社区

半导体市场的12月，注定不平静。 一边是AMD、英伟达相继打响CPU、GPU涨价潮，消费级市场装机成本持续攀升；另一边是地缘政策传来重磅消息——当地时间12月8日，特朗普宣布允许英伟达向中国出口H200 AI芯片，附带25%销售额上缴美国政府的条件，相关细节正由美国商务部敲定。 H200出口松绑能否缓解芯片涨价压力？涨价是成本驱动还是战略布局？企业、渠道商与消费者又该如何应对？ 01 CPU/GPU涨价潮已至 近期半导体市场的涨价信号，已从传闻落地为实际动作，且覆盖了CPU、GPU两大核心硬件。 GPU领域，AMD率先发力，已向华硕、技嘉、撼讯等合作厂商发出通知，计划对旗下全系列GPU产品启动第二轮涨价，涨幅至少为10%，新价格预计未来几周内正式实施。这意味着，游戏玩家想要以原始建议零售价（MSRP）购入采用RDNA 4架构的Radeon RX 9000系列最新款显卡的机会将进一步减少。 英伟达则选择分阶段涨价以缓冲市场冲击，合作厂商透露，首批调整或于2025年12月启动小幅上浮，2026年1月进行第二轮调价，目前其显卡价格已确认开启上涨通道。 核心涨价动因之一，直接指向显存成本压力。 业内人士指出，显存成本约占显卡总成本的30%-40%，此次全线上调是近三年来首次。 为应对这一压力，市场传出英伟达正考虑打破长期实行的捆绑销售策略，不再强制要求显卡合作伙伴同时采购GPU芯片和显存颗粒，允许板卡厂商自行采购显存。这一策略调整将加剧行业分化：对华硕、微星、技嘉等一线AIC厂商而言，可直接与三星、SK海力士、美光等显存原厂谈判，有望获得更具竞争力的价格，同时提升供应链自主性；但中小型AIC厂商则可能因采购体量小、议价能力弱，面临更大的成本压力和生存挑战。要知道，当前英伟达GDDR显存主要由三星、美光、SK海力士供应，AI加速卡所用的HBM显存也依赖这三大巨头，显存采购权的下放，本

“超越摩尔”的赛道中有很多关键词，MEMS也算其中一个。 当你戴着 TWS 耳机语音唤醒 AI、驾驶新能源汽车平稳制动、用智能手表监测心率时，一颗尺寸仅几毫米的 MEMS（微机电系统）正在默默工作。 这个集多部分于一体的“超小系统”，正是智能化时代的 “感知神经”。 01 中国MEMS，日益壮大 MEMS全称Micro Electromechanical System，即微机电系统，MEMS产品将具有不同功能的微传感器、微执行器、微结构、信号处理与控制电路、通讯/接口单元在硅晶圆上制作而成，是微型机械加工工艺和半导体工艺相结合的产品。 用MEMS技术制造的新型传感器，就称为MEMS传感器。而MEMS芯片和ASIC芯片是一个MEMS传感器中技术和价值含量最高的部分。MEMS芯片负责感知信号，将测量量转化为电阻、电容等信号变化；ASIC芯片负责将电容、电阻等信号转换为电信号，其中涉及到信号的转换和放大等功能。 典型的MEMS产品包括加速度计/陀螺仪、麦克风、压力传感器、惯性测量单元IMU、射频滤波器、光学MEMS。 近日，知名咨询机构Yole Group发布《Greater China MEMS Industry 2025》（2025年大中华区 MEMS 产业）报告，这是其首次对中国的MEMS产业出具报告。 数据显示，2024年中国的MEMS产业营收规模达到17亿美元（约合121亿元人民币），较2023年增长8.4%，MEMS器件出货量达到54亿颗，占全球 MEMS 市场份额的 10%。 Yole 集团的 MEMS传感技术与市场高级分析师Pierre-Marie Visse 认为，这一势头将持续下去，2025 年将恢复到新冠疫情前的增长状态，所有终端市场（从消费市场到汽车和工业市场）的大趋势将推动需求增长。 Yole预计，在持续的投资、设计能力日趋成熟以及本地需求不断增长的支持

