社区

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

最近，碳化硅（SiC）在半导体行业的存在感越来越强了。 作为宽禁带半导体材料，它在高电压、高温和高频开关条件下比传统硅具有更低的能量转换损耗，能够帮助电子系统提升效率，因而在新能源汽车、光伏、储能和工业电源等场景持续渗透。国信证券研报数据显示，2026年1—5月，国内新能源上险乘用车主驱模块中SiC MOSFET占比达到30.9%；同期，800V车型在新能源上险乘用车中的渗透率约为33%，其中碳化硅渗透率达到77%。除此之外，AI数据中心正在成为第二条需求曲线，随着机柜功耗向兆瓦级演进，传统供电架构的损耗与散热瓶颈日益凸显，碳化硅在高压直流供电和固态变压器等环节从可选走向必选。Yole Group预计，全球碳化硅功率器件市场到2031年将达到约110亿美元，新能源汽车、充电基础设施、光伏与储能，以及AI数据中心电源等应用将共同推动市场增长。 需求侧扩张的同时，产业竞争的重心也在向衬底成本和晶圆规格前移。2026年10月15日，英飞凌与Wolfspeed宣布扩大并延长碳化硅晶圆供应协议，将双方超过20年的合作从150mm规格延伸至200mm。 这份多年期协议，连接起两家公司的不同需求。我们也得以一叶知秋，窥见碳化硅行业的发展趋势。 01 英飞凌为什么需要200mm碳化硅晶圆 英飞凌推进200mm碳化硅制造，已经有了一段时间。 产线布局是其推进200mm制造的重要基础。2025年2月，英飞凌宣布，首批采用200mm碳化硅晶圆制造技术的产品开始向客户交付。这批产品在奥地利菲拉赫生产，主要面向可再生能源、铁路和电动汽车等高压应用。同时，公司位于马来西亚居林的生产基地也在推进从150mm晶圆向200mm晶圆的转换，新建的Module 3厂房计划根据市场需求逐步启动大规模生产。 此次与Wolfspeed扩大供应协议，正是为了支持这一转型。英飞凌在公告中明确表示，新的多年期协议将帮助公司

10月21日，佳能披露增产计划，明年半导体光刻设备的产量最高将接近今年的两倍。就在前一天，尼康宣布启动更高精度数字光刻设备的研发，继续布局先进封装市场。 一周前，全球光刻机龙头ASML在第三季度财报中披露，客户对2027年、2028年的设备需求已超过现有扩产计划，甚至开始询问2029年、2030年的供货。公司计划明年将低数值孔径EUV和浸没式DUV产能各提高30％，并探索让后年的增幅超过30％。与此同时，与主要客户的定价谈判已经完成，部分关键产品将提价。 而在产业链上游，通快预计，新财年EUV业务订单和收入均将实现两位数增长；JSR用于金属氧化物光刻胶最终生产工序的韩国工厂，也于9月底竣工。 扩产与提价接踵而至，光刻产业的新一轮投资热潮将延伸到哪里？ 01 扩产不只发生在EUV 佳能将利用去年建成的宇都宫新厂等设施，落实明年的增产计划。负责产业设备业务的武石洋明在10月21日的采访中表示，不仅中国台湾、韩国和中国大陆，全球多地的半导体厂商都在推进投资，相关需求可能延续到2028年。佳能的i线光刻机用于存储和功率器件的部分制造工序，这些市场的扩产也在增加设备需求。 在先进后道光刻领域，佳能的设备询价从2025年中开始急增。公司近期披露，计划到2029年将这类设备的产能较2026年提高50％，并继续开发大尺寸基板产品。随着封装面积扩大，芯片之间的连接线路也要在更大范围内制造，佳能在提高供货能力的同时，还要让设备处理更大的基板，才能接住客户后续扩产。 在晶圆制造端，美光10月21日公布了下一步DRAM工艺安排：引入EUV的1γ工艺已进入量产，下一代1δ计划于2027年下半年放量。ASML预计，今年面向存储客户的设备销售额将增长约75％，面向逻辑客户的增幅约为10％。公司在解释存储业务增长时，明确提到了客户扩产，以及先进DRAM工艺中EUV使用增加这两项动力。 ASML预计今年低数

