Za każdym najnowocześniejszym procesorem AI Nvidii, za rozległymi czystymi pomieszczeniami TSMC i innych producentów układów, kryje się kruchy przemysłowy sekret: ultrawyspecjalizowana folia izolacyjna, wytwarzana niemal w całości przez Ajinomoto - grupę, którą wiele osób wciąż kojarzy głównie z bulionem do zupek instant i wzmacniaczami smaku.
Od wywaru do krzemu: jak Ajinomoto stało się nie do obejścia
W Japonii Ajinomoto to marka domowa, najlepiej znana z kostek bulionowych, mrożonych pierożków i bogatych w umami przypraw. Na papierze to ogromna firma spożywczo-chemiczna z miliardami przychodów rocznie. W praktyce jest też ukrytym filarem branży półprzewodników.
W ciągu ostatnich trzech dekad Ajinomoto przejęło około 95% globalnego rynku materiału o nazwie Ajinomoto Build-up Film, czyli ABF. Ta cienka, wysokowydajna warstwa izolacyjna znajduje się wewnątrz substratów, które łączą zaawansowane układy scalone ze światem zewnętrznym.
Bez substratów ABF najbardziej zaawansowane GPU i akceleratory AI byłyby niemal niemożliwe do masowego montażu - niezależnie od tego, jak dobry jest krzem.
To stawia dawną „firmę od makaronu” w samym centrum boomu na AI. Każda kolejna fala popytu na centra danych AI, usługi chmurowe i inteligentne urządzenia w ciszy wraca do fabryk Ajinomoto w Japonii.
Eksperyment ze smakiem, który przekształcił przemysł
Umami: punkt startu, którego nikt się nie spodziewał
Droga firmy do wysokiej technologii zaczyna się ponad sto lat temu w kuchni, a nie w laboratorium. W 1908 roku tokijski chemik Kikunae Ikeda zafascynował się głębią smaku wywaru z wodorostów, który przygotowywała jego żona. Smak ten nie był ani słony, ani słodki, ani gorzki.
Wyizolował glutaminian z wodorostów i zidentyfikował piąty smak, później nazwany „umami”. W 1909 roku Ikeda założył Ajinomoto - dosłownie „esencję smaku” - aby skomercjalizować tę nową przyprawę.
Od początku firma koncentrowała się na fermentacji, procesach biologicznych i chemii żywności. Nikt wtedy nie przewidział, że ta sama wiedza stanie się fundamentem krytycznych materiałów elektronicznych używanych w superkomputerach i akceleratorach AI.
Przekształcenie odpadów przemysłowych w strategiczny zasób
W latach 70. Ajinomoto stanęło przed bardzo przyziemnym problemem. Produkcja aminokwasów i wzmacniaczy smaku na dużą skalę generowała duże ilości chemicznych produktów ubocznych. Utylizacja lub neutralizacja tych pozostałości była kosztowna.
Zamiast jedynie inwestować w oczyszczanie odpadów, zespoły R&D zaczęły charakteryzować pozostałe materiały. Badano, jak zachowują się pod wpływem ciepła, ciśnienia i obciążeń elektrycznych.
Odkryto, że część tych związków ma znakomite właściwości izolacyjne: wysoką stabilność termiczną i powtarzalne zachowanie mechaniczne. Nie było jeszcze jasnego klienta, ale firma nadal doskonaliła te materiały - budując portfel kompetencji, który nabrał sensu dopiero dekady później.
Intel trafia na ścianę, Ajinomoto proponuje drabinę
Miniaturyzacja lat 90.: gdy standardowe materiały zawiodły
W połowie lat 90. producenci układów, tacy jak Intel, zaczęli napotykać twarde ograniczenia fizyczne. Gdy tranzystory malały, a linie obwodów zbliżały się do siebie, tradycyjne tusze izolacyjne stosowane na substratach zaczęły powodować problemy.
Linie produkcyjne zmagały się z uwięzionymi pęcherzykami powietrza, nierównomiernym schnięciem, zanieczyszczeniami i wysokim odsetkiem braków. Branża potrzebowała materiału izolacyjnego, który nadąży za drobniejszą geometrią oraz gorętszymi i gęstszymi układami.
Poprzez łańcuch dostawców i specjalistów od materiałów inżynierowie Intela trafili na eksperymentalne folie Ajinomoto. Do Tokio dotarło kluczowe pytanie:
Czy Ajinomoto potrafi wyprodukować ciągłą folię izolacyjną, którą można rozwijać z rolki, laminować, a następnie wzorcować z ekstremalną precyzją?
Cztery miesiące, które zmieniły branżę pakowania układów
Ajinomoto zmobilizowało swoich chemików i inżynierów procesów. W około cztery miesiące zespół stworzył nową klasę materiału: bardzo cienką, jednorodną folię polimerową, którą można laminować na substratach, trawić w skali mikroskopowej i która wytrzymuje wymagające cykle termiczne.
