# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
美国政府正在成为 AI 基建的“超级风投”。按公开交易逐笔统计，过去 14 个月，特朗普政府公布的股权或准股权安排已增至约 37 笔。
近日，美国商务部又与七家半导体产业链企业签署非约束性意向书，拟提供最高 8.74 亿美元研发资金，并在最终协议中取得少数、非控股股权。GlobalFoundries、Kepler Computing、Multibeam、Extropic、Thintronics、OBSIDIA 和 Aeluma，分别落在硅光、AI 存储、半导体设备、新型计算、互连材料和供应链检测等环节。
与此前更多投向大型制造项目和资源资产不同，这批资金开始进入研发周期更长、商业化尚未完成验证的早期技术。今年 5 月，美国商务部向九家量子计算企业提出约 20.13 亿美元拟投资；6 月，又分别与 SandboxAQ 和 I-Pulse 签署最终协议。
英特尔提供了一个已经可以计算回报的样本。2025 年 8 月，美国政府用 88.9 亿美元换取英特尔 9.9% 的普通股。按 2026 年 7月31日收盘价计算，英特尔市值超过 4000 亿美金，名义账面浮盈超过 300亿 美元。由于部分 Secure Enclave 项目资金尚未拨付，其中约三分之一的股份仍在托管账户。
最新七笔交易则把政府持股进一步推向半导体产业链的早期技术环节，也显示出美国当前重点支持的下一代芯片方向。
AI 数据中心正在把光引擎从交换机面板移到交换芯片附近。CPO 缩短交换芯片与光引擎之间的高速电连接，降低信号损耗和互连功耗，也将更多制造难点集中到光电芯片的集成、封装和测试。
硅光芯片还要与先进制程电芯片连接，再经过光纤耦合、封装和测试，才能进入交换机和服务器。光芯片与电芯片之间的良率差异、光纤对准精度，以及封装后的测试和返修，都会影响 CPO 的制造成本和导入速度。GlobalFoundries 的布局也由硅光器件制造逐步延伸到光电芯片集成和先进封装。
2022 年，公司推出 GF Fotonix，将光学器件和高性能 CMOS 纳入同一套硅光制造平台。Cisco 参与定制硅光方案开发，NVIDIA 部分数据中心互连方案采用 GF Fotonix 平台制造；Ayar Labs 参与平台早期的工艺和 PDK 开发，Lightmatter 随后也选择 Fotonix 生产 Passage M1000。不同客户设计的产品，由此开始在同一套平台上完成硅光制造。
在晶圆制造平台之外，GlobalFoundries 随后开始补充封装和集成能力。2025 年，美国商务部向公司追加最高 7500 万美元，支持其在纽约建设光子集成电路先进封装中心，新增 Chiplet 集成和晶圆级混合键合能力。该项目计划衔接公司已有的硅光晶圆制造，形成从晶圆制造到封装集成的美国本土流程。
今年 5 月发布的 SCALE 进一步补充了芯片与光纤之间的连接方案。该平台加入波分复用、TSV、细间距铜连接和可拆卸光纤接口，用于连接电芯片、硅光芯片与外部光纤。公司与 Corning 等合作开发的可拆卸连接方案，可以在测试、封装和维护阶段重复拆装光纤，也便于在封装前筛选合格芯片。
若最终协议完成，商务部拟向 GlobalFoundries 提供最高 3 亿美元，用于加快美国本土 CPO 研发。公司 CTO Gregg Bartlett 对 Reuters 表示，资金将支持新的光学材料和制造技术；商务部预计，这项投入可将相关研发进度提前 2 至 3 年。继 Fotonix、纽约封装项目和 SCALE 之后，这笔资金将继续补充 CPO 所需的光电集成、封装和测试能力，并推动相关制造环节在美国本土落地。
数据移动已经成为 AI 计算的性能和能耗约束之一。HBM 通过多层 DRAM 垂直堆叠，并与 GPU 集成在同一封装中，缩短了存储与计算之间的距离；存储 Die 与计算 Die 仍需分别制造，再通过中介层和先进封装连接。
Kepler Computing 选择将铁电存储进一步带入逻辑晶圆厂和 3D 集成体系。今年 1 月，Sasikanth Manipatruni 在 SEMI 产业战略会议上的演讲题目是“面向逻辑晶圆厂的可扩展 AI 存储”。美国商务部随后计划向 Kepler 提供最高 2.45 亿美元，用于开发结合 3D 集成与铁电技术的新型 AI 存储。
Kepler 官网目前只公开了“一类新的 AI 存储与逻辑”以及美国政府投资公告，仍未披露具体产品规格、代工厂和客户名单。在产品公开之前，公司的技术方向主要散落在创始团队履历和专利中。创始人兼 CEO Debo Olaosebikan 于 2022 年被任命为美国商务部工业咨询委员会成员，参与为 CHIPS for America 的半导体研发计划提供建议。
Sasikanth Manipatruni 此前是 Intel FEINMAN 研究中心的创始负责人，研究基于量子材料的新型逻辑与存储器件，以及 Beyond-CMOS 计算。联合创始人 Ramamoorthy Ramesh 曾长期任教于 UC Berkeley，现为 Rice University 教授，主要研究复杂氧化物、铁电材料和低功耗逻辑；其积累的 80 多项专利正在由 Kepler 商业化。
