半导体产业纵横
半导体产业纵横
探索IC产业无限可能。
IP属地:北京
1关注
410粉丝
0主题
0勋章

首台满天飞,国内半导体设备到底跑到了哪一步

2026年,中国半导体设备行业最不缺的词就是“首台”。 从年初到年尾,国内半导体设备厂商几乎每隔几天就要官宣一台“国内首台”。串列型高能氢离子注入机、关键尺寸量测CDSEM、先进气体团簇离子束刻蚀机、EUV光源样机,各种“全国首台”“全球首发”让人眼花缭乱。那我们不禁要问,这么多设备难题被攻克之后,国内设备制造链整体到底走到了哪一步,哪些环节已经能打,哪些还是硬骨头,跟国外巨头差在哪,又强在哪里。  01 今年为什么“国内首台”忽然这么多 今年国内设备的高光时刻一个接一个。1月,中核集团中国原子能科学研究院研制的首台串列型高能氢离子注入机POWER-750H成功出束,官方口径称核心指标达到国际先进水平,补齐了功率半导体制造链条上长期缺失的一环。6月,中国电科48所自主研发的首台关键尺寸量测设备CDSEM完成整机调试与出厂检验,启运交付客户,这块被称作“纳米标尺”的量测装备,此前几乎由海外厂商垄断。同一时期,北方华创发布12英寸先进气体团簇离子束刻蚀设备AcmeGlaion130,又推出第三代12英寸全石英立式氮化硅LPCVD设备。10月的展会上,朗道燧岩亮出了国内公开进度最领先的本土EUV光源样机,宣称整体本土化率已达90%。 中微公司更是按住了快进键。3月发布四款新品,9月再推六款,覆盖极高深宽比刻蚀、PECVD、ALD金属钼沉积、碳化硅外延等环节,半年内两度高密度上新。截至2026年,中微累计超过8800个反应台在国内外220余条产线量产。 这背后是整体大盘的火热,SEMI在SEMICON West上发布的《300mm晶圆厂展望报告》显示,预计2026年全球300mm前道晶圆厂设备支出将达到1490亿美元,较2025年的约1130亿美元增长31%,创下历史新高;此后数年这一投资仍将以两位数增速延续,到2029年攀升至2270亿美元。 首台密集出现,说明本土设备
首台满天飞,国内半导体设备到底跑到了哪一步

模拟芯片回暖,工业最先动了

模拟芯片素来被看作半导体的“晴雨表”,它的冷暖往往先于行业一步。 最近,海外模拟芯片大厂都公布了Q3的业绩。德州仪器单季营收60.6亿美元,同比增长28%,其中最大主业模拟芯片业务营收同比大幅增长32%。意法半导体第三季度净营收37.57亿美元,同比增长17.9%。 国内这边,圣邦股份Q3单季度营收和归母净利润均创下历史新高,净利润同比增长123.75%;思瑞浦净利润同比猛增 401.54%,同样也创下历史新高。 对于模拟芯片的市场,TI董事长、总裁兼首席执行官Haviv Ilan说了评价:“市场的需求出现广泛复苏。”这份广泛包含的是:工业、汽车和数据中心的需求正在进一步扩大。 01 模拟芯片,哪些领域回暖? 全球半导体市场受AI计算带动快速增长,但模拟芯片的景气度没有存储器和逻辑芯片那么陡。WSTS春季预测给模拟芯片的2026年增速约10%。 到了Q3,模拟芯片大厂的财报呈现得更为复杂。工业订单恢复、数据中心需求增长,带动国际模拟芯片厂商第三季度业绩回升。TI模拟业务收入同比增长32%,ADI四大终端市场收入均实现同比增长,ST工业业务也恢复至两位数环比增长。 从各家财报及业绩说明会来看,工业和数据中心是本季度需求改善最为明显的领域。汽车市场略有恢复,但厂商之间的表现仍有差异;消费电子需求相对偏弱。 具体来看不同国际厂商的业绩。 德州仪器Q3营收分布 德州仪器第三季度实现营收60.6亿美元,环比增长11%,同比增长28%;营业利润28.74亿美元,同比增长73%;净利润24.25亿美元,同比增长78%。按产品划分,模拟业务收入49.11亿美元,同比增长32%,嵌入式处理器收入同比增长21%。 按照领域来看,第三季度,TI工业业务同比增长超过40%;汽车业务同比增长达到中双位数,环比增长约10%;数据中心业务同比增长约95%,环比增长约20%。 意法半导体Q3营收分布 意法
模拟芯片回暖,工业最先动了

