方式：太简化，信息密度低，再配上一堆表情符号，读起来反而更费劲。

促使他换一种学法的，是一次具体的知识缺口。当时他正在分析可能拖慢数据中心建设的新瓶颈，发现自己对芯片生产的许多环节并不了解。他冒出一个念头：如果有一款游戏能带人完整走一遍晶圆厂造芯片的流程，是不是就记得住了？毕竟在游戏里，抽象概念可以和具体物件一一对应。

四步流程：先建知识库，再让它自查

Raducu 没有直接让模型“讲解”某个主题，而是固定跑一套四步流程。

第一步，在规划模式下（他用的是 Claude Code 或 OpenCode），让模型为目标主题搭建一套基础知识体系。第二步，让模型回过头去核查上一步产出的知识库准确性。第三步，要求模型把这套知识做成一个低多边形风格、类似《过山车大亨》观感的动画模拟，同时附带明确的交互要求：页面要在大屏和小屏上都能正常显示，流程要能随时暂停。第四步，把成品推到一个新仓库，开启 GitHub Pages 托管。

跑完这四步，得到的是一个可以在浏览器里直接打开的动画演示，而不是一份要点罗列。Raducu 认为这种方式比在搜索引擎里翻无穷无尽的资料、或者消化一串由语言模型吐出来的项目符号列表更有效。

需要留意的是，他所说的“完全准确、没有幻觉”属于个人使用体验的判断——由同一个模型自查自纠的知识库，严格来说并不构成独立的事实核验，涉及关键结论时仍需另找权威资料对照。

ChipTycoon：跟着一辆小车从沙子走到芯片

他公开的第一个成品叫 ChipTycoon，主题正是芯片制造。玩家跟随一辆小车，从采集石英砂开始，一路走到成品芯片被交付进数据中心为止。

视觉上的巧思在于，小车运载的东西会随着流程推进而变化。低多边形风格必然丢失细节，但它足以清楚地传达一件事：原材料在经过多道工序之后，形态究竟发生了什么改变。这种把工艺步骤具象化的处理，恰恰是纯文字讲解最难做到的部分。

除芯片制造外，他还用同样的流程做了几个页面：火箭发动机如何制造、大模型如何工作、F1 引擎如何组装、极紫外光刻机如何造出来。

想进一步提升：换真实模型，再加题目

Raducu 也给出了两个继续打磨的方向。

一是提升视觉精度。低多边形画面有时需要靠想象补足细节——比如石英砂堆离开熔炉之后到底变成了什么样。他的建议是借助把图片转换成三维物体的工具链，生成更接近实物的模型，再映射回模拟场景中。

二是加入互动考核。在流程中穿插关于前序步骤的提问，强迫回忆本身就是提升记忆留存率的有效手段；设计一些直觉型的小谜题，同样能让知识记得更牢。

这套做法的门槛并不高，本质上是把“读材料”换成“造一个能自己走一遍的流程”。对于工序链条长、环节之间因果关系复杂的主题，它提供了一个值得一试的替代方案。

来源：Laurentiu Raducu 个人博客

马斯克在社交媒体上把话说得很满：这将是「地球上规模最大、也最有价值的建筑」，全部完工后的体量大约相当于 50 个五角大楼。

需求大到现有供应链喂不饱

建这座厂的逻辑很简单——两家公司合计的芯片需求，已经超过了地球能供应的上限。SpaceX 在官网公告里写道，SpaceX 与特斯拉未来的芯片需求预计将超过 1 太瓦（约 1000 吉瓦）算力，明显超出全球现有供应量。马斯克此前算过一笔账：目前全球 AI 算力的年产出大约只有 20 吉瓦，仅能覆盖自家业务 2% 的消耗。

缺口就是 Terafab 存在的理由。工厂设定的目标年产超过 1 太瓦算力，约为当前全球芯片年产能的 50 倍。生产重点放在为边缘计算和推理优化的芯片上，一头供给特斯拉的 Optimus 人形机器人和 Cybercab 自动驾驶汽车，另一头供给 SpaceX 计划在太空搭建的分布式 AI 数据中心所用高功率芯片。

钱从哪来，人到哪找

项目初期投资为 168 亿美元，由 SpaceX 与特斯拉共同投入。今年 5 月披露的文件显示，后续扩建阶段可能让总投资大幅增加，最高或触及 1190 亿美元。一期预计至少雇佣 3000 名当地员工——马斯克随后补了一句，这只是十期规划里的第一期，后面的用工规模会高得多。

实际上 Terafab 并非一夜之间从概念图蹦出来。今年 4 月，特斯拉已经在得州超级工厂北园区动工一座研究型晶圆厂，作为主厂的「试验前身」；如今主厂区在格赖姆斯县破土，意味着计划从路线图正式推进到了施工图。招聘侧也已经动起来，光刻、刻蚀、外延、沉积、化学机械抛光等前道工艺岗位陆续挂出，读起来不像概念项目的公关岗，更像一座真要跑通的晶圆厂在凑班子。

邻居未必都买账

体量越大，邻里的顾虑也越具体。据报道，本周已有近 900 名当地居民提交请愿书，要求加强对接受公共激励的大型工业项目的监管，他们担心这些项目会挤压水资源、电力供应并影响环境。SpaceX 在官网写明了环境条款：工业用水取自水库而非当地地下水，厂内配套废水处理与回用，危化品按法规管理。

把视角拉远一点，这件事透露出马斯克系业务的重心正在急剧转向 AI。特斯拉仅用 46 天就拆除了弗里蒙特工厂的 Model S 和 Model X 生产线，改造成 Optimus 的量产线；SpaceX 则盘算着用百万颗卫星在太空拼一台分布式超级计算机。当一家公司的业务对算力的渴求像个无底洞，而全球晶圆厂的天花板又够不着它的胃口时，自己下场造芯，就成了唯一选项。

来源：SpaceX 官方公告、Fox Business