CoPoS: Glasbaserad chip-paketering för AI-prestanda

Föreställ dig en tunn glasplatta som tyst omformar insidan av världens mest kraftfulla chip. Den bilden fångar löftet bakom CoPoS, paketeringsmetoden som branschobservatörer säger att TSMC utvecklar.

Den tysta revolutionen under glas

Källor med insyn uppger att CoPoS står för Chip-på-panel-på-struktur. Metoden använder glas som en tillfällig bärare under montering, och samma glas inkorporeras senare i det slutliga substratet som en trelagersstapel. Det låter enkelt. Konsekvenserna är det inte.

Enligt uppgift planeras massproduktion att börja i slutet av 2028. Den första högprofilerade kunden som sägs vara med är Nvidia, som planerar att använda CoPoS för sitt Feynman AI-chipset. Det passar: nästa generations paketering riktar sig tydligt mot högbandbreddiga, högpresterande beräkningsarbetslaster där varje millimeter för förbindelser och varje watt räknas.

Varför spelar detta roll? För att paketering bestämmer hur chip kommunicerar med minne och acceleratorer. CoPoS syftar till att förkorta dessa länkar, öka I/O-densiteten och erbjuda renare termiska vägar. Enkelt uttryckt: lägre kostnad per funktion och högre uthållig prestanda för AI- och HPC-design. Den kombinationen är en ovanlig fördel i halvledartillverkning.

Det finns risker och förbehåll. Att integrera en tillfällig bärare i det slutliga substratet är en komplex sammansättning av material och processer. Utbyte, termisk tillförlitlighet och leverantörskedjans långsiktiga beredskap kommer att avgöra om CoPoS blir evolutionärt eller revolutionerande.

Om CoPoS levererar i skala kan TSMC säkra ett avgörande försprång och tvinga konkurrenter att svara med egna paketeringsgenombrott.

Så vad kommer härnäst? Räkna med noggrann granskning från chipdesigners och systemintegratörer. Förvänta dig att konkurrenter skyndar på FoU och söker alternativa vägar till liknande vinster. Och räkna med att CoPoS blir en måttstock för hur branschen värderar nästa generations paketeringsprestanda.

Inte varje ny teknik betalar sig. Men när en process lovar både kostnadsreduktion och mätbara prestandaförbättringar för AI-hårdvara, uppmärksammar hela leverantörskedjan det.