$天奈科技(SH688116)$ AI爆火背后的材料革命：碳基半导体能否取代硅？
人工智能（AI）的爆发式发展正在推动全球对计算能力的需求达到前所未有的高度。然而，当前AI计算所依赖的硅基半导体正逐渐逼近物理极限，面临计算能力瓶颈、高能耗、散热难题以及存储架构限制等挑战。这些问题不仅影响AI模型的训练和推理效率，还大幅增加了计算成本，使未来AI算力的扩展变得更加困难。本文将分析AI计算面临的瓶颈，探讨硅基芯片的局限性，剖析碳基半导体的技术优势及其在AI芯片中的应用前景，并展望AI计算未来的可能发展路径。随着材料科学的不断突破，AI计算架构或将从硅-碳混合模式逐步迈向全碳基架构，开启全新的AI计算时代。
1AI竞赛背后的材料瓶颈
人工智能（AI）的发展历程正经历着前所未有的变革。从算法优化到数据规模扩展，AI技术的每一次跃升都伴随着算力需求的急剧增长。然而，真正让AI进入大众视野，并引发全球算力竞赛的转折点，出现在ChatGPT的爆火之时。
2022年11月，OpenAI 推出了 ChatGPT，一款基于 GPT-3.5 的对话式人工智能。短短五天内，用户数量突破100万，两个月后达到1亿，成为史上增长最快的科技应用。这一现象不仅引发了用户对AI应用的狂热，也让各大科技公司和研究机构开始意识到大规模语言模型（LLM）对算力的极端依赖。2023年3月，GPT-4 正式发布，相比前代模型在理解力、推理能力和多模态交互方面大幅提升。然而，GPT-4的训练需要更大的数据集、更复杂的算力架构，其计算需求被推高到了一个全新的高度。根据OpenAI的说法，GPT-4的参数量比GPT-3.5大了数倍，训练所需的计算资源比GPT-3高出至少10倍。同年，微软Azure、谷歌Cloud、亚马逊AWS、英伟达（NVIDIA）等公司争相布局AI云计算基础设施，加速数据中心的扩张。随着OpenAI的成功，全球科技公司纷纷投入大模型研发：Anthropic 发布 Claude，对标ChatGPT。Google 推出 Gemini，力图在多模态模型上超越OpenAI。Meta（Facebook） 发布 Llama 2，推动开源大模型的发展。
国内科技公司 也纷纷入局，如百度的 文心一言、阿里的 通义千问、华为的 盘古大模型 等。进入2024年，AI竞争从单纯的模型比拼，逐步转向算力优化、推理加速、芯片架构创新等多个方向。例如，DeepSeek 模型一经推出就火爆全球，进一步提升了推理效率，同时推动了AI算力资源的优化。但与此同时，AI芯片的短缺依然困扰着整个行业，特别是硅基半导体的物理极限正成为AI发展的最大制约因素。
在这一阶段，科技巨头和芯片制造商纷纷探索新型半导体材料，希望突破硅基架构的天花板。其中，碳基半导体（碳纳米管、石墨烯） 逐渐受到关注，因其更高的电子迁移率、更低的能耗、更优的热管理能力，被视为可能支撑未来AI计算的关键材料。
2硅基芯片的极限，为何用硅材料做芯片
硅（Si）不仅是电子计算设备的核心基础，也是目前全球半导体行业的基石。从地壳中的沙石到高精度的AI芯片，硅的提纯和加工过程决定了它成为最理想的半导体材料。
1. 硅的天然优势：丰富且易获取硅是地球上含量第二丰富的元素（仅次于氧），主要以二氧化硅（SiO₂）或硅酸盐的形式存在于沙石之中。这意味着：原料几乎取之不尽，全球供应充足；开采成本相对较低，确保芯片制造业的可持续性。
2. 硅的半导体特性：稳定性高，适合芯片制造半导体材料的核心特性是其可控的导电能力，既可以像金属那样导电，也可以像绝缘体那样阻止电流流动。硅在这一点上表现出色，其主要优点包括： 1）化学和物理性质极其稳定：硅在高温环境下仍能保持较好的导电特性，适用于高性能计算。相比早期的半导体材料锗（Ge），硅的反向漏电流更小，热稳定性更好，使得芯片在更高温度下仍能稳定工作。2）硅的氧化层特性有利于芯片制造：硅可以自然形成二氧化硅（SiO₂），它是一种优异的电介质材料，可以直接作为芯片的绝缘层。这一特性使得硅比其他半导体材料更容易制造出稳定可靠的MOSFET（场效应晶体管），即现代计算机芯片的核心元件。
