社区

近日，高通在2026年投资者日活动上，抛出一个颇具野心的目标：2029财年实现400亿美元非手机业务营收，较此前220亿美元的指引近乎翻倍，其中数据中心被其定义为未来最大的增量市场，预计2029财年营收突破150亿美元，届时手机芯片业务在高通半导体部门总收入占比将压缩至三分之一，标志着高通从“移动手机芯片供应商”，向覆盖端、边、云全场景的一体化算力平台企业蜕变。 但高通如此大的业务转变并非易事，看似顺势而为，实则步步博弈，脱离舒适区，踏足新领域，需要的不只是决心，还有过硬的实力。 01 手机市场承压，AI数据中心开启第二增长极 智能手机赛道是高通数十年来的商业根基，旗下的骁**片占据安卓旗舰市场绝对主导，专利授权业务带来了稳定的高毛利现金流，但消费电子行业迭代至今，智能手机早已告别增量扩张，进入残酷的存量竞争时代。 一方面，全球智能手机出货量常年维持在12亿至13亿台存量区间，新兴市场增量枯竭，成熟市场用户换机周期拉长至30个月以上，整体行业增速常年维持个位数甚至负增长，无法支撑高通持续高增长预期。 另一方面，市场份额持续流失成为显性隐患。联发科持续以高性价比芯片抢占安卓市场，挤压高通机型出货空间；苹果自研A系列芯片脱离高通基带，持续压缩高通高端基带订单；国内手机厂商加速推进自研芯片，进一步分流芯片采购需求。多重因素叠加下，高通手机芯片营收增速显著放缓，单一业务抗风险能力薄弱是不争的事实。一旦手机行业进入下行周期，公司整体业绩将直接承压，寻找第二增长曲线成为当务之急。 其实高通很早就意识到单一业务的局限性，不断拓展汽车、物联网领域，客观来看，这两条业务线高通做的很有成绩，汽车数字座舱、车载智驾芯片订单规模突破650亿美元，工业物联网、消费智能硬件板块连续多年双位数增长，持续贡献营收。但从营收体量和增长天花板来看，汽车与物联网始终无法完全对冲手机业务的周期性下滑，二者营收规模

最近，盛美上海发布投资者关系活动记录表，其中回答半导体零部件涨价趋势时表示，公司已关注到零部件市场的价格波动情况，采取了相应的应对措施。值得关注的是，为系统推进公司零部件本土化，盛美从2025 年开始，在半导体前道及先进封装领域先后设计并组装出两台全部使用本土零部件的设备（需要特别说明的是，上述设备仅为公司内部用于检验零部件性能的测试设备），之后计划将其在临港洁净室中进行零部件测试及验证，并将把通过验证的合格零部件逐步导入公司量产设备中。 虽然这两台设备只是公司内部专门用于检验零部件性能的“非卖品”，但却意味着国产半导体设备零部件开始走向完全闭环，正在迈向系统验证的新阶段。国产半导体设备零部件开始逐渐成气候。 01 起势之“因”：需求倒灌到上游 国产半导体设备零部件的“起势”，首先源于下游需求的倒灌。 一方面，AI算力需求正从GPU、HBM向更广泛的产业链环节扩散。先进封装、电源管理、检测设备等领域的扩产潮，带动了整个设备产业链的景气度上行。SEMI报告预测300mm存储设备投资2026年将突破500亿美元。另一方面，中国大陆晶圆产能仍在持续扩张。SEMI中国总裁冯莉指出，全球晶圆厂产能已向中国转移。过去二十年，中国大陆晶圆制造产能占全球比重实现三级跳：2000-2020年全球晶圆厂产能向中国转移，2000年中国晶圆产能占比仅为2%，2010年提升至9%，2020年达到17%。根据SEMI预测，2030年中国大陆晶圆产能将占全球三分之一。其中在22—40纳米主流制程节点，中国大陆产能增速最快，2026年占比将达到37%，2028年有望达到42%，占据主导地位。中国大陆已稳居全球最大半导体设备支出市场。新建产线对设备采购的需求直接拉动了上游零部件配套市场。需求从晶圆厂向设备商，再向零部件商层层传导。 零部件国产化的另一大推动力，来自国产设备整机的快速崛起。据国家半导体产业联盟