“同构+异构”双箭齐发!沐曦,进博会中国馆唯一国产GPU

第九届进博会上,沐曦股份呈现了一套关于国产算力如何突破瓶颈的系统解法。 国产算力这些年总被追问一道选择题:当模型规模越来越大,算力需求越来越高,是把单机柜做得更大、把集群堆得更多,还是通过异构设计,让不同芯片分工组合? 在第九届中国国际进口博览会上,作为中国馆唯一入选的国产GPU企业,沐曦股份给出的答案是:不做选择题。 第一支箭:超节点,把“同构”做大 “同构”这支箭,指向规模与效率。 开展首日,曦景S600超节点成为展台焦点。这款旗舰级超节点单机柜可支持128卡全交换、无带宽收敛,并可按业务规模横向扩展 (Scale out) 至万卡集群,从容应对MoE、长上下文等主流大模型负载。 为什么“超节点”会成为这一代算力基础设施的关键词?答案藏在通信里。 当模型参数迈向万亿、训练与推理被切分到成百上千张卡上时,卡与卡之间的数据交换,正在取代单卡算力,成为新的瓶颈——业内称之为“通信墙”。 超节点目前成为了行业打破通信墙的关键。超节点将数百颗芯片组成统一资源池,用更大、更扁平的纵向扩展(Scale-up )域,把“通信墙”尽量推远。 沐曦曦景S600单柜支持128卡全交换、无带宽收敛,意味着在这一柜之内,任意两颗GPU之间的通信都不必“排队”。同时,超节点采用高密正交整机柜与解耦模块化架构,支持“三0”部署——计算节点0线缆、交换节点0线缆、计算与交换节点间0线缆,把传统机房里最容易被忽视的部署成本——布线、改造、运维——一并压缩。对动辄千卡、万卡的智算中心而言,这是能否规模化交付的前提。 第二支箭:多芯协同,把“异构”做对 而“异构”这支箭,指向结构与成本。 “沐曦股份X东方算芯”异构双擎算力机柜由沐曦股份与东方算芯联合推出,它由曦云C600与东方算芯DF1000共同组成异构算力底座,面向云端推理。异构算力机柜在架构层面做分工:沐曦C600主要负责处理高并发、高吞吐的的计算密集
“同构+异构”双箭齐发!沐曦,进博会中国馆唯一国产GPU

先进封装扩产潮,还差哪些?

AI算力和高端存储的需求增长,带动了国内外先进封装行业的一轮大规模扩产。长电科技、通富微电、华天科技、甬矽电子、盛合晶微、深科技、佰维存储等中国大陆厂商在内的全行业,投资总额已超400亿元。扩产方向集中在2.5D/3D封装、Chiplet和HBM等先进技术上。 不过,投资额只是一个开始。从厂房建好、设备到位,到产线通过客户认证、良率稳定、形成有利润的产能,中间还有不少环节需要时间。钱砸下去了,产能却没那么容易跟上。国产供应链会从中受益,但不同环节受益的时间和程度差别很大。订单不等于收入,送样不等于量产,封测厂扩产也不等于国产份额会同步提升。 01 百亿级资本开支投向2.5D/3D与HBM 长电科技本轮投入最大。近期,长电科技董事会审议通过了《关于公司2026年投资计划中期调整的议案》,拟将2026年投资计划由110.1亿元上调至182亿元,其中固定资产类投资由99.8亿元上调至173.1亿元。本次追加的投资主要投向先进封装相关产线建设。长电科技计划在上海临港分两期建设高端先进封测工厂,总投资78亿元。长电还拟通过定增募集不超过65亿元,用于高性能计算高端先进封装平台扩产项目、高端电源模组先进封装测试产能升级项目、晶圆级封装先进工艺平台升级扩能项目、高密度大容量存储芯片系统级封测能力升级项目等。 通富微电的扩产主要围绕核心客户AMD的高端AI封测需求。2026年5月,通富超威苏州二期项目启动,AMD首席执行官苏姿丰亲自到场;就在几个月前,公司刚公告拟募资不超过44亿元,投向存储、汽车电子、晶圆级与高性能计算四大高端封测领域。产能扩张的节奏,明显在踩油门。2026年公司计划投资91亿元用于产能建设等,比2025年的60亿元明显增加。 华天科技以存储封测为基础。控股子公司华天南京投资30亿元建设先进封测产业基地二期二阶段项目,达产后预计每年封装测试存储集成电路约4.3亿只。项目建
先进封装扩产潮,还差哪些?

当芯片抢着上太空,半导体下一轮增量有了?

11月初,谷歌宣布,自研TPU首次在轨运行AI模型并返回结果。这次试验背后的目标,是把多颗搭载TPU的卫星连接起来,在轨道上组成计算集群。 一天后,马斯克预测,到2028年底,轨道算力的每月新增部署量可能超过地面。SpaceX此前已将经过适配的英伟达Vera Rubin系统纳入首代计算卫星方案。英伟达也已公布面向轨道数据中心的计算模块,并与卫星制造商合作,准备将芯片和软件随卫星平台一起交付。 建设计划甚至延伸到了火箭本身。10月26日,轨道基础设施公司Cowboy Space公布Big Iron方案,计划让火箭上面级抵达轨道后转为数据中心,设计承载五个英伟达GPU计算机架。运载火箭既负责把计算设备送上天,也将成为太空机房的一部分。 从芯片在轨测试到计算卫星组网计划,云厂商、芯片巨头和航天企业正在同时布局。这场向太空延伸的算力竞赛,会为半导体产业带来多大的增量? 01 巨头开始规划太空机房 泰伯智库10月发布的研究预计,全球太空算力市场将从2025年的约29亿美元增至2030年的190亿美元。其统计涵盖单星智能、算力星座和太空数据中心:既包括卫星就地处理数据,也包括多颗卫星组成计算网络,以及独立的大型轨道计算设施。几类业务的投入与成熟度不同,报告判断,2030年前仍主要由单星智能支撑。 SpaceX准备建设的,则是更大规模的轨道计算设施。按照已公布的合作安排,其首代Starmind计算卫星将采用经过适配的英伟达Vera Rubin NVL72系统,目标在2027年第四季度发射,2028年形成显著规模。计算架构与地面系统保持联系,而卫星制造和发射,则由SpaceX已有的航天业务提供基础。 对谷歌这样的云厂商,轨道设施提供的是另一种扩张可能。国际能源署今年4月预计,全球数据中心年用电量将从2025年的485TWh增至2030年的950TWh,电网接入与能源设备正在限制更快的扩张。
当芯片抢着上太空,半导体下一轮增量有了?

