晶圆代工怎么选：从工艺到服务的六步决策指南

一家AI芯片初创团队拿到首笔融资，工艺选5nm还是3nm？产能能否按时交付？代工成本占研发支出多大比例？这些不是简单的选择题，而是关乎产品上市节奏和竞争力的关键决策。

工艺节点：匹配应用，而非追逐极限

工艺节点是代工选择的首要环节，但并非越新越好。对于AI推理芯片，成熟的7nm或12nm往往能满足性能要求，且流片风险低、成本可控。训练芯片则需要更先进节点，如5nm或3nm，但需评估代工厂在该节点的量产经验。2026年预计2nm将进入量产，但初期良率爬坡阶段可能不适用于追求稳定的产品。

• 应用场景决定起点：边缘端芯片对功耗敏感，可考虑16nm或28nm；云端高性能芯片则需5nm或更优。
• 节点成熟度评估：参考代工厂已量产的芯片数量与时间，而非单纯看纸面参数。
• 风险与成本平衡：小节点流片费用动辄上千万美元，且设计复杂度高，需预留充足迭代预算。

产能与交期：锁定供给，规避断链风险

AI芯片出货量波动大，代工厂的产能弹性直接影响交付。2026年全球产能仍集中在少数几家，高端节点尤其紧张。评估产能时，不仅要看当前产能，更要关注未来扩建计划。

• 产能分配策略：头部代工厂通常将大部分产能预留给长期客户或大订单。初创公司可寻求中小型代工厂，或通过“产能预订”锁定时段。
• 交期透明度：要求代工方提供按月的交期计划，并明确延期补偿条款。实际案例中，交期延误3个月可导致产品错过市场窗口。
• 多重备选方案：同一芯片设计可同时适配两到三家代工厂的工艺平台，降低单点依赖。

良率与一致性：数据说话，拒绝模糊承诺

良率直接影响芯片成本和毛利率。代工厂常提供“预期良率”，但实际值往往随芯片面积和设计密度变化。获取真实数据的少有的途径是查看同类型产品的量产历史。

• 良率参考基准：要求代工方提供与自家芯片面积相近、工艺节点相同的产品良率范围，而非整体平均值。
• 一致性表现：同一批晶圆内不同芯片的性能偏差是否在可接受范围？需要代工方提供CP（晶圆测试）分布数据。
• 改进承诺：对于良率未达标的批次，代工厂是否有修正计划？合同应明确良率超过某个阈值后再支付尾款。

设计支持：PDK与IP库的质量决定开发效率

代工厂提供的工艺设计套件（PDK）和基础IP库直接关系芯片能否一次流片成功。优秀的PDK应包含完整的模型、仿真脚本和DRC/LVS规则，且更新及时。

• PDK成熟度：检查PDK是否针对主流EDA工具优化，以及是否经过多批次流片验证。2026年部分代工厂已推出AI辅助版图生成工具，可大幅缩短设计周期。
• IP库覆盖：高速接口（HBM、PCIe 5.0/6.0）和存储器编译器是否齐全？第三方IP认证流程是否清晰？
• 技术支持响应：设计阶段遇到问题，代工厂的FAE能否在24小时内给出解决方案？这点常被忽略，却关乎流片成功率。

成本结构透明性：隐藏陷阱需提前识别

代工成本远不止流片费。掩膜版成本、晶圆单价、测试费用、封装适配费用，甚至工程变更费用，每一项都可能超出预算。

• 全生命周期报价：要求代工方提供从流片到量产打包报价，包括光罩层数对应的掩膜版费、每片晶圆的固定与可变成本。
• 价格锁定条款：2026年材料价格上涨压力仍在，合同应明确是否允许代工厂在交货前调整单价，以及调整上限。
• 测试与良率相关性：低良率会推高单颗有效芯片的成本，必要时签署“按有效晶圆计价”的协议。

长期合作与供应链安全：地缘政治下的多源策略

AI芯片涉及国家安全热点，代工地点和客户背景可能受到政策限制。选择代工厂时，需评估其所在国的出口管制和政治稳定性。

• 技术封锁风险：涉及高端节点或特定AI架构的芯片，需确认代工厂是否有权为之生产。2026年部分区域已出台新的半导体技术出口条例，尽早咨询法务合规。
• 多源化布局：同一芯片设计可借助工艺移植技术（如GDSII转换）在两家代工厂间切换，但前期需投入额外工程资源。
• 长期承诺与弹性：与代工厂签订3-5年框架协议，锁定优先产能，同时保留每年修改订单量20%的灵活性。

常见问题