近日，上海概伦电子股份有限公司发布公告称，收购成都锐成芯微科技股份有限公司100%股权、纳能微电子（成都）股份有限公司45.64%股权事项，已于6月26日正式获得中国证监会同意注册的批复。 交易完成后，概伦电子将深度整合两家公司的IP资源，打通EDA与IP协同链路。然而，比起资本落定，更值得追问的是：当EDA与IP真正“合体”，芯片设计的底层规则会被改写吗？ 01 EDA+IP，成为新潮 在芯片设计中，EDA+IP可谓是黄金搭档。其中 IP即经过流片验证、可复用的标准化设计模块。类比积木搭建，IP 相当于预制成型积木单元，设计人员可直接调用，大幅缩短研发周期、降低设计门槛。但IP 模块需依托 EDA 工具完成集成实现。EDA 不仅负责各类 IP 的版图布局布线与最优互联，还可开展时序、功耗等多维度仿真校验，保障芯片实际工况下的性能指标达标。 因此，EDA+IP价值体现的“第一极”，便是“协同” 。据悉，台积电从很早就开始和IP厂商达成合作，成立了台积电开放创新平台（OIP），该平台打造出一套横向开放产业生态体系，除整合各类 IP 厂商资源外，还串联起 EDA 工具供应商、云端合作方、设计服务中心及产业链上下游诸多参与主体。 EDA+IP价值体现的“第二极”，是本土化。自2018年以来，美国针对 EDA 工具发起多轮限制行动。其中包含：2019年与2020年，美国先后将几家中国头部半导体/科技公司列入实体清单，限制其获得高端EDA软件。 2022年，美国商务部通过修订《出口管理条例》（EAR），新增出口管制分类编号 ECCN 3D006，专门针对可用于设计 GAAFET（环绕栅极晶体管）结构的 EDA 工具实施管控，该工具主要用于 3nm 及以下芯片设计。 2025年5月29日，美国商务部工业和安全局（BIS）颁布了一项禁令，要求EDA三巨头（Synopsys、Cadence

2026年夏天，一场历史性的极端热浪席卷欧洲大陆。法国、德国、英国等多国气温突破40°C，6月28日当天欧洲至少有1.01亿人处于35°C以上的高温环境中。高温带来的不仅是公共健康危机——世界卫生组织数据显示，仅6月21日以来欧洲就有超过1300例死亡病例与高温相关——更引爆了一场始料未及的空调抢购潮。法国政府紧急采购3万台空调并要求数日内交付，消费者驱车200公里只为抢到最后一台现货。 但这场“空调狂热”的真正主角并非空调本身，而是藏在每一台机器深处的芯片。当移动空调在欧洲全面售罄、中国家电企业紧急补货之时，上游功率半导体与电源管理IC正迎来一波强劲的备货潮。几乎与此同时，家电巨头LG电子宣布正式进军ASIC设计服务市场，首款产品即为6nm制程的扫地机器人SoC。白电芯片——这个长期被资本市场视为"成熟制程、低毛利、低门槛"的赛道——正在以一个相当凌厉的姿势进入产业视野。 01 热浪催生的芯片行情 欧洲空调普及率长期偏低，德国家庭空调普及率不足3%，英国仅约5%。过去，欧洲人依赖风扇、遮阳帘和夜间通风应对暑热，空调并非刚需。但极端气候的常态化正在彻底改变这一格局。2026年1至5月，中国出口西欧的家用空调数量同比增长9.7%，其中移动空调出口同比增幅超过70%。美的PortaSplit便携式分体空调今年销量已突破20万套，较去年翻倍；TCL空调法国市场同比增长超过300%。 终端需求的爆发正在向上游传导。在2026年慕尼黑上海电子展上，先之科半导体向笔者透露，公司目前正为海尔、海信等一线空调品牌供货，今年功率器件的订单明显加速。先之科作为专注于半导体分立器件研发的国家级专精特新“小巨人”企业，其功率MOS管、二极管等产品已深度嵌入国内白电供应链。而变频空调对功率器件的要求远高于传统定频机型——一台变频空调的功率器件使用量比传统定频机型高出30%至50%。在欧洲ErP等高能

