社区

2026年，一个酝酿已久的技术奇点正在到来。 央视《新闻联播》的镜头罕见地对准了一项前沿芯片技术。全国人大代表、华中科技大学副校长冯丹在两会通道上发出呼吁：支持湖北打造世界级存算一体化产业基地，为国家在“人工智能+”新时代掌握战略主动权。 技术层面的突破也在同步发生。ISSCC 2026上，清华大学、**与字节跳动联合团队在会上发布了一篇关于存内计算芯片的论文，引起业内关注。论文中首次提出基于28nm工艺的混合存内计算（Compute-in-Memory, CiM）芯片，这款芯片通过创新架构设计，将推荐系统核心运算的效率和能效提升1–2个数量级（QPS提升66倍，QPS/W提升181倍）。 01 存算一体：后摩尔时代的破局之道 要理解存算一体为何重要，需要先理解一个基本矛盾：数据搬运正在“吃掉”计算效率。自1945年冯·诺依曼提出存储程序计算机架构以来，全球计算产业在此框架下发展了八十余年。这一架构的核心特征是将计算单元与存储单元分离，数据在处理器与内存之间频繁搬运。这就像一个工厂，原料仓库与生产线相隔甚远，每生产一个零件，都需要人把原料从仓库搬到生产线，再把成品搬回仓库。当零件较小时，这种模式的弊端尚不明显；但当生产规模急剧扩大，搬运所消耗的能源和时间就开始成为瓶颈。 在芯片世界里，这个瓶颈有个形象的名字：“存储墙”和“功耗墙”。英伟达CEO黄仁勋曾坦言：“GPU有70%时间在等待数据”。 屋漏偏逢连夜雨。随着半导体工艺逼近物理极限，摩尔定律带来的性能提升红利逐渐消退，传统芯片制程微缩的成本效益比日益降低，进一步加剧了算力供给的困境。大模型技术的迅猛发展进一步放大了这一矛盾。以GPT为代表的大语言模型参数规模从数十亿增长至数千亿，对存储容量和带宽的需求呈指数级上升。 正是在这样的背景下，存算一体技术走到了聚光灯下。 存算一体的核心逻辑很简洁：将计算单元之中，使数据在直接嵌

如果一个人刚刚认识英伟达，那他很容易忽视英伟达的游戏部门——其收入贡献已滑落至个位数。然而，在CEO黄仁勋"从桌面到数据中心"的理念下，消费级PC已被重新定位为"技术验证场"。 英伟达在GTC 2026大会主题演讲中，黄仁勋回顾了GeForce PC平台历史，并强调英伟达会讲将AI与CUDA带入消费端，但本次GTC 2026英伟达未直接宣布全新PC芯片产品。 焦点转向Vera Rubin平台和代理式AI，PC相关的内容主要为RTX PRO Blackwell工作站与DGX Spark桌面AI系统。 当英伟达专注于高利润的企业未来时，英特尔和AMD将目光对准了普通消费者所在的消费市场。英伟达却并未对游戏市场有“特别照顾”，看起来“算力之王”英伟达正在减少对游戏市场的关心。 那么，英伟达放弃游戏市场了吗？ 01 与游戏深深绑定的英伟达 英伟达1995年推出首款NV1芯片，因支持2D/3D图形市场反响热烈，截至1995年底，英伟达已售出超过10万个NV1芯片，这主要归功于与显卡捆绑销售的《VR战士》游戏的需求。 1996年第一季度，在《VR战士》的热度减退之后，游戏玩家发现NV1无法优秀的渲染其他游戏，NV1的刚需消失了，英伟达一度濒临破产，这是英伟达在游戏市场的第一课。 1997年，NV3作为“实时互动视频和动画加速器”，挽救了英伟达。在那之后，游戏业务一直是英伟达的基石业务，英伟达的每次显卡更新也是游戏玩家们翘首以待的热点话题。 2000年，斯坦福大学计算机图形学专业的研究生伊恩·巴克，将32个GeForce单元联结起来，借助8个投影仪，实现了《雷神之锤III：竞技场》的8K分辨率渲染。在追求游戏体验更佳的时候，巴克无意间打造了一台低成本的超级计算机。 2003年，巴克牵头推出了一种名为“Brook”的开源编程语言，借助Brook，科学家们可以通过GPU完成过去要求严苛的数学

