在音频系统中，电路可对信号进行滤波与整形，优化音质表现。

通信设备依靠滤波抑制杂讯，保证数据传输清晰稳定。

车载电子系统为传感器提供稳压保障。

可再生能源设备借此实现输出功率的稳定调节。

理解这一基础概念，能帮助你看懂电子设备的工作原理，并在设备出现故障时快速排查解决。

核心要点

1. RC 电路时间常数决定电路的响应快慢，广泛作用于音频、通信等各类电子设备。

2. 掌握时间常数原理，可高效检修电子设备，通过参数调整优化整机性能。

3. 时间常数计算公式：τ = R × C，可精准预判电容充电、放电阶段的电路变化规律。

RC 电路时间常数基础

什么是 RC 电路？

RC 电路普遍存在于各类电子产品中，主要由电阻与电容两大无源器件组成。

电阻用于限制电流大小，从而控制电容的充、放电速度；电容负责储存电能，并在需要时释放。

二者组合搭配，使电路具备时序控制与信号滤波两大核心功能，常见于音频设备、通信产品、汽车传感器等场景。

在集成电路行业中，类似香港新星科技这类海思授权方案合作伙伴企业，会将 RC 电路深度集成于芯片级方案与系统设计中，依托先进半导体技术，保障 RC 电路在复杂电子系统中高效、稳定运行，为需要精密时序控制与信号滤波的消费电子产品提供技术支撑。

RC 电路时间常数详解

想要理解 RC 电路的工作逻辑，就必须掌握时间常数。

RC 电路时间常数定义为：τ=R×C

• R：电阻阻值

• C：电容容量

时间常数用来描述电容两端电压的变化速率。

充电阶段：电压初期快速上升，接近最大值后增速逐渐放缓；

放电阶段：电压初期快速跌落，随后缓慢降低直至趋近于零。

RC 时间常数的物理含义：

电容充电时，电压上升至最终稳定值 ** 约 63%所需的时间；

电容放电时，电压下降至初始电压约 37%** 所需的时间。

该时序特性是滤波器、信号振荡器等模拟电路的设计核心，直接决定电子产品的信号响应逻辑。

RC 电路时间常数公式

计算公式：τ=R×C

RC 电路的电压变化遵循指数规律：

• 充电公式：V(t)=V0(1−e−t/τ)

• 放电公式：V(t)=V0e−t/τ

指数变化特性意味着：电压前期变化快、后期变化平缓。

工程师利用这一特性，设计信号滤波、时序控制、电能储能调节等经典电路。

RC 电路的电压变化完全由时间常数主导，也是分析电容工作特性的关键。

相比于 LC 滤波等其他时序、滤波电路，RC 电路结构简单、稳定性强，是民用电子设备中最常用的基础电路架构。

时间常数计算与实际应用影响

时间常数计算方法

串联 RC 电路通用计算步骤：

1. 识别电路中的电阻、电容元件；

2. 记录电阻单位（欧姆）、电容单位（法拉）；

3. 代入公式 τ=R×C 计算；

4. 计算结果单位为秒。

举例：

电阻 1000 Ω，电容 1 微法（μF）

τ=1000×1×10−6=0.001 秒

串联、并联 RC 电路均可使用该公式计算，是分析电容充放电特性的基础。

常见计算错误

• 误读元器件丝印参数，导致基础数值错误；

• 忽略单位换算（尤其电容微法、皮法转法拉）；

• 未区分串、并联电路结构，忽略等效阻容参数变化；

• 忽略环境工况差异，套用固定时间常数造成分析偏差。

规避方法：仔细核对阻容参数、统一换算为标准单位、结合电路结构分析等效参数。

日常电子产品中的时间常数

生活中大量设备都在依靠 RC 时间常数工作：

• 音频设备：利用 RC 电路滤除特定频率，实现音色调节、音效优化；

• 相机闪光灯：依靠 RC 充电时序，控制电容储能速度与闪光触发间隔；

• 信号处理器：搭建低通滤波电路，平滑电压波动、净化信号；

• 电子定时器、振荡器：以时间常数为基准，实现设备时序同步运行。

环境温度会影响电容性能参数，进而改变时间常数，最终造成电路工作异常。

RC 电路典型应用

RC 电路广泛用于音频设备、定时模块、信号处理电路与信号振荡器。

在 RC 滤波器中，时间常数直接决定信号的通断频率；修改电阻或电容参数，即可自由调整截止频率，适配不同的滤波需求。

半导体企业通过将 RC 电路集成在芯片内部，为民用电子设备提供高精度时序控制与降噪滤波能力。

总结

RC 电路时间常数时刻影响着各类电子产品的运行状态：

• 优化音频系统信号滤波与波形整形，提升音质；

• 保障通信设备信号完整性，稳定数据传输；

• 稳压车载电子系统，强化传感器检测精度；

• 调节新能源设备功率输出，提升能源利用效率。

理解时间常数，能帮助你：

调试音频滤波电路，获得更纯净的音质；

检修相机闪光灯充放电异常问题；

优化信号处理电路，屏蔽杂波干扰。

持续学习电子基础原理，能够夯实电路设计与维修能力，高效解决各类电子故障。 

核心要点

1. 分清运放反相与同相电路的本质区别：反相电路会翻转信号相位，同相电路保持相位不变。

2. 音频混音、精密信号求和等场景优先选用反相组态，可灵活调节增益并实现相位反转。

3. 需要高输入阻抗、弱信号缓冲时，采用同相组态，广泛适配传感器接口与模数转换器。

4. 同时掌握两种电路结构，可大幅拓宽电路设计思路，高效解决各类信号处理问题。

5. 设计运放电路时查阅芯片手册、选用匹配阻值的电阻，规避常见设计错误，保障电路稳定性与性能。

运算放大器基础

什么是运算放大器？

运算放大器（简称运放）是现代电子电路的核心模拟器件。它属于高增益电压放大器，拥有两个输入端与一个输出端。运放的应用方式十分灵活，可适配多样化电路需求；其多功能性并非来自内部结构，而是依靠外围元器件的搭配接法实现。

提示：运放可搭建音频、视频、测量、自动控制等各类功能电路。

运放的核心特性与功能：

• 增益调节：将输入信号按固定倍数放大，是音视频系统的核心功能。

• 信号缓冲：实现高阻抗信号源与低阻抗负载的隔离匹配，避免信号衰减。

• 积分运算：搭建积分电路，输出电压对应输入电压的积分量，常用于函数发生器。

• 电压比较：对比两路输入电压大小并输出判定结果，在数字电路中应用广泛。

仅搭配少量外围器件，即可利用运放完成放大、滤波、信号调理等多种电路设计。

输入端与输出端

运放包含两个输入端子：带负号的反相输入端、带正号的同相输入端，输出端用于输出放大后的处理信号。

• 输入电流会产生压降，高阻值电阻、高输出阻抗信号源会加剧该问题。

• 输入失调电压会引入微小放大误差，高精度电路设计中需重点考量。

• 低输出阻抗特性，可稳定驱动低阻抗负载，抑制压降、维持增益稳定。

• 负反馈通过外接电阻精准控制电路增益，让电路工作状态更可控，降低运放内部参数波动带来的影响。

理解输入、输出特性对电路性能的影响，才能熟练设计高精度、高可靠性的运放应用电路。

反相放大电路

电路结构

反相放大器是最常用的运放基础电路之一。输入信号经输入电阻（Rin）接入反相输入端，同相输入端直接接地；反馈电阻（Rf）跨接在输出端与反相输入端之间。该结构会在反相输入端形成虚地，保障电路稳定工作。

工作原理

反相组态下，输入信号接入反相端，依靠负反馈机制调控输出。负反馈强制反相输入端电压无限接近地电位，且运放输入端无流入电流。最终输出信号与输入信号相位完全相反：输入电压升高，输出电压降低，反之亦然。180° 相位反转是反相运放电路的核心特征。

增益计算

反相放大器的增益由输入电阻与反馈电阻的比值决定，计算公式：

A=−RinRf

示例：反馈电阻 Rf=20 kΩ、输入电阻 Rin=10 kΩ，增益为 −2，代表输出信号幅度放大 2 倍，相位反转。

实际应用

反相放大器广泛应用于各类电子设备：

音频混音器依靠其多路信号加权求和能力，实现多路音源混合；数据采集系统借助其高稳定性、高精度特性完成信号调理。反相与同相运放电路搭配使用，可满足简单至复杂的各类信号处理设计需求。

同相放大电路

电路结构

同相放大器将输入信号直接接入运放同相输入端；反相输入端通过电阻 R1 接地，同时经反馈电阻 Rf 连接输出端。该电路可保证输入、输出信号相位一致。

工作原理

信号接入同相输入端，负反馈稳定两路输入端的电压差，输出信号完全跟随输入信号相位，无相位反转。同相电路具备极高输入阻抗，不会对前端信号源造成负载下拉，非常适合弱信号缓冲隔离。

