社区

最近，NOR Flash市场消息频发。市场研究机构TrendForce发布预测：NOR闪存增产有限，高容量产品价格下半年预计再涨90%至110%，部分型号价格或将直接翻倍。而本轮价格上行的根源来自AI服务器与汽车电子两大市场需求的集中爆发。 几乎同一时间，英飞凌官宣以11.2亿美元现金，将旗下NOR Flash和F‑RAM存储业务出售给华邦电子，双方计划于2027年下半年完成全部交割。国内产业端同样传来关键进展，中天弘宇集成电路有限公司在今年早些时候宣布，其第二代大容量“超级闪存”芯片取得重大进展——28nm工艺、单芯片容量达到2Gb级别，目前已进入客户送测阶段。 运行多年的NOR Flash市场格局正在发生深刻变化，NOR Flash行业迎来价值重估。 01 AI催生NOR FLASH大容量需求 值得注意的是，TrendForce发布的预测中，NOR Flash涨价幅度较大的是高容量产品。长久以来，NOR Flash凭借XIP代码就地执行、高可靠性的核心特质，广泛用于固件存储场景。传统上，NOR Flash主要用于功能手机、电视、机顶盒、USB Key等小容量代码存储。在功能手机时代，凭借NOR+PSRAM架构称霸一时，其中，NOR Flash用来存储代码和数据，PSRAM作为MCU和DSP执行运算时的数据缓存。在传统服务器中，NOR Flash主要承担BMC固件存储任务，单台服务器单板配置的芯片数量十分有限，整体用量并不起眼。 但AI的爆发彻底改变了这一现状。在服务器领域，单台AI服务器对NOR Flash的需求量是传统服务器的3-5倍。更关键的是，AI服务器内部配备了大量的Retimer（信号中继）芯片，每一颗Retimer都需要独立的一颗NOR Flash来加载微码。这直接推高了大容量和Octal SPI NOR的需求。行业数据显示，每个服务器机架的NOR器件数量从

9月底，软银支持的能源及数据中心开发商SB Energy推迟IPO推介。这家已签下大规模机房租约的公司，仍需回应监管追加问询，投资人也在审视其估值和对OpenAI的依赖。同一时期，已有运营园区的DayOne与Switch继续筹备上市。 同样在近期，Oracle被曝向机房开发方发出“不可抗力”通知，希望在项目无法按期投运时保留延后付款的权利。开发商还在为扩建筹钱，作为大客户的云厂商，已经开始划清自己承担交付风险的边界。 这些变化发生时，机房供应依然紧张。世邦魏理仕9月公布的数据显示，今年上半年北美八个主要数据中心市场空置率仅为1.4％，在建容量超过八成已被预租。满租预期并没有让所有项目获得同样的融资待遇。 长期租约锁定的是未来收入，开发商必须先承担数年的建设投入，供电或工程延期还会延长垫资期。资本因此开始区别对待已有运营收入的平台与依赖少数客户远期合同的项目，客户预付款和芯片商担保也进入融资安排。数据中心的竞争由此延伸到建设风险的分配：谁能落实电力、组织资金并承担交付责任，谁才有条件先把算力订单转成服务器部署。 01 大客户长约为何不够了 SB Energy在9月21日更新的招股文件中披露，8.8吉瓦已签约IT容量里，0.8吉瓦在建，8吉瓦尚未开工，投运容量为零。公司有运营中的太阳能和储能资产，但数据中心尚未产生运营租金。这些机房容量全部对应软银和OpenAI的关联企业，其中8吉瓦集中在俄亥俄州一处由OpenAI承租的园区。 为了兑现合同，公司预计未来约六年需要投入1740亿美元建设数据中心。这8吉瓦园区签下的是二十年长约，但要按楼栋分期起租，前提包括供电设施可用、建筑完工并调试。少数大客户包下容量，可以减少招商的不确定性，却无法省去开工到交付这段尚无租金的时期。 建设款与利息需要先付。如果首期迟迟不能收租，后续建设仍要依赖外部融资，利息支出又会占用下一期的预算。一个项目的交

