搜尋

會員登入

搜尋

導覽

會員
廣告
廣告
類別:
關鍵字:

搜尋「先進封裝」,共 611

AI浪潮正從驅動晶片需求進一步延伸至參與晶片設計。隨著AI資料中心、加速運算及實體AI快速發展,半導體晶片的架構與系統複雜度持續攀升,從先進製程、HBM、先進封裝到高速互連與多物理場設計,都讓傳統依賴工程師大量人工操作的開發模式面臨挑戰。在

AI晶片供應鏈的在地化,正從GPU與伺服器進一步延伸至高頻寬記憶體(HBM)。SK hynix於美國印第安納州West Lafayette正式啟動先進封裝基地,投資逾40億美元,規畫2029年下半年開始量產下一代HBM,並且明確將HBM4E

生成式AI競爭正由模型參數與訓練算力,進一步轉向「推論經濟學」。OpenAI公布首款自研推論ASIC「Jalapeno」實測結果,透過晶片、HBM、網路與Serving軟體協同設計,試圖同時突破高吞吐量與低延遲難以兼得的限制,核心指標也由傳

AI晶片持續朝大尺寸、Chiplet與異質整合演進,先進封裝競爭也從CoWoS向更多技術路徑擴散。封測大廠力成科技宣布,布局六年的扇出型面板級封裝(FOPLP)已進入量產準備,現有產能已由兩家主要客戶預訂至2030年,預計2027年開始量產

AI基礎設施投資正在進入第二階段。當GPU、HBM與先進封裝持續擴產,資料傳輸、晶片載板及半導體材料也開始出現供應瓶頸,AI紅利從核心晶片向CPO光互連、FC-BGA與特殊材料快速外溢,帶動台灣、韓國與日本供應鏈重新布局。 台灣光學大廠大立

AI晶片戰場正從GPU延燒至雲端服務商自研ASIC。隨Google持續推進下一代TPU,晶片規模、封裝與系統複雜度同步提高,ASIC開發模式也可能由單一供應商承包,逐步轉向多家設計服務商分工,為台灣IC設計服務產業帶來新的成長空間。 根據摩

SEMI國際半導體產業協會與台灣高鐵公司(台灣高鐵)宣布半導體與交通基礎設施跨域策略合作啟動。台灣高鐵公司董事長史哲、SEMI全球行銷長暨台灣區總裁曹世綸、國立清華大學榮譽講座教授史欽泰、穩懋半導體董事長陳進財、帆宣系統董事長高新明等重要領

在半導體產業過去數十年的發展歷程中,摩爾定律始終是算力競賽的最高指引——只要縮小電晶體尺寸,就能換取更高的效能與更低的能耗。然而,隨著先進製程邁向 2 奈米、進入環繞式閘極(GAA)架構與晶背供電(如 A16)的極限領域,物理邊際效益顯著遞

面對近年來半導體先進封測應用需求節節升高,就連上游材料變化也從傳統矽晶圓直到面板級封裝(PLP)的方形玻璃基板逐步演進,傳統檢測方法已無法應對新挑戰。台灣半導體設備製造及加工技術也隨之推陳出新,成敗關鍵便在於高密度 TGV(通孔)加工品質與

隨著半導體產線高度自動化、設備聯網程度持續提高,資安風險已從企業IT系統延伸至生產設備與OT環境;一旦設備在進廠前即存在弱點、惡意程式或不安全設定,就可能成為攻擊者滲透晶圓廠的重要入口。資策會日前正式啟用全球首家SEMI E187資安檢測實

因應當前AI推動製造業創新與自動化演進,斑馬科技(ZBRA)於8月19~22日假台北南港展覽館 一、二館同期舉辦的台北國際自動化與物流展,呈現由AI、機器視覺和RFID技術驅動的最新智慧自動化解決方案,並瞄準半導體製造、物流與倉儲等產業,協

繼今年8月登錄興櫃以來,東佑達自動化科技接著參與今年8月19~22日舉行的「2026台北國際自動化工業大展」,並在其M120攤位上展出人形機器人的軸關節與肌肉致動器,以及AI高速運算所需CPO光耦合平台、半導體封裝製程的高精度氣浮平台等3大

為深化台美科技交流合作,國科會主委吳誠文率團於美東時間8月13~14日,先後訪問美國德州太空委員會(Texas Space Commission)、德州大學奧斯汀分校(UT Austin),以及賓州匹茲堡卡內基美隆大學(Carnegie M

生成式AI與大型資料中心持續推升GPU、AI ASIC及高頻寬記憶體(HBM)需求,全球半導體競爭焦點正由先進製程延伸至先進封裝。近期台積電擴大部分CoWoS製程委外,加上SK海力士加速美國與韓國先進封裝投資,顯示AI晶片產業面臨的關鍵瓶頸

SK海力士規劃投資約38.7億美元,在美國印第安納州西拉法葉(West Lafayette)建立HBM先進封裝生產及研發基地,並與普渡大學等研究機構合作。官方規劃顯示,新基地預計2028年下半年投入營運,將成為美國重要的HBM先進封裝據點。

AI伺服器持續推升高頻寬記憶體需求,2026年HBM市場正式由HBM3E跨入HBM4世代,產業成長紅利開始由三星電子、SK海力士等記憶體大廠,向韓國半導體設備供應鏈快速擴散。隨著HBM4進入量產,以及12層、16層堆疊技術持續演進,TC B

提升AI晶片供給,關鍵不只在晶圓產能,更在於先進封裝、測試與量測能力能否同步跟上。隨著製程持續微縮、晶片與封裝架構日益複雜,測試不僅要驗證功能與效能是否符合要求,量測更需精準掌握製程參數與微小偏差。由於AI晶片價值與複雜度持續攀升,也讓測試

因前沿AI模型訓練算力每年成長4~5倍,能源供給與資料搬移成本已成為效能擴張的關鍵瓶頸,促使AI效能競爭從單一晶片的效能比拚,轉向設計、記憶與互連協同突破的系統整合工程。今年9月登場的SEMICON Taiwan 2026也預告,將針對3大