社区

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

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

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

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