一季狂赚万亿!存储的繁荣却望到天花板

近日,全球存储产业交出了半导体史上最惊人的一份季度财报组合。 2026年第三季度,三星电子单季营业利润107.4万亿韩元,成为全球第一家单季营业利润突破100万亿韩元的科技公司;SK海力士单季营收首次越过100万亿韩元,营业利润率高达80%;美光单季营收542亿美元、毛利率87%;铠侠单季营收2.48万亿日元,一个季度就超过了上一整个财年;闪迪单季营收同比增长378%,毛利率85%。 这是一份几乎找不到短板的成绩单,可越是这样的时候越值得追问一句:这些利润到底是怎么赚出来的,又能持续多久。 01 同样的景气,不同的含金量 口径统一到单季,把各家公司的成绩单排在一起,第一眼看到的是增速的惊人,第二眼看到的却是某种不协调。 三星单季营收195.3万亿韩元,同比增长127%,其中DS部门营收147.1万亿韩元、营业利润106.5万亿韩元,几乎贡献了集团全部利润;SK海力士营收104.6万亿韩元、同比增328%,营业利润83.3万亿,营业利润率80%。美光2026财年第四财季营收542.3亿美元、同比增379%,毛利率87%。铠侠2026财年第二财季营收2.48万亿日元、同比增453%,利润率约80%。闪迪2027财年第一财季营收110.3亿美元、同比增378%,毛利率85%、营业利润率79.6%。西部数据同期营收43.8亿美元、同比增55%,毛利率58.1%。再算上A股的长鑫科技,第三季度营收1187.1亿元、同比增长613%,归母净利润544.35亿元,毛利率89.53%。 这些数字里最有信息量的地方,并不是谁跑得最快,而是营收增速与利润率之间那种明显的错位。SK海力士营收涨了328%,利润率能做到80%,因为它卖的不是更多的bit,而是更贵的bit。HBM4全面出货,服务器DDR5大幅涨价,321层企业级固态硬盘放量,三条产品线同时站在价格曲线最陡的位置。 铠侠的营收增速达到
一季狂赚万亿!存储的繁荣却望到天花板

高通CEO安蒙:6G将智能带入网络,加速各行各业数字化转型

行业正朝着2029年启动6G商用的目标迈进。 11月5日至7日,以“共创智能经济新形态”为主题的2026移动网络大会在广州举行。本届大会由连续举办十五届的中国移动全球合作伙伴大会更名升级而来,聚焦通信、算力、智能三大核心赛道。中国移动运营着全球最大的5G网络之一,这场盛会也成为中国通信产业与全球生态深度对接的重要窗口。作为与中国移动跨越数代无线通信技术、同行三十余载的合作伙伴,高通公司连续多年参会。本届大会主论坛上,高通公司总裁兼CEO安蒙发表视频演讲,以4G、5G、6G三代无线通信技术的使命更迭为线索,分享了如今AI对网络与各类终端的双重重塑,展望了6G融合连接、计算与AI的技术走向,并强调了高通期待继续与中国移动及广大生态伙伴携手,向着2029年6G商用的目标迈进。 安蒙指出,每一代无线通信技术都有其独特的使命。4G让智能手机成为人们最重要的计算平台,同时催生了各类应用;5G以更大容量、更高速率把高清视频和视频会议变成日常,更以可靠连接深入医疗急救、工业生产等关键任务场景。5G-Advanced更进一步,实现峰值下载速率新突破、5G非地面网络(NTN)让智能手机直连卫星成为可能。 进入AI时代,合作的边界也在拓宽。在安蒙看来,当前,一场由AI驱动的变革正在加速。AI改变的不只是终端如何运行,更是人与终端如何交互、终端如何入网,智能眼镜、智能可穿戴等新一类个人AI终端如何由此而生。在AI的大背景下,高通与中国移动的合作也已从智能手机走向AI眼镜与机器人,取得一系列成果:中国移动九天端侧AI模型落地骁龙平台,灵犀2.0个人AI智能体是首批运行于第五代骁龙8至尊版移动平台的智能体之一。智能进入终端,也在重写网络的角色:网络不再只是传输数据的管道,而要成为承载智能的底座。 面向下一代无线通信,双方的协作已走在产业前沿。6G正是为AI时代而设计的一代无线通信系统。安蒙表示,6G从
高通CEO安蒙:6G将智能带入网络,加速各行各业数字化转型

英伟达CPU下场,要推翻Chiplet?