Ta innowacja stała się Ajinomoto Build-up Film. Zamiast drukować tusz izolacyjny, producenci mogli teraz układać sztywne, kontrolowalne warstwy ABF, a następnie wiercić i wypełniać mikroskopijne otwory miedzią, tworząc gęste połączenia.
Kilka kluczowych cech ABF szczególnie się wyróżnia:
- pozostaje stabilna w temperaturach wyższych niż typowe dla pakowania układów,
- można ją nawiercać laserowo i wzorcować z bardzo dużą precyzją,
- wspiera bezpośrednią integrację miedzi dla szybkiego prowadzenia sygnałów,
- utrzymuje dobre właściwości izolacyjne nawet przy kurczeniu się struktur obwodów.
Każda nowa generacja układów przesuwała ABF dalej, zmuszając Ajinomoto do dostrajania grubości, lepkości, zachowania podczas utwardzania i składu chemicznego, aby dopasować się do nowych narzędzi produkcyjnych i reguł projektowych.
Dlaczego układy AI Nvidii zależą od japońskiego giganta spożywczego
Zaawansowane pakowanie, nie tylko mniejsze tranzystory
Współczesne akceleratory AI wykraczają poza proste „płaskie” układy. Wydajność w dużej mierze zależy dziś od tego, jak procesory są pakowane z pamięcią oraz jak daleko muszą podróżować sygnały między nimi.
Nvidia zleca TSMC wytwarzanie i montaż swoich flagowych GPU z użyciem zaawansowanego pakowania, takiego jak CoWoS (chip-on-wafer-on-substrate). W tym układzie główny rdzeń GPU oraz stosy pamięci o wysokiej przepustowości (HBM) spoczywają na pośredniej bazie, czyli interposerze, który następnie montuje się na organicznym substracie.
To właśnie w tym substracie pojawia się ABF. Musi on prowadzić tysiące ultradrobnych połączeń ze stosu układów do zewnętrznej obudowy, zarządzać ciepłem, przeciwdziałać wyginaniu i utrzymywać integralność sygnału przy ekstremalnie wysokich szybkościach transmisji.
Jeśli substrat zawiedzie, zawiedzie cały procesor AI - a ABF jest podstawowym materiałem tych substratów w niemal każdym projekcie z najwyższej półki.
Najnowsze architektury Nvidii, projektowane do złożonych „agentowych” obciążeń AI wymagających wieloetapowego rozumowania i intensywnego dostępu do pamięci, jeszcze bardziej zwiększają gęstość połączeń i przepustowość. To podnosi poprzeczkę dla materiałów takich jak ABF, które muszą przenosić wyższe prądy i mniejsze odstępy bez zakłóceń elektrycznych.
Jak ABF pasuje do pakietu układu AI
Uproszczony obraz pakietu procesora AI z najwyższej półki wygląda tak:
| Warstwa | Rola |
|---|---|
| Rdzeń GPU + stosy HBM | Wykonują obliczenia i przechowują dane robocze. |
| Interposer (krzemowy lub zaawansowany substrat) | Zapewnia ekstremalnie gęste lokalne okablowanie między GPU a HBM. |
| Organiczny substrat na bazie ABF | Rozprowadza sygnały i zasilanie do pinów lub kulek obudowy. |
| PCB i płyta serwerowa | Łączy moduły z resztą systemu. |
ABF znajduje się w trzeciej warstwie. Nie jest tak widoczna jak tranzystory czy stosy pamięci, ale dyktuje, ile połączeń można poprowadzić, w jakim rastrze (pitch) i na jakim poziomie niezawodności.
Cichy japoński „wąskie gardło” dla globalnej technologii
Gdy jeden materiał zatrzymuje branżę
Dominacja Ajinomoto w ABF - z ponad 95% udziałem w rynku - w praktyce umieszcza jednego dostawcę w centrum pakowania układów na najwyższym poziomie zaawansowania. Istnieją alternatywne materiały dla prostszych lub starszych projektów, ale dla substratów o wysokiej gęstości używanych w topowych CPU i GPU nie ma łatwego zamiennika „na już”.
Ta podatność stała się widoczna podczas kryzysu półprzewodników w latach 2021–2022. Czasy realizacji dla części układów sieciowych i do centrów danych - w tym od Broadcomu - wydłużały się znacznie powyżej roku. W kilku przypadkach wafle krzemowe były gotowe, ale zakłady pakujące nie miały wystarczającej liczby substratów na bazie ABF.
Tym razem czynnikiem ograniczającym nie były maszyny litograficzne ani moce waflowe, lecz wyspecjalizowana folia izolacyjna schodząca z linii produkcyjnych w Japonii.
Ten epizod przypomniał decydentom i planistom korporacyjnym, że łańcuchy dostaw mogą opierać się na niepozornych komponentach, a nie tylko na głośnych markach jak Nvidia czy TSMC. Wąskie gardło w produkcji ABF może odbić się na dostawcach chmury, producentach aut, operatorach telekomunikacyjnych i elektronice konsumenckiej.