备注：需要保留原始信号相位、避免信号损耗时，优先选用同相放大器。

增益计算

同相放大器增益公式：

A=1+R1Rf

示例：反馈电阻 Rf=10 kΩ、接地电阻 R1=5 kΩ，增益为 3，输出信号放大 3 倍且相位不变。

实际应用

同相放大器常用于传感器接口、模数转换器缓冲、信号调理电路等场景，适配高输入阻抗、稳定增益的设计需求。

工业自动化、通信设备、精密测量仪器中大量采用同相运放设计，可有效保证信号完整性、稳定驱动复杂负载。

反相与同相运放对比

核心差异

反相电路主打相位反转与多路信号混合；同相电路优势为高输入阻抗、相位保真，适配高灵敏度信号源，杜绝负载效应。

优缺点对比

提示：音频混音、模拟运算选用反相放大器；传感器采集、ADC 前端缓冲选用同相放大器。

选型依据

✅ 选用反相电路的场景：

• 需要反转信号相位；

• 多路信号加权叠加、混合处理；

• 需要灵活调节增益，包含信号衰减；

• 前端信号源可适配低输入阻抗。

✅ 选用同相电路的场景：

• 必须保留原始信号相位；

• 要求高输入阻抗，防止信号源被负载拉低；

• 弱信号缓冲、隔离，用于后级处理；

• 设计增益≥1 的放大电路。

故障排查与进阶应用

常见设计错误

提示：制版前务必查阅运放数据手册，确认输入电压范围、电阻匹配参数。

电路优化技巧

1. 合理布局电源走线，提供纯净供电，远离干扰元器件；

2. 电路板分区布局模拟电路与数字电路，降低串扰干扰；

3. 时钟走线分层布置，隔离模拟信号，抑制开关噪声；

4. 模拟输入采用差分信号，有效抑制共模干扰；

5. 缩短反馈走线，反馈元器件尽量靠近运放摆放；

6. 合理设置过孔，构建低阻抗接地网络；

7. 考虑散热影响，大功率器件预留散热空间、加装散热片。

备注：规范 PCB 布局与器件摆放，是实现低噪声、高稳定模拟电路的关键。

进阶应用方向

两种基础运放组态可拓展至更多高端场景：工业精密模拟前端、高速通信接口、抗干扰混合信号系统等。

在此基础上，还可延伸设计程控增益放大器、有源滤波器、模拟运算电路，满足严苛工况下的高性能设计需求。

总结

反相运放：核心优势为相位反转、精密信号求和，多用于音频设备、通用信号处理；

同相运放：核心优势为高输入阻抗、相位保真，多用于传感器缓冲、模数采集、电平匹配。

熟练掌握反相与同相两种运放核心技术，可根据增益、相位、输入阻抗需求灵活选型，设计满足项目指标的稳定电路。动手实操搭建电路、参考案例调试对比，可快速提升模拟电路设计能力，适配各类工业与民用电子产品开发。

精准的传感器读数可优化燃油喷射量与点火正时。

传感器故障会导致油耗升高、尾气排放超标。

更换新传感器能够防止发动机过热，保障发动机高效运转。

现代发动机高度依赖该传感器实现精密控制与达标排放，因此不少车主都会遇到 ECT 传感器过早损坏的问题。

核心要点

1. 更换故障 ECT 传感器，最高可提升 15% 燃油经济性，并减少有害尾气排放。

2. ECT 传感器采集精准温度信号，协助发动机控制单元（ECU）优化燃油供给与点火正时。

3. 留意发动机过热、油耗异常、发动机故障灯亮起等预警信号，尽早排查传感器故障。

4. 及时更换 ECT 传感器，可避免发动机受损，让车辆始终保持高效工况。

5. 定期保养并使用正品配件，保障 ECT 传感器稳定工作，维持发动机动力性能。

ECT 传感器在现代汽车中的作用

什么是冷却液温度传感器？

每次启动车辆，冷却液温度传感器都在持续工作。该小型元件属于热敏电阻，会根据发动机冷却液温度改变自身电阻值。

发动机冷机状态下，传感器电阻较高；随着冷却液升温，电阻随之下降。电阻的动态变化，让车载电子系统能够精准检测冷却液实时温度。

• 检测发动机冷却液温度；

• 随冷却液冷热变化，实时调整自身电阻；

• 将温度数据传输至发动机控制单元（ECU）；

• 精准读数是发动机平稳、高效运转的基础。

原厂设计的发动机冷却液温度传感器可适应严苛工况，耐高温、抗震动、耐油污。现代传感器采用新型材质与严苛测试标准，长期保持测量精准、工作可靠。

传感器与发动机控制模块（ECM）的通信原理

冷却液温度传感器是汽车发动机管理系统的核心部件，向发动机控制模块（ECM）实时传输温度数据。

ECM 依据该数据调整空燃比、点火正时，同时控制散热风扇启停。一旦传感器传输错误信号，ECM 会做出错误判定，进而引发发动机运转抖动、高温过热等故障。

提示：工况正常的冷却液温度传感器，有助于车辆省油降耗、降低排放。

随着技术升级，冷却液温度传感器的稳定性大幅提升。柔性化结构设计更适配复杂发动机布局；高精度传感器具备抗干扰、耐温变能力，无论何种行驶环境都能输出准确数据。这些升级让车载电子系统响应更灵敏，使发动机时刻维持最佳工作状态。

ECT 传感器影响的车载电控逻辑

空燃比与点火正时

车辆启动全程依赖 ECT 传感器。传感器向 ECU 实时推送温度数据，ECU 据此动态调整燃油混合比例与点火时间。

冷机启动时，传感器信号会指令 ECU 增加喷油量，确保平稳启动；水温上升后，ECU 减少喷油，提升燃油利用率。

• 管控冷启动阶段的燃油喷射；

• 依据不同温度环境，调节空燃比；

• 匹配发动机工况，优化点火正时；

• 精准温度信号，保障发动机运转平顺。

若传感器数据异常，ECU 会配比错误的空燃比与点火时间，直接造成油耗飙升、怠速抖动，严重时还会损伤发动机，足以体现该传感器的重要性。

备注：发动机冷却液温度传感器通过向 ECU 传输准确数据，避免燃烧效率低下与发动机过热问题。

传感器失效时，车辆可能出现尾气冒黑烟、动力衰减等现象，代表空燃比或点火正时严重失调，出现这类故障需第一时间检查传感器。

排放控制与散热风扇管理

ECT 传感器也是排放控制系统与冷却系统的核心部件。传感器采集冷却液温度并上传至 ECU，ECU 以此维持最佳工作温度，削减有害废气排放。

• 协助 ECU 控制散热风扇，水温过高时自动开启风扇散热，防止发动机高温；

• 调整喷油正时，优化燃烧充分性，实现清洁排放；

• 平衡空燃比，从源头降低尾气污染物。

温度传感器是车辆满足环保法规的关键部件。依托精准的发动机管控，它可优化空燃配比、改善冷启动工况，大幅减少未燃烧碳氢化合物与一氧化碳的产生。

如果传感器传输错误温度数据，ECM 将无法正常管控散热风扇与排放系统，引发发动机过热、排放超标、机件损坏等问题，同时仪表盘故障灯亮起、尾气散发汽油味。

由此可见，ECT 传感器是整车电子控制的核心一环。精准温度数据，帮助 ECU 合理调控喷油、点火与散热系统，让发动机高效、稳定、环保运行。

传感器故障后，ECU 无法正常调节空燃比与点火正时，会造成混合气过浓或过稀，增加排放与油耗；散热风扇启停逻辑错乱，进一步引发高温、动力变差等问题。

提示：更换故障 ECT 传感器，最高可降低 15% 油耗，显著减少有害尾气排放。

日常需留意传感器故障前兆，及时处理既能保护发动机，也更加环保。

冷却液温度传感器故障：症状与隐患

电子系统异常与故障表现

冷却液温度传感器损坏后，会出现一系列明显故障现象，集中体现在车载电控系统与日常驾驶体验中，常见问题包括：

• 发动机过热、散热风扇不工作；

• 发动机故障指示灯常亮；

• 怠速转速偏高；

• 混合气过浓、燃油消耗异常；

• 启动阶段发动机缺火抖动；

• 水温表长期显示低温状态；

• 发动机动力不足；

• 暖风制热效果差；

• 加速迟滞、动力顿挫；

• 实时数据流温度显示紊乱。

提示：出现以上任意故障，需立即检查传感器，早排查、早维修，避免更大故障。

例如水温表卡死在低温刻度、散热风扇无法启动，都是传感器失灵的典型表现，会直接干扰整车电控系统。

对发动机性能的影响

冷却液温度传感器持续向 ECU 更新水温数据，ECU 依靠这些信息管理喷油、点火与冷却系统。

一旦信号错误，ECU 控制逻辑错乱；散热风扇无法按需启动，极易引发发动机高温故障。

忽视故障会引发严重后果：

忽视 ECT 传感器保养，还会伴随怠速不稳、车辆熄火、排放超标、机件加速磨损等问题。发动机长期偏离标准工作温度，会直接缩短整机使用寿命。及时修复传感器故障，才能稳定车辆性能与可靠性。

