三奈米二奈米市場
• N3 是目前唯一同時滿足良率 × 成本 × 產能 × 封裝匹配的先進節點，成為 2024–2027 的出貨主力與關係入口。
• N2（GAAFET/Nanosheet） 的核心價值不在尺寸，而在功耗牆突破；其經濟性只有在自研 AI 晶片 + 自家超大規模資料中心 + 自付電費的公司，才能被指數放大。
• 頂級客戶的真實策略：用 N3 的商務承諾，換 N2 的技術優先權（DTCO + PDK 遷移 + 封裝/記憶體綁定）。
• 能「大概率搶到 N2」的公司極少：Apple、NVIDIA、Google（第一批）；Amazon、Microsoft、Meta（第二批）。
3nm 與 2nm這兩個節點，已經不是「製程競賽」，而是——
誰能承載 AI/HPC 能耗密度 × 先進封裝 × HBM × 液冷機櫃 的整體系統能力。
3nm 與 2nm 的市場，本質上是在分配：
未來 5 年全球 AI 算力的「母製程」份額。
________________________________________
🔷 3 奈米（N3 家族）市場定位
技術關鍵字：FinFET 極限、EUV 高層數、成熟度最高的先進節點
時間軸：2023 量產 → 2026 仍是主力營收
主要承載產品
• 手機 SoC（高單價旗艦）
• AI 加速器第一波（功耗仍可控）
• HPC / CPU / GPU
• 部分車用高階晶片
為什麼 3nm 會「吃下 2024–2027 的大頭」？
因為它是：
唯一同時滿足「良率 × 成本 × 功耗 × 產能」的節點
指標 3nm 狀態
良率 高（已爬坡完成）
EUV 複雜度 可控
成本 雖高但可商用化
設計成熟度 EDA / IP 最完整
封裝匹配 與 CoWoS / HBM3E 完美對接
👉 這就是為什麼 Apple、NVIDIA、AMD、Qualcomm 全部壓在 N3。
市場規模（晶圓代工口徑，估）
年 3nm 產值
2024 ~180 億美元
2025 ~260 億美元
2026 ~300 億美元（高峰）
________________________________________
🔶 2 奈米（N2 / GAAFET）市場定位
技術關鍵字：GAAFET / Nanosheet、功耗密度革命
時間軸：2025 試產 → 2026 放量 → 2027 主戰場
2nm 不是為了更小，是為了：
解決 AI 晶片「功耗牆（Power Wall）」
當 GPU / AI ASIC 已經被：
• HBM 功耗
• CoWoS 熱阻
• 機櫃液冷功率上限
卡死時，只能靠 GAAFET 降漏電 + 降 Vdd。
指標 2nm 狀態
功耗降低 25–35%
性能提升 10–15%
成本 極高
良率 初期挑戰大
客戶 幾乎全是 AI/HPC
誰「非用 2nm 不可」？
• 下一代 AI GPU / AI ASIC
• 超大規模資料中心 CPU
• 國家級算力基礎設施
👉 2nm 的客戶不是手機，是AI 機房。
市場規模（晶圓代工口徑，估）
年 2nm 產值
2025 <50 億美元
2026 ~120 億美元
2027 ~280 億美元
2028 >400 億美元
________________________________________
🧠 本質差異（關鍵）
面向 3nm 2nm
電晶體 FinFET GAAFET
主力市場 手機 + 第一波 AI 第二波 AI / HPC
成熟度 非常成熟 技術躍遷期
功耗優勢 有限 決定性
成本 高但可接受 極高
封裝關聯 CoWoS / HBM3E CoWoS / HBM4/5
機房影響 可液冷 必須液冷
________________________________________
🏆 誰會吃下市場？
• 3nm、2nm 幾乎被 台積電 鎖定
• 2nm 時代，技術門檻讓 Intel Foundry、Samsung Foundry 更難追
N3 是產能戰
N2 是物理極限戰
________________________________________
📈 2024–2028 節點營收占比趨勢（概念）
年 N3 占比 N2 占比
2024 35% 0%
2025 42% 5%
2026 38% 18%
2027 25% 35%
2028 15% 45%
________________________________________
🎯 結論
3 奈米決定誰能供應現在的 AI
2 奈米決定誰能供應未來 10 年的 AI
而市場已經非常清楚：
