社区

2026年5月25日，在IEEE ISCAS 2026上，**半导体业务部总裁何庭波抛出一个关键概念：韬（τ）定律。τ，电路理论中的时间常数，决定了信号从一个状态切换到另一个状态的速度。这是中国企业首次在全球半导体领域提出指导产业发展的新原则。 更实在的是，过去六年，**基于这一定律已经量产了381款芯片，覆盖无线基站、AI推理、网络处理器等核心场景。这不是蓝图，是一条已经走通的路。预计2031年，基于τ定律的高端芯片可达到等效1.4nm制程水平，长期保持与国际主流路线对标竞争的能力。 如今，这个希腊字母正在悄悄改变半导体行业的价值格局，也让EDA从幕后走向台前。 要搞清楚τ会对EDA行业带来什么，得先弄明白τ定律到底是什么。 01 “时间缩微”刚刚登场，τ定律凭什么？ 摩尔定律由英特尔联合创始人戈登·摩尔于1965年提出，该定律指出集成电路上可容纳的晶体管数量大约每18到24个月翻一倍，同时性能提升、成本下降。 在过去的半个多世纪里，这套逻辑一直在有效运转，撑起了PC、互联网、智能手机，直到今天的人工智能。产业链也围绕它形成了默契的步调——光刻机、材料、设计，各环节都在微缩的道路上协同推进。然而，2000年前后，能够跟进最先进制程的晶圆厂有几十家，而到2025年，这一数字已锐减至台积电、三星、英特尔3家，且台积电一片2nm 晶圆报价甚至超过3 万美元。 可以说，摩尔定律的红利正在逐渐消退。目前业界已探索出多条技术路径，包括英伟达CEO 黄仁勋提出的 “黄氏定律”、国际半导体技术路线图（ITRS）提出的 More than Moore，以及 AMD、台积电主推的 Chiplet 与先进封装技术。其中，黄氏定律强调GPU单芯片AI推理性能每年翻倍，但仍依赖制程迭代和堆核，基本延续了几何微缩的思路；More than Moore通过模拟/射频/传感器等功能集成增加价值，但无法直

最近，博通发布了Q2的新财报。一向稳健的CEO陈福阳本次不在状态，一开始发言稿读成了25年二季度的内容。 在财报会议上，博通CEO陈福阳坦白：我们完全可以接受这样一个事实，考虑到AI算力消耗的速度，像谷歌这样的客户拥有多元化的供应来源，是完全可以预见的。这是博通首次官方在公开场合明确证实谷歌正在寻求供应商多元化。 当天博通股价跌了15%，市值一夕之间缩水2800亿美元。博通被抢单，ASIC市场要变天了？ 01 博通：甜蜜时光结束了 2006年，谷歌就开始考虑为人工智能构建专用芯片（ASIC）的可能性。然而，直到2013年，谷歌才真正意识到未来对AI计算的需求可能远超当时基础设施所能承载的上限。 当时，谷歌正计划在全球范围内推出语音识别功能，其首席科学家杰夫·迪恩（Jeffrey Dean）做了粗略估算：如果数亿用户每天使用3分钟语音识别服务，所需算力将是谷歌全部数据中心算力的两倍。 谷歌团队评估了多种现有方案，结论是他们甚至难以满足其产品当下的基础机器学习需求，更无法支持未来增长。于是，2013年，谷歌创始人谢尔盖·布林在内部启动了一个秘密项目。 这个项目后来有了个公开的名字——TPU。 谷歌有算法设计能力，但没有芯片量产经验。它需要找一个懂芯片设计、又能协调台积电流片的合作伙伴。于是，谷歌找上了博通。2016年，第一代TPU发布。尽管TPU v1在某些应用中的利用率并不高，但其平均速度比同时代的英特尔Haswell CPU和英伟达K80 GPU快15至30倍，能效比高出约30至80倍。 之后，TPU v1被广泛用于谷歌各项业务中，包括搜索排序、地图街景和智能回复等。2016年的谷歌开发者大会上，谷歌首次向外界介绍TPU，并披露AlphaGo也借助TPU在与韩国围棋名将李世石的对弈中更快思考。 这一时期，博通与谷歌的合作模式逐渐清晰：谷歌负责TPU的架构设计和算法优化，而博

