三星西安工厂将升级236层NAND技术

发布时间:2023-10-23 阅读量:1141 来源: 综合网络 发布人: bebop

10月22日消息,据外媒体报道,存储芯片大厂三星在获得美国政府对其在中国的工厂的“无限期豁免”之后,使得三星在中国的工厂将无需特别许可申请,就可进口美国芯片设备来进行升级或扩产的动作。


报道称,在取得豁免后,三星高层已决定将其为在中国西安NAND Flash闪存工厂升级到236层堆叠的技术,并准备开始大规模扩产动作。


据业内人士10月15日透露,三星高管已批准在其西安工厂升级NAND工艺,并已开始大规模扩张。三星已经开始为这一过渡购买最新的半导体设备,新机器预计将于今年年底交付。


资料显示,三星在中国大陆的西安、苏州拥有存储芯片工厂。其中,西安工厂是三星在华最大投资项目,主要制造3D NAND闪存芯片。三星中国西安工厂的第一期工程投资108.7亿美元,而在2017年开始,三星开始展开第二期工程,两期工程先后共投资了150亿美元。目前,三星西安工厂月产能将达到26.5万张12英寸晶圆,占三星全球NAND闪存芯片总产量的42%。2022年,三星半导体西安工厂产值将突破1000亿元人民币。


三星决定升级其西安工厂主要有两个原因。第一个原因是在NAND闪存市场状况没有复苏迹象的环境下,保持其在NAND市场的全球领先地位。去年年底开始的IT市场低迷和半导体市场疲软影响了三星的NAND业务,导致未售出的库存增加,随后亏损扩大。


另一个原因是美国暂时搁置了对三星和SK海力士的出口限制规定。去年10月,美国政府要求授权将美国制造的设备出售给中国当地的芯片生产基地,用于制造128层以上、14纳米或更小的NAND闪存和18 nm或更小的DRAM。随着美国政府宣布对包括三星电子(Samsung Electronics)和SK海力士(SK hynix)在内的跨国半导体公司“暂时”暂停一年的出口管制。


然而,10月13日,美国商务部工业与安全局(BIS)正式宣布,三星电子和SK海力士的中国工厂将不受美国针对中国的半导体设备规定的约束。随着美国政府宣布这一豁免规定,三星和SK的本地设备获准进入,运营NAND工厂的三星松了一口气。因此,三星电子放心开展其位于西安电子厂的工艺升级动作。


相关资讯
美光Q4营收展望107亿美元超预期,AI存储需求引爆股价

美光科技(Micron Technology)于6月25日发布最新财报,其中对2024财年第四季度的业绩展望显著超越市场预期。公司预计第四财季营收将达约107亿美元,远高于华尔街分析师普遍预测的98.9亿美元。受此积极信号影响,美光股价在盘后交易时段应声上涨,凸显市场对其增长前景的强烈信心。

三星引入三星显示为XR头显供应OLEDoS,索尼独供格局生变

三星电子正计划调整其首款Android XR头显Project Moohan(代号“无限”)的屏幕供应链策略,拟将关联企业三星显示纳入OLEDoS(硅基OLED)面板供应商体系,与索尼形成“双供应商”结构。此举旨在打破索尼的独家供应局面,提升供应链韧性及议价能力。尽管三星显示加入,索尼仍将保持第一供应商地位,但三星电子借此强化了长期布局XR市场的战略基础。

先进封装驱动芯片性能革命,台积电产能扩张应对AI浪潮

台积电与苹果共同开发的晶圆级多芯片模块(WMCM)技术标志着先进封装的新高度。作为InFO-PoP的升级版,WMCM融合CoW(Chip on Wafer)与RDL(Redistribution Layer)等尖端工艺。其核心创新在于采用平面封装架构取代传统垂直堆叠逻辑芯片与DRAM,显著提升散热效率与整体性能。这项独家技术将成为苹果下一代iPhone搭载的A20处理器(预计采用2nm制程)的关键性能支柱。同时,苹果自研的AI服务器芯片正稳步导入台积电的3D晶圆堆叠SoIC封装技术,进一步强化计算密度和能效。

算力、智能与控制的融合:英特尔4U工控机、RK3568主板、HPM伺服板的全面对比

在现代工业自动化向智能化、网络化、柔性化加速演进的大背景下,高性能、高可靠、特定场景优化的核心硬件设备构成了系统的“大脑”、“眼睛”和“四肢”。英特尔4U工控机(IPC-615H5)、RK3568高性能监控主板和HPM6400/6300伺服电机控制板分别代表了通用工业计算平台、边缘AI视觉处理平台和高精度运动控制平台的最典型形态。它们在各自的领域拥有独特优势,共同支撑起复杂的工业控制闭环。本文旨在对这三款核心产品进行全方位对比分析,剖析其技术特点、优劣势、应用场景及市场前景,为工业自动化方案选型提供专业参考。

应对AI算力激增:安森美推出全链路数据中心电源解决方案与指南

人工智能技术,特别是生成式AI和大规模机器学习模型的迅猛发展,对全球数据中心的基础设施提出了前所未有的高要求。海量数据的实时处理与复杂模型训练,导致数据中心计算负载激增,随之而来的功耗攀升已成为产业亟待解决的核心瓶颈。这不仅推高了运营成本,也对电网承载能力和可持续发展目标构成严峻挑战。如何在高性能计算需求持续增长的同时,有效控制并降低能源消耗,成为AI数据中心建设与升级的关键命题。