市场对FPGA的需求正在发生深刻改变。 根据市场研究机构 MarketsandMarkets 最新报告，全球现场可编程门阵列（FPGA）市场正进入加速增长期，预计规模将从 2025年的117.3亿美元增长至2030年的193.4亿美元，年复合增长率显著提升。 而TrendForce集邦咨询的数据则显示，这一增长主要来自AI加速、边缘计算、机器人技术等新兴领域，传统通信领域增速已降至5%以下，与新兴领域20%以上的增速形成鲜明对比。 不仅如此，在最近火热的量子计算、太空算力等领域，FPGA也被发现具有独特优势。 今年，是首款商用FPGA诞生40周年。当时它首次引入了可重复编程硬件的理念。如今，FPGA自身的市场地位，似乎也正在被“重新编程”。让我们看一看，这种变化从何而来，而各大厂商又会对其作何反应。 01 FPGA，抢占三大高地 AI与量子计算 在高性能计算（HPC）与人工智能基础设施领域，CPU与GPU正面临着日益严峻的“内存墙”与“I/O 墙”挑战。在大模型训练与推理过程中，数据搬运产生的能耗与延迟往往超过计算任务本身。为了解决这一痛点，FPGA被广泛部署在网络接口与计算单元之间，充当数据守门人的角色。通过内联处理技术，FPGA 能够在数据进入GPU或CPU之前，直接在传输路径上完成解包、清洗及格式转换等预处理任务。这种近数据计算架构能够有效剔除噪声数据，解决人工智能训练中常见的“垃圾进，垃圾出”问题，从而显著降低主处理器的无效负载，缓解大规模智算集群中的互连瓶颈。 与此同时，在量子计算这一前沿领域，FPGA展现出了突破物理极限的时序控制能力。量子计算的核心挑战在于量子比特的极度脆弱性，环境中的微小干扰都会导致量子态迅速退相干。为了维持计算的有效性，控制系统必须在微秒级的相干时间内完成“错误检测-解码-纠正”的闭环。传统的CPU或GPU受限于中断调度机制和指令流水线，其

封测行业作为半导体产业链的中游重要环节，承接芯片制造后的封装与测试工序，是保障芯片性能落地、实现终端应用的关键支撑。受益于5G通信、人工智能、物联网、汽车电子等新兴领域的快速渗透，全球及国内封测市场持续扩容。 中商产业研究院发布的《2025-2030年全球及中国集成电路封测行业市场前景预测与发展趋势研究报告》显示，2024年全球集成电路封测市场规模达到821亿美元，同比增长5%，预计2025年全球集成电路封测市场规模将达到862亿美元。国内市场表现更为亮眼，2024年中国大陆集成电路封测产业销售收入达3146亿元，较2023年增长7.14%，预计2025年将突破3303.3亿元，展现出强劲的增长韧性。 在行业向好的背景下，国内头部封测企业华天科技、长电科技、通富微电陆续发布2025年三季度财报，三家企业整体呈现增长态势，其中部分企业核心指标表现突出，背后折射出国产先进封装技术突破与市场需求升级的深度契合。 01 三家头部企业财报核心数据透视 前三季度，华天科技交出了一份全面增长的成绩单。公司实现营业总收入123.8亿元，同比增长17.55%；归母净利润5.43亿元，同比大幅增长51.98%；扣非净利润1.11亿元，同比激增131.47%，盈利能力显著提升；经营活动产生的现金流量净额为26.15亿元，同比增长32.26%，现金流状况稳健，为后续发展提供了充足的资金保障。 长电科技三季度单季表现亮眼，实现营业收入100.64亿元，同比、环比分别增长6.03%、8.56%；归母净利润4.83亿元，同比分别增长5.66%，显示出业务复苏动能。从累计数据来看，前三季度公司实现营业收入286.7亿元，同比增长14.78%；归母净利润9.5亿元，同比减少11.39%；扣非归母净利润7.84亿元，同比减少23.25%，整体业绩虽有波动，但作为全球第三、中国第一的封测龙头，其市场份额与技术优

