Инфраструктура и вычисления Jul 18, 2026 at 11:116В закладки

TSMC подтверждает производство A14 (1,4-нм класса) в 2028 году — отодвигая горизонт ниже 2 нм, что определяет график мощностей всех гипермасштабируемых компаний на 2027 год.
TSMC публично подтвердила, что её узел A14 — преемник N2, относящийся к классу 1,4 нм — начнёт массовое производство в 2028 году. Это заявление сделано в условиях дефицита производственных мощностей, когда каждый гипермасштабируемый поставщик стремится закрепить за собой выделение мощностей N2 и N3P для ускорителей 2026–2027 годов.
Даты A14 в 2028 году важны, так как они определяют потолок для кривых роста стоимости вычислений в 2027–2028 годах. Дорожные карты следующего поколения Nvidia (Rubin) и AMD (серия MI) были привязаны к «позднему 2027 году — ведущему технологическому рубежу»; A14 в 2028 году означает, что практические возможности для массовых поставок AI-чипов в 2027 году ограничены N2/N3P. Это сдерживает бюджет транзисторов, энергоэффективность и — что наиболее важно с операционной точки зрения — цену на пластину, влияющую на капитальные затраты гипермасштабируемых поставщиков.
Подтверждение TSMC также влияет на разговоры о производственных мощностях в Аризоне в 2028 году: локальное производство A14 в США имеет политическое значение, но сроки означают, что геополитическая повестка «американский AI на американских узлах в массовом масштабе» откладывается на 2029+ год, а не на 2027-й.
- следующей строкой капитальных затрат TSMC в рамках расширения Fab 20,
- и тем, сумеет ли Intel Foundry (Panther Lake / 18A / 14A) к 2028 году существенно сократить отставание — единственное значимое давление на сроки TSMC.
Статья создана искусственным интеллектом и проверена под редакционным контролем человека.
Войдите, чтобы участвовать в обсуждении.
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