更换 ECT 传感器的优势

恢复电控系统正常运行

更换发动机冷却液温度传感器后，汽车电子控制状态会立刻改善。全新传感器精准采集水温并传输核心数据至 ECU，恢复精准信号输入，让发动机性能与燃油效率重回标准。

核心改善效果：

• 精准温度数据，助力 ECU 优化各项运行参数；

• 全车电子系统响应更快、运行更稳定；

• 消除发动机工况紊乱问题，规避高温风险；

• 散热风扇启停逻辑正常，长效保护发动机。

提示：及时更换 ECT 传感器，可让车载电子系统长期保持最佳工作状态。

提升运转效率与可靠性

更换故障传感器后，油耗表现与发动机稳定性会明显改善。多位车主反馈，更换后百公里油耗显著优化，英里油耗从 17~17.5mpg 提升至 19~19.5mpg。

高速行驶动力不足、怠速尾气冒烟等问题同步解决，发动机燃烧更充分、运行更洁净。

更换 ECT 传感器性价比极高，相较于其他车载电子配件，售价低廉、维修回报率高。

及时维修既能保护发动机，也能节省长期用车成本，避免高额大修费用。

备注：更换 ECT 传感器操作简单，却能长效优化车辆动力与油耗表现。

更换故障 ECT 传感器，可全面修复电控逻辑、恢复发动机性能。常态化保养传感器，保障车辆高效稳定行驶。

日常保养建议

• 留意油耗异常、发动机过热等故障信号；

• 定期前往正规维修门店做全车体检；

• 维修保养优先选用正品高品质配件。

主动做好日常维保，才能让爱车长久平稳运行。

依据类型 & 说明

可靠启动系统

启动继电器可提升点火系统的运行性能与安全系数，在极端天气条件下作用尤为突出。

核心要点

1. 启动继电器通过管控大电流、抑制电涌冲击，保护各类电子元件不受损坏。

2. 搭载启动继电器，可确保发动机平稳启动，在恶劣气候环境中表现更稳定。

3. 务必选用电压、电流规格匹配的继电器，避免设备过热，延长整机使用寿命。

4. 定期对继电器进行维护与检测，可规避故障风险，保障电子系统安全运行。

5. 了解继电器参数规格与安装规范，能够有效提升电气系统的运行效率与稳定性。

什么是启动继电器？

启动继电器定义

在需要安全管控大电流的电子设备核心中，总能见到继电器的身影。启动继电器属于电控开关，负责连通蓄电池与启动电机，让发动机轻松启动。

继电器依靠微弱控制信号，即可驱动超大工作电流。该设计既能避免点火开关烧毁，又能减少电力损耗。

继电器内部包含线圈与电磁铁；向线圈通入小电流时，电磁铁吸合、接通电路，进而向启动电机输送大电流。

机电式继电器已沿用数十年，依靠机械触点的开合实现电路通断。近年来，电子启动继电器（固态继电器） 逐渐普及，以半导体元器件替代机械活动部件，开关响应更快、使用寿命更长。而机电式继电器凭借高可靠性与高性价比，目前依旧被广泛应用。

继电器在电路中的工作原理

继电器是各类电子电路中大电流负载控制的核心部件。向继电器内部线圈通入微弱控制电流，即可驱动触点闭合或断开，从而管控高负载大电流回路，实现大功率电路的无人化、安全化控制。

继电器主要分为几类：

• 机电式继电器：适用于中等电流场景

• 固态继电器：主打高速开关切换

• 车载继电器：适配车辆大电流负载

• 延时继电器：精准控制负载电路的开启时机

继电器广泛应用于工业自动化、家用家电、车载设备等领域。机电式继电器开关稳定耐用，固态继电器则在响应速度、耐用性上更具优势。借助小电流弱电信号控制大功率负载，继电器成为电路与设备防护不可或缺的核心器件。

启动继电器的重要作用

启动继电器是保障电子系统安全、高效运行的关键部件，可保护精密电子元件、稳定供电输出、延长设备使用寿命。掌握继电器工作原理，有助于在电气系统设计与维保中做出合理选型。

1. 防止过流与电压尖峰冲击

车载及工业电子设备普遍面临过流、电压骤升等风险，频繁出现在大功率、感性负载启停瞬间。继电器通过管控电流流向、吸收瞬时电涌，化解这类电气隐患。

当线圈通入直流电时，通常会并联续流二极管或缓冲电阻，用来消耗断电瞬间反向感应电动势的残余能量；否则高压尖峰极易击穿半导体元器件。

若继电器驱动大型负载（尤其感性负载），输出触点两端也会产生浪涌电流，需搭配阻容吸收回路（电容 + 电阻串联）吸收冲击。

若缺少触点保护，电弧放电会严重烧蚀触点，造成不可逆损坏。

由此可见，继电器不仅能控制大电流，还可隔离高压脉冲，降低电气火灾风险，大幅延长设备使用寿命。

2. 稳定可靠供电

电子设备正常运转离不开稳定供电。启动继电器作为电控开关，将小电流控制信号与大功率供电回路完全隔离，保证启动电机获得足额电力，同时杜绝整车电气系统受损，避免发动机长时间空转等电气故障。

继电器还能降低设备发热、抑制电压跌落，将大电流负载与精密开关、细径线路隔离开来，全面提升系统运行效率，保障电子设备稳定工作。

3. 保护点火开关

车辆与机械设备依靠点火开关完成启动，但点火开关无法承受启动电机所需的超大电流。继电器完美解决这一问题，独自承载高负荷电力。

• 启动继电器接收点火开关输出的微弱电流，进而控制启动电机的大电流回路；

• 避免点火开关因过载烧毁，节省高昂维修成本；

• 通过电磁铁吸合，接通蓄电池至启动电机的主电路。

4. 高性价比与高可靠性

工业与车用设备既需要稳定性能，也需要控制成本。启动继电器可为电机及电气设备提供完善防护，售价低于多数电气保护器件，后期维护成本更低。

依靠继电器实现过载防护，可提升设备运行效率、延缓老化损耗。继电器为电气系统带来可控性、安全性与高效性，了解其核心作用，能帮助合理选型，长期保障电子设备稳定运行。

启动继电器核心参数

额定电流 & 额定电压

选型前必须核对继电器的电压、电流额定值，该参数决定继电器的安全负载上限。选用规格不足的继电器，极易引发过热、烧毁故障。

车载与工业常用规格参考：

规格匹配的继电器，是设备安全运行、规避电气事故的基础。

响应速度

继电器需快速响应控制信号，无延迟完成电路通断切换，在发动机启动、工业自动化等时序要求严苛的场景中至关重要。

机电式继电器响应速度略慢于固态继电器，只要场景匹配，二者均可稳定可靠工作。

耐用性与使用寿命

严苛工况下，继电器的耐用性尤为关键。机电式继电器带有机械触点，长期使用会产生磨损；固态继电器无活动部件，寿命更长。

温湿度、腐蚀、震动等环境因素会直接影响继电器性能：高湿易引发腐蚀、短路；极端高温低温会加速元器件老化。选用环境防护等级适配的继电器，可有效规避隐患。

设备兼容性

需确保继电器与整机系统完全适配，核心适配要点：

1. 线圈电压与系统供电电压一致；

2. 接线端子规格匹配原车线路；

3. 环境防护等级适配使用场景；

严格核对以上条件，才能让继电器安全、高效管控电气负载。

现代电子设备中的继电器应用

继电器几乎覆盖所有现代电子系统，实现电力的安全、高效管控，广泛应用于车辆、工业设备、家用电器等领域。随着技术迭代，继电器的应用场景还在持续拓展。

车载系统

继电器是汽车电气系统稳定运行的核心，为启动电机稳定供电，同时隔离高压脉冲，保护车载精密电子元件。当下车辆正向小型化、智能化、电动化升级，进一步推动车载继电器技术革新。

