晶圓級晶片正在成為 AI 算力產業的新焦點。今年，OpenAI 與 Cerebras 簽訂了一份為期三年的算力採購協議，涉及最高 750MW 的計算容量，分批在 2028 年前交付，外界估算這份協議的潛在總價值超過 200 億美元。Cerebras 的產品正是晶圓級晶片，採用整晶圓一體制造方式，完全靠光刻能力將整張晶圓製造成一個晶片。今年 Cerebras 也在美股上市，上市後首季財報顯示營收達 1.93 億美元、同比增 94%，雲服務收入同比增 178%。

Cerebras 的訂單讓晶圓級晶片從製造技術問題變成計算產業問題。與此同時，押注晶圓尺度的不止 Cerebras：特斯拉重啟 Dojo 3；中國高校、科研機構和企業也陸續公佈了 12 英寸驗證樣機、多芯粒原型和產品規劃。晶圓級晶片正在變成 AI 算力產業的現實選擇。

AI 系統為何需要走向晶圓級？瓶頸正從計算轉向資料搬運。模型執行時，權重和啟用值需要在計算與儲存之間反覆傳輸，多顆晶片還要持續交換和同步資料。資料一旦離開晶片，就要經過封裝 I/O、PCB、網絡卡、交換晶片和光模組。叢集越大，花在通訊上的功耗和成本越高，新增 GPU 也越難轉化為等比例的有效算力。

產業目前有兩種解決思路。一種方式是繼續擴大機架級計算域，例如輝達的 GB200 NVL72 把 72 顆 GPU 通過 NVLink 組織為一個液冷機架；華為的 CloudMatrix 384 則以 384 顆昇騰 910C 和高速互連構成超節點，把機架做得更像一台計算機。另一種方式是縮短物理距離——晶圓級系統把原本發生在板間、機櫃間的資料交換壓縮到封裝內甚至晶圓內，用毫米級互連替代釐米級、米級網路。它的核心價值不是增加更多計算單元，而是減少資料搬運。

兩條路線各有取捨。超節點軟體生態成熟，更容易擴容和更換硬體，但要承擔更高的網路成本；晶圓級系統以高度定製的製造、供電、散熱和軟體換取更高頻寬、更低延遲和更高能效。今年 7 月，AMD 與 Cerebras 公佈分離式推理合作，由 AMD Helios 負責計算密集的 prefill，Cerebras WSE 負責延遲敏感的 decode。兩家公司測算，這種組合相較單獨使用 WSE，Token/瓦最高可提升 5 倍。這說明，晶圓級晶片未必取代 GPU，更可能成為異構資料中心的一層，接管通訊密集、延遲敏感的工作負載。

晶圓級晶片有兩條技術路線。傳統大晶片首先受光刻尺寸約束，先進光刻單次曝光覆蓋區域約 800 多平方毫米，即掩模尺寸極限。以輝達 H100 為例，其裸片面積約 814 平方毫米，已接近這一範圍。產業界通常所說的“晶圓級晶片”實際包含兩類系統：第一類是整片晶圓單一邏輯系統，Cerebras 的 Wafer Scale Engine（WSE） 是最典型且已形成商業交付的產品。WSE-3 採用 5nm 工藝，面積 46,225 平方毫米，整合 4 萬億電晶體、90 萬個 AI 核心，峰值算力 125 PFLOPS。高度一體化使 Cerebras 必須控制晶圓級封裝、供電、液冷、整機、編譯器和叢集軟體等更多產業環節，實際銷售的不是一顆標準晶片，而是一套從矽片延伸到雲服務的計算系統。

第二類是重構式多芯粒晶圓級系統，先製造、切割和測試芯粒，再把已知良品重新整合到晶圓尺度的互連平台上。Tesla Dojo 是最具代表性的案例：Tesla 負責 D1 晶片、訓練架構和軟體，台積電通過 InFO_SoW 晶圓級扇出封裝，將 25 顆 D1 晶片組成一個 Training Tile。與 Cerebras 相比，這條路線不需要讓存在缺陷的整片邏輯晶圓繼續工作，可降低前端製造良率風險，也更容易混合不同工藝、不同功能的芯粒。Dojo 之後，台積電把晶圓級整合從單一客戶專案擴充套件為通用代工平台，其 SoW-X 計劃進一步整合邏輯芯粒、HBM 和 I/O，目標在 2027 年進入生產。此外，晶圓級封裝、混合鍵合和 3D 堆疊等工藝雖在晶圓階段完成部分工作，但最終產品可能仍是普通尺寸封裝，它們是晶圓級計算的技術基礎，卻不等於晶圓級計算系統。