英伟达为什么要“反潮流”? 看到英伟达Vera CPU的架构选择,可能会有人产生这样的疑问。 过去几年,Chiplet(多芯粒)逐渐成为高性能服务器CPU的重要设计路线,许多厂商纷纷加入。 与这一趋势不同,英伟达近期推出的Vera CPU却选择将88个CPU核心、统一L3缓存和片上互连集成在同一块计算裸片上,采用单片计算裸片设计。 在Chiplet逐渐成为主流的背景下,英伟达为何选择一条不同的路线?这背后又涉及怎样的性能与制造取舍? 01 英伟达的考量 2026年3月,英伟达在GTC大会上正式发布Vera CPU,将其定位为面向AI智能体、强化学习和数据处理的新一代处理器。随着AI应用逐渐涉及调用工具、运行代码、检索数据和执行复杂任务,CPU需要承担更多程序执行和任务调度工作,其处理速度也会影响GPU能否持续高效运行。 Vera采用单片计算裸片设计,将88个Olympus CPU核心、164MB统一L3缓存和第二代可扩展一致性互连架构(SCF)集成在同一块计算裸片上。SCF负责连接CPU核心与共享缓存,片上双向带宽最高达到3.4TB/s。内存和I/O子系统则由相邻的独立裸片等组件实现。 英伟达为什么会选择这种设计? 在接受专访时,Vera团队谈到了数据中心CPU设计重点的变化。随着云计算规模扩大,处理器设计越来越重视核心数量和整体吞吐量,芯粒化也成为扩展处理器规模的重要方式。英伟达团队认为,这一趋势在一定程度上降低了单线程性能在设计中的优先级,而AI智能体的兴起,让单个核心的执行效率重新受到关注。 智能体执行任务时,往往需要连续调用工具、运行代码、查询数据库,再根据结果决定下一步行动。这些流程包含串行操作、分支判断和数据访问,部分步骤必须等待前序任务完成。因此,即使服务器能够并行运行大量任务,单个任务的执行速度仍然会影响整个工作流程。英伟达希望Vera能够更快完成这些CPU
英伟达CPU下场,要推翻Chiplet?

DeepSeek押注**,国产AI芯片的突围之年

2026年行至尾声,国产AI芯片的叙事基调发生了关键变化。过去几年,行业反复追问的是“能不能用”“敢不敢用”;现在,问题变成了“值不值得用”,以及下一代大模型敢不敢押上去用。 变化最先发生在推理侧,但真正的关键分水岭出现在训练侧。两条路线几乎同时传出积极信号,指向同一个判断:国产AI芯片不再只是制裁阴影下的替代选项,它开始进入一线算力需求的核心场景。 01 推理侧:从“能跑”到“跑得比H200更好” 推理是国产芯片最早站稳脚跟的领域。大模型部署对生态迁移的容忍度相对更高,推理场景的碎片化也给多路线并进留出了空间。2022年至2025年,美国对华半导体出口管制政策层层加码。2025年4月,美国进一步收紧管制,导致英伟达为中国市场定制的特供版H20芯片被迫停售,公司因此承受了约45亿美元的库存损失及80亿美元的潜在收入损失。过去三年,H200一直被挡在中国市场门外;而如今,国产AI芯片终于达到H200这一规格水平。 首先是沐曦的曦云C600。这款芯片配备144GB HBM3e显存,超过了英伟达H200的141GB规格,于2026年5月正式量产,被评选为“首款基于全国产供应链打造的高性能GPU”,从设计到制造、封装再到软件栈实现了全链路国产供应链闭环。显存容量单点的超越在纸面上只是一个数字,但对于当下头部大模型的训练与推理而言,显存就是容纳模型参数和上下文的硬性上限。越过141GB这条线,意味着国产GPU第一次在旗舰级硬件规格上不再处于仍差一截的位置。 之后是7月份天数智芯发布的天垓300。天垓300基于天枢架构,搭载新一代Tensor Core和Vector Core,提供了更强的计算能力,支持FP4、FP8、BF16、FP16等多种精度格式,也是144GB显存。第三方完成的实测显示,在典型预填充—解码分离部署下,天垓300折算单卡整体端到端吞吐达到英伟达H200的1.05倍;
DeepSeek押注**,国产AI芯片的突围之年

后摩智能低调完成数十亿元B轮融资,端侧大模型AI芯片进入规模化兑现期

从存算一体到端侧AI,资本与产业落地形成飞轮。 据不完全统计,仅今年9月,国内就有近十家端侧AI芯片企业宣布完成新一轮融资。资本的目光,正在从云端的算力集群,移向手机、电脑和机器人里的那颗芯片。 最新的一笔大额融资来自后摩智能。据知情人士透露,存算一体AI芯片企业后摩智能已于近期完成B轮融资,单笔融资金额高达数十亿元人民币,近一年内连续完成多轮融资。本轮融资上下游重磅产业资本集体押注、国有资本及国际投资人联袂入局,多家老股东持续加码,进一步印证了国内外资本市场对后摩智能技术路线与商业前景的高度认可,后摩智能领跑端侧AI市场已成共识。资本密集加码的背后,是后摩智能从技术突破走向规模化商业落地的加速兑现:在刚刚举行的后摩智能生态合作伙伴大会上,公司披露,其端边大模型AI芯片M50量产不到一年,已获得150多个产品定点,服务客户超过百家。 据悉,本轮资金将主要用于扩大M50规模化交付,推进新一代M6X与下一代3D CIM产品研发,并持续完善软件工具链与产业生态,推动端边AI在更多终端场景实现规模化落地。 存算一体并不是新概念。它为何在此刻同时被资本和终端厂商选中?后摩又凭什么在这条赛道上拿到资本的连续加注? 资本转向端侧,存算一体回到牌桌中央 答案先藏在一组出货数据里。IDC数据显示,2026年一季度全球端侧/边缘AI芯片出货量同比增长45%,而云端AI芯片增速仅为12%。资本与出货同向,端侧AI芯片的需求并不只停留在投资人的预期里。 产业巨头也在用真金白银下注存算一体。2025年12月,英伟达与AI推理芯片公司Groq达成非独家技术授权协议,并吸纳其核心团队,规模约200亿美元。不到一年后,2026年10月,据The Information报道,英伟达又计划投资采用数字存算一体架构的推理芯片公司d-Matrix;此前,d-Matrix已经宣布通过NVLink Fusion接入英
后摩智能低调完成数十亿元B轮融资,端侧大模型AI芯片进入规模化兑现期

超500亿!半导体业绩出炉,谁是Q3净利润之王?