传统耳机，卒？ AI耳机正在无线耳机市场中成为主流。据Research and Markets的测算，2025年全球AI耳机市场规模约为59.9亿美元，预计到2026年将攀升至74.2亿美元，并在2030年达到173.4亿美元。 消费电子行业里最常被重复的一句判断是：所有硬件，都值得用AI重新做一遍。 今年以来，耳机产品中与AI相关的功能越来越多：语音唤醒、通话降噪、录音转写、实时翻译和智能助手，都开始被纳入“AI耳机”的叙事。AI耳机还没有成为一个边界清晰的品类，芯片厂商却已经开始为它准备下一代平台。 01 AI耳机，是什么新物种？ 如果只看近一年的新品，AI正在成为耳机进入千元价格带的一项重要支撑。 2025年9月，**发布开放式耳机FreeClip 2，售价1299元。与上一代相比，这款产品首次搭载独立NPU AI处理器，AI算力较上一代提升约10倍，重点用于语音增强、通话和交互等任务。 今年8月，韶音推出OpenFit 2 AI，售价1398元，接入阿里千问大模型，主打长时录音、语音转写、会议总结和多语种翻译。耳机由此从“播放设备”变成了随身语音入口。 科大讯飞的路线更接近任务型终端。其AI翻译耳机在2025年11月开启预售，售价2499元，覆盖面对面翻译、通话翻译、线上同传和旁听同传等场景。2026年5月的拆解显示，这类产品在主控、麦克风阵列和本地存储上都比普通TWS更复杂。与之类似，2026年全球市场出现了带eSIM联网充电盒的AI耳机方案，Plaud将耳机接入AI Agent，试图减少对手机的依赖。 OpenAI以约65亿美元收购了前苹果首席设计师Jony Ive联合打造的设计公司LoveFrom。据多方供应链消息，双方合作的产品代号“Sweet Pea”，极有可能是一款主打AI交互的智能耳机，将2nm工艺定制芯片，目标是在耳机本体实现AI任务本地处理，计划于

安全芯片行业在2026年出现了一个不太容易被注意到的矛盾。全球嵌入式安全市场规模仍在以12%以上的年复合增长率扩张，到2030年有望触及143亿美元，其中基于PQC及同态加密加速器等新型安全计算单元的市场份额将显著提升。 这个增速放在半导体行业里不算低，但如果你去看中国几家头部安全芯片企业的中报，会发现另一番景象。紫光国微智能安全芯片业务上半年收入14.08亿元，同比增速不到1%，毛利率从44%以上滑落至39.08%，公司在财报中直言“国内外竞争日益激烈，部分产品价格承压”。复旦微电安全与识别产品线收入4.72亿元，同比增长约20%，表现好一些，但这个体量放在整个芯片设计行业里并不算突出。大唐微电子安全芯片业务上半年营收2.71亿元，净利润6534万元，利润率在行业里算是不错，但增长来源是身份识别业务的稳定供货和金融市场份额的持续增加。 规模在涨，利润在收，且参与者还在增加。全球前五大安全芯片厂商合计占据约67.8%的市场份额，同时中国本土厂商的合计份额也在不断攀升。份额在转移，但转移的方式并不均匀。安全芯片行业过去赖以生存的商业模式是，拿到认证，进入供应链，然后坐享长期稳定订单，但如今这种模式正在被稀释，而稀释的方式因场景而异。 01 认证壁垒，不再是利润壁垒 安全芯片行业过去二十年最稳固的生意是身份认证。身份证、社保卡、SIM卡、金融IC卡，这些场景的共同特点是标准化程度极高、认证周期极长、一旦进入供应链替换成本极高。要进入这些市场，企业需要通过银联、人社部、运营商等一系列资质认证，认证周期动辄两三年。一旦通过，客户很少更换供应商。 但从另一个角度的话，身份证换发周期以十年计，SIM卡出货量跟随手机市场波动，金融IC卡的渗透率早已饱和。当多家企业都拿到了同样的认证资质，认证本身就不再构成差异化。紫光国微的毛利率变化也间接印证了这个变化，其智能安全芯片毛利率一年之内下滑超