今年的手机市场有一点值得关注：出货量在崩塌，销售额却在膨胀。IDC的数据显示全球智能手机出货量全年预计同比下滑13.9%至约10.8亿部，创2013年以来年度新低；第三季度单季跌幅22%，是该机构有记录以来最惨烈的季度表现。但同一份预测里，全球智能手机平均售价同比上涨27.6%至581美元，市场营收在第二季度逆势增长7%、达到创纪录的1090亿美元。中国市场同样如此，第三季度出货5930万台，同比下滑12%，创2013年以来同期最低，但新一代旗舰普遍涨价千元以上，涨幅20%到25%。 把这两组数字放在一起，看到的不是手机的需求疲软，而是一场结构重组。存储成本被AI基础设施截走只是表象，真正在发生的变化是，厂商被迫从卷低价竞争的竞赛中退出来，而退出方式，在不同市场位置的玩家身上呈现出完全不同的面貌。 01 千元机的消失，不是需求消失了 理解2026年一切变化的起点，是存储从BOM表里的一个常规科目变成了决定产品生死的一部分。正常年份内存在手机物料成本中的占比是10%到15%，到2026年这个数字跳到了30%到40%，中低端机型接近50%，千元机的存储成本已经超过了处理器本身。三星、美光等原厂把产能转向AI服务器所需的HBM芯片，手机用的LPDDR5和NAND在排产表上被往后推，DRAM和NAND合约价格在一年内暴涨350%。Counterpoint测算，售价200美元以下的手机，BOM成本较上年同规格产品同比上涨70%，涨幅几乎全部来自存储。 这条成本曲线，等于直接宣判了千元机的死刑。一台原本定价1499元的手机，存储成本从两百多元涨到接近七百元，厂商面对的选择只有涨价、砍配置或者不做，而三种选择的终点是同一个方向。100美元以下机型在第二季度同比暴跌近60%，深圳ODM厂商的千元机项目大面积停摆，部分中小品牌直接退出了市场。小米第三季度出货量同比跌幅超过30%，是主要厂商中

存算一体赛道，持续火爆。 国内首家通用存算一体架构（GP-IMC®）AI大算力芯片公司亿铸科技完成10亿+元融资。随着AI算力需求持续增长，通用存算一体等新型算力架构受到资本市场和产业界关注，亿铸科技也在技术研发与产品产业化方面持续推进。 亿铸科技正式运营于2022年，持续聚焦通用存算一体技术研发，坚持“通用存算一体+超异构”技术路线，围绕3D DRAM存算一体等技术方向持续布局。公司产品具备大吞吐、高性价比、低功耗等特点，并兼容CUDA、PyTorch等主流生态，为数据中心、AI云计算等场景提供软件易用、Token成本更低的全新算力解决方案。 此次融资将为亿铸科技后续研发投入、产品迭代及产业化推进提供进一步支持。随着技术研发和产品落地持续推进，其通用存算一体技术路线及相关产品也将得到更充分的市场验证。在AI算力需求持续增长的背景下，围绕芯片架构、存储技术、软件生态及产品应用的持续创新，正在成为推动新型算力技术走向产业应用的重要因素。 如何破解容量和精度瓶颈，把存算一体做进云端大算力芯片？亿铸科技的解法是全数字3D DRAM通用存算一体芯片。（想要了解更多的读者，可以阅读对话亿铸科技创始人熊大鹏：通用存算一体，如何定义AI算力的下一个十年？） *声明：本文系原作者创作。文章内容系其个人观点，我方转载仅为分享与讨论，不代表我方赞成或认同，如有异议，请联系后台。

博通正为OpenAI定制AI芯片安排超过500亿美元融资，谈判尚处早期。不到一周前，Anthropic与博通最高420亿美元的融资安排刚刚被披露，用于支付TPU算力租赁。两家头部模型公司，一家推进自研，一家扩大租用定制算力，都把数百亿美元的资金安排与ASIC部署联系在一起。 近期，设计端也接连出现大单：新思科技与亚马逊签下超过10亿美元的多年期IP协议，SEMIFIVE获得5200万美元AI推理ASIC开发订单。10月6日，Marvell又将2029财年定制芯片业务收入目标上调至超过120亿美元。客户对定制算力的投入，正在从主加速器延伸到设计服务、IP和配套芯片。 9月下旬发布的一份产业研究甚至预计，2027年高端云端AI加速器市场中，ASIC出货颗数将超过GPU。GPU的大客户仍在采购现有产品，却同时加大对自研芯片和定制算力的投入。大客户更深入地掌握芯片定义，同时把设计实现、IP和量产工作交给专业公司。供应商争夺的订单，正在覆盖客户从开发自研芯片到部署算力的更多环节。 01 大客户之外，买家还在增加 Anthropic与博通的安排，对应的是一笔已经承诺的算力开支。10月1日披露的文件信息显示，Anthropic五年的TPU算力租赁承诺约为1252亿美元，最高420亿美元融资额度可覆盖其中约三分之一。博通或其指定融资伙伴将以可转换债务形式提供资金，Anthropic预计在上市完成前不会发行相关票据。额度不等于博通已经支出的现金，却使双方的关系超出了芯片供应和采购。 这批算力使用谷歌与博通合作开发的TPU。Anthropic今年4月已宣布，将从2027年开始获得数吉瓦新增TPU算力。如今的融资安排，为部署提供了资金路径。对于谷歌而言，TPU从服务内部业务延伸到承接外部模型公司的大规模需求，出货空间随之扩大；Anthropic无需先完成自己的芯片，就能增加ASIC算力的使用。