今日，摩尔线程正式登陆科创板，此次IPO发行价为114.28元/股，这是今年以来发行价最高的新股，宣告“中国GPU第一股”正式诞生。 开盘大涨468.78%，市值一度超过3055亿元。 本次摩尔线程发行数量为7000万股，预计募资总额79.996亿元，净额约75.76亿元，这意味着，摩尔线程将成为今年以来A股第二大IPO项目，仅次于7月16日在沪市主板上市的华电新能（募资总额181.71亿元）。 半导体行业对摩尔线程并不陌生。身后的掌舵者——张建中，曾是英伟达全球副总裁兼中国区总经理，在黄仁勋麾下深耕十余年，是业内公认“最懂英伟达玩法的中国人之一”。 摩尔线程上市，是中国GPU的一抹缩影，从此刻开始，将会有越来越多的中国GPU登上舞台，来自中国的科技力量正在影响世界。 01 国产GPU拓荒者 摩尔线程创始人、董事长兼CEO 张建中 张建中的职业生涯堪称一段传奇。 今年59岁的摩尔线程创始人张建中，本身就是工程师出身，曾长期从事GPU相关工作。他毕业于南京理工大学计算机系，曾在戴尔、惠普等IT巨头任职，于2006年加入英伟达。 在英伟达的任职经历，是张建中职业生涯中的关键篇章。他在英伟达工作长达14年，曾担任英伟达全球副总裁和大中华区总经理，主要职责便是开拓英伟达GPU的中国市场，促使该业务在国内的市占率从2008年的不到50%，提升到了2020年的80%。 英伟达GPU高歌猛进的同时，2019年至2020年国内掀起了芯片创业的第一轮浪潮。看到了国产芯片历史机遇的张建中选择离开英伟达，于2020年在北京成立了摩尔线程。在过往的采访中，张建中多次表达其创立摩尔线程的初衷，即“发展中国自己的GPU芯片产业”，并立志将其打造为“具备国际竞争力的GPU领军企业”。 摩尔线程从成立之初就确立了一个极具挑战性的目标，研发“全功能GPU”。实现该目标的技术基石，是其自主研发的MUSA（摩

当晶体管微缩逼近物理极限，先进封装便成为决定芯片性能的“第二核心阵地”。 而EMIB的出现，恰逢其时。 01 2026年CoWoS产能，被谁瓜分？ CoWoS（Chip-on-Wafer-on-Substrate），是AI 时代名副其实的“香饽饽”。 作为台积电在“超越摩尔定律” 道路上的核心技术，Chip-on-Wafer（CoW）工艺将多个芯片（如GPU、CPU和HBM等）堆叠并键合到硅中介晶圆上；然后，再将CoW芯片与封装基板（Substrate）整合，形成完整的CoWoS封装结构。 这意味着它允许将采用 5nm /3nm先进制程的 GPU 计算单元、专为存储优化的 HBM 芯片，以及成熟制程的 I/O 接口芯片整合为单一系统级封装，在性能、功耗与成本间找到最佳平衡点。 在 AI 算力竞赛中，CoWoS 的高带宽优势更是不可或缺。数据显示，采用 CoWoS 封装的 AI 芯片与 HBM 间的数据传输带宽可达 TB/s 级别，较传统封装提升一个数量级，完美解决了 “内存墙” 问题，成为高端 AI 训练芯片的标配。 随着 ChatGPT 等大模型迭代加速，全球云端 AI 芯片需求呈爆发式增长，全球CoWoS总需求将从2024年的37万片，增长至2025年的67万片，并在2026年达到100万片，这种爆发式增长进一步加剧了产能缺口。 目前来看，仅少数 AI 芯片龙头企业具备大规模 “锁定产能” 的实力，其余专用芯片（ASIC）厂商及二线 AI 芯片企业，均面临 CoWoS 产能获取不足的困境。 日前摩根士丹利报告预测，到2026年，英伟达的CoWoS晶圆总需求量将达到59.5万片，占全球总需求的60%。这笔庞大的订单中，约51万片将由台积电承接，主要用于下一代Rubin架构芯片。据此推算，2026年英伟达芯片出货量可达540万颗，其中240万颗将来自Rubin平台。Amko