大模型一体机是集成 AI 加速硬件（GPU / 国产 AI 加速卡）、服务器硬件、推理框架、大模型权重、配套运维与应用平台的一体化设备，实现开箱即用，面向政府、企业、科研机构完成本地私有化大模型部署，省去用户自行组装服务器、适配框架、调试模型的复杂流程。 去年年初，DeepSeek R1 正式亮相，带动 DeepSeek 一体机迅速走红。DeepSeek一体机可在单机环境下完成 671B 满血版大模型的部署，一时间，各地机构、企事业单位与中小企业纷纷采购，市场热度高涨。 而如今，随着市场变化和模型进化，大模型一体机市场出现了深刻变革。 01 饱受争议的DeepSeek一体机 2025 年春节前后，DeepSeek R1横空出世，相关热度持续攀升，随后60多家厂商推出DeepSeek一体机。但随之而来的便是各种争论，大家都在讨论，各个相关单位是否应该部署一体机？毕竟一台一体机甚至要卖到上百万的价格，财务支出巨大。而如果调用云端大模型，几百年也用不完。加之大模型持续迭代、参数量不断膨胀，单机硬件的算力上限便会逐步显现。 仅仅三个月，市场便迎来降温。行业形成一种共识：DeepSeek有用，但DeepSeek一体机真没用。毕竟一台标准 DeepSeek 一体机至少需要搭载 8 张 GPU 显卡，受限于单机架构，无法享受集群部署带来的规模效应，综合使用成本居高不下。更关键的是，早期不少一体机本质只是硬件打包产品，软件层面优化不足，仅完成模型简单安装部署。虽然标称支持 671B 大模型运行，但实际并发能力很差，多用户同时访问极易出现卡顿。部分厂商重硬件交付、轻后续运维，设备交付之后缺少模型持续更新迭代服务，需要用户投入额外人力进行二次改造，这也造成不少机构硬件到位，业务却跑不起来。而且满血版一体机普遍要120万到150万，用国产卡因单台显存不够，往往要两台并联，预算近400万。到202

过去六年，AI产业的钱流向哪里，资本市场给出了最直白的答案，英伟达市值从3000多亿美元涨到5.3万亿，增长16.6倍；美光从840亿涨到1.15万亿，增长12.7倍。然而，在这场盛宴中，中国企业的处境却不同。先进光刻机、先进制程工艺受限，HBM等顶级存储技术也难以规模化落地，无法完全复刻国外企业的发展路径。 在这样的背景下，国内算力产业如何突围？AICC 2026，清华大学副校长吴华强教授给出了两条核心突破方向：一是3D IC，通过多芯粒垂直堆叠缩短互连距离、提升带宽，降低延迟与功耗，缩小面积；二是存算一体技术，通过融合存储单元与计算单元，进一步缩短数据传输链路。这两条路各有侧重，3D IC是在既有赛道上的追赶，存算一体则是换一个赛场，吴华强把重点放在了后者。 01 存算一体：不在既定赛道纠缠 英伟达等厂商当前的算力优化的核心思路是堆叠HBM、持续拉高带宽。而存算一体则是换了个思路：既然数据搬移是瓶颈，那就干脆不搬。它的核心是忆阻器，一种新型非易失存储器，基于欧姆定律和基尔霍夫定律完成矩阵计算，在纳米器件尺度实现存储与计算融合，克服带宽瓶颈，更重要的是，它不完全依赖最先进制程，而这恰好给中国芯片发展提供了一个新思路。 在吴华强看来，忆阻器存算一体重新定义了“数据在哪里、计算在哪里、计算如何发生”。 02 从实验室到晶圆厂：忆阻器工艺的十年路 任何器件技术从实验室样品到工业化量产，都隔着工艺适配、良率优化、产业落地的重重壁垒，忆阻器存算一体亦是如此。它的核心难点不在于理论设计，而在于能否把前沿学术成果，转化为晶圆厂可量产、终端可商用的成熟工艺体系。 吴华强团队的十年，就是在跨越这道壁垒。团队工艺研发从实验室起步，逐步走向晶圆厂量产：工艺节点从2微米、130纳米一路升级到12纳米，已在台积电、中芯国际落地量产流程，并应用于多款主流智能手机。目前，与中芯国际合作研发的55纳米到