随着2025年年报披露季进入高峰期，全球半导体产业在AI算力需求爆发、供应链自主的推动下，国产半导体设备行业交出了一份兼具规模与含金量的亮眼成绩单。中微公司、北方华创、拓荆科技等本土龙头企业营收与利润双双走高，在刻蚀、薄膜沉积、CMP等核心工艺赛道实现规模化突破的同时，平台化布局持续向纵深推进，并在先进封装等泛半导体赛道打开第二增长曲线。 与此同时，国产半导体设备行业也正式步入国产替代的深水区。在一些更细分、市场更小的设备品类上，本土企业仍面临技术差距等挑战。 01 业绩全面爆发，核心设备迈入规模兑现期 （仅统计已披露明确数据的设备商） 2025年，行业龙头企业的业绩表现不俗。中微公司营收123.85亿元，同比增长36.62%，归母净利润21.11亿元，同比增长30.69%，扣非净利润15.5亿元，同比增长11.64%。主要原因在于其针对先进逻辑和存储器件制造中关键刻蚀工艺的高端产品新增付运量显著提升，在先进逻辑器件和先进存储器件中多种关键刻蚀工艺实现大规模量产。 盛美上海营收67.86亿元，同比增长20.80%，归母净利润13.96亿元，同比增长21.05%，扣非净利润12.2亿元，同比增长10.02%。营收增长主要原因是中国大陆市场需求强劲，其凭借技术差异化优势，积累了充足订单储备；销售交货及调试验收工作高效推进，有效保障了经营业绩的稳步增长；深入推进产品平台化，满足了客户的多样化需求，市场认可度不断提高。 拓荆科技营收65.19亿元，同比增长58.87%，归母净利润9.29亿元，同比增长35.05%，扣非净利润7.26亿元，同比增长103.79%。主要原因系产品竞争力持续提升，应用于先进存储、先进逻辑领域的PECVD、ALD、SACVD、HDPCVD等先进工艺设备进入规模化量产，并实现收入转化；先进键合设备在客户拓展方面取得了关键突破，销售收入实现了大幅增长。 中科飞

2026年刚过去一个季度，半导体行业的热闹劲儿一点没减。AI还在往前跑，但产业链上那些真正懂行的人，已经不再只盯着3纳米还是2纳米了。晶圆代工厂也就是FAB厂正在悄悄换打法。中芯国际年初成立了先进封装研究院，晶合集成调头去做AI服务器的电源管理芯片。这两件事放在一起看，其实指向同一个方向：FAB厂不再甘心只做来料加工的“车间”，它们想成为从制造到封装、从工艺到系统的平台型玩家。这场转变，比单纯扩产几条线要深刻得多。 01 先进封装破局，中芯国际的“长臂”战略 长期以来，半导体产业链遵循着“设计-制造-封测”的清晰分工，晶圆代工厂专注前道工序，封测厂负责后道工序。然而，随着摩尔定律逼近物理极限，这一界限正在被彻底打破：中芯国际在2025年年报中披露成立先进封装研究院。 回顾历史，中芯国际与先进封装早有深厚渊源。早在2014 年，中芯国际便与长电科技合资成立中芯长电，专注于中段先进封装业务，依托双方的产业资源快速实现技术突破，成为国内高端凸块、晶圆级封装领域的重要力量，也为中芯国际打通晶圆制造到封装测试的产业链提供了关键支撑。后来受外部环境与战略调整影响，中芯国际逐步出售所持股份，长电科技也同步退出，中芯长电完成重组后更名为盛合晶微，走上独立发展道路。如今盛合晶微已成长为国内先进封装龙头，而这段合资、剥离与转型的历程，也成为中芯国际布局先进封装、推动国内半导体产业链完善的重要印记。 今年1月，中芯国际先进封装研究院在上海总部正式揭牌，上海市有关领导与清华大学、复旦大学专家团队悉数到场，足见其分量之重。中芯国际董事长刘训峰明确其定位为“聚焦先进封装前沿技术与行业共性难题，搭建一体化的‘政产学研用’创新平台”。 此次再度进入先进封装领域，其战略逻辑已与早年截然不同。当前AI芯片的性能瓶颈，已从单纯的晶体管密度转移到计算芯片与高带宽内存之间的互联效率。以台积电的CoWoS技术为例，正