在先进逻辑芯片的制造体系中，互连技术是决定芯片性能的核心环节之一。随着工艺节点不断微缩至纳米级，长期占据主流地位的铜互连工艺正面临越来越严峻的挑战，而新一代互连材料的探索已成为半导体行业突破性能瓶颈的关键方向。 01 铜互连：从替代铝到成为主流 先进逻辑芯片的核心构成包括晶体管、互连线与触点，其中晶体管负责电信号的放大与切换，而互连线则承担着晶体管间的电气连接、芯片内部的电源分配及信号传输功能。芯片制造分为前段制程（FEOL）与后端制程（BEOL），晶体管等核心组件在FEOL阶段生产，而互连线的制备则属于BEOL范畴，中间还需通过由微小接触结构组成的中间层（MOL）实现晶体管与互连结构的电连接。如今，先进芯片还引入了背面供电网络（PSN），在芯片背面完成电源线布线以优化性能。 在铜互连广泛应用之前，铝及其合金是互连材料的主流选择。铜之所以能取代铝，核心在于其更优异的电学性能与可靠性：铜的电阻率仅为1.68 μΩ·cm，远低于铝的2.67 μΩ·cm；在抗电迁移能力上，铜的晶格与晶界扩散能分别达到2.2eV和0.7至1.2eV，显著高于铝的1.4eV和0.4至0.8eV。 不过铜本身存在明显短板：粘附力弱难以紧密贴合硅基板、易渗透至硅及化合物中导致电路失效、氧化层松散无法有效防氧化，且缺乏高效刻蚀手段。这些问题曾长期限制铜的应用，直到晶体管尺寸持续缩减使电阻电容（RC）延迟成为性能瓶颈。 但在90纳米及以下工艺节点，铜大马士革工艺（含单镶嵌与双镶嵌）与化学机械抛光（CMP）技术的结合，彻底解决了铜的应用难题。 铜大马士革工艺借鉴了传统艺术品镶嵌技法，先在介质层刻蚀沟槽与孔洞，再填充铜材料，最后通过CMP去除多余铜形成电路图案，成功绕开铜刻蚀难题。与传统铝互连工艺相比，该技术可减少20%至30%的生产步骤，在简化流程、降低成本的同时减少生产错误，为铜互连的大规模应用奠定了基础。

数据中心建设正如火如荼，算力始终紧缺，存力也存在缺口，而另一个同样重要却未获得足够关注的关键点—— 电力，也面临着紧张局面。 高盛在一份最新报告中表示，美国在AI领域面临的最大障碍并非芯片、稀土或人才，而是电力。 01 数据中心，需要多少电？ 众所周知，英伟达GPU很耗电。 微软数据中心技术治理和战略部门首席电气工程师曾发布一则数据：以英伟达单个GPU为例，H100 GPU峰值功耗为700瓦，一小时耗电0.7度，一年按61%的使用时间计算，全年将耗电3740度，相当于一个美国家庭的平均功耗（假设每个家庭2.51人）。2024年英伟达的H100 GPU销量大约是150万块-200万块，当数百万块 H100 部署完毕时，其总功耗将超过美国亚利桑那州凤凰城所有家庭的用电量。 数据中心的用电量，远远不仅如此。 除了GPU，数据中心中还有大量的设备，比如服务器（还包含CPU等部件）、网络设备、存储设备、冷却系统和照明等，这些设备无一不需要持续供电。其中数据中心的冷却系统是能耗的主要组成部分之一，总耗电量占到38%以上(有的甚至高达50%)。传统的空气冷却系统效率较低，而高效的冷却技术，如直接芯片制冷和浸没式液冷，虽然节能，但成本较高。 OpenAI总裁山姆·奥特曼曾发表预测，AI算力增长跟摩尔定律差不多，也就是每10年增加100倍。未来20年会增加1万倍，那么它对能量的需求也会增加1万倍（为计算简单，假设芯片的能耗与现在一样）。那么到2050年，全球人工智能的耗电量至少需要130万亿度。作为对比，到2050年，除人工智能之外的人类用电量大约在30万亿度及以上。 基于这样的矛盾，一些初创公司开始从芯片端探索数据中心用电问题的解决方案。英特尔前CEO Pat Gelsinger 与 NXP 前CEO Richard L. Clemmer分别加入了两家数据中心电源芯片的初创公司。 02 前