在新型工业化纵深推进下，工业数据迎来爆发式增长，行业智能化建设加速从云端集中算力，转向算力下沉、就地赋能的边缘新范式。2026年，工业智能落地逻辑持续回归现场，控算存一体化、边存协同架构在半导体、高端制造、新能源等硬核场景实现规模化验证，有效破解工业实时控制与现场数据留存的核心矛盾，成为智能制造规模化落地的关键底层支撑。 随着传统上云架构的时延、带宽与稳定性瓶颈愈发凸显，兼具本地计算、可靠存储与闭环控制能力的工业边缘底座，正成为驱动产业升级的核心基础设施。 01 工业智能进入“重现场、强本地”新时代 过去数年，工业数字化的建设重心集中在云端平台搭建、设备联网上云、数据大屏可视化等表层应用。行业普遍存在“重云端、轻边缘，重算力、轻存储”的建设误区，认为只要完成设备联网、数据上云，即可实现智能化升级。但落地实践证明，通用型云端架构完全无法适配工业生产的特殊属性。工业生产对实时性、确定性、安全性、连续性有着极致要求，这是消费互联网场景不存在的核心诉求，也让传统云架构难以适配工业硬核场景。 从数据特性来看，工业数据具备高时序、高并发、高可靠、不可篡改、全追溯的核心特征。风电、光伏、轨道交通等场景的传感数据毫秒级高频更新，工厂视觉质检、设备状态监测持续产生大容量图像数据，化工、冶金流程工业留存海量工艺日志与控制数据。海量流式数据全天候不间断产生，如果全部远距离传输至云端，不仅会造成企业带宽成本激增、网络资源拥堵，更会产生不可规避的传输时延，无法满足工业闭环控制、实时预警、瞬时保护的业务需求。 从现场工况来看，工业场景环境复杂多变，户外场站、高温车间、高粉尘厂区、强电磁干扰区域普遍存在网络波动、短时断网、电压不稳等问题。过度依赖云端算力，一旦网络链路中断，现场数据采集、设备监控、生产控制、异常预警将全面停滞，不仅导致智能化应用失效，更会直接影响生产连续性与生产安全。大量落地项目反馈，很

“10分钟内，拉起1万个沙箱。” 在Intel Connection 2026期间，英特尔提出了这个数字。每个沙箱的创建时间不能超过60毫秒，沙箱不是空壳，它要承载一个完整的运行环境，包括镜像、文件系统和隔离空间。这个需求不是实验室里的假设，它来自真实客户的生产环境。而它也指向一个具体的问题：当智能体从聊天演进到干活，数据中心到底需要变成什么样？ 英特尔数据中心集团副总裁、中国区总经理陈葆立在大会主题演讲中这样判断：预计到2026年底，超过80%的企业应用将至少嵌入一个AI智能体；到2031年，中国企业场景中的活跃智能体数量将达到3.5亿个。中国大模型每天的Token调用量已增至2024年初的5000倍，而且还在持续增长。这些数字背后，是数据中心算力结构正在发生的一次深层调整。 01 AI进入第三阶段，CPU回到舞台中央 陈葆立在接受采访时详细拆分了智能体的工作流程：一个Agent接到任务后，先做任务规划，把目标拆解成若干步骤，然后调用工具执行。执行过程中产生的中间结果需要被保存下来，供后续步骤参考。如果任务复杂，还会启动多个子Agent并行协作，每个子Agent有自己的执行环境和需要记住的上下文。他举了一个日常的例子：用户让Agent每天早上8点搜集前一天的AI新闻并总结。Agent需要上网找资料，拿回来的内容可能是网页、PDF报告或视频，各种格式的信息需要先提取、处理，才能交给大模型分析。这些预处理工作，有不少适合由CPU承担。而且一次模型调用往往还不够，Agent要拆解任务、调用工具，再根据结果决定下一步怎么做。 他把驱动智能体发展的软件工程演进归纳为四个阶段：从Prompt Engineering到Context Engineering，再到Harness Engineering，最后到Loop Engineering。每一步都在减少人工干预，让Agent更自主地完