一直以来，LPDDR（低功耗双倍数据率同步动态随机存储器）主要被用于智能手机、轻薄本等低功耗消费电子设备中。但近年来，随着全球AI推理需求的爆发式增长，LPDDR却正快速向数据中心领域渗透，并逐渐成为端侧、边缘到云端全场景AI推理芯片的共同选择。 无论是国际大厂，还是国内企业，纷纷采用LPDDR作为推理产品的内存方案，背后是成本、功耗、性能的多方面权衡。 01 LPDDR正成为AI推理的“通解” 当前，LPDDR从消费电子领域全面切入AI芯片市场，不仅成为推理GPU的主流内存选项，更延伸至AI专用CPU、桌面AI超级计算机等多个品类。 数据中心 高通AI200/AI250几乎是目前最激进的LPDDR数据中心方案。作为高通首款数据中心级推理系统，Qualcomm AI200加速卡带来专为机架级AI推理打造的解决方案，旨在为大语言模型（LLM）与多模态模型（LMM）推理及其他AI工作负载提供低总体拥有成本与优化性能。每张加速卡支持768GB LPDDR内存，实现更高内存容量与更低成本，为AI推理提供卓越的扩展性与灵活性。该解决方案预计将于2026年正式面向市场发售。将于2027年推出的AI250加速器，在继承AI200核心架构优势的基础上实现了关键技术升级。 英特尔则推出了首款基于Xe3P架构的数据中心GPU，代号为“Crescent Island”（新月岛）。据了解，该产品专为AI推理和Agent工作负载优化，采用了480GB LPDDR5内存，TDP 仅 350W。由于舍弃HBM，它可以在现有风冷数据中心直接部署，无需液冷改造。 国内曦望科技的启望S3则是国产芯片的代表。作为国内首款LPDDR6显存的GPGPU，曦望宣称其推理性价比提升10倍以上，单位token成本降90%。 端侧AI 端侧AI是LPDDR最成熟的领域。 DEEPX是一家专注于边缘计算与端侧AI的韩国半导体

2026年过半，手机行业正经历自智能手机诞生以来最大规模的成本冲击和价格体系重构。一边是OPPO、vivo、荣耀等国产主流品牌接连发布调价公告，中端机型普遍上涨300至1000元；另一边，苹果在618前夕放出近年来最大力度的降价促销，iPhone 17 Pro系列最高直降1000元。更耐人寻味的是，**在4月Pura 90系列发布会上选择维持价格甚至下调Pro版售价，到了6月nova 16系列却不得不跟进涨价300至500元。 而在这些终端价格变动的表象之下，是一组更为严峻的行业数据。Counterpoint最新报告预测，2026年全球智能手机出货量将同比大跌13.9%，降至约10.8亿部，创下2013年以来的年度最低水平。这一跌幅较此前预测的12.4%进一步扩大，被业界称为“史上最大跌幅”。而与此同时，全球智能手机平均批发价同比却上涨了14%——量跌价升。 01 上游吃肉，下游连汤都喝不上 理解2026年手机涨价的根源，必须从存储芯片的供需失衡说起。 如果用一个画面来形容现在半导体产业链的利润分配，大概是这样：三星、SK海力士、美光这三家存储巨头坐在餐桌正中间，面前摆着满汉全席，手机厂商蹲在墙角，瓜分着从桌上掉下来的面包屑。 2025年下半年以来，生成式AI从云端训练向推理应用的加速扩张，催生了对HBM（高带宽内存）的爆炸性需求。三星、SK海力士、美光三大存储原厂将大量先进制程产能转向HBM——这种用于AI服务器的存储芯片单价动辄上百美元，毛利丰厚，订单排期已至2027年之后。而消费电子设备所需的LPDDR内存和NAND闪存，则成为产能挤出的直接牺牲品。 上游有多赚钱，看一眼三星的财报就明白了。2026年第一季度，三星电子交出了一份足以载入公司史册的“超级季报”：合并营收达133.9万亿韩元，同比暴增69%，单季利润就超过了2025年全年的利润总额。SK海力士也不遑多让。