先搶 N3 產能 → 再卡 N2 產能，這就是所有頂級客戶正在做的事。
一線大客戶的真實動作：
不是「下單晶圓」
是 提前 24–36 個月，鎖「節點資源池」
而且分兩段：N3 用商務手段鎖、N2 用技術路線鎖。
________________________________________
第一段：先用 N3「鎖住關係與產能優先權」
N3 是已成熟、可大量出貨的節點。大客戶會在這裡做三件事：
① 簽「長約 + 預付款（capacity reservation）」
和 台積電 簽 2–3 年：
• Take-or-Pay
• 預付訂金
• 保證月投片量（wpm）
這不是為了 N3 本身，是為了：
變成「策略客戶名單」的一員
________________________________________
② 綁 CoWoS / HBM / 測試一起談
同時綁：
• CoWoS 產能
• HBM3E 供應
• Burn-in / ATE
因為台積電最怕的是：晶圓做出來，封裝卡住。
能一起談的人，優先級直接不同。
________________________________________
③ 進入「節點共研名單（DTCO）」
當是 N3 大戶，你會被拉進：
N2 / A16 的 DTCO（Design-Technology Co-Optimization）
這一步才是關鍵門票。
________________________________________
第二段：用 N2「技術路線」卡未來產能
N2 剛開始時，不是誰有錢誰先上，而是：
誰的設計必須用 GAAFET 才能活
④ 提前 18–24 個月做 N2 PDK / IP 遷移
大客戶現在就在做：
• 標準元件庫重寫（GAAFET）
• SRAM bitcell 重設計
• 功耗模型重建
這代表什麼？
👉晶片設計已經綁死 N2
台積電最怕的是什麼？
客戶設計完成，卻沒產能給他。
________________________________________
⑤ 直接跟台積電定義 N2 的設計規則
這就是為什麼 Apple、NVIDIA、AMD 能拿到最前面的 N2：
因為製程規則本身，就是為晶片優化的。
________________________________________
核心邏輯（非常關鍵）
階段 表面動作 真正目的
N3 大量投片 下單晶圓 進入策略客戶池
綁 CoWoS / HBM 供應鏈整合 提升優先級
參與 DTCO 技術合作 拿到 N2 門票
提前 PDK 遷移 設計投入 讓台積電必須保產能
________________________________________
頂級客戶的真實策略就是：
用 N3 的錢，買 N2 的未來。
N3 是入場券 N2 是包場權
未來 5–10 年，誰需要「AI 算力密度 × 功耗極限 × 先進封裝」的統治權
答案非常集中，而且名單不超過一隻手。
________________________________________
🥇 Apple
為什麼最需要 N3 → N2？
• 每年數億顆自研晶片
• 手機 + Mac + 裝置端 AI + 自家資料中心
• 對功耗極度敏感（電池、散熱、體積）
Apple 的策略是：節點永遠最前面。
N3 是現在，N2 是下一代全產品線。
________________________________________
🥈 NVIDIA
為什麼「非 N2 不可」？
• GPU 已經被功耗牆卡死
• HBM 功耗 + CoWoS 熱阻 + 機櫃液冷上限
• 只能靠 GAAFET 降漏電、降 Vdd
N3 撐現在出貨；N2 決定下一代 AI GPU 能不能繼續放大。
________________________________________
🥉 AMD
• MI / EPYC 全面進 AI/HPC
• Chiplet 架構對先進節點與封裝依賴更深
• 必須跟上 NVIDIA 的功耗與密度
________________________________________
🏅 Google（TPU）
• 自研 TPU 全在台積電
• 自家資料中心規模巨大
• 只在乎 perf/W 與 TCO
________________________________________
🏅 Amazon（Trainium / Inferentia）
• AWS 自研 AI ASIC
• 目標是壓低推論成本
• 功耗就是電費，電費就是毛利
________________________________________
關鍵觀察