PC、手机之后，下一个能够形成规模的计算产品是什么？ 从运行模型到控制机器，AI进入物理世界，正在为RISC-V打开新的市场。 近日，第六届RISC-V中国峰会在深圳举行。阿里达摩院发布车规增强处理器玄铁E908A，进迭时空推出服务器级芯片V100，砺睿微面向智算中心的“珠峰200”首次亮相。围绕AI的新需求，RISC-V厂商正从嵌入式、物联网向汽车、机器人和数据中心拓展。 据SHD Group预测，到2031年，RISC-V在全部硬件细分市场的整体占比将达到33.7%，其边缘计算和数据中心市场规模将分别突破450亿美元和700亿美元。 从边缘设备到云端基础设施，物理AI和AI数据中心正成为RISC-V企业布局的两个重要方向。前者面向机器人、自动驾驶等场景，需要在现实环境中完成感知、决策与行动闭环，对实时响应、能效和安全提出更高要求；后者围绕大模型推理等负载，更加关注数据吞吐、内存带宽以及CPU与AI加速器的协同能力。不同场景的计算需求，正在推动RISC-V拓展应用边界。 机器人带来新的计算需求 PC、手机之后，下一个能够形成规模的计算产品是什么？ 进迭时空联合创始人孙彦邦在接受采访时表示，目前还没有确定答案。从进迭时空的判断来看，大概率是机器人，但这里的机器人并不限于人形，也包括家庭、工业和公共场景中的各种智能设备。他举例说，过去的家电语音控制依赖固定命令词，换一种表达就可能无法识别。随着模型能力提升，设备可以更好地理解人的意图。 未来的产品则需要进一步具备本地算力和模型，自主完成任务，形成闭环。这也改变了芯片的设计要求。孙彦邦表示，机器人既需要CPU运行机器人操作系统、处理运动控制任务，也需要AI算力运行模型，同时还要满足实时响应要求，三类计算能力需要融合。 RISC-V的模块化、可扩展特性，为这种融合提供了设计空间。企业可以围绕具体任务配置计算核心和加速单元，但能否形

10月的上海，工博会首次设立的“国芯展”上，东方算芯展台的三张数据卡被不少人拍了下来：全球首次验证3D芯片集群系统、7天完成主流大模型训练适配、24个月跑通芯片—软件—集群全链路。 单看，每一个都是典型的发布会数字。连起来看，三个数字分别指向三种能力：系统级验证能力、软件适配速度、产业化交付效率。三种能力共同的落点，是这家公司在国芯展上宣布的另一件事：128卡集群系统稳定运行，已实现大规模训练集**付，年底实现千卡级集**付。 纵观整个行业，过去两年，国产算力芯片发布密集，单卡参数不断逼近海外旗舰，但从参数发布到规模交付之间，隔着漫长的工程周期。魏少军教授深度洞察到，当下AI应用以周为单位快速更新，大模型算法以月为单位迭代升级，但芯片研发迭代以年为周期，系统部署后更是可以稳定运行5至10年。这种迭代节奏的严重失衡，对芯片设计、系统适配提出了极高要求。 01 首次、7天、24个月：一场交付的三个侧面 东方算芯正是带着解决这个落差的目标出现的。这家公司2024年5月在上海张江成立；今年4月底完成A+轮融资，投后估值122.75亿元，国家人工智能产业基金位列股东；9月完成股份制改造，并计划四季度启动B轮融资。董事长魏少军是清华大学长聘教授、中国半导体行业协会副理事长，团队脱胎于清华在可重构计算方向近二十年的研究积累。成立两年半，东方算芯便完成了从芯片研发、全栈软件适配到百卡级训练集群规模化部署的完整闭环，并把整个过程压缩进了24个月。这场交付是怎么跑出来的？三个数字里藏着答案。 首先是全球首次验证3D芯片集群系统。单卡点亮和规模部署之间，隔着的不仅是量的差别，更是工程难度质的差别。在此之前，3D堆叠大算力芯片一直停留在论文和样片阶段。作为3D堆叠的关键技术之一，混合键合工艺2016年前后由索尼用于图像传感器，2018年长江存储将其用于3DNAND，此后近十年，这项工艺的主要应用场