最近,半导体产业多家上市公司发布Q3业绩相关公告。 我们看到,长鑫科技前三季度累计营收已达2690.24亿元,同比增幅高达738.51%,归母净利润1320.40亿元,完成了从去年同期巨亏到今年盈利千亿的惊天逆转。国产GPU企业,如摩尔线程、沐曦科技纷纷实现提前盈利;AIoT领域,乐鑫科技、恒玄科技业绩走向截然不同,端侧AI芯片企业的未来也出现了拐点。 按单季度归母净利润排名,在已披露财报的A股半导体公司中,长鑫科技以约544.35亿元居首,兆易创新以42.09亿元位居第二。长鑫的增长非常夸张,要知道同期中国石油约518.4亿元,招商银行约400.3亿元。 从Q3的财报中,我们找到一个观察国产半导体的窗口。 01 存储涨价的两面 整体来看,AI服务器建设推动高性能存储需求增长,全球主要存储厂商的产能调配进一步影响市场供给。在供需偏紧、产品价格上涨的背景下,国产存储厂商前三季度业绩大幅增长。不过,部分厂商第三季度净利润环比回落,原厂与模组厂所处的供需位置及盈利表现开始显现差异。 存储企业交出了最显眼的成绩单。长鑫科技第三季度营收1187.14亿元,同比增长613.18%,环比增长19.30%;归母净利润同比扭亏,环比增长3.01%。前三季度,公司累计营收2690.24亿元,归母净利润1320.40亿元。 长鑫在财报中解释,全球算力需求快速增长、主要厂商产能调配等因素,使全球DRAM产品供不应求。叠加公司产能建设和产品结构持续优化,产品销售数量和销售价格大幅上涨,带动营业收入增长。 这里面写了两个方向:第一,全球存储市场在经历需求与价格变化。尽管消费电子需求偏弱,服务器需求仍保持强劲。TrendForce预计,在供应商新增产能有限的情况下,DRAM供应紧张状态将贯穿2027年,平均售价有望在未来几个季度继续上涨。第二,行业景气之外,长鑫自身的制造能力和产品结构也在变化。2026
超500亿!半导体业绩出炉,谁是Q3净利润之王?

阿里达摩院玄铁C950荣获“中国芯”年度重大创新突破产品奖

玄铁C950在高性能RISC-V处理器领域取得的实质性技术创新突破。 11月2日,以“智启芯途 协同共生”为主题的2026年“中国芯”集成电路产业促进大会暨第二十一届“中国芯”优秀产品征集结果发布仪式在珠海横琴举行。大会汇聚集成电路领域院士、专家与产业代表,共同交流技术创新与产业协同发展的新路径。 本届大会上,阿里巴巴达摩院旗下玄铁C950荣获“年度重大创新突破产品奖”,表彰玄铁C950在高性能RISC-V处理器领域取得的实质性技术创新突破。从上一届获评优秀支撑服务企业、RISC-V 生态推广示范案例,到此次旗舰处理器获得产品创新奖项,玄铁持续以架构创新和生态共建推动 RISC-V 产业化发展。 “中国芯”集成电路产业促进大会自2006年创办至今已举办二十一届,是中国集成电路领域规模最大、最具权威性的评选活动,被誉为中国芯片产业的“奥斯卡”。其中,“年度重大创新突破产品奖”是中国芯奖项中含金量最高、评选标准最为严苛的奖项,重点表彰在核心技术上实现重大突破、具备国际竞争力的标志性产品。 此次获奖是行业对于高性能RISC-V处理器创新成果认可的重要体现。玄铁C950以微架构创新、AI扩展、多核协同、软件兼容及安全能力等方面的技术创新,为伙伴开发真正高性能的服务器与AI计算产品提供新的基础。不仅拓展了玄铁旗舰产品的技术边界,更是RISC-V领域的标志性突破,为产业提供多元化计算架构选择,推动开放架构创新与高端计算需求相连接。 旗舰突破,打造标杆产品 玄铁C950是面向服务器场景的旗舰RISC-V处理器IP,围绕高性能通用计算与AI相关需求,持续完善计算、访存和系统协同能力。其创新价值在于将微架构突破与平台能力相结合,为伙伴开发高性能RISC-V产品提供基础。 玄铁C950打破了RISC-V长期被贴上的“低性能”标签。该处理器采用8指令译码、16级流水线及超1000条指令乱序窗口的
阿里达摩院玄铁C950荣获“中国芯”年度重大创新突破产品奖