Kepler 自 2019 年起申请的专利，早期围绕计算 Die 与存储 Die 的 3D 堆叠展开，随后延伸至铁电存储单元、晶圆键合、铜互连、Chiplet 热管理，以及存储单元的读写干扰。这些专利呈现出一条将新型存储器件、计算芯片和 3D 封装共同设计的技术路线，但无法确认最终产品会采用哪一种结构。
Kepler 还加入了得克萨斯电子研究所的 NGMM 产业团队。该项目由美国国防高级研究计划局支持，计划建设面向 3D 异构集成的开放研发和原型制造设施，为成员企业提供从技术开发到原型验证的制造条件。
在资金和研究合作方面，Kepler 已进入 AMD Ventures 的投资组合，并资助伊利诺伊大学香槟分校 Naresh Shanbhag 团队开展研究。该团队长期关注低功耗机器学习、集成电路和高能效计算。Kepler 因此同时获得产业资本、学术研究和原型制造资源。
随着 Chiplet 和异构集成把更多不同功能的芯片放进同一封装，重布线层面积扩大，互连间距继续缩小，封装图形也需要根据不同芯片的位置和尺寸进行调整。传统光刻依赖掩模，每次修改都要重新制版；电子束可以直接写入图形，更适合多品种、小批量和定制化封装。长期限制电子束进入生产线的，是写入速度。
Multibeam 将多根微型电子束柱集成到同一台设备中，通过不同束柱并行工作，在保留高分辨率和无掩模能力的同时提高写入效率。公司早期将设备用于快速原型、光子器件和芯片身份标记，随后又把应用范围扩展至 Chiplet 集成、扇出型封装和 3D-IC。
第一套生产系统已经进入 SkyWater 的 200 毫米晶圆厂。双方于 2020 年启动合作，SkyWater 在设备开发阶段提供晶圆厂运行经验，并参与确定性能规格；2024 年，首套生产型 MB 系统交付 SkyWater，可用于原型开发和小批量生产。
2025 年，Multibeam 完成 3100 万美元 B 轮融资，由 Onto Innovation 和 Lam Capital 领投，联电与联发科旗下投资机构参与。资金用于开发面向 300 毫米晶圆和面板级制造的第二代设备，并扩大先进封装应用；2026 年 7 月，新发布的 MBX 平台获得首笔中国台湾订单，将用于半导体研究，并与当地芯片企业开展联合开发。
Multibeam 创始人 David K. Lam 也是 Lam Research 的创始人和首任 CEO，曾参与推动单晶圆等离子刻蚀设备进入市场；Multibeam 当前同样沿着设备开发、晶圆厂验证和生产导入的路径推进。
此次意向书拟向 Multibeam 提供最高 1.4 亿美元，支持多芯片组装、堆叠和高密度互连等先进封装研发。结合公司已公开的 300 毫米晶圆和面板级设备路线，其设备应用正在从 200 毫米晶圆上的原型与小批量生产，向更大尺寸基板和细间距先进封装延伸。
这批投资中，Extropic 的技术路线与现有 AI 芯片体系距离最远。公司把计算重点放在概率采样，试图由芯片直接完成传统 CPU 和 GPU 需要配合伪随机数生成的任务。
天气模拟、药物筛选、工业优化和部分生成式模型都会大量使用这类计算。Extropic 利用电路中的热噪声，让概率比特按照设定比例在 0 和 1 之间变化，直接生成采样结果。
Extropic 的创始团队此前在 Google 从事量子计算研究，后来转向研究如何在室温硅电路中利用噪声。公司已经完成 X0 原型芯片和 XTR-0 开发系统，天气 AI 公司 Atmo 使用过其软件和芯片，并验证了少量概率比特的基本行为。下一代 Z1 计划采用标准 CMOS 工艺，将概率电路扩大到单芯片数十万个，面向更大规模的模拟、优化和 AI 任务。
除计算架构外，这轮投资也覆盖 AI 服务器带宽提升后出现的材料问题。随着互连速率从 224G 向 448G 演进，封装基板和 PCB 中的材料损耗开始影响信号传输距离，也增加了系统用于信号补偿的功耗。
Thintronics 开发用于 PCB、封装基板和中介层的低损耗层间介电材料。公司称，采用 TOS 的基板在 224G 和 448G PAM4 链路中可改善 30% 至 50% 的插入损耗，减少高速信号对均衡和功耗补偿的依赖。随着 GPU、交换芯片和光模块之间的带宽继续提高，介电材料也开始影响先进封装和高速互连的性能上限。
更远距离的数据传输正在转向光连接，激光器和探测器的用量随之增加。传统高速光器件大量使用尺寸较小的化合物半导体晶圆，制造成本较高，产能扩张也受到晶圆尺寸限制。Aeluma 采用在大直径硅等衬底上异质集成化合物半导体材料的路线，用于制造 AI 光互连所需的光探测器和激光器，并减少对传统小尺寸 InP 衬底的依赖。公司已经与 Tower Semiconductor、Sumitomo Chemical 建立制造合作，并连续承接 NASA 和美国海军的研发项目。
OBSIDIA 处理的是芯片进入分销和电子制造环节后的身份核验。元器件经过封装、分销和转售后，标签、批次与实际芯片可能出现错配；航空航天、汽车和国防设备使用周期较长，旧芯片、改标器件和来源异常的元器件也更难通过抽样发现。公司开发的 ReelScan 被部署在 SMT 生产线之前，对卷带中的芯片逐颗扫描，并与可信样本进行比对。OBSIDIA 披露，首套 Beta 设备已经安装在 ParPro Technologies 的生产现场，用于元器件上板前的验证，ParPro 的客户覆盖航空航天、汽车和国防等行业。