技术升级持续优化车载电气系统的安全性与运行效率。

工业设备

工业场景中，继电器主要承担设备防护与自动化控制，实现电路隔离、过载保护、远程操控，以弱电信号驱动大型机械设备，兼顾节能与作业安全。

消费类电子产品

家用电器中随处可见继电器，负责电路自动化控制与过载防护：

• 空调、冰箱：控制压缩机启停

• 洗衣机、洗碗机：自动切换工作程序

• 微波炉、电磁炉：管控加热组件

依靠继电器承载大电流、隔离危险电压，家用电器使用更安全、便捷。

继电器选型与安装规范

选型核心标准

需结合电子系统实际需求匹配继电器参数，结合以下维度综合选型：

安全安装要点

1. 完善安全电路设计图纸与接线规范，明确元器件参数；

2. 对运维人员开展专业培训，熟悉设备操作与安全规范；

3. 定期巡检安全回路，提前排查潜在故障；

4. 精简线路布局、加固接线端子，避免接触不良导致间歇故障；

5. 规范安装布局，稳定电流传输，降低线路电压损耗。

安装小贴士：加装外置式启动继电器，可为启动马达与电磁开关提供直达式纯净供电回路，减少线路压降，大幅提升电子系统启动可靠性。

长效维护策略

规范维保可有效延长继电器使用寿命，定期检测能提前排查故障：

1. 定期巡检触点磨损、烧蚀情况，及时更换老化部件；

2. 选用高品质配件，安装时保证部件对位精准；

3. 每月外观检查，排查外壳破损、积灰杂物；

4. 每年深度拆解检测内部元件，智能继电器同步更新固件；

5. 每半年开展全面性能检测，包含功能测试、绝缘电阻检测。

常规工况下，继电器使用寿命约 5–8 年；高频使用设备需同步跟进维保（如车辆保养同步检查）。若出现外壳融化、壳体变色、支架松动等现象，需立即检修。

常见故障模式与预防

恶劣工况优先选用密封式继电器；定期清洁设备、加固接线、常态化检测，可全面强化系统稳定性。

总结

启动继电器能够有效防护电子设备、稳固系统运行。结合使用场景与工况合理选型，可显著提升设备可靠性。

工业级继电器需符合高标准设计，耐受复杂严苛环境；

适配的继电器可杜绝设备故障、减少停机损失；

规范选型与标准安装，是设备安全运行的基础。

复杂电气项目建议咨询专业工程师，合理搭配继电器解决方案。

电容老化失效，会迫使空调超负荷运转，进而造成耗电量飙升。

如果用电量没有增加，但电费却莫名上涨，大概率是电容需要检修更换。

空调运行时间变长、制冷效果忽冷忽热，通常都是电容故障的典型信号。

核心要点总结

1. 了解空调电容在设备中的作用：储存电能，帮助空调高效启动与运转。

2. 留意电容故障预警信号：启动迟缓、异响、制冷不稳定等，早发现能节省开支。

3. 定期预约专业人员上门检修，维护电容状态，确保空调稳定运行。

4. 安装浪涌保护器，防护暖通空调系统免受电压冲击，延长电容使用寿命。

5. 故障及时处理，避免演变为高额维修，持续保障居家舒适。

   空调电容的工作原理

电能储存与释放

很多人会疑惑，空调系统里的电容到底起到什么作用？

空调电容相当于压缩机与风扇电机的小型电能蓄水池。开启空调时，电容储存电能，并在设备需要瞬时动力时快速释放。这套机制能让空调快速启动，全程运转更平稳。

电容由两片导电极板组成，极板之间以电介质材料隔离，通过极板间的静电场储存电能。

接通电压后，电容完成蓄能，并按需释放电力，电机启动阶段尤为关键。

电容为电机提供瞬时动力脉冲，在制冷循环初期输出蓄能电流，助力设备快速运转。

电机正常运转后，电容持续输出稳定电流，充当稳压缓冲与动力辅助装置，保障供电持续平稳。

空调的运行效率高度依赖电容：它会根据空调负载动态储能、释能，保障暖通电机不间断工作。

电机启动与稳压

空调开机瞬间，电容会释放瞬时高压电流，帮助压缩机和风扇电机克服启动惯性。这股瞬时动力，是空调顺利启动、快速制冷的关键。

启动电容的核心作用，就是在每次制冷开机瞬间补充额外电能，释放储能带动电机运转。如果缺少这股动力，空调会启动困难，制冷效果也会大幅下降。

同时，空调电容还能稳定电机运行状态。通过临时储电、按需补电，维持电机高效运转，防止电压骤降，保障空调机组稳定工作。一旦电容损坏失效，空调可能无法开机、运行断断续续，既影响居住舒适度，也会抬高用电成本。