这一周，台北国际电脑展COMPUTEX可谓精彩。 前一天，黄仁勋站在GTC大会的舞台上，出人意料的接连发布Vare CPU、RTX Spark，宣布“这是40年来，PC产品线首次全面重新设计。”台下坐着微软、戴尔、惠普、联想、华硕的全球高管，他们将在今年秋季推出搭载英伟达RTX Spark芯片的笔记本电脑。 后一天，英特尔反手杀入英伟达的腹地，发布：数据中心CPU至强6+，288核，18A制程；Crescent Island数据中心GPU，160GB显存，风冷部署。 作为全球GPU霸主，英伟达杀入了英特尔的主场：CPU和PC；而英特尔这个CPU老牌王者，也盯上了英伟达的AI算力地盘。 AMD倒是乐得坐山观虎斗。AMD客户端业务高级副总裁拉胡尔·蒂库（Rahul Tikoo）表示欢迎竞争。不过，之前AMD一直宣称自己是全球唯一一家同时具备高性能CPU和高性能GPU研发能力的半导体公司。现在好了，全球唯三。 这一周的数据中心，算是彻底乱起来了。如果只是把这场交锋解读为产品矩阵的完善或技术路线的竞争，那就太浅了。更关键的核心是：为什么两大巨头，双向奔赴彼此的主场？ 01 复仇者联盟，归来 历史上，英伟达试图做过PC处理器。 2011年，英伟达在CES上宣布Project Denver，这是老黄首次公开涉足PC处理器领域。2012年，微软推出Surface RT，搭载英伟达Tegra 3芯片。2013年Surface 2沿用Tegra 4。这两款设备是英伟达ARM SOC首次进入Windows PC的尝试。但因为Windows RT生态不成熟、应用兼容性差，英伟达最终铩羽而归。 这次推出RTX Spark是在一个很特殊的历史节点上。 三个理由。 第一，GPU市场的到顶了。现在英伟达在GPU市场的占有率超过80%，在AI训练芯片市场超过90%，数字是非常强势，但天花板肉眼可见，英伟达

MLCC（Multi-Layer Ceramic Capacitor）是全球用量最大、发展最快的片式元器件之一，在电子电路中承担电荷存储的核心功能，也被誉为“电子工业大米”。其在电子电路中主要是作为滤波、稳压、储能和去耦的基础元器件存在。但过去，MLCC一直被视为标准化程度极高的通用被动元件，而极少被外界关注。 不过，最近大摩一份拆解英伟达下一代Rubin架构的研报，把这个小众元器件推到了聚光灯下。VR200 NVL72单机柜中，MLCC（多层陶瓷电容）的用量将较GB300暴增182%。没过多久，高盛在研报中抛出一个更醒目的判断：MLCC正在成为“下一个存储”。存储芯片是过去十年半导体周期的核心叙事，而高盛现在把MLCC抬到了同一级别。这意味着，在AI时代，MLCC正从“背景板”变成“主角”之一。 01 MLCC是什么？ 被动元件包括RCL器件、被动射频器等。而RCL器件又包括电容、电感和电阻。RCL器件中的电容具有旁路、去耦、滤波和储能等功能，是被动元件最主要构成部分，可分为陶瓷电容、铝电解电容、钽电解电容、薄膜电容等。相较于其他电容，陶瓷电容具有体积小、电压范围大、价格较低等特点，占据电容市场主要份额。 陶瓷电容可进一步划分为单层陶瓷电容、片式多层陶瓷电容（MLCC）、引线式多层陶瓷电容。MLCC也被称为贴片电容，包括内电极、陶瓷层、端电极三部分，由印好电极（内电极）的陶瓷介质膜片以错位的方式堆叠起来，经过高温烧结形成陶瓷芯片，再在芯片两端封上金属层（外电极），从而形成类似于独石的结构体，故也称为独石电容器。相较于单层陶瓷电容、引线式多层陶瓷电容，MLCC具有温度范围宽、电容范围宽、介质损耗小、体积小、价格低等特点，因此也被广泛应用，占据陶瓷电容超过90%的市场份额。从下游应用来看，MLCC广泛应用于移动终端、高端装备、汽车、计算机、通信、家电等多个重要领域。 02 A