3. 硅的提纯与加工：工业技术成熟，成本低尽管硅在自然界中广泛存在，但要用于芯片制造，必须达到极高的纯度，通常要求99.999999999%（11个9）的电子级硅纯度。硅的提纯和加工主要经历以下几个步骤：硅提炼及提纯、单晶硅生长、晶圆成型。(1) 从沙石到冶金级硅（98%纯度）自然界的硅主要以SiO₂形式存在，需经过高温（约2000℃）冶炼：SiO2+2C→Si+2CO这一过程会去除硅中的大部分杂质，得到冶金级硅（纯度约98%），但仍然无法用于电子器件制造。(2) 电子级硅提纯（99.999999999%）冶金级硅需进一步处理，通常采用氯化提纯法：Si+3HCl→SiHCl3+H2通过蒸馏和化学还原，可以去除更多杂质，最终得到超高纯度的多晶硅，满足半导体制造需求。(3) 从多晶硅到单晶硅目前最常用的方法是直拉法（Czochralski Process）：在1400℃高温下，将多晶硅熔化并加入一颗籽晶。通过旋转和拉伸，熔融的硅逐渐结晶，形成单晶硅棒。冷却后得到结构完整、杂质极少的单晶硅。(4) 晶圆制造单晶硅棒经过滚磨、切割、研磨、抛光等工艺，最终得到晶圆（Wafer）。这些晶圆经过光刻、刻蚀、掺杂等微纳米级精密加工，最终成为芯片（IC）。在半导体产业中，硅材料多被用于制造二极管／晶体管、集成电路、整流器、晶闸管等等，具体来看，硅材料制成的二极管／晶体管多用于通讯、雷达、广播、电视、自动控制等；集成电路多用于各种计算机、通讯、广播、自动控制、电子秒表、仪器仪表等；整流器多用于整流；晶闸管多用于整流、直流输配电、电气机车、设备自控、高频振荡器等；射线探测器多用于原子能分析、光量子检测；太阳能电池多用于太阳能发电领域。
硅基材料的瓶颈
尽管硅在半导体行业中占据主导地位，但随着AI算力的需求激增，硅基芯片的物理极限逐渐显现。特别是在摩尔定律放缓、高能耗、散热瓶颈等问题的影响下，硅基半导体正面临日益突出的瓶颈。
1. 摩尔定律的放缓与计算能力增长停滞摩尔定律指出，芯片上的晶体管数量大约每18-24个月翻一番，这一规律推动了过去数十年计算能力的快速增长。然而，随着芯片制程工艺推进到3nm、2nm甚至1nm以下，晶体管的微缩受到了物理限制，摩尔定律正在失效。原因如下：量子效应限制：当晶体管尺寸缩小到几纳米以下时，电子的波动性使得“量子隧穿效应”加剧，电子可能穿过栅极介质层，导致无法有效控制电流流动。3nm制程下的隧穿效应已经显著影响晶体管性能。制造难度与成本激增：2nm及以下制程需要极紫外光刻（EUV）技术，其设备造价高达每台超过1亿美元，良率难以保证，导致制造成本飙升。台积电（TSMC）的2nm制程尚未完全商用，全球仅有极少数企业能够达到此技术水平。
2. 高能耗与散热问题
2.1 AI计算的高能耗现状AI计算需要执行大量的矩阵运算，尤其在大规模语言模型（LLM）训练过程中，数以千计的GPU并行工作，导致整体能耗激增。GPT-3训练消耗的总电力超过3640万瓦时，相当于50辆燃油车一年的碳排放。GPT-4训练所需的算力比GPT-3提高10倍，能耗达到数兆瓦级别。由于AI计算密集且持续进行，导致芯片的功耗大幅增加。功耗随晶体管数量的增加成正比，但散热能力并未同步提升，硅材料在高密度工作环境中散热性能有限。
2.2 硅材料的热导率限制硅的热导率为150 W/m·K，而AI计算中大量的热量无法迅速散出，导致芯片温度升高，影响计算性能并缩短芯片寿命。相比之下，石墨烯的热导率为5000 W/m·K，是硅的30倍，在高功耗场景下表现更好。NVIDIA发布的AI数据中心报告显示，在2022年全球数据中心的能耗中，AI计算的占比已达到40%以上，并成为数据中心散热的核心难题。
3. 存储与计算架构的限制（冯·诺依曼瓶颈）
3.1 冯·诺依曼架构概述传统的硅基芯片大多采用冯·诺依曼架构，即计算单元（ALU）与存储单元（DRAM或SRAM）是分开的，数据需要在存储单元和计算单元之间频繁传输。这种架构在大规模数据计算时会导致：数据传输延迟（Memory Latency）高数据搬运能耗