温馨提示：如果空调开机卡顿、出现异常异响，应及时检查电容。早排查、早处理，避免小故障拖成大问题。

了解空调电容的功能，能帮助你提前排查故障，长久维持舒适的居家环境。

空调电容的常见类型

家用中央空调与分体空调会搭载多款电容，各自分工不同，共同保障暖通系统高效运行。分清电容类型，有助于合理更换配件、做好日常维护。

1. 启动电容

启动电容专为空调电机开机瞬间提供强动力，适用于需要大启动扭矩的电机。

仅在开机数秒内短暂工作，电机达到额定转速后便自动断开。

如果空调明显启动吃力，大概率需要更换启动电容。

2. 运行电容

电机启动完成后，运行电容负责维持整机平稳运转，全程持续输出稳定电流，适配需要不间断供电的电机。

空调制冷忽冷忽热、运行断断续续，更换运行电容通常可以解决问题。

3. 一体化双电容

双电容集成启动电容与运行电容两大功能，一体设计，广泛用于现代紧凑型暖通设备，尤其适合安装空间有限的机型。

结构精简，更换与维护更便捷，厂商也普遍采用该方案优化设备设计。

空调搭载双电容时，只需更换单个配件，无需分开更换两款电容。

补充说明：一体化双电容可缩减设备占用空间、简化线路布局，维修更换更简单，设备整体可靠性更高。

4. 热泵专用电容

专为热泵系统设计，兼顾制热、制冷双模式运行，保障冷暖模式切换顺畅稳定。

如果热泵模式切换卡顿、运行效率低下，建议及时更换专用电容，并定期检修，防止设备突发故障停机。

高品质热泵电容最高可提升 15% 能效，减少电费开支；

高端款电容可提升近 10% 设备性能，延长整机寿命；

电容参数合理匹配，能减少故障频次、降低运维成本。

美国能源部建议：选用高能效热泵电容，最大化节约能耗；

美国空调、供暖与制冷行业协会指出：优质热泵电容可有效延长整套暖通设备的使用寿命。

更换热泵电容时，务必选用与设备参数完全匹配的型号，确保空调热泵以最佳效率运行。

温馨提示：请务必根据空调 / 热泵机型选配对应电容，及时更换老化配件，保证系统高效运转，规避高额维修。

电容故障的预警信号

常见故障表现

电容老化损坏会出现多种明显征兆，及时识别可避免空调与暖通系统严重故障。

除此之外，还可能出现以下问题：

• 空调完全无法开机

• 设备频繁反复启停

• 机身出现嗡鸣、咔哒异响

• 开机等待时间明显变长

• 出风无力、吹常温热风而非冷风

• 空调启动时灯光闪烁、变暗

• 外机周边出现焦糊异味

早发现、早排查小技巧

日常留意空调运行状态，就能快速发现电容隐患：

1. 留意异常声响：嗡鸣、电流声、咔哒声，基本指向电容故障；

2. 观察启动反应：开机卡顿、延迟启动，及时排查电容；

3. 感受出风状态：风力微弱、风温偏高，说明风机供电异常；

4. 关注电费变化：无使用增量但电费大涨，警惕电容老化；

5. 留意启停规律：无故停机、频繁启停，属于异常工况。

⚠️ 安全警示：严禁自行检测或更换电容。断电后，电容内部仍会残留高压余电，极易引发触电，维修务必联系专业人员。

提前识别故障信号，就能避免高额维修费用。了解电容老化的常见诱因（使用年限、高温环境、电压浪涌、保养缺失），可以更好防范故障，保障设备稳定运行。

电容失效带来的风险

对空调性能的影响

电容一旦损坏，空调运行会立刻出现异常：风扇停转、机组故障、室内降温困难，出风口吹出热风，严重时空调会毫无征兆地整机停机。小问题不及时处理，短时间内就会持续恶化。

劣质 / 老化电容会加重压缩机负荷，长期超负荷运转会增加故障概率，甚至连带损坏暖通其他核心部件。

拖延更换故障电容，将面临三大风险：

1. 整套空调彻底瘫痪报废；

2. 暖通系统整体性能大幅下降；

3. 其他精密零部件连带烧毁损坏。

普通电容正常使用寿命约10 年，定期规范保养可延长至 20 年；长期高温、电压不稳、缺乏维护，会大幅缩短使用年限。

尽早更换故障电容，能省下高额维修费；一旦压缩机受损，维修成本会成倍增加。

能耗与环保隐患

电容性能衰减后，空调需要消耗更多电量才能维持设定温度，直接导致电费上涨、能耗增加。

电容储能、释能功能异常时，压缩机会长时间超负荷工作，不仅增加用电成本，还会加剧温室气体排放。

即便日常使用习惯不变，电费也会持续走高，设备长期高负荷运转，还会加重电网负担。

电容损坏主要诱因：

• 长期自然老化损耗

• 夏季高温环境过热

• 电压浪涌、用电过载

• 日常维护保养缺失

及时处理电容问题，既能保护暖通设备，也能节省日常开支。定期检查、按需更换，是空调长效节能运行的关键。

发现故障该如何处理？

何时需要联系专业人员

只要出现以下情况，务必预约持证暖通维修师傅上门检修：

设备异响、开机困难、制冷不均、机身焦糊味 / 电路异味等。

空调启动卡顿、异响异常，都需要专业技术人员排查处理，闻到烧焦味需立刻停机报修。

务必交由专业人员操作。

无专业培训切勿私自检测、更换电容。断电残留高压极易造成严重触电事故，只有持证技师具备专业工具与安全操作资质。

出现以下任意情况，请立即预约上门维修：

• 空调外机发出异常噪音

• 设备启动速度明显变慢

• 室内温度忽冷忽热、控温失效

• 机身周边出现焦糊、电路烧焦异味

专业人员可精准诊断故障、安全更换电容，既保障设备正常使用，也能保护人身安全。

安全操作注意事项

怀疑电容故障时，安全必须放在首位：

检修前，务必在配电箱切断暖通设备总电源；

搭配非接触式测电笔二次确认无电流残留；

全程佩戴护目镜、防护手套，禁止徒手触碰电容接线端子。

自行 DIY 更换电容存在多重危险：

• 高压残留易引发严重触电、电弧灼伤；

• 吸入制冷剂气体，会引发头晕、头痛、呼吸道不适；

• 液态制冷剂接触皮肤，会造成冻伤；

• 设备边缘、运动部件易造成划伤、磕碰；

• 重物搬运、局促操作姿势易引发腰肌损伤；

• 无证私自拆装制冷剂，还会面临相关处罚。

维修需严格遵循厂家规范，保持作业区域干燥整洁；缺少工具与专业技能，切勿盲目操作，直接联系维修人员即可。

安全第一：电容更换属于高压电气作业，全程交由持证技师，规避人身伤害与设备二次损坏。

空调电容日常维护

预防性保养建议

简单的日常维护，就能有效延长电容寿命、减少过热故障：

保持外机周边干净无杂物，保证通风散热通畅；

安装浪涌保护器，抵御电压波动与瞬时高压冲击；

日常维护要点参考：

定期清洁空调散热盘管与过滤网，防止积灰堵塞、散热不良；发现电容鼓包、漏液等外观破损，立即报修更换。

定期巡检要求

建议每年至少预约一次专业全面检修，春秋换季为最佳时间；

炎热潮湿地区、高频使用环境，建议一年检修两次；

老旧机型、常年高负荷运转的设备，需进一步加密检查频次。

检修时，技师会排查电容开裂、漏液等肉眼可见损伤，使用专业仪器检测性能，全程断电操作、采用绝缘工具，保障维修安全。

常规电容寿命约 10 年，优质保养可延长至 20 年；高温、潮湿、电压不稳，是缩短使用寿命的主要因素。做好日常维护，就能大幅降低突发故障概率。

保养小结：定期清洁、及时更换老化配件、规范专业安装，是杜绝空调突发故障的核心。

空调电容是制冷系统高效运转的核心配件。及时发现故障、坚持定期维保，既能省下高额维修费，也能长期维持居家舒适恒温。

请时刻留意启动迟缓、异响、制冷变差等故障信号；

定期预约技师上门巡检保养；

搭配浪涌保护器，防护电压冲击；

合理调控室温，减少设备长期高负荷运转；

故障问题快速处理，兼顾设备寿命与用电成本；

保持主动维保意识，长久享受稳定制冷、低耗节能的居住体验。

意法半导体（STMicroelectronics）推出的这类超宽带芯片，将有效阻止盗贼伪造免提钥匙扣信号 —— 这类破解手段曾让盗贼轻松侵入车辆。

汽车盗贼越来越擅长利用免提解锁与无钥匙启动系统的安全漏洞。英国最新统计数据显示，如今犯罪分子破解车辆无钥匙进入系统的作案频率，已超过传统的物理破锁方式（如 “瘦吉姆” 开锁工具）。

目前，新一代钥匙扣与汽车安全芯片系统正投入研发，旨在彻底遏制精通技术的汽车盗贼。总部位于瑞士日内瓦的意法半导体（STMicroelectronics），是多家为汽车、智能锁等产品开发升级型安全芯片的供应商之一。该公司上月发布了ST64UWB 系列芯片，专门用于修补盗贼此前频繁利用的系统漏洞。

上一代系统的核心缺陷在于：车辆门锁只验证钥匙身份，不验证钥匙距离。即便车企搭载了超宽带技术（UWB，一种利用高频脉冲测距的安全短距无线通信技术），也往往将其作为选配功能。当 UWB 测距不稳定时（例如钥匙被放在包内、口袋中与其他物品堆叠），安全系统会直接忽略距离数据。

将距离判定升级为安全信号

车企与芯片厂商正全力封堵这一漏洞。超宽带芯片并非新技术，但它在真实场景下的可靠性，以及车辆能否全程依赖 UWB 测距，正在发生质变。

汽车盗贼已针对该漏洞形成成熟作案手法，最常见的是使用两台廉价收发机作为信号中继器：

1. 两名窃贼盯上停在车道的车辆；

2. 一人站在住户门外，预判钥匙挂在入户门附近；

3. 另一人站在车辆旁；

4. 钥匙扣会持续广播低功率信号，车辆也会不断探测有效钥匙是否在附近；

5. 窃贼的设备捕捉穿墙的微弱信号并放大，传递给车辆；

6. 车辆误以为有效钥匙就在车外，无需按键、不破窗、不撬锁，直接解锁。

信号强度可通过放大或定向天线轻易篡改，但新型 UWB 系统的核心优势是：信号传播时间极难伪造。

美国犹他大学电气与计算机工程教授、无线网络与统计信号处理专家尼尔・帕特里解释：攻击者无法让钥匙扣发出的信号，违反物理定律提前到达车辆安全芯片。窃贼只能延迟信号，而延迟会让钥匙显得更远，而非更近。

这一物理限制，让车企可以将距离判定作为安全校验环节。

意法半导体测距与连接事业部营销主管勒内・伍特表示：

“安全校验逻辑从‘钥匙是否有效’升级为‘有效钥匙是否真的在附近’。”

UWB 能解决与不能解决的问题

新型超宽带芯片让伪造近距离变得极为困难，但 UWB 并不能消除所有无线安全漏洞。

攻击者仍可进行信道干扰：当车主按下锁车键时，干扰会阻塞锁车指令，导致车辆因未收到信号而无法上锁。

但这类攻击无法打开车门，仅能阻止锁车。帕特里说：“如果车灯不闪烁（提示锁车成功），我只会再按一次，直到确认锁车才会离开。”

官方数据已清晰呈现问题规模：英国国家统计局发布的《英格兰和威尔士犯罪调查》显示，当地58% 的车辆盗窃案涉及无钥匙进入系统破解，包括中继攻击。英国保险协会证实，与无钥匙系统破解相关的车险理赔比例持续上升。专业汽车风险分析机构 Thatcham Research 与车辆追踪服务商 Tracker 均指出，中继攻击是现代车辆盗窃的主流手段。

Tracker 董事总经理马克・罗斯向《保险时报》表示：“随着技术进步，有组织犯罪团伙正研发更精密的手段，突破现有车辆安全系统。”

目前剩余的核心挑战是强制启用机制：如果车辆每次都强制执行距离校验，中继攻击将极难实施；如果系统仍保留降级模式（放宽近距离要求），漏洞就依然存在。

意法半导体等芯片厂商坚信，更高的可靠性与安全性，将让车企做出更安全的选择。

英飞凌2D MEMS镜片及其控制器为法雷奥的高分辨率地面投影模块提供支持，助力实现超高的亮度、对比度和分辨率 

想要地面投影在日间清晰可见，就必须使用高性能系统。这款全新解决方案通过将英飞凌2D MEMS镜片及其控制器集成到法雷奥的高分辨率地面投影模块，实现了超高的亮度、对比度和分辨率。此次双方合作的第一代产品已具备效果出众的双色输出，而根据产品路线图，之后的版本将具备全彩投影功能。 

英飞凌科技传感器单元与射频业务部门执行副总裁Thomas Schafbauer表示：“英飞凌认为传感器是所有重要电子应用的核心。我们拥有超过30年的专业积淀和丰富全面的XENSIV™产品组合，具备赋能下一代汽车体验的独特优势。此次与法雷奥合作充分印证了我们如何从半导体器件出发，提供全套符合汽车行业标准系统级解决方案。我们很高兴能通过结合英飞凌的2D MEMS技术与法雷奥先进的地面投影模块，与法雷奥携手塑造未来的交通出行。” 

法雷奥视觉系统事业部首席执行官Maurizio Martinelli表示：“法雷奥十分高兴能够宣布与英飞凌科技携手开展新的合作。依托双方联合开发的成果，这款新型地面投影模块既满足了中国和欧洲客户对更加个性化体验的需求，同时也达到了汽车行业在质量、可靠性和性能上的严格标准。此次合作充分体现，我们将持续加速先进技术的应用，以创新集成解决方案推动未来交通出行的发展。” 

日益增长的体验与通信需求 

随着汽车朝深度个性化体验和更高安全性发展，人们对车内外的先进通信及娱乐功能的需求也日益增长。例如当用户走近汽车时，汽车可利用集成在车身中的功能或通过地面投影与用户进行交互。这款地面投影模块进一步丰富了个性化体验维度，支持OEM呈现独特且带有品牌标识的迎宾与告别灯光效果，或直接在汽车旁显示定制化信息与图形。该功能将简单的上下车动作转化为独特、难忘的品牌体验，加深了用户与汽车之间的情感连接。 

通过V2X功能提升道路安全 

车联网（V2X）通信与先进外部照明系统的结合有望大幅提升道路安全。汽车通过将动态、情境感知型信息投射到地面上，可以传达紧急制动警告、行人过街提示、变道意图等关键信息，不仅能与其他车辆通信，还能直接警示附近的行人、骑行者以及非联网汽车的驾驶员。在获得监管部门批准后，这一富有视觉冲击力的非语言通信系统将打通数字V2X数据与物理环境之间的壁垒，构建既能补充现有警示系统，又能帮助减轻各类道路使用者认知负荷的直观安全防护层。

贸泽于2026年1月至3月总共引入了超过9,000个物料，其中部分新品包括： 

·       STMicroelectronics STM32C5 Arm® Cortex®-M33微控制器
STMicroelectronics推出的STM32C5微控制器 (MCU) 专为提升工厂、家庭、城市及基础设施中数十亿台微型智能设备的性能而设计，同时满足严苛的成本、尺寸和功耗要求。STM32C5 MCU采用ST专有的40nm制造工艺，其运行速度明显快于目前的多款入门级芯片。这使得产品在保持动态功耗较低的同时，有更多空间来集成诸如改进的传感功能、更流畅的控制以及增强的用户体验等特性。这些MCU还集成了安全功能，有助于保护产品免受篡改和网络风险的威胁。