智能体越多,英特尔越香

如果一家企业准备部署1000个智能体,除了购买GPU,还需要准备什么? 答案可能比想象中复杂。每个智能体都需要执行环境,需要内存保存运行状态,需要存储记录上下文,还需要CPU协调任务、调用工具。随着智能体数量增加,原本不太起眼的资源消耗,也可能成为数据中心的一笔大开支。这也是AI产业正在发生的一个变化。过去两年,行业的竞争焦点主要集中在大模型和GPU算力上,但当AI开始从回答问题走向自主执行任务,基础设施面临的压力也从单纯的模型计算扩展到了执行环境、内存管理、数据存储和传输等环节。 10月29日,在2026腾讯全球数字生态大会英特尔专场上,英特尔与腾讯云展示了围绕至强处理器、智能体沙箱、内存压缩和KV Cache存储展开的多项合作。值得注意的是,英特尔发布这些技术的同一天,还公布了2026年第三季度财报。公司营收达到165亿美元,同比增长21%;其中数据中心和人工智能事业部(DCAI)营收达到73亿美元,同比增长78%,成为增长最明显的业务板块。 01 至强6+落地腾讯云,沙箱并发成为重要突破口 此次大会上,英特尔至强6+处理器首次在腾讯云新一代云实例中落地。 至强6+属于英特尔Clearwater Forest产品线,基于18A制程,最高拥有288个能效核(E-core),更加注重高密度计算和能效表现。腾讯云基于该处理器推出新一代CVM云实例,根据现场披露的数据,综合性能相比上一代提升30%以上,主要面向云原生、高并发以及智能体任务编排等场景。 除了处理器性能,英特尔与腾讯云此次更值得关注的合作是CubeSandbox。智能体与传统聊天机器人不同,它不仅需要生成内容,还需要执行代码、调用工具和访问文件。这些操作存在潜在安全风险,因此需要通过独立的执行环境进行隔离。腾讯云开源的CubeSandbox正是针对这一需求设计的弹性智能体沙箱计算平台。它采用MicroVM微型虚拟机
智能体越多,英特尔越香

半导体设备IPO换了主角

今年以来,国产半导体设备企业的资本化明显提速。1月,恒运昌登陆科创板,成为今年首家科创板上市企业;5月,晶圆传输设备商果纳半导体向港交所递表;6月底,18家半导体公司集中获上交所受理,其中设备类(含零部件)企业7家:中导光电、华卓精科、东方晶源、神州股份、上海隐冠、弥费科技、鲁汶仪器。猎奇智能注册获批待发行,中科信、思锐智能完成辅导验收,盛吉盛、通潮精密、微见先进、胜达克年内先后备案辅导。各类进度加总,2026年走上IPO轨道的设备企业已接近20家。 这一轮申报热潮,伴随着国内晶圆厂资本开支的剧增。成熟制程稳步扩产,先进工艺持续投入,存储芯片厂商成为资本开支最大增量。设备厂商作为资本开支的直接承接方,订单放量与资本市场窗口同步打开,催生了这一波集中申报潮。 01 主设备大厂已成往事,细分“隐形冠军”站上舞台 把本轮申报名单与五年前对比,差别一目了然。 2019—2022年登陆资本市场的中微公司、芯源微、盛美上海、拓荆科技、华海清科等公司,主要聚焦刻蚀、薄膜沉积、清洗、涂胶显影、CMP等晶圆厂资本开支里占比最高、全球市场百亿美元级的大品类设备。上市之后,这批龙头走出了一条清晰的平台化扩张路径:依靠资本市场募资,持续并购、横向拓展产品线,从单一整机厂商成长为多工艺平台。中微公司在刻蚀之外,接连布局薄膜、量检测、CMP等业务。收购杭州众硅之后,成为国内同时拥有刻蚀、薄膜沉积、CMP、量检测四大前道核心工艺设备能力的综合设备平台厂商;拓荆科技从PECVD延伸至ALD、SACVD与键合设备;盛美上海从湿法清洗拓展到电镀、先进封装湿法设备;华海清科以CMP为根基,切入减薄、键合设备赛道。对头部大厂而言,上市是突破单一品类天花板、走向平台化竞争的资本跳板。 而本轮排队IPO的企业,大部分扎根于设备细分环节,主攻小众高壁垒赛道。做光学量检测的中导光电、做电子束量检测和计算光刻的东方晶源,切
半导体设备IPO换了主角

智能家居的拐点来了?真正值得关注的是这些芯片

智能音箱能够听懂指令,空调可以远程控制,摄像头能够识别人和宠物,扫地机器人也已经具备自主规划路线的能力。但对于普通家庭而言,真正意义上的全屋智能依然没有完全普及。不同品牌的设备各自拥有独立的控制系统,用户需要在不同App之间切换,所谓的智能联动,也往往停留在预设条件下的简单操作。 问题在于,设备联网并不等于设备真正智能。过去十多年,智能家居产业主要解决的是设备如何接入网络、如何接受远程控制的问题,而下一阶段需要解决的,是设备如何理解环境、识别用户需求,并在不同设备之间完成协同。 最近,苹果给出了自己的新答案。10月13日,苹果正式发布了三款家庭产品:配备7英寸显示屏的智能家庭中枢HomeView、第二代HomePod mini,以及第四代Apple TV 4K。与以往单纯更新硬件不同,这次苹果将Siri AI和Apple Intelligence作为重要卖点,希望通过家庭中枢整合娱乐、通信、个人信息和智能设备控制,让语音助手从一个简单的指令执行工具,转变为家庭场景中的智能交互入口。 当苹果开始加码智能家居,**、小米、亚马逊等企业也在持续推进各自的家庭生态。这场竞争的背后,值得半导体产业关注的,已经不只是智能音箱、智能屏幕等终端产品的销量,而是支撑整个家庭智能系统运行的芯片架构正在发生变化。 01 智能家居的下一阶段,是让设备真正打通 智能家居并不是一个新概念。从早期的智能照明、智能门锁,到智能音箱、扫地机器人,再到如今的全屋智能,产业已经经历了多轮产品迭代。但一个长期存在的问题始终没有得到彻底解决:不同品牌、不同品类的设备,为什么很难真正协同工作?这与智能家居产业早期的发展路径有关。 在市场起步阶段,厂商更关注单品功能的差异化。空调企业开发自己的智能控制系统,照明企业建设独立的设备管理平台,智能音箱厂商则围绕语音助手建立生态。对于企业而言,掌握设备入口、用户数据和软件平台
智能家居的拐点来了?真正值得关注的是这些芯片

芯片的大买主们,快没钱了?