今年AI眼镜正式进入规模化放量周期，行业增长势头强劲。IDC数据显示，2026年第一季度，全球智能眼镜市场同比增速高达130.1%，中国市场以23.5%的增长位列全球第三。预计今年全球智能眼镜出货量达到2368.7万台。 市场热度持续攀升的同时，行业整体产品体验却普遍存在硬伤。发热明显、续航偏短、视觉识别与实时翻译延迟、整机厚重等问题，成为制约用户留存与行业进阶的核心痛点，从产业底层逻辑来看，核心问题出自尚未成熟的专用芯片体系。 01 三大硬伤拖累终端体验 在AI眼镜行业发展早期，产业链尚未形成成熟的专用芯片体系，为快速抢占市场、降低硬件研发门槛，大量中小整机厂商直接采用中端手机SoC进行简单裁剪适配，仅删减部分基带、高清视频编码等冗余模块后，直接嵌入狭小的镜腿内部完成硬件适配。 但手机芯片的核心设计逻辑围绕智能手机大屏机身、大容量电池、内置散热空间打造，这与AI眼镜狭小机身、被动散热、200-300mAh微型电池、贴身佩戴的特殊使用环境相悖，很难通过简单软件优化或硬件微调实现适配，直接催生三大终端体验缺陷，成为行业量产产品的普遍痛点。 首先是高负载工况下发热明显，破坏佩戴舒适度。手机SoC在运行本地大模型推理、实时视觉识别、连续AR画面渲染等高负载任务时，整体功耗会瞬间飙升至数瓦级别，而一体式AI眼镜的镜腿结构极简，无风扇、无均热板等任何主动散热结构，仅依靠塑胶外壳被动导热，空间内的热量无法快速散出。 搭载裁剪手机SoC的初代AI眼镜持续高负载运行30分钟，镜腿贴肤区域热点普遍突破48~52℃，远超穿戴设备39℃舒适安全阈值，43℃以上即易产生明显灼烫不适感，即便是日常间歇使用，其空载待机功耗也远高于专业穿戴芯片。 其次是AI核心功能运行延迟过高。AI眼镜的核心产品竞争力集中在实时多语种翻译、第一视角物体识别、手势眼动追踪、空间SLAM建模等智能交互功能，这类功能对芯片算

最近，英伟达在官方博客上宣布了一件事：其下一代AI计算平台Rubin将彻底取消风扇，100%依赖液冷运行。同一个月，韩国科学技术院（KAIST）团队发表论文，展示了一种将室温水直接注入芯片内部微管道的冷却技术，性能系数达到此前世界纪录的10倍。再往前推几天，SK海力士发布了在HBM内存封装中直接集成散热元件的iHBM方案。 这些消息密集地出现，并非巧合。当单颗AI加速器的功耗逼近1000W、单个机架的功率接近1兆瓦时，空气冷却的物理极限已经到了。施耐德电气总裁的判断很直接："一旦单芯片功耗超过某个阈值，液冷就不再是可选项，而是必需品。" 围绕"散热"这件事，半导体产业正在经历一次从芯片内部到数据中心外墙的全链路重构。 01 KAIST的颠覆性突破 在芯片级散热领域，传统的外部液冷方案正面临流体阻力大、泵送能耗高以及温度分布不均的瓶颈。6月16日，KAIST研究团队发表了一项突破性研究，展示了一种从芯片内部进行冷却的超高效液冷技术。 KAIST团队没有依赖昂贵的合成金刚石等特种导热材料，而是将"歧管微通道"（manifold microchannel）结构直接雕刻在硅半导体芯片内部。这种设计类似于一个高效的物流网络，通过在芯片上均匀分布多个微型入口和出口，大幅缩短了冷却流体的传输距离，从而显著降低了流阻和所需的泵送压力。 该技术的核心优势体现在三个维度：第一，极高的冷却效率——在实验中，该系统实现了106,000的冷却性能系数（COP），这一指标是2020年《Nature》所记录的世界纪录的10倍，意味着芯片制造商只需十分之一的泵送功率就能移除同等数量的热量。第二，极限热负荷下的稳定性——即使在每平方厘米2000瓦的极端热负荷下，该系统仍能使用普通的室温水将芯片温度控制在100°C的安全阈值以下。第三，与现有工艺的兼容性——整个微通道的制造工艺在350°C以下完成，完全兼容现