·       EDATEC ED-CM0NANO单板计算机
ED-CM0NANO是EDATEC推出的一款基于Raspberry Pi Compute Module Zero（CM0）的单板计算机  (SBC)。ED-CM0NANO搭载了主频最高可达1GHz的四核Arm Cortex-A53处理器、Broadcom VideoCore-IV图形处理器，并支持多种连接方式。可选的Wi-Fi®支持配合外部天线可实现无线连接，而内置的实时时钟 (RTC) 和看门狗定时器则提高了系统可靠性。这些特性使ED-CM0NANO成为工业控制系统和物联网 (IoT) 应用的理想选择。

·       Sensata Technologies MGD Resonix™制冷剂泄漏传感器
Sensata推出的MGD Resonix™传感器采用紧凑型模块设计，可提供高精度和快速响应，适用于最小型号的HVAC及制冷设备。MGD系列具有出色的抗过曝和抗中毒性能，同时还能耐受高温（工作温度高达105°C）和潮湿环境。这些设备的使用寿命超过15年，且无需校准，因此是A2L暖通空调和制冷系统的理想泄漏检测组件。

·       u-blox ANN-MB3三频GNSS天线
u-blox ANN-MB3是一款出色的L1/L2/L5三频RTK（实时动态定位）解决方案，非常适合F20高精度GNSS系统。ANN-MB3天线经过优化，可实现无缝集成，凭借其坚固耐用的设计提供出色的性能。该天线采用紧凑型设计 (62 × 80 × 25.5 mm)，并提供灵活的安装方案，可广泛应用于工业、汽车和机器人领域的精密定位技术。

新闻要点

·       EliteSiC技术已应用于蔚来900V高压平台车型，包括旗舰车型

·       双方在多年合作基础上，进一步深化工程与系统级协同

·       蔚来多款搭载安森美技术的车型亮相2026北京国际车展 

中国 上海，2026年4月27日 ——安森美（onsemi，美国纳斯达克股票代号：ON）今日宣布，与蔚来汽车（纽约证券交易所代码：NIO）进一步扩大战略合作，共同推进下一代电动汽车（EV）平台发展。基于多年合作，双方将更紧密协同，安森美提供最新的EliteSiC M3e技术，加速蔚来从400V向900V架构的演进。 

带来续航、充电与性能方面的实质提升

安森美EliteSiC增强型M3e技术通过优化体二极管特性，显著提升开关性能，在降低损耗（Eon）的同时，保持出色的短路鲁棒性。这些技术进步带来了更高的系统输出能力、更佳的热管理表现以及整车电驱系统能效的全面提升，对于驾驶者而言，这意味着：

·       更长续航里程，这得益于动力系统中热损耗的降低

·       加速更强劲、更平顺，即使在高速及高负载工况下依然保持稳定加速性能

·       更短充电时间，由高电压快充系统提供支持

·       长期可靠性：面向严苛工况设计的电源系统 

合作持续深化，从400V迈向下一代平台

此次合作的进一步拓展，建立在双方多年的合作基础之上。双方的合作始于安森美EliteSiC技术应用于蔚来400V平台，如今已升级为系统级战略协同。安森美EliteSiC技术正成为蔚来向900V高压平台转型的关键支撑，其中包括在2026北京国际车展亮相的最新旗舰SUV ES9以及其他多款新车型。 

高管观点：战略合作与行业风向

安森美总裁兼首席执行官Hassane El‑Khoury表示：“电气化正步入一个全新阶段，在这个阶段，系统能效和可扩展性至关重要。我们与蔚来不断深化的合作，充分体现了深度的工程协同与一致的技术路线如何加速向高压架构转型。凭借EliteSiC技术，我们正助力下一代电动汽车平台实现更高性能和能效，并加快产品落地进程。” 

蔚来驱动科技XPT首席执行官曾澍湘（Alan Zeng）表示：“蔚来始终致力于拓展智能电动出行的边界。我们与安森美的合作，伴随技术路线不断演进——从早期的400V系统到如今的900V平台。安森美EliteSiC技术在性能与可靠性上的优势，加之双方紧密的技术协同，正助力我们向全球用户提供更高效、更高性能的电动车。” 

规模化部署下一代电动汽车技术

双方的合作也反映了汽车产业的重要趋势：随着电动汽车系统功率水平持续提升，汽车制造商与半导体企业正在形成更加紧密的协同关系。通过支持系统级集成，安森美正助力客户更快速、更高效地将高性能、可扩展的电动汽车平台推向市场，同时降低开发复杂度并加速落地执行。随着汽车制造商向更高电压架构与先进电驱系统转型，这种合作模式正变得愈发重要。

机器人工作在动态、往往不可预测的环境中。传感器数据如果出现额外延迟、丢帧或时序不一致，系统对物体位置、运动状态和环境变化的判断就会受到影响，严重时还会带来安全风险。

随着机器人感知更多依赖机器学习和多模态传感，视觉数据量继续增加。系统不只要“看见”，还要在很短时间内把多路相机、深度传感器和其他传感器数据对齐，再交给处理器完成识别、跟踪、避障、抓取和路径规划。视觉链路的带宽、延迟和同步能力，开始直接影响机器人系统的实时性和可靠性。

机器人视觉为什么需要 GMSL？

GMSL 是 Gigabit Multimedia Serial Link 的缩写，即千兆多媒体串行链路。它由 ADI 开发，是一种高速串行 / 解串（SerDes）通信技术，可通过单根同轴线或屏蔽双绞线传输高带宽视频、控制和数据。

GMSL 最初大量用于汽车 ADAS 等场景，用来连接车身不同位置的摄像头和处理器。现在，机器人和机器视觉系统也遇到了类似问题：相机越来越多，位置越来越分散，主处理器又通常集中放在机器人的计算模块里。

如果继续依赖短距板级 MIPI 连接，传感器和处理器之间的位置会受到限制；如果使用通用网络方案，又要处理协议栈、交换、路由和数据包调度带来的复杂度。GMSL 的价值在于，它让远端相机可以通过专用点对点高速链路连接到中央计算模块，在减少线缆的同时保持低延迟和稳定时序。

GMSL 和 MIPI、以太网视觉方案有什么不同？

机器人视觉系统里常见的相机连接方式包括 MIPI CSI-2、USB、以太网视觉和专用 SerDes。它们各自适合不同场景。

MIPI CSI-2 常用于图像传感器和处理器之间的短距离连接，接口简单、效率高，但传输距离和布线灵活性有限。以太网视觉适合更大范围的网络化连接，但会引入协议栈、交换、路由和数据包调度，系统同步和延迟控制会更复杂。USB 在开发和通用连接中很方便，但在多相机、长距离和强同步要求场景下，也会遇到带宽、稳定性和线缆管理压力。

GMSL 更强调确定性的点对点传输。每台相机使用独立高速链路，不需要和其他相机共享网络带宽，也不用经过复杂的数据包调度。相机数量增加时，系统可以通过串行器和解串器扩展链路，带宽和时序更容易预测。

这并不意味着 GMSL 可以替代所有视觉互联方案。它更适合需要远端相机、高带宽、低延迟、多相机同步和高可靠性的机器人视觉、机器视觉和 ADAS 类应用。实际选型仍要结合传输距离、线缆、处理器接口、成本、生态和量产要求。

多相机系统为什么更需要低延迟和同步？

单相机视觉系统主要关注单路图像质量和处理效率。多相机系统则要同时处理多个视角的数据，用于导航、避障、操控、定位和实时场景理解。相机数量增加以后，带宽、布线、时序精度和处理器接口压力都会上升。

以 1080p/30fps/24bit 相机为例，单路视频数据可达到约 1.4Gbps。四路相机合计约 5.6Gbps，六路相机约 8.4Gbps。分辨率、帧率继续提高以后，带宽需求会进入数十 Gbps 级别。

图 1：由 GMSL 支持的多模态机器人视觉系统示意图。系统可处理多个摄像头和其他传感器的图像数据，用于机器人感知。（图片来源：ADI）

要可靠支撑这些数据量，视觉链路不能带来明显时序不确定性。GMSL 采用确定性、低延迟的链路，有助于保持多路相机同步，让开发者构建多相机感知应用时，不必为网络争抢、路由和数据包抖动额外处理复杂问题。

GMSL 在机器人视觉中的核心作用

在机器人视觉系统中，GMSL 的作用可以概括为四点。

· 减少布线：多路相机可以通过同轴线或双绞线连接到中央计算模块，降低机器人内部线束复杂度。

· 降低延迟：点对点链路减少共享网络带来的带宽竞争、路由和数据包调度延迟。

· 支持同步：多相机系统需要不同视角的数据在同一时间基准下进入处理器，GMSL 有利于保持时序可预测。

· 便于扩展：相机数量增加时，系统可以通过串行器和解串器扩展多路视觉输入，不必完全重构计算平台。

这些特点对移动机器人、AMR/AGV、人形机器人、巡检机器人、仓储机器人以及工业机器视觉系统都很重要。它们往往需要把相机布置在不同位置，同时又要保证数据稳定进入主处理器。

ADI MAX96717 和 MAX96724 在 GMSL2 系统中分别做什么？

在典型 GMSL2 机器人视觉系统中，相机端会放置串行器，处理器端会放置解串器。串行器负责把图像传感器输出的数据转换成 GMSL2 高速串行链路；解串器负责把远端相机数据恢复并输出给主处理器。