AI Infra正在进入重系统、重工程、重交付的阶段。 一台32卡服务器，零部件数量就有10万至11万颗；做到整机柜，数量超过100万颗。GPU要通过高速网络协同运行，供电、散热、互联和系统可靠性也必须同时过关。AI Infra走到今天，已经是一项系统工程。 过去，客户采购服务器，关注的是芯片、内存和算力指标。现在，一套AI系统要把多台服务器连成集群，还要解决机柜供电、液冷散热、网络互联、数据中心建设和后续运维。服务器不再是一台台独立交付的设备，整机柜和集群开始成为新的计算单元。基础设施的规模也在随之扩大。国际能源署预计，全球数据中心用电量将从2024年的415太瓦时增至2030年的约945太瓦时。算力需求增长，牵动的不只是芯片和服务器，还包括电力、制冷、网络以及机房建设。 在英特尔Connection大会上，作为战略合作伙伴和铂金赞助商，立讯智算亮相现场。继7月上海WAIC 2026推出NEXTiX LEGION标准化服务器后，这次它带来了方舱预制数据中心和算力租赁业务。两次亮相相隔两个月，立讯智算把业务从服务器，推进到了数据中心建设和算力服务。 01 英特尔加持，走向万卡集群 服务器从单机走向整机柜，复杂度也在上升。机柜内的GPU通过高速网络互联，必须同步运行。一台服务器出现故障，影响的可能就不再是单台设备，而是整组模型任务。这意味着，服务器厂商面对的已经不只是芯片适配和性能指标。设计阶段要考虑可靠性，制造环节要控制一致性，交付之后还要保证整套系统长期稳定运行。 服务器的门槛因此不断抬高，小厂商很难再靠单一产品参与竞争。而立讯长期积累了声、光、电、热、磁五个方向的技术，形成了“五大技术底座”。从连接器、线缆，到供电、散热和高速互联，再到服务器整机，立讯将原本分散在不同部件中的能力整合进同一套系统，形成从零部件到整机的“垂直整合”。 展台上的几类设备，都属于同一个产品家族

当Agent从演示原型走向生产级落地，产业正在直面一组尖锐的现实矛盾：上层模型、智能体算法迭代周期压缩至半年，而一颗AI芯片从需求定义、架构设计到流片量产，往往要耗费数年。过去行业习惯于追逐单芯片纸面峰值算力，但来自一线业务的反馈不断提醒行业，智能体长周期运行、多轮交互、频繁工具调用的特性，会持续暴露出存储、调度、异构协同当中的各类隐性瓶颈。算力的评判标尺正在发生潜移默化的转移，端到端执行效率、系统长时间运行的稳定性，逐步成为商业化落地的硬性约束。 智能体正在重塑AI负载特征，产业思考也随之转向。9月21日，AICC2026人工智能计算大会在北京中关村国际创新中心落幕。置身会场中能切身感受到：行业正在重新求索，何种硬件与系统架构，能够承接智能体带来的新业务需求。 01 负载范式彻底迁移，Agent改写硬件的评价逻辑 Agent带来的变革，并非简单的算力需求暴涨，而是一整套负载范式的根本性迁移。 IDC副总裁周震刚在大会现场带来《2026中国人工智能计算力发展评估报告》，他把算力需求的爆发拆解成三重乘数：任务执行频次、单任务Token消耗、多智能体协同效应，多重因素叠加，共同推高全社会算力消耗。区别于传统大模型单次问答式推理，生产环境下的智能体属于长周期任务形态，会涉及海量知识库读取、多轮推理生成、外部工具调用、会话状态留存、出错回滚重试，同时需要支撑大规模实例并发运行。 负载形态的改变，也直接重塑硬件以及系统协同层面的分工关系。浪潮信息首席AI战略官刘军在交流中谈到，进入Agent阶段后，AI不再只是完成一次模型调用，而是需要持续进行任务规划、工具调用、状态管理、结果校验和多轮迭代。计算负载因此变得更长、更复杂，也更加动态，对CPU、加速器、内存、存储、互联以及系统软件的协同提出了新的要求。在他的判断里，智能不再只是人类独有的稀缺能力，AI计算呈现两个重要的发展方向：一层向