台积电在美建厂遇到麻烦了,3nm工艺要黄?

简介:

今天,全球最大的半导体制造商台积电宣布,公司最初在美国建厂的计划可能要延迟了,预计最少到明年才能确定。

台积电发言人Michael Kramer在接受采访时表示,“我们在明年之前不会做出决定。”但Michael Kramer坦言,“如果我们在美国建厂,我们会做出一些牺牲。在台湾,台积电上下协调起来非常方便,例如如果发生地震,工厂拥有本土优势,而如果这种情况发生在美国就非常困难了。”

毕竟建设一座晶圆厂所耗费的资金是巨大的,而且还要考虑人才、环境等因素,所以台积电能否在美建厂依然存在很大的变数。

值得一提的是,美国是台积电最大的市场,目前,台积电有约65%的营收来自美国。这不难理解,台积电的主要客户就是苹果、高通等芯片商。

台湾媒体日前还报道,台积电如果在美建厂,将很有可能是3nm制程。

去年,台湾科技部部长杨弘敦就透露了台积电将投资5000亿台币(164.1亿美元)在建立3nm以及5nm制程产线的消息,当时双方已经就建厂地址以及水电供应问题展开了讨论。

不过,在特朗普当选美国总统后,推出了一系列减税等政策来吸引本土和跨国企业,特朗普看中的主要就是制造业。毫无疑问,台积电恰恰是特朗普新政最需要的企业,所以,台积电在美国建厂也在情理之中。更何况今年1月,台积电董事长张忠谋也对外公开了公司可能在美国建厂的想法。

虽然最终的结果还不确定,但如果计划顺利,全新的5nm产线将在2020年实现量产,3nm则会在2022年问世。目前,台积电已经反超英特尔成为了全球最大的半导体厂商,台积电的市值为 1690.14 亿美元,而英特尔则为 1671.44 亿美元。而根据业内人士的说法, 3nm工艺节点将是台积电能否稳固半导体一哥位置的关键因素。

本文转自d1net(转载)

目录
相关文章
|
9天前
|
数据采集 人工智能 安全
|
4天前
|
机器学习/深度学习 人工智能 前端开发
构建AI智能体:七十、小树成林,聚沙成塔:随机森林与大模型的协同进化
随机森林是一种基于决策树的集成学习算法,通过构建多棵决策树并结合它们的预测结果来提高准确性和稳定性。其核心思想包括两个随机性:Bootstrap采样(每棵树使用不同的训练子集)和特征随机选择(每棵树分裂时只考虑部分特征)。这种方法能有效处理大规模高维数据,避免过拟合,并评估特征重要性。随机森林的超参数如树的数量、最大深度等可通过网格搜索优化。该算法兼具强大预测能力和工程化优势,是机器学习中的常用基础模型。
305 164
|
3天前
|
机器学习/深度学习 自然语言处理 机器人
阿里云百炼大模型赋能|打造企业级电话智能体与智能呼叫中心完整方案
畅信达基于阿里云百炼大模型推出MVB2000V5智能呼叫中心方案,融合LLM与MRCP+WebSocket技术,实现语音识别率超95%、低延迟交互。通过电话智能体与座席助手协同,自动化处理80%咨询,降本增效显著,适配金融、电商、医疗等多行业场景。
318 155
|
12天前
|
SQL 自然语言处理 调度
Agent Skills 的一次工程实践
**本文采用 Agent Skills 实现整体智能体**,开发框架采用 AgentScope,模型使用 **qwen3-max**。Agent Skills 是 Anthropic 新推出的一种有别于mcp server的一种开发方式,用于为 AI **引入可共享的专业技能**。经验封装到**可发现、可复用的能力单元**中,每个技能以文件夹形式存在,包含特定任务的指导性说明(SKILL.md 文件)、脚本代码和资源等 。大模型可以根据需要动态加载这些技能,从而扩展自身的功能。目前不少国内外的一些框架也开始支持此种的开发方式,详细介绍如下。
873 6
|
5天前
|
机器学习/深度学习 人工智能 前端开发
构建AI智能体:六十九、Bootstrap采样在大模型评估中的应用:从置信区间到模型稳定性
Bootstrap采样是一种通过有放回重抽样来评估模型性能的统计方法。它通过从原始数据集中随机抽取样本形成多个Bootstrap数据集,计算统计量(如均值、标准差)的分布,适用于小样本和非参数场景。该方法能估计标准误、构建置信区间,并量化模型不确定性,但对计算资源要求较高。Bootstrap特别适合评估大模型的泛化能力和稳定性,在集成学习、假设检验等领域也有广泛应用。与传统方法相比,Bootstrap不依赖分布假设,在非正态数据中表现更稳健。
258 113

热门文章

最新文章