“CoPoS热” 背后,AI 倒逼半导体封装进入 "板级时代"
近年来,伴随着生成式AI与大语言模型的快速发展,用来训练AI大模型的数据量越来越庞大,单芯片晶体管密度却已逼近物理与经济双重极限。以GPT-4为例,其训练参数量达到了1800B,OpenAI团队使用了25000张A100,并花了90-100天的时间才完成了单次训练,总耗电在2.4亿度左右,成本约为6300万美元。 在惊人数据量的背后,隐藏着AI爆发式发展对半导体行业提出的算力和存力等挑战。如何应对挑战?凭借面板级RDL与玻璃基板实现关键突破,在产能、良率与成本之间重构平衡,CoPoS(Chip-on-Panel-on-Substrate)正在给出答案。