# Sophon PFG-1 3D AI 芯片学习笔记

> 来源：PhantaField 白皮书 Revision 4.1 (June 2026) + ZAKER 科技报道
> 可信度：★★☆☆☆（单元级有实物验证，芯片级纯仿真，无第三方独立验证）

---

## 一、为什么需要这颗芯片：HBM 内存墙

现代 GPU 跑大模型推理的瓶颈不是算力，是**权重搬运带宽**：

- NVIDIA Rubin HBM4 带宽 ≈ 22 TB/s
- 80B 模型一次 decode 要读 80 GB 权重 → 理论极限 ≈ 275 tok/s
- 实际 HBM 利用率更低，小批量下 GPU 算力大部分在空等数据

Sophon 的思路：**把权重直接焊在计算单元头顶，不走外部总线**。

---

## 二、核心架构

| 维度 | 参数 |
|---|---|
| 芯片面积 | 750 mm²（约 27.4×27.4mm） |
| 堆叠层数 | 64 层（32 逻辑层 + 32 存储层交错堆叠） |
| 基础工艺 | 28nm Si CMOS 基底层 |
| 上层工艺 | 2D-TMD（MoS₂ n-FET / WSe₂ p-FET），BEOL 兼容，≤450°C 生长 |
| 互联 | MIV（Monolithic Inter-tier Via），90nm 间距 |
| 堆叠总高 | ≈ 22 µm |
| 片上 DRAM | 330 GB（2T0C 增益单元） |
| 算力 | 4200 TFLOPS FP8 / 2100 TFLOPS BF16 |
| 功耗 | 373W (FP8 decode) / 564W (训练平均) |

### 2T0C DRAM：无电容也能存数据

传统 DRAM 需要 1 个晶体管 + 1 个电容（1T1C），电容占面积大、需要频繁刷新。

Sophon 利用 **2D-TMD 晶体管极低漏电流**（Ioff ≈ 0.5 fA/单元，比硅低约 4 个数量级），仅靠寄生电容就能保持数据约 **1.8 秒**（25°C），无需实体电容。这就是"2T0C"——2 个晶体管、0 个电容。

好处：
- 单元面积仅 8F²（传统 1T1C 约 20F²）
- 刷新功耗仅 ≈ 0.08W（整颗 330GB 芯片）
- **无限写入耐久**——支持原位梯度累积，同一颗芯片既能训练又能推理

---

## 三、性能对比（80B 模型）

| 指标 | Sophon PFG-1 | NVIDIA Rubin | AMD MI455X |
|---|---|---|---|
| 片上内存 | 330 GB 2T0C | 288 GB HBM4 | 432 GB HBM4 |
| 内存带宽 | 4.2 PB/s（层内MIV） | 22 TB/s | 19.6 TB/s |
| 权重带宽倍数 | - | 191× | 214× |
| BF16 算力 | 2,100 TFLOPS | ~8,750 TFLOPS | ~10,000 TFLOPS |
| FP8 decode tok/s | **14,438** | ~300 | ~270 |
| tok/s/W | **38.7** | ~0.22 | ~0.22 |
| 能效倍数 | - | **174×** | **174×** |
| BOM 成本 | **$8,358** | ~$82,800 | ~$96,700 |
| 训练吞吐(80B) | 2,406 tok/s | ~880 tok/s | ~785 tok/s |

> 注意：Rubin/MI455X 的算力是 Sophon 的约 4-5 倍，但在小批量推理场景下完全被 HBM 带宽卡死，算力用不上。Sophon 用「带宽换算力」的策略在小批量场景碾压。

---

## 四、发展现状

**2026 年 6 月实际状态：pre-production 早期技术验证**

- ✅ 2T0C DRAM 单元已制造并完成特性表征（2026年5月预生产批次，Ref [28]）
- ✅ PPMOCVD 设备可量产 2D-TMD 晶圆
- ❌ 完整 64 层 M3D 芯片未见 tape-out 或流片证据
- ❌ 所有芯片级性能数据来自物理计算 + SPICE 仿真，非实测
- ❌ 无客户、无第三方独立验证、正在寻找合作伙伴

---

## 五、关键风险

1. **64 层 M3D 堆叠良率**：白皮书自估 40.8%（基础良率 49.5% × 堆叠 82.5%），实际可能更低
2. **2D-TMD 器件一致性**：晶圆级 TMD 生长均匀性是全球难题
3. **28nm 基底层瓶颈**：控制器/IO 用成熟工艺是优势也是限制
4. **没有软件生态**：CUDA 护城河不是架构能解决的
5. **不是一个公司在战斗**：PPMOCVD 设备也是他们自己造的，供应链风险极高

---

## 六、一句话总结

架构设计漂亮，物理计算自洽，但离「能买到」还有很远——目前阶段更接近「拿单元级数据 + 白皮书找投资/合作伙伴」。


---

## 七、PhantaField 公司概况（2026-06-29 更新）

### 基本信息

- **全称**：PhantaField Inc.
- **核心使命**：用二维材料（2D TMD）+ 单片 3D 堆叠技术重新定义 AI 芯片架构
- **两条产品线**：NanoGalaxy™ PPMOCVD（制造设备）+ Sophon AI ASIC（芯片）
- **对标**：NVIDIA Rubin / AMD Instinct，但切入点是"用 28nm + 新材料，绕开光刻墙和 HBM 墙"

### 公开信息极度有限

搜遍中英文网络，关于 PhantaField 的**第三方报道、团队背景、融资记录全部为零**：
- 官网和白皮书之外，没有任何独立信息源提及这家公司
- 没有创始人姓名、团队规模、注册地、成立时间披露
- 没有融资轮次、投资方、估值信息披露
- 白皮书参考文献 [28]（2T0C 单元预生产批次 2026 年 5 月）是唯一能确认的实物存在线索

### 商业模式推演

从官网「Partner with us」板块和白皮书定位来看：
- **设备销售**：PPMOCVD 作为独立产品对外销售，瞄准需要 2D 材料晶圆的客户
- **芯片定制**：为有「大算力 + 低功耗 + 抗辐射」需求的客户（AI 数据中心 / 航天）提供定制 ASIC
- **当前阶段**：极早期。正在寻找合作伙伴，白皮书本质上是一份技术能力说明书 + 投资材料

### 团队画像（推测）

虽然无公开信息，但从白皮书技术细节判断：
- 有半导体工艺（MOCVD/2D 材料/3D 集成）和芯片架构（CIM/DRAM/NoC）双领域专家
- 参考文献引用了 imec、Leti 等顶级研究机构的公开成果，但 [28] 是内部数据
- 可能学术背景较重，白皮书风格偏学术论文而非产品 datasheet

### 综合判断

> PhantaField 是一家**技术路线极深、信息完全封闭**的初创公司。两条产品线（设备+芯片）自循环的模式在半导体行业极为罕见，风险极高但一旦走通壁垒也极高。目前处于 **pre-product 技术验证阶段**，白皮书数据以物理计算为主，完整芯片未见 tape-out，无第三方验证。属于「值得关注但需持续观察」级别。