这七家公司规模不同，技术成熟度也相差很大。它们同时进入政府投资名单，说明美国这轮投入关注的已经不只是现有产能，还包括 AI 基础设施形成过程中尚未获得充足市场资金的早期环节。这实质上是用“有形之手”强行填补市场风险的空白，为技术从实验室走向工厂托底。
《芯片与科学法案》实施初期，财政支持主要用于推动晶圆厂和制造项目落地。特朗普政府加入股权条件后，公共资金进一步进入技术验证和客户导入阶段。对于研发周期长、短期收入有限的企业，这相当于增加了一类期限更长、对回报等待时间更宽容的资本，使得资本意志而非单纯市场需求开始主导技术演进路径。
这类投资与采购、补贴、出口管制和盟友合作同时推进，也会影响技术进入市场的速度。政府资金可以帮助企业跨过早期研发和量产验证阶段；企业一旦形成产品和产能，相关技术又更容易进入美国本土供应链。今天的资金选择，可能逐步转化为几年后的产业标准、供应商体系和管制边界。
进入“十五五”周期，中国企业就不能只盯着静态的“卡脖子”清单。美国资金流向哪些企业、支持哪些尚未成熟的方向，以及这些方向如何与管制政策和盟友产能衔接，都可以成为判断下一轮产业变化的前置信号。
国内在制造、封装和系统集成环节形成的规模优势，仍需向芯片、设备、材料和测试验证延伸。下游出货持续增长后，少数上游环节的缺口会被进一步放大；等限制真正影响交付时，再补研发、产能和验证体系，所需时间通常已经超过一个产品周期。这种“滞后补课”的成本，在未来将呈指数级上升。
下一轮 AI 基础设施竞争的差距，可能先在这些尚未规模化的环节里形成。等终端产品进入大规模交付，前期的资本投入、技术路线和供应链位置，往往已经决定了企业能够进入多大的市场。
参考资料：
https://www.commerce.gov/news/press-releases/2025/01/us-department-commerce-announces-chips-incentives-awards-corning
https://gf.com/news-and-events/news/globalfoundries-accelerates-adoption-of-co-packaged-optics-for-advanced-ai-data-centers-with-scale-optical-module-solution/
https://www.reuters.com/world/china/us-award-globalfoundries-300-million-develop-faster-ai-chip-links-2026-07-29/?utm_source=chatgpt.com
https://www.semi.org/en/semi-press-release/semi-industry-strategy-symposium-2026-gathers-executives-to-analyze-semiconductor-industry-challenges-and-opportunities
https://www.commerce.gov/news/press-releases/2022/09/us-department-commerce-appoints-first-members-industrial-advisory?utm_source=chatgpt.com
https://vcresearch.berkeley.edu/faculty/ramamoorthy-ramesh?utm_source=chatgpt.com
https://news.rice.edu/news/2024/rice-researchers-advancing-microelectronics-manufacturing-darpa-funded-team?utm_source=chatgpt.com
https://www.amd.com/en/ventures/portfolio.html?utm_source=chatgpt.com
https://multibeamcorp.com/multibeam-debuts-semiconductor-industrys-first-multicolumn-e-beam-lithography-mebl-system-for-volume-production/?utm_source=chatgpt.com
https://www.aeluma.com/investors/news-events/press-releases/detail/99/aeluma-secures-more-than-4-million-in-contracts-for
https://www.linkedin.com/posts/obsidiasemi_semiconductors-supplychainsecurity-hardwaresecurity-activity-7472777495243616256-pHjC/
文章来自于"有新Newin"，作者 "有新"。