1893年，人类收到了一份“来自星星的礼物”。 研究员亨利·莫瓦桑在研究陨石样品时，发现了自然条件下存在的碳化硅矿石，当时这种材料被称作“莫桑石”。 起初，碳化硅被用作磨料，之后被用在了第一批雷达中。1907年，碳化硅的特性（施加电压后，在阴极会发出黄色、绿色和橙色的光）孵化出了世界上第一个发光二极管。在当时，碳化硅还是一个“小众”神器，还没有产生商业价值。 70多年后，氧化铝与碳化硅构成的复合材料走出实验室，成为商品，但当时它的商业价值还体现在硬度、刚性、低热膨胀系数等方面，被用在天文望远镜、防弹背心等场景下。 21世纪，这种“天上的材料”开始被用在电子产品中。2008年，第一个被商品化的碳化硅电子元件JFET问世。而这种产品依旧“保值”，2025年安森美宣布1.15亿美元收购Qorvo的碳化硅JFET技术。 2011年碳化硅MOSFET问世，随后碳化硅器件的市场发展似乎被按下了“倍速键”。 01 借势而起，碳化硅的“生逢其时” 太阳底下无新事，碳化硅的特性并没有因为时间的流动而变化，但它的快速商用与新能源汽车的发展深深绑定。 能源危机叠加低碳需求下，新能源成为汽车产业的新发展方向。历史的巧合是惊人的，2008年特斯拉也推出了第一款双座电动车；而碳化硅第一次上车，是在2018年特斯拉的Model 3上。 与碳化硅绑定的，是新能源车，也是特斯拉。得到特斯拉的验证，碳化硅成为深受车企喜爱的第三代半导体材料。 2020年左右，行业开始了围绕碳化硅的大量讨论，资本看到了该材料的“钱景”，相信新能源汽车定能带飞碳化硅行业。同时，一场疫情扰乱了全球供应链，缺芯导致的各种产品缺货，加重了全球各国政府对本土供应链的焦虑。碳化硅产业的热度，更上一层楼。 五年后，全球供应链依然恢复，却似乎比疫情前更加混乱。碳化硅产业也没有跳出混乱的漩涡，其市场逐渐开始价值重估与分化。 02 碳化硅的价格，被

“我们为谷歌的成功感到高兴——他们在AI领域取得了巨大进步，我们也将继续向谷歌提供产品。英伟达目前领先行业一代——我们是唯一一个可以运行所有AI模型、并在各种计算场景中通用的平台。” 11月25日，英伟达在社交平台X上的这番声明，被视为对谷歌TPU近期备受关注的直接回应。 就在声明前一天，有消息传出Meta正考虑从2027年开始在其数据中心部署谷歌的TPU，这一潜在交易金额可能高达数十亿美元。受此影响，英伟达股价一度重挫逾7%，市值蒸发近3500亿美元。这一市场波动清晰地表明，AI算力领域正迎来一场静默而深刻的变革。 在英伟达GPU看似垄断的市场中，一股新生力量正悄然崛起。OpenAI开始租用谷歌的TPU芯片为其ChatGPT提供算力支持，亚马逊宣布其Trainium2芯片性能价格比优于其他硬件30%到40%，博通和Marvell的AI业务收入暴涨，一个明确的信号正在释放：ASIC的时代，已经到来。 01 ASIC芯片的崛起与繁荣 2025年，全球ASIC芯片市场迎来爆发式增长。据中商产业研究院数据，2024年全球ASIC芯片市场规模已约达120亿美元，到2030年，这一数字有望超过500亿美元。 长期以来，英伟达凭借其GPU和CUDA生态，在AI芯片市场占据了超过90%的份额。 然而，谷歌TPU作为ASIC芯片的代表，正被视为英伟达Blackwell芯片的可行低成本替代方案，逐渐改变市场竞争格局。在AI模型训练成本呈指数级增长的今天，通用GPU虽然灵活，但其本质上仍是为图形渲染设计的硬件，在面对神经网络的特定计算模式时，存在大量的效率损失。 TPU和GPU都能处理训练AI模型所需的大量计算，但实现方式截然不同。英伟达的GPU最初为渲染视频游戏图像而开发，通过数千个计算“核心”并行处理多项任务。而TPU专门为矩阵乘法这类AI相关工作而构建，这是训练神经网络的主要操作。 专用