ADI MAX96717 GMSL2 串行器通常放在相机端，用于接收 MIPI CSI-2 相机数据，并通过 GMSL2 链路输出。该器件支持 3Gbps 或 6Gbps 前向链路、187.5Mbps 反向控制通道，并可支持最高 4-lane MIPI CSI-2 输入。

图 2：四个 MAX96717 器件将不同摄像头传感器的数据流转换为串行信号，并通过 GMSL2 链路传输至 MAX96724 解串器。MAX96724 对数据进行聚合，并转换为 MIPI CSI-2 输出给中央处理器。（图片来源：ADI）

串行器把相机原始输出实时格式化并传输到长距离 GMSL2 链路，同时保留帧完整性、控制信令和同步相关信息。这样，相机可以作为远端感知节点部署在机器人不同位置，不再完全受短距离互联限制。

在接收端，ADI MAX96724 多路 GMSL2 解串器可接收最多 4 路远端 GMSL2/GMSL1 传感器输入，每条 GMSL2 链路支持 3Gbps 或 6Gbps 固定速率，并可转换为 1、2 或 4 路 MIPI D-PHY / C-PHY 输出给主处理器。

对机器人主处理器来说，解串后的相机数据会以标准图像流形式进入视觉处理链路，后续可能经过 ISP、同步逻辑和 AI 推理模型，用于目标检测、深度估计、跟踪和场景理解。由于链路时序稳定，多相机数据更容易与激光雷达、IMU 等其他传感器数据融合。

开发和验证阶段，工程师还可以使用评估平台搭建完整信号链，在定制硬件前测试多相机同步、带宽性能和处理器集成效果。

图 3：MAX96724-BAK-EVK# 评估平台可用于机器人视觉系统开发参考，聚合来自 MAX96717 等串行器的多路 GMSL2 相机数据流，并将同步的 MIPI CSI-2 输出传输至中央处理器。（图片来源：ADI）

机器人开发者使用 GMSL 时要关注哪些设计问题？

GMSL 可以简化多相机连接，但系统设计仍要提前做好链路和接口规划。

· 带宽预算：相机分辨率、帧率、色深和数量会决定链路带宽需求，需要确认串行器、解串器和处理器接口有足够余量。

· 线缆和连接器：机器人内部空间紧凑，线缆走向、弯折、抗干扰和装配可靠性都会影响系统稳定性。

· 同步和时间戳：多相机感知、传感器融合和运动控制都需要稳定时间基准，设计时要确认同步机制。

· EMI/EMC 和电源完整性：高速链路在机器人电机、驱动器和电源模块附近工作时，需要处理噪声、接地和屏蔽问题。

· 处理器接口：解串后的 MIPI D-PHY / C-PHY 输出要和主处理器的摄像头接口、带宽和软件驱动匹配。

· 器件兼容性：GMSL1、GMSL2、GMSL3 之间存在代际兼容关系，但实际项目仍要以具体数据手册和参考设计为准。

GMSL 的代际演进和生态

GMSL 已经历多代演进，每一代都在扩展带宽、传输距离和系统灵活性，同时保持 SerDes 的核心架构。

GMSL1 主要用于车载摄像头、显示等高速视频传输场景，典型器件串行速率可达 3.12Gbps。GMSL2 将链路速率提升到 3Gbps / 6Gbps，并增强了多相机、同步和远端传感器连接能力。GMSL3 进一步把链路速率提升到 12Gbps，可面向更高分辨率传感器和更复杂的多传感器系统。

实际选型时，开发者仍需根据具体串行器、解串器的数据手册确认兼容性、带宽余量、线缆要求和输出接口。GMSL 生态的价值不只在单颗芯片，还包括相机、计算模块、线缆、连接器、评估板、软件和驱动支持。生态越成熟，机器人项目从原型验证走向量产部署时，集成风险越容易控制。

关键术语解释

GMSL 是什么？ GMSL 是 Gigabit Multimedia Serial Link 的缩写，即千兆多媒体串行链路。它是一种高速串行/解串 SerDes 通信技术，可通过单根同轴线或双绞线传输高带宽视频、控制和数据，常用于汽车 ADAS、机器人视觉和机器视觉系统。

SerDes 是什么？ SerDes 是 Serializer/Deserializer 的缩写，即串行器/解串器。串行器把并行数据转换成高速串行信号，便于长距离传输；解串器再把高速串行信号恢复成处理器可接收的数据格式。

GMSL2 是什么？ GMSL2 是 GMSL 技术的第二代方案，相比早期版本提升了带宽、同步能力和多相机系统支持能力，适合高分辨率相机、ADAS、机器人和多传感器视觉系统。

MIPI CSI-2 是什么？ MIPI CSI-2 是常见摄像头接口，广泛用于图像传感器与处理器之间的短距离连接。在机器人多相机系统中，如果相机需要远离主处理器，通常需要借助 GMSL 这类 SerDes 技术把 MIPI 数据传输到更远位置。

FAQ：关于 ADI GMSL 和机器人视觉

1. GMSL 为什么适合机器人视觉系统？

机器人视觉系统通常需要多个相机同时工作，并将高分辨率图像低延迟传输到中央处理器。GMSL 采用点对点高速链路，可以减少布线复杂度，降低传输延迟，并保持多路相机数据的时序可预测性。

2. GMSL 和普通以太网视觉方案有什么区别？

以太网适合大规模网络连接，但会涉及协议栈、交换、路由和数据包调度。GMSL 更强调相机到处理器之间的确定性点对点传输，适合对延迟、同步和可靠性要求较高的机器人视觉应用。

3. GMSL 和 MIPI CSI-2 是替代关系吗？

不是简单替代关系。MIPI CSI-2 常用于图像传感器与处理器之间的短距离连接，GMSL 可以把相机端的 MIPI CSI-2 数据转换成高速串行链路，通过更长线缆传输到中央计算模块，再由解串器恢复为 MIPI CSI-2 输出。

4. ADI MAX96717 在机器人视觉系统中起什么作用？

MAX96717 是 GMSL2 串行器，通常放在相机端，用于把图像传感器输出的 MIPI CSI-2 数据转换为 GMSL2 高速串行链路，方便通过同轴线或双绞线传输到处理器端。

5. ADI MAX96724 在机器人视觉系统中起什么作用？

MAX96724 是多路 GMSL2 解串器，可接收多路远端相机数据流，并转换为 MIPI D-PHY / C-PHY 输出给主处理器。它适合需要多相机同步输入的机器人视觉系统。

6. 机器人多相机系统为什么需要低延迟和同步？

机器人需要根据视觉数据进行导航、避障、抓取和环境理解。如果不同相机之间存在明显延迟或时序偏差，系统可能会误判物体位置、运动状态或环境变化，影响控制精度和安全性。

结论

机器人系统向更高传感器密度和实时自主化发展以后，视觉互联不能只看能否传输图像，还要看能否在扩展相机数量时保持低延迟、稳定同步和可靠连接。

基于 GMSL 的架构可以减少布线、支持远端相机部署，并让多路视觉数据以更可预测的时序进入中央处理器。对机器人开发者来说，这有助于在不大幅重构计算和同步模型的前提下，提高多相机感知系统的可扩展性和可靠性。

随着机器人视觉继续走向多相机、多传感器和实时 AI 处理，高速、低延迟、可同步的视觉链路会成为系统设计里的关键环节。

产能建设拉动上游设备与耗材供应链需求，台湾 E&R 工程、KINIK 砥研等核心合作厂商持续受益。前者的检测、激光、等离子体设备已规模化应用于英特尔全球工厂，本轮资本开支将进一步扩大设备导入；后者金刚石研磨耗材全面进驻英特尔欧美、以色列、爱尔兰等多地厂区，2026 年出货量有望稳步攀升。

客户拓展层面，英特尔以 14A 先进制程与差异化先进封装技术为核心抓手，持续吸引头部企业入局合作。谷歌、亚马逊已就定制 AI 芯片代工展开洽谈，瞄准大型数据中心算力需求；英伟达、苹果、AMD 等行业巨头也被纳入 14A 制程潜在客户名单，多项代工合作预计在 2026 年陆续落地。

项目合作方面，英特尔正式牵手特斯拉 TeraFab 超级晶圆厂计划，将输出 14A 先进工艺技术，支撑该工厂 2029 年投产落地，服务车企、航天、AI 算力等多领域芯片自研量产。马斯克官方确认 TeraFab 将采用英特尔 14A 工艺，双方深度绑定，有望依托俄亥俄厂区联动建设，优化产业配套与成本结构。

长期布局上，先进封装成为英特尔代工第二增长曲线。基于 EMIB、Foveros 迭代升级的 EMIB-T 技术，适配新一代先进制程，实现高密度互连、低功耗与低成本优势，支持 3D 混合键合垂直堆叠。目前先进封装业务已对外商业化交付，盈利表现优于传统晶圆代工，将成为英特尔抢抓 AI 芯片封装浪潮、稳固代工赛道竞争力的关键筹码。

全球先进制程产能紧缺与 AI 芯片需求爆发，正在重塑晶圆代工行业竞争格局。英特尔凭借工艺迭代、产能扩张以及定制化先进封装的组合优势，正在逐步切入云厂商、消费芯片、车用半导体等多元代工市场。在先进封装技术愈发成为高端芯片集成核心刚需的背景下，英特尔兼顾制程制造与封测一体化的布局模式，将有效提升代工业务附加值与抗风险能力。