10月28日,谷歌母公司Alphabet公布三季度财报:经营活动带来约423亿美元现金,购置设备和物业却支出约514亿美元,自由现金流为负约91亿美元。搜索、广告和云业务仍在增长,但当季经营产生的现金,已经不足以覆盖资本投入。 对CoreWeave、Nebius这类专门采购GPU、向外出租算力的新云服务商,资金更直接地决定扩张速度。10月22日,黄仁勋谈及这一群体时表示,算力需求极其旺盛,服务能力也很强,缺少的是营运资金;AI多个领域同时扩大投入,资金需求已超过可获得的资本。 三天后,马斯克给出了更悲观的判断。他表示,过去几周,债务市场几乎不再向缺乏AI数据中心以外大规模收入的公司提供资金,并预言两百多家新云将经历大规模倒闭与整合,只有少数能够生存下来。黄仁勋相信资金问题能够得到解决,马斯克却认为,不少企业可能等不到那一天。 一边是持续增长的算力需求,另一边是越来越受关注的投入与偿债压力,芯片的大买主们,真的快没钱了吗? 01 订单涨得快,现金却没有跟上 过去几年,CoreWeave、Lambda等新云通过GPU抵押贷款扩大集群,资金提供方也从私募信贷机构扩展到大型银行。运营商以设备和客户合同作为融资依据,提前取得采购资金,再用算力租金偿债。这种安排支持了快速扩张,也使下一轮采购越来越取决于贷款人如何评估设备价值和客户信用。 10月初,英伟达推动的算力融资项目中,部分银行和资管机构要求比原先方案更强的保障。贷款人关心的不只是GPU今天能否租出去,还包括几年后能赚多少钱、客户付款能否持续,以及违约后设备还能卖多少钱。 双方对GPU价值的判断已有分歧。Impax资产管理公司的高级投资组合经理Tony Trzcinka指出,银行通常按3至4年的折旧安排评估GPU,而英伟达认为高端GPU可以创造长达十年的收入。设备还能使用多久,与它能否持续产生足够收入,并不是同一件事。对缺少其他业
芯片的大买主们,快没钱了?

快充红利耗尽,氮化镓能跟上AI浪潮吗

数年前,氮化镓以快充头为载体走进大众视野,依靠高开关频率、高功率密度的特性,完成功率半导体赛道的一次大众化普及。如今赛道格局早已改写,产能铺开之后价格战持续压缩利润,消费市场的增长天花板肉眼可见。行业开始向外寻找增量,车载OBC、48V辅助电源、AI服务器HVDC电源成为厂商重点攻坚方向。 从消费级产品转向车规、算力场景,验证标准、失效风险、交付逻辑全部重构。算力浪潮滚滚向前,车载验证周期漫长,氮化镓能不能接住这一波新需求,走出快充红利消退后的增长困局,答案仍在漫长的测试与定点落地之中。 01 快充红利见顶,产品线走到分化路口 近些年,氮化镓以高端快充为卖点,20W到140W充电器一场接一场地铺开,手机、笔电、配件厂商扎堆进来。从最早的65W GaN充电器被称为充电革命,到如今几十块钱就能买到一个支持多协议的快充头,这个市场只用了几年就完成了从爆款到标准品的转换。 根据行业调研数据,2025年国内消费GaN快充出货量突破2.2亿只,但是平均单价较2022年高点下跌超60%,毛利率从早期35%以上回落至12%至18%区间。产品形态集中在650V横向E-mode分立管和简易半桥,设计逻辑优先控制BOM成本,可靠性验证周期短,谁家能把一个管子的成本压下去,谁就能在整机报价里拿到优势。当产能放出来、方案越来越同质化,价格战不可避免,靠效率参数讲故事的时代就过去了。 快充市场红利消退,直接反映在厂家的账本上。一方面,氮化镓器件单价持续下探,量涨但利润空间收窄;另一方面,整机厂对元器件的议价能力越来越强,器件厂被迫在成本、性能和可靠性之间做更极限的取舍。厂商被迫做产品线取舍,一部分继续深耕消费赛道,迭代方向压在Qg优化、封装小型化、晶圆良率提升上,靠成本优势走量,把快充市场做成一条维持现金流的存量生意;另一部分则开始单独搭建车规和工业产品线,重新定义器件规格,建立批次管控规则,把验证周
快充红利耗尽,氮化镓能跟上AI浪潮吗