3.2 AI场景中的表现在AI模型的训练过程中，矩阵计算需要大量的内存访问。以GPT-4为例，其每一步训练过程中，都需要对上亿个参数进行读写操作，存储瓶颈成为性能提升的关键障碍。
4. 制造成本持续攀升
4.1 先进制程的高昂成本随着制程工艺推进到3nm、2nm甚至更小，芯片制造设备和工艺成本呈指数级增长。EUV光刻机（极紫外光刻）是当前最先进的芯片制造设备，每台造价超过1.2亿美元。2nm制程的良率难以控制，导致废片率高，进一步增加了生产成本。
4.2 全球供应链问题硅晶圆需求激增导致全球供应紧张。地缘政治导致半导体制造设备出口受限，加剧了供应链不确定性。
3替代硅的芯片材料随着AI计算需求的指数级增长，现有的硅基半导体可能无法支撑未来十年的AI发展，这迫使科技行业寻找更具潜力的替代材料。
碳基半导体的崛起
在算力焦虑的背景下，新型半导体材料的研究成为突破现有瓶颈的关键。碳基半导体（如碳纳米管、石墨烯）凭借其更高的电子迁移率、更低的能耗和更优的热导率，被认为是可能取代硅的下一代AI芯片材料。碳基半导体主要包括碳纳米管（CNTs）和石墨烯（Graphene），两者在电学、热学、机械性能等方面均远超硅材料。
1.1 电子迁移率：碳纳米管的运算速度超越硅碳纳米管的电子迁移率远高于硅，意味着相同电压下，电子在碳基材料中的运动速度更快，能够极大提升芯片的计算性能。
1.2 能耗优化：碳基材料降低AI计算能耗碳基半导体不仅提升了计算速度，还能大幅降低功耗，这对于高能耗的AI计算至关重要。IBM 的研究表明，与7nm硅基芯片相比，碳纳米管芯片能耗降低约 50-90%。MIT 的实验表明，使用碳纳米管的AI芯片相比传统硅芯片，性能提升3-5倍，功耗减少一半。碳基材料能够减少功耗的核心原因：电子在碳纳米管和石墨烯中的运动几乎无散射损耗，因此单位能耗更低。碳纳米管的工作电压更低，减少电力消耗。由于更好的散热能力，芯片不需要额外的冷却设备，降低整体系统能耗。
1.3 热导率：碳基材料的散热能力远超硅硅基芯片的散热问题是影响AI计算效率的重要瓶颈。碳基材料的热导率远高于硅，意味着它能够更快地散热，保持芯片在高负载计算下的稳定性。IBM 2023年的研究表明，碳纳米管芯片在相同功耗下的运行温度比硅芯片低约 30-50°C。斯坦福大学的实验数据显示，石墨烯散热器能够让AI处理器的工作温度降低40%以上，从而提升计算稳定性。
1.4 碳基材料的尺寸优势：纳米级计算成为可能随着芯片制程进入2nm、1nm，硅基材料遇到了物理极限，但碳纳米管和石墨烯的分子结构允许芯片达到更小的尺寸，并且仍能保持良好的电学性能。碳纳米管的直径可小于1nm，比当前最先进的硅晶体管小一个数量级，可以进一步提高芯片的集成度。IBM在2023年展示了基于碳纳米管的5nm晶体管，比硅晶体管的尺寸更小，同时性能更优。碳基半导体的实验研究与进展
全球范围内，多个研究机构和企业正在积极推动碳基半导体的实验研究和技术突破，以下是当前主要的研究进展。
1. 碳基材料的制备技术碳基半导体的核心挑战之一是如何大规模制备高质量的碳纳米管和石墨烯。目前，研究机构在以下方面取得了重要进展：
1.1 高纯度碳纳米管的制备北京大学电子学系 彭练矛院士团队：研发出多次提纯和维度限制自组装方法，成功制备出高密度、半导体纯度超过99.9999%的碳纳米管平行阵列。这一方法显著提高了碳纳米管的一致性和可控性，为高性能碳基器件制造奠定基础。研究结果表明，与同等尺寸的硅基MOSFET相比，碳基晶体管的性能提升了3-5倍，同时能耗降低50%以上。IBM 碳纳米管研究：IBM 采用选择性生长法（Selective Growth），使碳纳米管排列更加精确，提高了阵列密度和电子性能。研究表明，碳基场效应晶体管（CNT-FET）在5nm栅长下表现优于硅基CMOS器件。