Zwiększanie skali na dekadę głodną AI
Ajinomoto ściga się dziś z popytem. Wewnętrzne prognozy zakładają, że zapotrzebowanie na ABF będzie rosło o około wysokie jednocyfrowe tempo rocznie do końca dekady, napędzane głównie przez akceleratory AI, wysokowydajne CPU i układy sieciowe.
Firma planuje znacząco zwiększyć moce - według publicznych map drogowych o około 50% do 2030 roku. Każda nowa generacja układów AI zwykle wykorzystuje albo większą powierzchnię substratu, albo więcej warstw (albo jedno i drugie), co oznacza, że zużycie ABF na urządzenie rośnie z czasem.
Co sprawia, że ABF tak trudno skopiować?
Nie tylko receptura, ale cały ekosystem
Z zewnątrz ABF może brzmieć jak kolejna folia polimerowa. W praktyce jest powiązana ze złożonym ekosystemem narzędzi, dostawców chemii i reguł projektowych.
Odtworzenie jej parametrów oznacza opanowanie m.in.:
- precyzyjnej formulacji żywic i dyspersji cząstek,
- procesów utwardzania i laminacji minimalizujących defekty,
- kompatybilności z wierceniem laserowym i chemią metalizacji,
- ścisłych tolerancji grubości i płaskości na dużych panelach.
Firmy półprzewodnikowe projektują też substraty, zakładając konkretne właściwości elektryczne i mechaniczne. Każdy nowy materiał musi bardzo ściśle je odwzorować albo wymusi przeprojektowanie, które potrafi opóźnić całe programy układowe.
Kraje takie jak Stany Zjednoczone, Korea Południowa i Chiny inwestują w alternatywne materiały do pakowania, aby zmniejszyć zależność od Ajinomoto, ale doprowadzenie takich produktów do dużej skali i wysokiej niezawodności zajmuje lata.
Kluczowe pojęcia: substrat, pakowanie i dlaczego są ważne
Dla osób spoza branży kilka pojęć pomaga zrozumieć, dlaczego ABF ma tak strategiczne znaczenie.
Substrat to warstwa bazowa pod pakietem układu. Rozprowadza mikroskopijne punkty kontaktowe na krzemie do większych połączeń, które można przylutować do płytki drukowanej. Można o nim myśleć jak o bardzo zaawansowanej, zminiaturyzowanej płytce PCB znajdującej się bezpośrednio pod procesorem.
Zaawansowane pakowanie (advanced packaging) to techniki, które fizycznie zbliżają układy i pamięć, często poprzez piętrowanie lub układanie obok siebie z ekstremalnie gęstym okablowaniem. Zmniejsza to energię na przesłany bit i poprawia wydajność - kluczowe dla modeli AI, które co sekundę przerzucają ogromne wolumeny danych.
W obu przypadkach materiał izolacyjny między ścieżkami miedzianymi musi być stabilny, precyzyjny i czysty. ABF pełni tę rolę w najbardziej wymagających projektach produkowanych dziś masowo.
Co się stanie, jeśli boom na AI będzie dalej przyspieszał?
Wyobraźmy sobie scenariusz, w którym zapotrzebowanie na trenowanie AI podwaja się co dwa–trzy lata, jak sugerują duże firmy technologiczne. Centra danych potrzebowałyby znacznie więcej klastrów GPU, sprzętu sieciowego i niestandardowych akceleratorów. To przełożyłoby się bezpośrednio na wyższe zużycie ABF, bo każdy z tych układów zależy od substratów o wysokiej gęstości.
Jeśli Ajinomoto źle oszacuje moce produkcyjne albo doświadczy poważnego incydentu produkcyjnego, producenci układów mogliby napotkać nowe opóźnienia podobne do ostatnich - albo gorsze. Czasy realizacji mogłyby się wydłużyć, dostawcy chmury mogliby racjonować dostęp do zaawansowanych GPU, a część projektów AI mogłaby zwolnić po prostu dlatego, że zabraknie materiałów do pakowania.
Z drugiej strony stabilne dostawy ABF, w połączeniu z dalszymi innowacjami w pakowaniu, mogą umożliwić pojawienie się bardziej wyspecjalizowanych układów AI: konstrukcji ściśle zoptymalizowanych pod mowę, robotykę czy medycynę spersonalizowaną - każda z nich oparta na gęstych połączeniach, które przesuwają ABF do nowych granic.
Dla inwestorów, inżynierów i decydentów historia Ajinomoto przypomina, że technologia z najwyższej półki nie opiera się wyłącznie na spektakularnych projektach układów. Zależy też od cicho niezawodnej chemii, narodzonej w laboratoriach nauk o żywności ponad sto lat temu - i dziś znajdującej się w samym centrum ery AI.
Komentarze
Brak komentarzy. Bądź pierwszy!
Zostaw komentarz