中國晶圓級晶片也有新進展。高校方面，2025 年清華大學尹首一、胡楊團隊有三項晶圓級計算成果進入 ISCA，覆蓋全晶圓計算拓撲、整合架構和大模型推理對映三個層次。論文實驗中，其拓撲方案相對 Dojo 實現 2.39 倍吞吐提升；整合架構在相同成本模型下實現 2.90 倍算力、2.11 倍通訊頻寬和 11.23 倍記憶體頻寬；WSC-LLM 對映方案相對論文選定的 GPU 叢集，平均效能提升 3.12 倍。團隊還聯合清微智慧成功研製了 12 寸晶圓級 AI 晶片驗證樣機，實現“一片晶圓即一顆晶片”。

另一項成果是中國科學院計算技術研究所等機構研製的“映天湖”，由中科院計算所、中國電子科技集團公司第五十八研究所和無錫芯光互連技術研究院共同完成，採用“計算模組+互連基板”解耦架構，相容 CPU、AI、DSP、交換和儲存等不同芯粒。論文披露，團隊完成了由 16 個計算模組組成的原型系統，相關晶片採用 TSMC 28nm 工藝流片，單晶圓達到千萬億次計算能力，高效能線性代數和深度學習推理任務指標分別改善約 1.45 倍和 1.78 倍。

今年，中科院計算所團隊還提出 Ouroboros，一種基於晶圓級 SRAM 的存算一體架構，在一塊 12 英寸晶圓上整合 54GB 的 SRAM，足以讓主流 7B、13B 乃至更大模型的引數、啟用值和 KV Cache 完全駐留在第一級儲存中。平均吞吐量達到現有頂尖系統的 4.1 倍，平均能效提升至 4.2 倍；在 13B 引數模型上吞吐量最高達 9.1 倍，能效比提升到 17 倍，單晶圓推理 Llama 13B 模型在 WikiText-2 資料集上系統吞吐量可穩定達到 15 萬 tokens/s。

企業側也開始釋放產品化訊號。今年 5 月，新紫光集團釋出“紫弦”三維化近存計算架構，採用 3D DRAM 與首創的 3.5D 異質異構整合路線，儲存頻寬可達 30TB/s，優於行業最新 HBM4 標準；PNM 近存計算模式下訪存延遲最大降低 18 倍；模擬模擬顯示，同等算力條件下 Token 吞吐率較國際旗艦級產品高出 1.5 至 2 倍以上。新紫光集團聯席總裁陳杰表示，“紫弦”架構將 10 到 20 顆不同種類的裸片整合在單一晶片內，已逼近單晶片微縮的物理邊界，下一步更深度的整合必須依託晶圓級技術。清微智慧的可重構計算已從 1.0、2.0 發展到 3.0，下一步將進入面向晶圓級計算的 4.0；產品從 TX81 演進到 TX82，再到規劃中的晶圓級晶片。互連環節，井芯微電子推出軟體定義互連晶片和橋接產品，其 SDI3210 最多支援 32 個埠或 32 路高速通道，PRB0400 PCIe Gen2/RapidIO Gen2 橋接晶片已量產，2026 年又釋出面向晶上系統的 RDMA 對等通訊 IP 和專用中介軟體。

當前，晶圓級計算已經從技術驗證走向產業驗證。接下來比拼的不再是面積和電晶體數量，而是真實負載下的效能、功耗、成本和交付能力。它不會取代 GPU 和超節點，但可能率先進入通訊密集的 AI 推理與專用計算。對中國而言，機會不是複製一顆 WSE，而是把芯粒、互連、封裝和軟體組合成可用的晶圓級系統。晶圓級晶片，將成為下一個競爭關鍵。