半导体芯片制造成本差异极大。一颗28nm的简单物联网芯片每块售价为1至5美元。
主流的5nm移动SoC价格为20至50美元，像NVIDIA H100这样的先进A加速器制造成本约为3320美元(包括芯片、HBM内存、封装和测试)。
最复杂的芯片，如NVIDIAGB200超级芯片，制造成本超过13,000美元。
按工艺节点划分的晶圆成本
晶圆成本是芯片经济学的基础。价格因代工厂、节点、产量和合同条款而异。前沿节点(3nm、5nm)采用极紫外光刻技术，成本远高于成熟节点。
来源：TrendForce
包装成本
先进包装已成为主要的成本组成部分和供应瓶颈。人工智能加速器需要2.5D或3D封装，以集成HBM内存堆栈与逻辑芯片。
内存成本(HBM，DRAM)
高带宽存储器(HBM) 是AI芯片成本增长最快的组件。每个堆栈使用硅孔(TSV) 垂直连接多个DRAM芯片，提供标准GDDR的5-10-10x带宽。
AI芯片成本分解
主要人工智能加速器的制造成本估算细分。所有成本均为物料清单(BOM)估算，不包括设计成本(NRE)。
NVIDIA B200
AMD MI30OX
芯片制造成本为何持续攀升
以往摩尔定律在提升晶体管数量的同时，还能不断降低单晶体管成本。但这一成本规律在5nm 工艺节点被彻底打破。目前有三大结构性因素推高了制造成本：
极紫外（EUV）光刻成本：先进工艺节点需采用多次曝光 EUV 光刻。台积电 3nm 晶圆的成本约为 28nm 晶圆的 6.5 倍；单台 EUV 光刻机造价更是超过 3.5 亿美元。
先进封装附加成本：集成 CoWoS、SolC 架构以及高带宽内存（HBM），单颗芯片会增加 500 至 1500 美元以上的成本，这类成本项在传统成熟工艺中原本并不存在。
内存带宽需求激增：人工智能算力芯片单颗通常要搭载 6 至 8 组 HBM 堆叠内存，每组 HBM 成本为 200 至 300 美元，仅此项就会让物料清单（BOM）成本增加 1200 至 2400 美元，也是涨幅最快的成本构成。
最终成本差异十分悬殊：28nm 芯片的物料清单成本仅 3 至 10 美元，而前沿 AI 芯片的物料成本高达 3000 至 13000 美元，涨幅达到千倍。成本攀升的核心原因并非单纯的硅片工艺，而是封装与内存两大环节。