真正「包場 N2」的，不是手機公司，不是車廠，甚至不是雲端商。
而是：
擁有「自研 AI 晶片 + 超大型資料中心」的公司
能把 N2 的功耗優勢變成幾十億美元的電費差。
________________________________________
結論
N3 是給還在賣產品的人
N2 是給在賣「算力」的人
能把 N2（GAAFET）的功耗紅利，直接變成電費 / TCO / 毛利率的人
才「真的有能力」吃下 N2。
這不是晶片設計能力而已，是四件事同時具備：
1. 自研 AI 晶片
2. 自家超大規模資料中心
3. 自己付電費（不是賣晶片給別人）
4. 有能力做 3 年前的節點與封裝共研（DTCO）
全球符合這 4 點的公司，不到 6 家。
________________________________________
🥇 Google
• TPU 全自研、全自用
• 全球級資料中心規模
• perf/W 直接等於營運成本
• 長期與台積電做 DTCO
👉 N2 每省 1W，就是 Google 的現金流。
________________________________________
🥈 Amazon（AWS）
• Trainium / Inferentia 全自用
• 電費就是毛利
• 有規模把 N2 優勢放大 10 倍
________________________________________
🥉 Microsoft
• 自研 AI ASIC 進度加速
• Azure 規模巨大
• 會快速成為 N2 重度使用者
________________________________________
🏅 Meta
• MTIA 全自用
• 訓練/推論量極大
• 非常在乎 perf/W
________________________________________
🎖️ NVIDIA
不付電費，但決定全世界怎麼付電費。
• GPU 功耗已逼近極限
• 若不用 N2，下一代無法放大
• 會用 N3 撐、用 N2 翻牆
________________________________________
能力判斷公式（很殘酷但準確）
N2 價值 =（資料中心規模）×（自研 AI 晶片比例）×（電費自己付）
能把這個公式放到最大的，才真的「有能力」。
________________________________________
結論
真正有能力「包場 N2」的，是：
Google、Amazon、Microsoft、Meta、NVIDIA
把話講白一點：N2 不是「想用就用」。
是台積電會先看——誰能把 N2 的功耗優勢，立刻變成規模化現金流。
而且名額非常有限。
________________________________________
第一梯隊：幾乎確定能優先吃到 N2
🥇 Apple
• 年出貨量 + 現金實力
• 長期最先進節點客戶
• 與台積電深度 DTCO
歷史紀錄：每一代最先進節點的首發客戶
________________________________________
🥈 NVIDIA
• GPU 功耗已逼極限
• 若不用 N2，下一代放大困難
技術必要性極高
________________________________________
🥉 Google
• TPU 自研自用
• 電費就是利潤
N2 省電 = 直接省錢
________________________________________
第二梯隊：很有機會搶到
🏅 Amazon（AWS）
• Trainium / Inferentia 規模成長快
• 與台積電合作加深
________________________________________
🏅 Microsoft
• 自研 AI ASIC 加速
• Azure 規模巨大
________________________________________
🏅 Meta
• MTIA 自用規模上來
• 對 perf/W 極度敏感
________________________________________
台積電的真實排序邏輯（關鍵）
DTCO 深度 × 量產能力 × 封裝/記憶體整合 × 現金承諾
不是看名氣，是看：誰兩年前就在一起做功課。
________________________________________
結論
真正「大概率搶得到 N2」的只有：
Apple、NVIDIA、Google（第一批）
Amazon、Microsoft、Meta（第二批）