2026年4月，光通信产业密集传出供应链告急的信号，多个细分领域的供需矛盾在同一时期集中爆发。 博通产品营销总监近期在接受媒体采访时发出预警，明确指出光通信供应链正面临产能瓶颈。他坦言，在过去几年里业界普遍认为台积电的产能是"无限"的，但如今台积电的制造产能限制已经成为扼制2026年光通信供应链的重要因素。与此同时，占据全球主要市场份额的日本Granopt公司宣布大幅缩减法拉第旋光片产能，该关键组件的交付周期从正常的数周拉长至6到9个月。在国内市场，基础通信材料的涨价同样令人瞩目。根据中邮证券的调研数据，2026年4月初，G.652D普通单模光纤的价格从18元/芯公里飙升至85-120元/芯公里，涨幅高达450%至567%。现货市场甚至出现了"当日有效制"的极端报价方式——当天的报价次日即失效。 这些近期发生的市场事件表明，光通信产业正面临一场结构性的供应紧张。虽然AI算力网络的升级是推动需求的底层逻辑，但当前的产能压力更多地暴露在特定的制造环节与核心材料供应上，而非全行业的绝对断供。 作为这一轮供需失衡的底层驱动力，AI算力需求的增长规模依然惊人。全球八大云厂商2026年资本支出总额预计突破6000亿美元，年增率高达40%，几乎全部倾注于AI算力中心的建设。为了匹配这种算力规模，光通信速率正从800G向1.6T演进。市场研究机构LightCounting预计，2026年光模块销售额将增长60%，而这一增速甚至已经受到了XPU和交换机ASIC短缺的压制。然而，面对如此庞大的需求增量，从晶圆代工到核心光芯片，再到精密组件与光纤预制棒，供应链的特定节点却显现出明显的产能短板。 01 台积电产能分配与封装瓶颈 博通的供应链预警直接指向了光通信硬件架构中的核心逻辑芯片。在现代高速光模块中，负责信号处理的数字信号处理器（DSP）以及未来共封装光学（CPO）方案中的交换芯片，其性能直接

随着AI大模型的爆发式演进与算力需求的指数级井喷，算力集群、高速光模块、硅光技术等前沿赛道的技术研发与产业化突破，已成为数字经济与半导体产业高质量发展的关键命脉。而这些战略领域的每一步进阶，都依赖高端电子测试测量仪器的全流程精准把关。从硅光产业化、800G-3.2T高速光模块商用的全链条性能验证，到算力集群所需要的芯片到组网的全流程测试，都高度依赖高带宽示波器、高精度频谱分析仪等高端电子测试测量仪器的支撑。 但这一关键技术领域，长期被是德科技等海外巨头垄断，《瓦森纳协定》更将高端实时示波器、高频频谱分析仪等仪器纳入对华禁运清单，在核心指标上设置严苛壁垒，直接卡住了中国AI、半导体、下一代通信等战略产业升级的咽喉，产业发展面临严峻瓶颈。深圳市万里眼技术有限公司作为测试测量领域的一匹黑马，突破封锁，2025年一经面市直入高端产品，进入业界第一梯队。SEMICON China 2026期间，半导体产业纵横独家采访深圳市万里眼技术有限公司CEO刘桑，围绕行业趋势、国产仪器突围、技术产品布局与企业未来发展，展开了深度对话。 01 需求剧变与海外封锁，催生国产仪器发展窗口 过去电子测试测量仪器的技术迭代节奏缓慢，往往以5-10年为一个周期，以行业巨头是德科技为例，其2018年首次发布的Infiniium UXR系列实时示波器，时隔八年才完成新一代XR8示波器平台的更新。但如今，伴随半导体、通信等领域的技术狂飙，仪器行业的迭代速度已迎来颠覆性改变。光通信领域中，从400G、800G到1.6T、3.2T的应用落地节奏远超预期，AI与硅光技术的深度融合更是持续加码这一进程；无线通信领域中，6G技术研发已迈入应用落地前期，卫星通信、无人机、低空经济等新兴业态全面爆发；通信技术的发展共同推动测试需求向高频、大带宽方向快速演进。需求端的快速变化，正在重构整个测试测量行业的发展逻辑。正如刘桑所讲，“

