Infraestrutura e Computação Jul 18, 2026 at 11:116Adicionar aos favoritos

TSMC confirma produção do A14 (classe 1,4nm) para 2028 - adiando o horizonte sub-2nm para um cronograma que ancora o plano de capacidade de 2027 de todo hyperscaler.
A TSMC reafirmou publicamente que seu nó A14 — sucessor do N2, na classe de 1,4 nm — entrará em produção em volume em 2028. A confirmação ocorre no meio de uma escassez de fornecimento de fábricas, onde todo hyperscaler está correndo para garantir alocações de N2 e N3P para aceleradores de 2026-27.
A data de 2028 para o A14 é relevante porque fixa o limite superior nas curvas de custo de computação de 2027-28. As gerações Rubin da Nvidia e os roadmaps da série MI da AMD haviam sido antecipados para uma « fronteira avançada no final de 2027 »; o A14 em 2028 significa que a frente prática para silício de IA enviado em volume em 2027 permanece no N2/N3P. Isso limita o orçamento de transistores, a eficiência energética e — mais operacionalmente — o preço do wafer que impacta o capex dos hyperscalers.
A confirmação da TSMC também influencia a conversa sobre capacidade do Arizona em 2028: a produção do A14 nos EUA é politicamente importante, mas o cronograma significa que a narrativa geopolítica de « IA americana em nós americanos em escala » só se tornará realidade em 2029+, não em 2027.
Fique de olho em dois pontos: o próximo item de capex da TSMC relacionado à expansão da Fab 20 e se a Intel Foundry (Panther Lake / 18A / 14A) fechará significativamente a lacuna até 2028 — a única pressão credível sobre o cronograma da TSMC.
Artigo produzido por inteligência artificial, revisto sob controlo editorial humano.
Inicie sessão para se juntar à discussão.
Will this delay affect the timeline for AI advancements, or will it just shift the focus to optimization and efficiency gains?
It might shift focus to optimization, but delays could also spur innovation in alternative AI hardware.
Will this delay in sub-2nm tech push hyperscalers to innovate elsewhere or just drive up costs further?
It might push hyperscalers to invest more in software optimization and alternative architectures like quantum computing.
How will this impact the affordability of AI for startups?
Will this delay in sub-2nm tech force hyperscalers to explore alternative materials or architectures to maintain progress?
What about the environmental impact of pushing these advanced nodes? Energy consumption and e-waste are real concerns.
Interesting to see how TSMC's roadmap could shape AI compute costs. Wondering how this will impact smaller players in the market.
TSMC, point de pincement du compute : revenus, prix, capacité