近日，据行业消息透露，英伟达对其下一代人工智能芯片Rubin Ultra的架构设计进行了重大调整，决定放弃原计划的4-Die封装方案，转而采用更为成熟的2-Die架构。这一决策背后，是先进封装技术面临的物理极限与成本压力双重挑战。
物理极限与成本压力导致方案调整 根据业内分析，4-Die架构虽然能够提供更高的性能，但其封装尺寸将达到光罩极限的8倍左右。这种急剧膨胀的封装面积不仅会严重影响制造良率，还会显著推高生产成本。英伟达经过权衡后认为，回归2-Die架构能够更好地平衡制造成本与量产效率。
技术路线与量产规划 Rubin Ultra将采用台积电N3P工艺节点，结合CoWoS-L先进封装技术。值得注意的是，英伟达并未因此削减台积电的晶圆代工订单，而是正在微调投片策略，将更多产能向当前的Blackwell架构倾斜。预计采用2-Die架构的Rubin Ultra将于2027年推向市场。
行业背景与影响 这一调整反映了人工智能芯片行业面临的一个普遍挑战：在追求性能突破的同时，必须兼顾制造的可行性和经济性。随着人工智能芯片对先进制程需求的急剧攀升，台积电3纳米工艺节点的产能已经极度紧张。数据显示，到2027年，人工智能芯片预计将占据3纳米产能的36%。
Rubin Ultra作为英伟达面向2027年下半年的下一代AI超算平台，其单机柜将集成576颗GPU的扩展能力。虽然封装方案有所调整，但其核心创新如正交背板、集成光引擎等技术仍将保持，确保系统整体性能不受影响。
这一决策展示了芯片设计领域中性能与商业可行性的微妙平衡，也为行业提供了宝贵的经验：在摩尔定律逼近物理极限的今天，单纯追求技术突破而不考虑经济性可能并非选择。