今年上半年，IDC统计全球四足机器人出货突破4.9万台，同比大涨92.5%。有趣的是，同期 Counterpoint 给出的出货数据仅约3.5万台，差值超过一万台；就连第二名厂商，两份榜单也无法对齐。 数据打架本身就是一个信号。这个市场正在从讲故事进入抢地盘的阶段，而抢地盘的方式各家完全不同。宇树靠低价走量，云深处靠工业级产品赚利润。两种打法背后，是两条完全不同的芯片需求曲线。但真正值得我们关注的，不是这近5万台机器狗本身，而是一个更根本的问题：当一台机器狗从展厅走进变电站，从表演跳舞变成巡检设备，它身体里的芯片到底发生了什么变化？  01 跳舞和干活，这背后究竟差在哪？ 消费级四足机器人的芯片方案相对简洁。一台宇树Go2的核心计算平台是瑞芯微RK3588S，加上几颗MCU控制关节电机，方案就搭起来了。瑞芯微的RK3588在机器人市场已经取得较高市占率，与宇树、云深处、极智嘉、科沃斯等厂商合作覆盖了人形、四足、工业巡检等多种形态。这家公司把机器人列为AIoT战略中的重要产品线，RK3588主要承担“小脑”角色，负责运动控制和环境感知。 但一台在电力巡检场景工作的四足机器人，芯片需求完全不同。它需要同时处理可见光相机、红外热像仪和声纹传感器的数据，在复杂地形中保持厘米级定位，把多源信号实时融合后做出决策。从产业端的情况来看，一台人形机器人大概会用20到30套编码器，要求达到上万转每分钟的高转速，以及在大冲击下保证位置不跳变、不误报警。四足机器人的编码器数量虽然少于人形，但在工业场景中对可靠性的要求正在向车规级看齐。 这种变化的本质，是芯片需求从集中走向分布。一台全尺寸人形机器人（含灵巧手），MCU的部署量将近100颗。与工业、汽车领域MCU不同，机器人每个关节空间极其有限，“省空间”是很多客户的最高优先级要求，MCU要在更小封装内集成更多功能，同时严控发热与功耗。每

2018年，硬件众筹平台Crowd Supply上出现了一块售价999美元的开发板。它叫HiFive Unleashed，来自RISC-V芯片公司SiFive，项目页面上最醒目的介绍是：全球首款能够运行Linux的RISC-V开发板。 今天回看，这个卖点多少显得朴素。但对当时的开发者而言，能够拿到真实硬件，在上面运行系统、移植软件，已经让RISC-V向实际应用迈出了一步。 八年后，RISC-V已经走向更复杂的计算场景。 今年3月，达摩院发布玄铁C950。这颗处理器以3.2GHz主频、单核SPECint2006突破70分的成绩刷新RISC-V性能纪录。随着性能提高，摆在团队面前的任务也更加具体：怎样让更多软件用好这颗CPU，怎样保证它在复杂业务中长期稳定地运行。 今日，在2026 RISC-V中国峰会上，达摩院展示了C950在多核互联、AI推理和服务器Java上的新进展，同时发布车规增强处理器IP玄铁E908A，首次公布面向自动驾驶和具身智能的产品路线图。这些探索背后，已有规模化应用的积累。玄铁累计出货已超过60亿颗，覆盖智能终端及服务器周边等多类场景。从这些已经稳定出货的产品出发，玄铁正向服务器CPU、自动驾驶等更复杂的计算任务深入。 从一颗高性能CPU，到服务器、汽车和机器人中的实际应用，中间还有大量软件适配与工程验证工作。达摩院首席科学家孟建熠在峰会上表示：“高性能RISC-V要真正走向量产落地，不仅需要标杆的处理器产品，更需要持续的软硬件技术研发和工程验证，打磨其从‘可用’、‘可靠’走向性能卓越。” 01 拿到高性能CPU入场券后 从C910到C950，玄铁用了近七年时间，持续抬高RISC-V的性能上限。 2019年，C910的SPECint2006成绩约为7分/GHz；2025年，C930将这一数字推到15分/GHz；今年3月，C950超过22分/GHz。RISC-