1.2 大面积单层石墨烯的合成清华大学-石墨烯生长研究：清华大学团队开发了一种铜催化化学气相沉积（CVD）方法，实现了毫米级单层石墨烯的可控生长，并且成功制备了高迁移率的石墨烯晶体管。研究表明，这种方法制备的石墨烯电子迁移率高达20,000 cm²/Vs，远超硅基材料。麻省理工学院（MIT）-超纯石墨烯制造：MIT团队研发出自组装退火工艺，大幅提高石墨烯的均匀性和纯度，可用于高频AI芯片制造。
2. 碳基晶体管（CNT-FET）的发展由于碳纳米管具有更高的电子迁移率（比硅高66倍），因此被认为是最可能替代硅基MOSFET的候选材料。目前在碳纳米管晶体管（CNT-FET）方面的研究取得了显著进展：
2.1 CNT-FET的性能突破斯坦福大学：斯坦福大学的研究表明，CNT-FET比当前最先进的硅基7nm芯片快5-10倍，功耗减少70%。研究人员通过优化掺杂工艺和电极接触技术，成功提高了碳纳米管晶体管的稳定性和寿命。IBM 5nm CNT-FET：IBM展示了基于碳纳米管的5nm晶体管，其性能超越硅基MOSFET，并且具备更低的能耗、更高的集成度。
2.2 低功耗碳基晶体管麻省理工学院（MIT）：研究人员成功研制出亚1V工作电压的CNT-FET，相较于硅基晶体管，功耗降低了50%-90%。低功耗芯片对于AI计算和移动设备至关重要，碳基材料的低功耗特性为未来的AI芯片设计提供了全新的可能性。
3. 碳基集成电路的研究进展碳基半导体不仅可以用于单个晶体管，还可以用于构建更大规模的集成电路。目前，碳基CMOS技术正在取得突破。
3.1 3D 碳纳米管集成电路麻省理工学院（MIT）- 3D碳纳米管芯片：MIT开发了一种三维（3D）碳纳米管架构，能够提升芯片的计算效率，同时降低数据搬运能耗。实验结果显示，3D碳基芯片比传统硅基芯片快10倍，功耗减少75%。
3.2 碳基存算一体芯片斯坦福大学-碳基忆阻器结合技术：斯坦福团队利用碳纳米管与忆阻器结合，实现了存算一体化架构（Neuromorphic Computing）。这一技术解决了冯·诺依曼架构的存储瓶颈，可将AI计算效率提升3-5倍。
4. 碳基半导体的商业化前景尽管碳基半导体目前仍处于实验阶段，但多个行业龙头公司和机构已经开始推动其产业化进程：
4.1 企业布局IBM：已设立专门的碳基半导体研究部门，并计划在未来10年内推出首款商用碳基芯片。Intel：正在研究硅-碳混合芯片，希望通过过渡性技术逐步实现碳基半导体的应用。TSMC：已经与多家高校合作，探索碳基晶体管的制造工艺。
4.2 短期应用目前碳基半导体最有可能率先应用在AI计算加速器、存算一体芯片和低功耗计算设备上，而非全面替代硅基半导体。高端科研设备、超算中心、航空航天等领域也可能率先采用碳基技术。
碳基芯片材料的未来展望
碳基半导体作为下一代芯片材料，凭借超高电子迁移率、低功耗和卓越的散热性能，被认为是突破硅基半导体瓶颈的关键。
在短期内（3-5年），碳基半导体仍将以硅-碳混合架构的形式出现，主要用于高端AI计算加速器、低功耗AI芯片，以优化计算性能并降低能耗。然而，由于碳纳米管和石墨烯的制备工艺尚未成熟，制造成本较高，短期内仍难以实现大规模商业化应用。
在中期（5-10年），随着碳纳米管晶体管（CNT-FET）的量产化突破，部分高端AI训练芯片、边缘计算设备和移动端低功耗芯片将逐步转向碳基架构。研究机构如IBM、麻省理工学院（MIT）、北京大学等已展示了碳基晶体管的性能优越性，未来随着工艺成熟，存算一体化碳基芯片也将推动AI计算效率的大幅提升。然而，碳基半导体的完整供应链仍需时间构建，其大规模普及仍面临材料纯度、制造精度等挑战。
在长期（10年以上），碳基芯片有望全面取代硅基半导体，进入全碳基计算时代。碳纳米管和石墨烯芯片的低功耗、高计算效率将推动超算、AI推理、量子计算、智能可穿戴设备等多个领域的发展。同时，可折叠电子、柔性计算设备将成为新兴应用场景，推动科技产业的全新变革。
尽管碳基芯片的产业化仍需克服诸多技术和成本障碍，但随着制备工艺的持续突破，碳基半导体有望成为未来AI计算与先进电子产业的核心驱动力。
在这场AI爆火背后的材料革命中，谁能率先突破材料瓶颈，谁就能主导下一代AI计算的时代。