2026年7月初的上海，慕尼黑上海电子展的人潮里，嵌入式厂商的展台比以往热闹得多。前来逛展的工程师不再是只问价格和交期，更多人围着人形机器人的灵巧手Demo、边缘AI开发板等驻足。那么，今年的嵌入式行业的风口到底在哪？ 01 AI MCU的落地如何？ “AI MCU”的概念已经提出很久了，但落地情况究竟如何？ 德州仪器（TI）现场展示了集成TinyEngine NPU的边缘AI数字识别方案。TinyEngine NPU是TI推出一款专用的硬件加速器，可以提供2.56GOPS计算性能，专门为深度学习、推理运算而设计。不过行业人士表示，AI MCU的算力普遍落在零点几TOPS区间，只能跑十几K到几十K参数的小型神经网络，主要用于“分类”，比如毫米波雷达做姿态分类、电机振动信号的异常检测等。TI工作人员坦言，这类嵌入式设备本来就不是集中式处理，而是细分场景的“小任务”。他们还配套推出了傻瓜式的IDE工具，号称可以“手把手”完成数据采集、标注、训练到部署，甚至直接输出头文件，把网络权重编译进工程。更值得注意的是，TI已经把AI接入了自家的CC Studio集成开发环境，直接对接大模型，实现“提需求→自动编码→自动烧录→自动Debug”的一条龙服务。用现场工程师的话说，“基本不用你再有编程能力，只要能看懂东西就行。”实际上，MCU上的功能本身不算特别复杂，而AI辅助编程恰恰在“简单场景”里最有优势，毕竟任务太复杂的话，MCU的内存和算力根本装不下，反而限制了发挥。 意法半导体（ST）则带来了STM32N6这颗边缘AI MCU芯片，拥有0.6 TOPS算力，内置自研NPU，跑标准CV模型，可做手势识别和关键点检测等。ST中国区微控制器产品部陈德勇在同期一场报告里强调，边缘AI部署必须满足“两小两低”：小Flash、小RAM、低功耗、低延时。他还透露，ST早在2015年就开始做NPU测试

6月30日，SK海力士正式向美国证券交易委员会提交F-1招股说明书，启动纳斯达克上市程序，拟通过发行美国存托股份（ADS）募集约294亿美元，股票代码为SKHY。 从KOSPI主板到KOSPI 200指数成份股，再到如今叩开华尔街的大门，SK海力士用了十三年。韩国半导体第一次以“AI核心供应商”的身份站上美股舞台。 01 HBM的开始 SK海力士今天最锋利的刀，是HBM。但这把刀不是最近才磨出来的。 2013年，SK海力士把TSV硅通孔技术应用到DRAM上，成功开发出第一代高带宽存储器HBM。 这个想法不是SK海力士的原创。1990年代就有人提出过3D堆叠DRAM的设想，但一直卡在良率和成本上无法落地。真正让HBM从论文走向产品的，是AMD。 2013年，AMD正在为下一代GPU寻找显存方案。他们发现，传统GDDR5的带宽已经触顶，即便把频率拉到7Gbps，512-bit位宽下也只能提供不到360GB/s的带宽，远不够喂饱未来GPU恐怖的并行计算需求。AMD提出了一个大胆的设想：把显存和GPU核心做在同一块硅中介层（Interposer）上，用更宽的接口（1024-bit）和更低的电压，换取数倍的带宽跃升。 这就是HBM的雏形。在AMD初期的HBM研发与落地阶段，SK海力士是AMD最紧密且最积极的合作方。 2014年初，SK海力士在韩国京畿道利川工厂流片了第一颗4-Hi（4层堆叠）的HBM样品。那是一颗指甲盖大小、厚度仅约200微米的硅片，4颗2Gb DRAM die通过约5000个TSV通道垂直互联。 AMD拍板签下了第一份商业订单。2015年6月，AMD Radeon R9 Fury X发布，这是全球第一款搭载HBM的商用产品。512GB/s的带宽，是同期GTX 980Ti的约1.5倍。 HBM1在市场上赢得了名声，却没有赢得订单。 Fury X销量不及预期，AMD的G

