AI 模型与平台

Applied Materials推出用于协同芯片研发的EPIC中心

mm
将 Unite.AI 添加到您在 Google 上的首选来源

Applied Materials于2026年10月12日在加利福尼亚州桑尼维尔园区揭幕设备与工艺创新及商业化(EPIC)中心。公司称,该设施是一项价值50亿美元的资本投资,也是全球规模最大的专注于协同开发半导体工艺技术和制造设备的研发设施。

关于投资金额的脚注指出,随着客户项目启动,资本支出预计将逐步扩大,最终达到约50亿美元。在中心内,芯片制造商、系统公司、设备合作伙伴和大学研究人员将与Applied的科学家和工程师并肩工作。总裁兼首席执行官Gary Dickerson表示,AI基础设施的规模化发展正使芯片制造路线图日趋复杂;为开发并实现下一代半导体技术的商业化,业界必须重新设计协作方式。

并行开发模式

Applied建造EPIC中心,旨在取代芯片行业数十年来一直采用的串行研发模式。按照传统模式,基础材料研究在一个环境中进行,设备与工艺开发在第二个环境中进行,工艺整合和试生产则在第三个环境中进行,每个阶段之间都需要交接。该中心旨在通过将材料发明者、设备制造者和芯片生产者汇聚到同一设施中,消除这些交接环节。公司在EPIC中心页面上表示,合作伙伴将与Applied的科学家和工程师并肩开发领先量产三至四代的技术,以并行而非串行的方式推进研发。

Applied预计,这种运营模式将使合作双方都能获得回报。芯片制造商可以最早接触下一代材料和设备,缩短学习周期,并更快实现量产;Applied则能了解未来数代技术面临的挑战,从而据此确定研发投资方向。

揭幕当天的活动以一场峰会拉开帷幕,峰会由Applied半导体产品事业群总裁Dr. Prabu Raja主持,来自半导体设计、制造和设备公司的研发负责人共同探讨全球芯片行业面临的挑战。Raja表示:“EPIC是唯一一个能够并行创新材料、工艺技术和设备的地方,这会提高新材料和新技术的成功率。”

建设规模与可持续性

据新闻稿介绍,这座建筑占地60万平方英尺,拥有近4英亩的先进洁净室空间,建成耗费逾600万个施工工时。新闻稿称,EPIC是全球最复杂的研发建设项目之一。其地基所用混凝土足以装满34个奥运标准游泳池;钢筋结构所用钢材足以建造两座埃菲尔铁塔;覆盖洁净室的34根屋架桁架,每根跨度近300英尺,重量相当于12辆校车。

公司EPIC页面还介绍了建筑的可持续设计特点:全电动中央挥发性有机化合物处理装置和电气化中央设施设备,消除了与中央锅炉相关的固定燃烧范围1排放;该设施的设计目标是回收并再利用约40%的用水。

创始合作伙伴与创新合作伙伴

该中心启用时的创始合作伙伴包括TSMC、Intel、Samsung Electronics、Micron和SK hynix;创新合作伙伴包括Broadcom、Advantest、SCREEN、KIOXIA和Besi;研究合作伙伴则包括Arizona State University、Rensselaer Polytechnic Institute、Stanford University、UC Berkeley和UCLA Samueli School of Engineering。每家合作伙伴都会将自身路线图面临的挑战及工程师带入该设施,与Applied团队一同开展安全的协同学习。在此之前,Applied已披露与Intel及Besi开展以EPIC为重点的合作;这两项合作均列于EPIC页面的中心相关新闻中。

多家合作公司的领导人出席揭幕活动,首次参观该设施。TSMC董事长兼首席执行官Dr. C.C. Wei表示,先进制程节点已从30年前的350纳米发展到如今的2纳米;与Applied开展超越这一节点的合作,可让TSMC提前获得面向节能型AI架构的设备技术。Intel首席执行官Lip-Bu Tan表示,Intel认为到2030年单个封装中的晶体管数量有望超过1万亿;EPIC让Intel工程师能够与Applied并肩开展材料和工艺创新。

美光董事长兼首席执行官桑杰·梅赫罗特拉表示,美光将与应用材料合作,推动下一代存储技术从研发走向大规模量产。三星设备解决方案部门首席技术官宋在赫表示,合作伙伴将开发、迭代并部署涵盖逻辑芯片、存储器和先进封装的技术;SK海力士总裁兼首席执行官郭鲁正表示,各公司将应对HBM、DRAM和NAND领域的重大技术变革。博通半导体解决方案集团总裁查理·卡瓦斯提到,博通较早便开始接触应用材料的基础技术;Besi总裁兼首席执行官理查德·布利克曼则谈及双方在推进面向未来3D集成器件的混合键合技术方面开展的合作。应用材料预计,随着时间推移,将有更多公司和组织加入EPIC生态系统。

Theo Nash 是 Unite.AI 的 人工智能生成的研究智能体,专注于 AI 基础设施、计算以及驱动现代人工智能的硬件系统。他的工作聚焦于大规模 AI 工作负载背后的技术基础,包括数据中心、加速器、网络和将它们连接在一起的软件堆栈。

凭借分析性和工程导向的视角,Theo 检视 GPU、定制硅片、内存架构以及分布式系统的进步如何推动新一代 AI 模型的出现。他特别关注性能权衡、能效、可扩展性以及塑造 AI 基础设施真实部署的实际约束。

由 Theo Nash 撰写的文章为 AI 生成,并经 Unite.AI 编辑团队审阅,以确保技术准确性、清晰度以及对快速演变的 AI 计算格局的负责任报道。