在过去数十年中，半导体光刻技术一直被视为现代工业皇冠上的明珠。荷兰ASML凭借在EUV光刻技术上的绝对垄断，不仅掌控了全球先进制程芯片的生杀大权，更成为全球科技地缘博弈的暴风眼。然而，步入2026年，这一看似坚不可摧的单极霸权格局正在发生深刻而复杂的裂变。 从日本光学巨头尼康悍然发动深紫外DUV价格战，到美国新创公司Substrate宣称突破X射线微影瓶颈并扬言直面挑战台积电；从韩国存储巨头对ASML设备的大手笔抢购，到台积电对超高价High-NA EUV光刻机的态度——全球光刻产业正迎来一场多维度、深层次的技术与商业大洗牌。 01 尼康的“降维反击” 2026年5月底，尼康新任总裁兼CEO大村泰弘在接受专访时公开宣布：尼康将通过大幅降低ArF浸没式光刻机售价，正面挑战ASML在DUV领域的垄断地位。 这一策略既是主动的战略反击，也是被逼至悬崖边缘的求生之举。2026年3月，尼康发布了其自1917年创立以来最惨烈的亏损预警——2025财年预计净亏损850亿日元，创百年最差纪录。在截至2025年3月的过去半年中，尼康光刻机出货量仅为9台，且全部为技术含量较低的成熟制程设备；ArF系统出货量甚至为零。曾在2001年占据全球光刻市场40%份额、与英特尔深度绑定的光刻霸主，如今市占率已跌至个位数。 大村泰弘打响价格战的底气，源于尼康高度自主化的产业链。他在专访中指出，尼康许多核心零部件均为内部生产，这使得公司在成本控制上拥有天然优势，即便大幅降价销售，依旧能够保证可观的利润。据业内估算，尼康新型ArF光刻机售价有望比ASML同类产品低20%至30%。 这一策略精准切中了晶圆代工厂的核心痛点。尽管EUV光刻机在3nm及以下制程中不可或缺，但在实际生产中，即使是最先进的3nm芯片，超过70%的光刻工序仍由ArF浸没式光刻机配合多重曝光技术完成。目前ASML的高端ArF浸没式设备均价约为

随着 AI 芯片尺寸持续快速增大，一个棘手的形状悖论日渐凸显：高端算力芯片趋向大尺寸、方正形态，而作为载体的封装基板，却始终沿用传统圆形设计。这既是物理特性带来的固有局限，也是半导体产业亟待突破的固有范式。 01 圆形→方形的“几何账” 在此之前，要先了解，为什么晶圆是圆的，而芯片却是方的。 单晶直拉法工艺中的旋转提拉决定了硅锭的圆柱型，从而决定晶圆是圆形的。 直拉法的过程是先在坩埚中将高纯硅加热为熔融态，再将晶种（籽晶）置于一根精确定向的棒的末端，并使末端浸入熔融状态的硅，然后将棒缓慢向上提拉并旋转。 通过对提拉速率、旋转速率与温度的精确控制，就可以在棒的末端得到一根较大的圆柱状单晶硅棒，后续再对硅棒进行打磨、抛光、切割等工序后，就能得到一片可用的圆形的硅片。 而芯片在晶圆上以方形排列，切割时只需沿直线进行，效率高且浪费少。 如果芯片是圆形的，切割过程会更加复杂，耗时更长。方形芯片在封装过程中更容易与引线或焊盘对齐，尤其是采用Flip chip型封装时，方形设计更便于机器操作。 首先是材料浪费难题。传统12英寸圆形晶圆在切割方形芯片时，边缘会产生大量无法利用的浪费，面积利用率通常不足85%。而采用矩形路径的面板级封装，面积利用率可轻松突破95%。这种“去边角化”的设计，使得单次制程可产出的芯片数量大幅增加，据行业估算，从晶圆级封装过渡到面板级封装，单位成本有望降低20%至30%以上。 其次是尺寸刚性限制。随着技术复杂性在亚20nm节点上的加速，半导体制造成本已经快速增加，晶圆尺寸从300毫米过渡到450毫米将是解决这一问题的方法之一，但对应的基板尺寸难以满足 AI 芯片持续扩大的封装需求。 更关键的是翘曲失控风险。大尺寸圆形基板在高温封装过程中，因应力分布不均易出现翘曲变形，导致信号传输中断，而方形基板通过规整的结构设计，可将翘曲度控制在更低的范围内，完全适配先进封装的精

