昨天 IBM 在纽约 Yorktown Heights 的研究中心发布了一个消息：他们造出了世界上第一款亚 1 纳米芯片技术——0.7 纳米节点，也就是 7 埃米（angstrom）。标题看起来是又一代工艺节点的进步，但如果你仔细看技术细节，这次不一样。
什么是 Nanostack
过去十几年，芯片工艺节点的命名方式早已脱离了物理含义——”7 纳米”芯片上根本没有哪个特征是 7 纳米。但 IBM 这次的技术突破，不只是换个数字而已。
这次发布的核心技术叫做 Nanostack，是 IBM 研发团队专门为亚 1 纳米节点设计的一种全新晶体管架构。本质上，它是对 2010 年代 IBM 发明的”Nanosheet”（纳米片）晶体管技术的重大升级——把原本平铺的纳米片结构，做成了垂直堆叠、分层错位的 3D 形式。
这个设计带来了几个直接好处：
用 IBM 研究总监 Jay Gambetta 的话说：
> “我们不只是把晶体管做小，我们在重新发明芯片的建造方式。”
这句话不是营销话术。Nanostack 的 3D 堆叠结构确实是架构层面的创新，不是制程工艺的简单迭代。
数字背后的意义
新闻稿里给了几个关键数据：
对于 AI 行业来说，能效 70% 的提升比性能 50% 的提升更有价值。训练大模型的算力成本里，电费是大头，更省电的芯片直接等于更低的推理成本。
为什么这件事值得单独说
芯片行业的常规叙事是：台积电、三星、Intel 轮流刷新工艺节点数字，媒体跟着报。但 IBM 这次不是主角——他们不生产商用芯片给苹果、英伟达用。
IBM 在半导体行业的真正角色是研发引擎。他们历史上发明的技术——Nanosheet、应变硅技术、high-k 金属栅极——最终都被台积电和三星用在了商用芯片上。这次 Nanostack 的技术细节已经在 VLSI 2026 学术会议上发表，并且通过实验验证了可制造性。
这意味着，Nanostack 很可能成为 3~5 年后台积电 0.7nm 工艺的基础技术。你现在看到的是个实验室成果，但它会进入整个行业。
对 AI 算力的影响
生成式 AI 的核心矛盾是：模型越来越大，但芯片算力增长的速度跟不上需求。Claude 3.5 时代靠的是模型架构优化撑着体验，但到了 GPT-5 时代，底层算力的密度提升是必须的。
IBM 这篇文章里明确提到，新芯片的目标应用场景是 generative AI 和 cloud infrastructure。SRAM 密度提升 40% 对 AI 推理尤其关键，因为大模型的自注意力机制需要频繁读写高带宽数据，SRAM 缩放直接决定了芯片能多高效地跑推理任务。
如果 5 年内量产可行，那 AI 芯片的每瓦性能很可能在那时迎来一次跳跃。
一句话总结
IBM 的 0.7nm 芯片突破，本质上是在硅基芯片接近物理极限的时候，用 3D 架构续命。这不是”牙膏厂”式的数字游戏，是实打实的架构创新——而这项技术，很可能最终出现在你以后买到的 AI 芯片里。
—
参考来源：
本文相关平台：