芯片厂有多费电？三星一年耗电260亿度，堪比上海2600万人年度电

抖音快讯 2025年02月17日 02:15 2 admin

在未来，限制人类算力发展的或许并非芯片技术，而是高昂的电费成本。

2021年，全球三大芯片厂的用电数据令人咋舌：三星耗电260亿度；台积电用电180亿度；英特尔相对节约，也消耗了近120亿度电。

为何小小的芯片制造需要如此庞大的电力支撑？

这背后有着诸多复杂因素，且停电对芯片生产影响巨大。芯片厂每年百亿电费主要用于两方面：厂务系统和设备运转，各占一半。

设备运转

在设备方面，芯片大厂拥有数百条产线和上万台大型设备。

以光刻机为例，18吨重的DUV光刻机每小时耗电130度，相当于同时开启40台大空调；而用于量产5纳米以下芯片的180吨重的EUV光刻机，光源如大功率激光炮，每小时耗电1300多度，等同于400台大空调，台积电就装备了80多台。

但光刻机只是芯片生产设备之一，整个芯片制造工艺，包括刻蚀、沉积、氧化等，涉及众多机台，且芯片越精密，晶体管结构越复杂，动用机台越多，能耗也就越大。

例如，台积电随着制程从10纳米发展到3纳米，年耗电量从2016年不到100亿度，增长到2022年突破210亿度，预计到2030年将达660亿度，接近目前全岛发电量的四分之一。

从能源构成看，根据台积电的ESG报告，其芯片制造能耗绝大部分依靠烧煤，小部分使用天然气，还有9.7%的可再生能源和0.2%的柴油。

除设备用电，厂务系统也是耗电大户。无尘车间是厂务三巨头之一，芯片制造是纳米级精细工作，对环境要求严苛，无尘车间比医院手术室还要干净千倍。

为维持这种环境，厂房内布满风机、过滤机组等设备，通过高强度气流循环和恒定压强差来保持洁净，同时冷却塔和冷热水机控制温度和湿度，产线设备的水冷散热还需二次冷却的工艺冷却水，这些设备消耗工厂约20%的电力。

CDA（压缩干燥空气）同样耗电惊人。芯片制造设备中有许多气动装置，如光刻机的工件台，且在工艺步骤中常用气体清洁晶元，因此芯片厂需部署大量压缩机制备CDA，这一过程消耗工厂约20%的电力。

超纯水的循环净化制备约占工厂电力消耗的5%，虽然占比相对较小，但对于芯片大厂来说，也是每年十几亿的开支。

此外，芯片制程越小，工艺数据越复杂，芯片厂的数据中心不断扩建，台积电现有超过4万台服务器机组，同样是用电大户。在芯片厂运营成本中，电费支出可高达30%，芯片厂堪称吞噬电力的工业巨兽。

预计到2030年，全球芯片制造将消耗2370亿度电，用量超过许多中等国家的发电量，所以芯片厂选址需考虑当地电网承载能力和基建质量，如越南虽积极吸引芯片企业投资建厂，但地方电网难以支撑如此大的产能。

芯片厂对电力稳定性要求极高，一旦停电，哪怕只有几分钟，也会对芯片生产造成灾难性打击。

2021年2月德州暴雪导致大面积停电，当地多家芯片工厂停工，加剧了汽车芯片短缺。2022年台湾新竹科学园区仅0.1秒的跳电事故，就影响了多家芯片和面板厂商。

在芯片制造过程中，除少数步骤外，绝大部分工艺必须连续稳定进行，高压谐波或短时压降都可能导致整张晶圆报废。

为保证电力供应和用电安全，芯片厂需构建可靠安全的供配电系统。首先向有关部门和供电局申请两路电源供电，最好由不同区域的变电所供电，降低停电风险。

接着建造总降压变电站和配电室，将110千伏或220千伏高压电降压后引入中压配电室，中压电压等级仍有20千伏，存在安全风险，需要可靠的配电设备。

以中央开关柜为例，一旦厂房线路出现短路或接地故障，断路器需迅速切除故障电流，否则可能引发大范围停电事故。

此外，电缆触头等接触不良会导致设备过热、绝缘材料老化，设备内部局部放电若不及时处理会造成绝缘失效、设备击穿爆炸。

过去依靠电工凭经验维护存在局限性，如今可借助芯片孵化出的AI技术，给传统电气设备添加传感器、通信模块和AI自学习算法，实时监测机械开关特性、温度温升、局部放电等参数，如施耐德电气的Pix空气绝缘开关柜，能有效保证电力供应稳定性和可靠性。

从中压配电室出来的电力，经过一级变电进入低压配电室，通过低压配电出线回路给终端设备供电。在最重要的机台线路上连接UPS不间断电源，当两路市电源都中断时，可为关键产线维持供电，以便工厂启动柴油发电机，同时UPS还能稳定电压。

由于芯片厂房对电压波动敏感，非黄光区需配备防电压暂降装置DVR。芯片厂的电气设备需定期维护，维护期间工厂会停电，因此芯片大厂需联合电器大厂专业团队，在16小时内高效完成运维工作，将停电停产损失降到最低。另外，购买电力保险也是必要举措，以应对天灾事故造成的损失。

当芯片制造完成后，它们对电力的依赖才刚刚开始。近年来，AI大模型和数据中心迅速发展，无数高功耗的GPU被部署到各地服务器，全球算力扩张背后，芯片、数据和电力缺一不可。

包括马斯克在内的众多科技大佬都对电力短缺表示担忧，认为AI算力发展最终可能受电力资源制约。虽然目前数据中心耗电量不及芯片工厂，但未来AI发展所需的电力难以预估。

【文本来源@谈三圈的视频内容】

发表评论