供应链传出消息，英伟达代号 Feynman 的下一代数据中心 GPU，放弃台积电 N2 也就是 2nm 工艺，直接选用 A16 即 1.6nm 制程，这款芯片计划在 2028 年下半年完成量产与对外发布。作为 Rubin 系列的后续产品，整套硬件平台会迎来架构层面的大幅改动，多项此前未大规模落地的半导体技术，都将在这一代产品完成实际应用。

当前 Rubin 与 Rubin Ultra 架构，全部基于台积电 N3 的 3nm 工艺打造，依靠多芯粒横向拼接，实现算力规模扩张。到 Feynman 平台，英伟达会切换思路，这也是旗下首款完整落地 3D Chiplet 方案的 GPU 产品。项目会引入台积电 SoIC 堆叠技术，把不同功能芯片做垂直叠放，不再局限于传统 2.5D 封装的平铺模式，芯片内部信号传输距离缩短，延迟可以得到有效降低。

配合 A16 工艺特性，背面供电方案也会加入 Feynman 的设计。这套方案改变芯片供电线路排布位置，把供电走线布置在晶圆背面，芯片正面空间可以更多留给信号通路，对于大尺寸高性能芯片，能够缓解布线拥挤带来的损耗问题，和 SoIC 堆叠形成配套，释放 3D 架构的性能上限。同时新一代 CoWoS‑L 封装同步启用，承接堆叠完成后的芯片，完成整套硬件组合。

存储与互联部分同样迎来升级。Feynman 不再使用市面流通的标准 HBM 型号，转向定制版本高带宽内存，根据芯片的功耗、封装形态做针对性调校，单包容量和带宽指标，对比 Rubin 一代会拉开差距。共封装光学模块也纳入设计规划，光模块和 GPU 芯片置于同一个封装内部，减少传统铜线互联带来的信号损耗，用来支撑大规模 AI 集群内部高速数据交互，适配大模型训练、推理场景下的海量数据流转需求。

整套方案落地，要面对不少现实层面的考验。A16 属于尚未成熟的前沿工艺，良率爬坡需要周期，台积电也在加快对应产线与 SoIC 配套产能建设，用来匹配 2028 年的供货节点。3D 垂直堆叠会带来散热难题，多颗芯片层层叠加之后，热量导出难度上升，芯片设计、散热方案都需要反复调试。定制内存、共封装光学也属于新技术，供应链能否按时稳定供货，会直接左右产品落地节奏。

从行业发展角度看，Feynman 代表 AI 芯片的演进方向，性能提升不再单纯依靠制程缩小，而是制程、3D 堆叠、先进封装、内存、互联技术共同推进。英伟达跳过 2nm 直接押注 1.6nm，也反映出 AI 算力芯片对顶尖工艺的迫切需求。

现阶段所有信息来自供应链爆料，英伟达还没有对外确认完整参数。从原型设计到正式量产，中间留有两年多调试周期，工艺良率、成本控制、技术落地都会存在变数。待到 2028 年下半年产品推向市场，这套全新组合能跑出怎样的实际算力，还需要等到实物落地之后才能验证。