最近，罗姆、东芝、三菱电机围绕功率半导体相关业务签署备忘录，启动业务与经营整合讨论。如果交易达成，合并后新实体的全球市场份额将达到约10%，从而形成一个全球第二大联盟，仅次于英飞凌。 按照公告，这并不是最终交易落地，整合架构、条款和生效时间都还没有敲定，后续还要经过进一步协商与审批。但在产业层面，这依然是一个强烈信号：日本希望把自己在功率半导体上的优势资源重新组织起来。 01 “失落”的日本功率半导体 长期以来，功率半导体一直是日本厂商的传统强项。2021年前后，前十大企业榜单中有一半为日本企业，分别是三菱电机（第4）、富士电机（第5）、东芝（第6）、瑞萨（第9）、罗姆（第10），五家企业的营收大体保持在榜单总营收的32%~33%左右。 然而，随着全球产业格局重构，日企优势逐渐瓦解。到了2024年，Omdia的数据显示，全球功率半导体市场中英飞凌科技以17%的市场份额居首。三菱电机排在第4位（4.6%），东芝（2.6%）和罗姆（2.5%）分别排在第10位和第12位。同时，国内的功率半导体厂商士兰微占据3.4%的市场份额，比亚迪半导体占据2.9%，安世半导体占据2.5%，加速追赶。 罗姆的困境成为整合的关键推手。受电动汽车需求波动影响，其2024财年预计净亏损达60亿日元，创12年来首度赤字。因此在2025年开年，罗姆宣布换帅，松本功卸任，由东克己接任。罗姆社长东克己曾表达过类似观点，大意是：“日本厂商规模太小，如果不能整合起来，就无法在全球市场上竞争。” 为什么是现在？ 功率半导体的时代背景已经变了。过去它更多被看作工业器件，如今却成了多个高增长行业的底层开关：新能源汽车的电驱与逆变、储能系统的PCS、光伏逆变器、轨交牵引、HVDC、电网设备，乃至AI服务器和数据中心的电源管理。谁掌握功率器件，谁就握住了能源效率升级的底层入口。 围绕日本企业的功率半导体业务，日本政府从20

AI大模型参数规模持续增长，单卡算力与显存的物理上限，正倒逼AI训练集群规模持续扩容。在这场AI算力军备竞赛中，网络性能早已成为决定集群算力释放效率的关键。对于超大参数规模的AI模型而言，更高的网络带宽，能够直接大幅压缩模型训练的完成周期。 01 AI算力释放的技术底座：RDMA 要突破AI集群的网络性能瓶颈，RDMA技术已成为行业公认的解决方案，而这一切的起点，源于GPU通用计算时代的通信瓶颈破局。 GPU Direct RDMA是2009年由Nvidia和Mellanox共同研发的软硬件协同创新技术。当时GPU已经从图形渲染转向通用计算（GPGPU），成为HPC的核心加速器。GPU计算能力虽然在持续提升，但因为集群中不同节点之间的GPU间传输数据，仍需要CPU负责，通信存在瓶颈，所以GPU的计算能力的优势受其拖累不能完全发挥，从而导致集群整体效率不高。NVIDIA当时清晰地认识到必须解决这个问题，所以开始与合作伙伴Mellanox一起探索GPU与网卡的直接通信的解决方案GPU Direct over InfiniBand。后续该技术方案逐渐成熟，并于2012年随Kepler架构GPU和CUDA 5.0一起发布，并被正式命名为GPU Direct RDMA。 在此之前，传统数据中心的数据传输，始终受困于TCP/IP架构的原生缺陷。在传统传输方案中，内存数据访问与网络数据传输分属两套语义集合，数据传输的核心工作高度依赖CPU：应用程序先申请资源、通知Socket，再由内核态驱动程序完成TCP/IP报文封装，最终通过NIC网络接口发送至对端。数据在发送节点需要依次经过Application Buffer、Socket Buffer、Transport Protocol buffer的多次拷贝，到达接收节点后，还要经过同等次数的反向内存拷贝，完成解封装后才能写入系统物理内存。