AI大模型正以惊人的速度迭代。存储与带宽的增速，远远追不上模型膨胀的脚步。这就是困扰行业已久的“内存墙”问题。更棘手的是，当前主流的2.5D封装（如台积电CoWoS）技术是单一平面扩展，布局布线资源受限，集成密度低，在AI高算力的场景下，芯片面积无法进一步压缩。 当横向扩展难以为继，“向上生长”的3D堆叠技术就成为了必然选择。对于国产AI芯片而言，3D堆叠技术可以在先进工艺产能受限、高端HBM供给不畅的产业现实下，3D堆叠提供了一条以“空间换性能”、绕过部分工艺封锁的可行道路。 01 封装技术从“平面铺砖”到“立体盖楼” 在先进封装领域，2.5D封装通过在硅中介层上集成多个裸die，实现了芯片之间的高速互连和短距离通信。硅中介层通常采用硅通孔（TSV）技术实现垂直互连，具有高密度、高性能的互连特性，可以大大提高系统的整体性能。 3D堆叠技术通过芯片堆叠或封装堆叠，例如采用硅通孔或混合键合技术，以增加功能、提高集成密度、降低封装成本，并因缩短互连长度而有助于提升运行速度。通过3D堆叠，可以将2.5D封装中原本平铺在不同芯片上的功能单元，如计算逻辑、存储阵列、I/O接口在垂直维度上进行物理叠层与电气互连，从而突破平面集成的物理极限。 3D封装与3.5D封装便采用了3D堆叠技术。3D封装技术通过将多个裸芯片（Bare Die）进行垂直堆叠，并借助硅通孔和微凸块等先进互连技术实现层间通信，从而突破了传统平面集成的物理限制。这种架构极大地缩短了电子传输路径，在显著降低传输延迟与功耗的同时，实现了极高的互连带宽和封装密度。3.5D封装则是在3D垂直堆叠的基础上，再引入2.5D硅中介层（Interposer）进行横向扩展，形成“立体+平面”的复合架构。 当前国内主流AI芯片，如寒武纪、昆仑芯、壁仞科技、天数智芯等基本都通过2.5D封装技术将GPU/AI计算芯粒与HBM显存并排互连，利用硅

近日，高通发布了面向AI数据中心市场的高带宽计算架构（HBC，High-Bandwidth Compute），高通表示，该架构可实现更低的单位Token能耗、更高的有效存储带宽，同时降低系统总体拥有成本。 如今，制约大模型落地的核心瓶颈已经不再是算力芯片的算力不够，而是行业反复提及的“内存墙”，过去行业最简单的解法是不断加购显存、堆叠硬件。但到了今年，行业共识已然转向，不再靠硬件堆料硬扛内存墙，而是走软件盘活存量、硬件重构底层两条互补路径，全产业链协同重塑存储与算力的协作逻辑，用巧劲撬开这堵厚重的存储墙。 01 AI推理存储矛盾越发激化 内存墙出现本质是CPU/GPU算力提升速度，远远超过内存读写带宽、延迟的提升速度，算力芯片运算速度快，但数据存取跟不上，处理器大部分时间闲置等待数据，导致算力与存储之间产生的巨大性能鸿沟。 数据显示，2024至2026年，主流大模型参数量暴涨百倍，上下文窗口从万字级拓展至百万字级，但服务器内存带宽年均提升不足15%，远滞后于AI业务增速，软硬件迭代速率的严重错配，让内存资源低效浪费问题全面爆发。 当前AI推理产业面临三重核心存储困境，且无法通过传统硬件扩容解决。一是显存与高端内存资源极度稀缺，单台AI推理服务器的DRAM、HBM消耗量是传统数据中心服务器的十倍以上，全球近六成DRAM晶圆产能被AI集群占用，消费电子与中端服务器产能持续被挤压，HBM更是长期处于锁单缺货状态；二是存储资源利用率极低，传统架构下GPU无法直接调度外部存储，大量低频KV缓存、闲置权重参数持续占用高价HBM显存，推理过程中临时张量、碎片化缓存造成30%以上的内存无效占用，资源浪费严重；三是存储成本居高不下，内存相关支出占据AI服务器硬件总成本一半以上，中小企业因存储门槛无法落地大模型服务，头部厂商也因存储产能限制，难以无限扩容推理集群。 面对这些难题，各大企业都在布