2021年，台积电在Hot Chips上发布了最新的3D封装技术路线图，里面涉及了一个硅光封装COUPE。 这一年行业最热的话题是3nm、2nm，硅光封装只是小小一点。但台积电看到的是另一个问题：当AI训练集群的GPU从几十块跳到万卡级别，数据在芯片之间跑来跑去的代价，开始变得让人难以忽视。 五年后，故事翻转了。台积电宣布硅光整合平台COUPE于2026年进入量产。英伟达、博通的订单已经砸下去了，三星在追赶。今年，台积电副共同营运长张晓强在技术论坛上说了句话：一定要记住COUPE。 01 一个被忽视的瓶颈 过去几十年，数据中心内部GPU和交换机的通信靠的是可插拔光模块，可以理解为一个可以拔插的盒子，把电信号变成光信号发出去，对方再把光信号变回电信号。这套架构的好处是：简单、好用、出问题换掉就好。 但是AI的疯狂，再次刷新了需求。当单次训练任务的GPU数量从几十跳到数万，当传输速率从400G涨到800G、1.6T，信号在电→光→电之间来回折腾的代价开始失控。传统DSP可插拔方案处理1.6T信号，功耗在30瓦量级。在先进制程竞赛中，这个功耗数字听起来不算什么，但放在数万GPU同时跑的大模型训练里，光是光模块的能耗就能吃掉的整台服务器的电力配额。更关键的是，FEC纠错需要额外的处理时间，在大模型分布式训练的场景下，这些零碎加起来，足以让相当一部分GPU在等数据。 铜能救场吗？短距离可以，但是一旦跨机架、跨节点，信号衰减和延迟就扛不住了。业界需要新的方案。 可插拔光学器件、OBO、NPO 和 CPO 可插拔和CPO 的功耗 业内选择了光互连，用光代替电来传数据，功耗更低、延迟更短、带宽密度更高。但问题在于，怎么把光学器件和电学芯片高效地集成在一起？传统做法是分立设计、光模块单独封装，但这种方式在AI场景下显得太松散，信号路径太长，损耗太大。 CPO，共封装光学，就是来解决这个问题的

四大生态均蕴藏跨代际发展机遇。 刚刚在COMPUTEX 2026展会上，英特尔集中亮出多项硬核技术成果。在英特尔CEO陈立武上任仅14个月，其市值实现六倍多增长，这位掌舵人是如何带领历经四十年发展的英特尔突破前行？ 开场陈立武再次重申，英特尔本质是研发驱动的工程型企业，“这是我上任第一天定下的方向，全公司研发工程线直接向我汇报。” 眼下英特尔正式迈入转型拐点，新一轮变革正稳步开启。 英特尔每年出货数亿颗SoC，联动全产业链伙伴打通晶圆、封装、芯片、整机系统到软件的全栈产业链。在陈立武看来，这套全栈布局支撑起四大核心计算生态，撬动数万亿美元产业价值，而这四大生态分别：一是个人PC；二是边缘端智能体AI与实体物理AI；三是数据中心；四是赋能未来智能数字代理的新兴智能算力中心。四大赛道均蕴藏跨代际发展机遇，各类场景愈发需要定制化CPU、GPU与专用ASIC芯片方案匹配专属负载。 在个人PC生态方面，英特尔率先秀出了18A同源架构衍生的两大核心产品。英特尔酷睿Ultra 3系列是首款基于18A工艺打造的处理器，凭借高响应CPU、性能大幅升级的GPU、低功耗NPU与前沿多媒体引擎，兼顾IP自研、算力与功耗，完美适配各类AI智能体应用。目前酷睿Ultra 3消费级、商用机型落地设计方案超300款。为进一步下沉市场，英特尔基于同款自研IP定制主流级产品，在今年4月推出酷睿3系列，上市短短数月落地70余款终端设计，全系列产品累计近400个终端项目。 18A工艺还在向高速增长市场延伸，而掌机就是PC市场增速最快的细分赛道。英特尔推出了专为掌上游戏机调校的高性能GPU Arc G3，英特尔称这是一款很漂亮的芯片。该芯片衍生于酷睿Ultra 3架构，实测同功耗下性能较竞品高出40%；同等性能下功耗仅有竞品一半。搭载该芯片的终端本月下旬陆续上市，后续全年还将落地更多新品。 在边缘端方面，英特尔同款