AI本该是PC行业破局的关键，推着整个产业向智能终端迭代，可眼下，这场席卷全产业链的硬件涨价潮，彻底打乱了AI PC的普及节奏。早在2025年年末，这股涨价风暴就从存储芯片开始蔓延，内存、固态、显卡、CPU轮番走高，最终传导到终端整机，拉涨了全品类PC售价。 2026年，涨价势头没有丝毫放缓，反而越演越烈。DDR5 内存价格出现大幅下调，单套最高降价 100 美元，给持续升温的市场带来了短暂喘息。不过，此次降价仅覆盖少数供应商，且只是 DDR5 内存市场的局部调整，并未扭转整个 AI PC 硬件产业的涨价大趋势。 近日，多家机构、上游芯片厂商、终端品牌方都给出了一致判断：第二季度AI PC硬件涨价会更为猛烈，终端售价涨幅还会再上台阶。值得注意的是，当前市场仍存在不确定性，今天DDR5降价等信息已引发多方关注，因此还需进一步观望市场变化，综合判断后续走势。 01 品牌机全线调价，装机市场报价一日一调 涨价已经从供应链端彻底传导至消费市场，头部PC品牌纷纷官宣调价，DIY装机市场的价格波动更是超出市场预期。联想从2025年5月起就开启了连续调价，旗下主流机型涨幅普遍在800-1000元，部分高端机型涨幅突破千元。华硕、宏碁也相继跟进，扛不住上游成本压力，先后公布调价方案：华硕旗下包含游戏本在内的全系列笔记本，调价幅度在15%-25%；宏碁部分机型调价幅度也达到10%-20%。 比起品牌整机，DIY装机市场的价格波动更为极端，核心配件几乎是每日更新报价，涨价幅度堪称罕见。年前32G内存报价仅一千多元，如今已经涨到3000元以上，价格直接翻了三倍；固态硬盘、独立显卡等核心配件同步大涨，整机装机成本较去年同期大幅攀升，普通消费者的换机成本直线走高。 这一轮全品类涨价，根源就是PC核心零部件的集体提价，存储、CPU、显卡三大核心部件同步上涨，直接推高整机BOM成本，倒逼终端厂商被动调价

近期，沐曦在行业分享中披露的一组数据中心成本分析图表，引发了业内人士的广泛关注。 这张图拆了一座1GW数据中心的账——总拥有成本550亿美元，按四年折旧摊下来，GPU芯片占了250亿，供电散热110亿，网络50亿，存储40亿。电费呢？27.5亿。占比5%。 就这么一张图，把一个在圈里流传了小两年的“美好叙事”推翻了。之前总有人说，中国电价比欧美便宜，AI时代这就是我们的本钱。大模型那么耗电，电价低就是持续优势。可沐曦这张图告诉你的却是另一回事：在超大规模算力中心的成本结构里，电费在整体TCO 中占比很低，对总成本影响有限。真正的大头，是你根本绕不开的那块GPU。 01 一座550亿美元的数据中心，钱都花哪儿了 我们先把这个账算细一点。 图里的550亿美元，是基于一座1GW的数据中心做的全周期测算，周期是四年。为什么是四年？因为GPU的折旧周期就这么长，甚至很多互联网大厂实际折旧周期更短——三年甚至两年半。这不是会计上的保守处理，而是技术迭代的现实：新一代GPU出来，老一代的单位算力成本和能效比就立刻失去竞争力。 在这550亿里，GPU采购250亿，占比45%。这还只是买芯片的钱。供电和散热系统110亿，占比20%。这部分听着像是“基础设施”，但实际上一大半成本是被GPU的功耗逼出来的——一颗H100功耗700瓦，B系列下一代直奔1000瓦以上，几万张卡堆在一起，供电和散热系统的复杂程度远超传统数据中心。 网络50亿，存储40亿。这两块加起来90亿，占比16%。超大规模集群里的网络，不是咱们家里用的路由器，而是几百公里光纤、几十层交换机构成的“毛细血管网”，成本和复杂度随着GPU数量呈指数级增长。 四大硬件板块加起来450亿，占了总成本的82%。电费呢？27.5亿，占比5%。其他运维成本7.5亿，占比不到1.5%。 所以你看，电费便宜这件事，在这个账本里几乎可以忽略不计。你电