预制数据中心,突然火了

最近,黄仁勋又把目光投向了数据中心。这一次,他关注的不只是里面放什么芯片,还有一个更基础的问题:如何更快地建好一座数据中心。 老黄给出的办法是:做预制。 整套Vera Rubin AI工厂在合作伙伴的工厂里装进模块化集装箱,线缆、电路、液冷管路全部布设完毕并通过功能验证,运抵现场后接上电力、冷却和网络即可开机。靠着这一招,现场部署从6个月压缩至最短14天。 预制数据中心,其实并非老黄一家琢磨。 **推出3D数据中心,将空间布局调整与工厂预制结合起来;立讯精密旗下的立讯智算,也展示了集装箱式预制数据中心方案。大家想解决的是同一个问题:让机房建设和设备交付,尽量跟上算力需求的增长。 毕竟,在AI时代,机房如果还按老节奏慢慢盖,确实容易出现一种尴尬:爷爷立项,爸爸施工,孙子开机,顺便给上一代GPU办个怀旧展。等数据中心两年后建出来,黄花菜都凉了,最后只能当作AI的传家宝。 01 数据中心,花钱大户 AI基础设施到底有多热,可以先看两个指标:花钱,用电。 国际能源署在2026年的报告中指出,五家科技公司的资本开支在2025年超过4000亿美元,预计2026年还要增长75%。用电量也在同步增长。IEA统计,2025年全球数据中心用电需求增长17%,其中面向AI的数据中心增长50%;其更新后的基准预测是,全球数据中心用电量将从2025年的485太瓦时,上升到2030年的约950太瓦时。 国内这边,工信部披露,截至2026年9月底,我国智能算力规模达到2592 EFLOPS,同比增长146%。而这些数字,最终都要靠具体的设备和机房上去实现。 芯片需要服务器,服务器需要网络和存储,还要吃电、散热。到了高密度AI系统这里,供电、液冷、设备重量、安装空间和维护通道,都需要一起设计。英伟达在DSX POD技术说明中,也将计算、网络、电力、液冷和运输结构列为需要协同处理的工程环节。 这意味着,算力
预制数据中心,突然火了

国产GPU过了H200这道槛

这是国内首个实测性能达到H200水平的通用GPU。 2026年1月,壁仞科技、天数智芯先后登陆港交所;往前一个月,摩尔线程、沐曦股份刚刚在科创板挂牌;再往后半年,燧原科技IPO过会。国产GPU“四小龙”在半年多时间里齐聚资本市场。资本化完成之后,行业面前的下一个问题随之而来:拿什么证明产品站得住? 天数智芯架构路线图 10月28日,天数智芯在上海举办“从模型到世界”2026媒体开放日,天垓300首次面向媒体开放实机演示,基于天垓300的AFD分离方案、IXL144超节点方案,与天数智算软件栈、彤央端侧算力终端同台亮相。比演示本身更受关注的是一组第三方实测数据:第三方权威机构今年7月针对四大主流模型、三类场景开展测试,在大模型典型的PD分离部署下,天垓300折算单卡整体端到端吞吐达到H200的1.05倍,这是国内首个实测性能达到H200水平的通用GPU。 H200是英伟达当前主力的高端推理卡,也是大模型推理和复杂计算领域公认的高水平标杆。天垓300在第三方实测中端到端摸平这张标杆卡,标志着一个更深层的变化:国产通用GPU开始具备在复杂AI任务和高算力市场中快速发展的实力。行业考核国产芯片的维度,正在从“能不能用”转向比拼实际产出、运行效率和经济价值。 天数智芯将这一阶段的标准概括为高质量算力——“高效率、可预期、可持续”——相同投入能产出多少有效结果,长时间运行能否稳定,面对不同模型、业务和部署方式能否持续发挥作用。在天数智芯看来,云端生产智能,软件加速适配与优化,端侧让智能进入更多现场,形成让高质量算力持续生长的增强回路。 性能对标进入实测时代,比的是整条链路的产出 过去国产芯片发布,讲的是峰值算力,是纸面参数与国际旗舰的对比。这轮对标换了一个口径:在特定模型、特定部署条件下,整条推理链路实际能输出多少。第三方权威机构的测试覆盖大模型典型的PD分离部署,天数智芯性能实验室的
国产GPU过了H200这道槛

当AI压进GPU,边缘算力走向融合

近日,Arm公布新一代Mali GPU架构更新,在图形管线内升级矩阵运算单元,强化端侧大模型推理与神经渲染协同,面向车载、移动及嵌入式终端推出统一软件调度方案。 这种把AI算力融入GPU、以统一硬件承载多类负载的方式,正成为行业共同选择。类似的融合尝试也在不同市场层次展开,从移动端到桌面端,再到IP授权市场,厂商路径各异,指向的却是同一个方向。  01 本地AI为何需要GPU 随着边缘端应用场景持续丰富,设备需要同时承载图形渲染、机器视觉、信号处理与大模型推理等多类任务。 以端侧大模型为例,从单一对话到多模态协同,从短上下文到长上下文,负载特征持续变化,对硬件灵活性提出更高要求。过去一段时间,芯片设计的主流思路是针对不同负载单独配置专用硬件模块,图形单元、AI加速器、视频编解码单元各自拥有独立的数据通路与软件栈。这种方案可以针对单一指标做到性能最优,但短板同样突出。多加速器并存会显著提升系统集成难度,硬件资源难以跨任务调度。一旦终端需求迭代,部分专用固定功能硬件就会出现利用率不足的问题,推高芯片整体成本与功耗。 在边缘AI爆发初期,市场涌现大量独立NPU产品,规格围绕固定算子与模型结构设计。但大模型架构、量化方案、算子集合仍处于快速迭代周期,固定硬件架构很容易在模型更新后出现适配瓶颈。行业逐步意识到,单一专用加速器难以长期适配持续变化的AI工作负载,兼具图形能力、通用并行计算、可编程特性的GPU,开始成为边缘融合算力的核心载体。算力架构的竞争重心,也从单纯比拼峰值算力,转向硬件可编程能力、软件栈通用性以及多任务下的实际能效表现。 在此背景下,不少芯片厂商早已开始实践这套融合思路。NVIDIA依靠Tensor Core,让GPU硬件可以在图形渲染、机器视觉、AI推理之间复用算力;高通则一边打通Adreno GPU与Hexagon NPU调度,一边将超分、帧生成这类A
当AI压进GPU,边缘算力走向融合

去老虎APP查看更多动态