此次收购核心是整合 Polariton 的等离子体调制技术与Marvell现有硅光子、DSP 技术，聚焦数据中心相干光、跨尺度扩展及 DCI 光互连等场景，解决下一代数据中心对高性能、低能耗光互连的核心需求。

相较于传统硅光子技术，等离子体调制技术具备更高密度、大规模并行光链路及超低每比特能耗的优势，可有效提升光互连性能，支撑下一代光通信产品规模化落地。交易后，Polariton 团队将并入Marvell光子学工程团队，助力其下一代光通信平台研发，交易财务细节未对外披露。

数据中心算力升级推动光互连向高带宽、低能耗、高密度方向迭代，等离子体技术作为传统硅光子的重要补充，成为突破性能瓶颈的关键。此次收购也反映出，光通信领域正加速通过技术整合与并购，完善核心技术布局，以适配下一代数据中心、AI 算力集群对高速光互连的规模化需求，推动光通信技术向更高性能、更优能效升级。

供应链消息显示，中国台湾地区厂商在Google TPU服务器中的重要性持续提升。上游IC设计领域，从博通（Broadcom）独占到联发科的加入，下游主机板生产中，英业达的出货比重从之前的10%提升至30%，逐渐蚕食Celestica的订单份额。对此，相关厂商未予置评。

业内人士分析，中国台湾地区厂商在弹性、品质和价格方面提供了比美系厂商更具性价比的服务，同时其在服务器领域的技术积累和经验也成为客户分配订单的重要考量。英业达目前稳居全球第二大服务器主板供应商的地位。

ASIC被认为是2026年增长最快的AI服务器类别，其增长幅度将超过以NVIDIA为首的GPU服务器。根据DIGITIMES Research的预测，2026年ASIC服务器的出货年增长率将达到64.2%，超过GPU服务器43.8%的增长率。

供应链人士指出，ASIC服务器出货量的提升也将带动通用服务器的出货动能。Google持续推动ASIC服务器的发展，也将带动其通用服务器主要组装厂广达在2026年的出货量。

此次发布的第8代TPU首次采用双芯片架构，分别对应训练和推理需求。针对大规模训练优化的TPU 8t和锁定低延迟推理的TPU 8i预计将在2026年稍晚推出，供应链预计年底前开始出货。

业内人士认为，Google首次推出一套系统、双芯片架构，标志着推理AI新时代的开始。过去三年AI的发展主要围绕大规模训练推进，如今包括Google、NVIDIA等AI芯片龙头企业开始强调AI推理，显示AI成长动能将持续向外扩展。

Google是ASIC服务器的代表厂商。DIGITIMES Research指出，2026年ASIC加速器市场增长强劲，Google TPU预计市占率高达46%，成为关键指标。其出货量约332.6万颗，主力型号为TPU v7，项目代号为Ironwood，占Google TPU 2026年总出货量的89%。

业内人士表示，Google过去在TPU服务器组装上主要依赖Celestica生产，如今Celestica仍是主力，但中国台湾地区厂商正在快速崛起。英业达负责CPU主板生产，富士康负责L10~L11组装，尤其在CPU主板领域，英业达的生产比重提升最为显著。

据群创透露，其转型先进封装与测试的计划已获客户认可，并预计于2025年开始大规模出货，出货量和良率均得到客户高度评价。在扇出面板级先进封装（FOPLP）的Chip-First技术方面，该技术可帮助客户缩小晶粒尺寸，大幅降低成本，同时维持高密度I/O脚数，降低封装厚度，非常适合应用于手机和移动设备中的NFC控制器、音频编解码器、电源管理芯片及通信芯片。

此外，Chip-First技术还发展出厚铜导线技术，适用于高电压、高电流和高散热需求的芯片。群创表示，其多晶粒异质整合封装技术已获得车用半导体厂商及AI服务器领域电源管理客户的认可，并指定开发第三代半导体多晶粒高功率电源管理IC。

群创的内埋式封装技术也备受关注，采用低介电系数（Dk）和低损耗因子（Df）的绝缘材料，吸引了国际微波芯片客户的兴趣。相关技术验证正在进行中，未来将应用于车用雷达和手势控制芯片等领域。

在测试技术方面，群创开发了独特的多点式成品测试方案，可一次性测试16至32颗芯片，大幅提高测试效率，降低客户成本，目前已进入大规模生产阶段。

RDL-first技术方面，群创利用大型方形基板的优势，相较于12寸晶圆，面积利用率更高，能够满足AI芯片对大尺寸设计的需求。群创在该领域深耕已久，已处于市场领先地位。同时，其重布线中介层（RDL interposer）技术也获得大型封装客户的青睐，正展开技术验证，以迎合未来1至2年内AI/HPC芯片对大尺寸封装的需求。

在薄型化系统级封装（SiP）领域，群创的RDL基板技术在手机、智能手表、AR眼镜及蓝牙耳机等移动设备中表现出色，可帮助客户实现芯片薄型化目标，同时满足成本预算要求。

随着AI和高算力需求的持续增长，先进封装正向大尺寸芯片和大面积封装方向发展。然而，传统有机基板在尺寸放大后面临翘曲控制、厚度精度及热膨胀系数等问题，难以满足次世代封装需求。玻璃基板凭借低热膨胀、高平整度和高机械强度的特性，成为先进封装的重要发展方向。

群创强调，其在玻璃基板上的多年经验，特别是在玻璃钻孔（TGV）领域的超前布局，已与全球一线客户展开合作，为技术开发和量产奠定了坚实基础。

大立光CEO林恩平在近期法说会上明确表示，FAU将成为公司除手机镜头外的第二大业务。与多数厂商依赖进口设备不同，大立光选择自主设计和制造FAU所需的生产设备。这一策略不仅能显著降低生产成本，还通过自研设备构建了难以复制的技术壁垒。业内人士分析，大立光在手机镜头领域积累的精密加工与自动化组装能力，为其切入FAU领域提供了坚实的技术基础。

舜宇光学则凭借其垂直整合能力，在FAU领域展现独特优势。据业内人士透露，舜宇将FAU视为其“光学+”战略的重要组成部分，通过整合车载光学和AR/VR传输模块，提供光电转换的整体解决方案。在全球供应链调整的背景下，舜宇的客户基础为其在FAU领域的发展提供了有力支持。

FAU的重要性在于其作为CPO技术的核心组件，解决了传统可插拔光学模块在1.6T时代面临的散热问题。CPO技术可降低50%的功耗并节省空间，而FAU则是实现光信号对接的关键窗口。掌握FAU技术，意味着有机会进入NVIDIA、台积电等顶级AI供应链。

此外，随着全球手机市场趋于成熟，镜头规格升级放缓，FAU作为基础设施类组件，其需求将随着算力建设稳步增长。业内人士指出，FAU的微米级精度要求显著提升了技术门槛，为厂商提供了更高的议价能力。

尽管目前FAU对光学厂商的营收贡献仍处于起步阶段，但产业趋势已不可逆转。大立光与舜宇的布局，预示着光学产业正迎来新的技术变革。未来，随着CPO技术的商用化推进，FAU领域的竞争将愈加激烈，成为决定AI时代光学行业格局的关键战场。

受 AI 基础设施与软件需求加速增长推动，2026 年全球 IT 支出将大幅攀升。据 Gartner 预测，全球支出将达到6.31 万亿美元，同比增长13.5%。

对欧洲电子与半导体产业生态而言，这一激增意味着高性能计算、存储器及 AI 驱动系统设计领域的机遇持续扩大，也凸显出整个产业链上投资与创新最可能集中的方向。

AI 基础设施带动数据中心爆发式增长

数据中心系统成为最突出的增长领域，预计 2026 年飙升55.8%，规模接近7880 亿美元。这反映出 AI 负载与超大规模云部署的快速扩张，正推动对先进处理器、加速卡及高带宽内存（HBM）的需求。

Gartner 杰出副总裁分析师 John-David Lovelock 表示：

最新预测凸显了 AI 基础设施与先进存储器的加速增长势头。随着 AI 负载规模扩大，数据中心投资正快速升温，进而带动高性能计算需求增长。这一趋势为提供 AI 优化处理器、加速卡及支撑技术的企业创造了可观的增长机遇。

存储器正成为尤其高利润的细分领域。强劲需求叠加供应紧张，推动高带宽内存价格创下历史涨幅，为半导体供应商创造了有利环境。

软件与服务持续增长，终端设备承压

除硬件外，软件支出预计增长15.1%，至1.44 万亿美元，生成式 AI（GenAI）扮演关键角色。企业在生成式 AI 模型研发上的投入将同比翻倍以上，巩固软件的核心增长引擎地位。

IT 服务仍是整体最大支出类别，规模达1.87 万亿美元，主要受云基础设施、实施与托管服务需求驱动。超大规模云厂商的增速持续超越传统 IT 领域，形成 Gartner 所称的 “多速” 市场格局。

与此同时，设备支出增长相对温和，为8.2%，规模8560 亿美元。存储器成本上涨推高了设备均价，并延长了更换周期，在低利润率细分市场尤为明显。

Lovelock 补充道：

整体趋势凸显出 IT 市场的分化持续扩大：AI 基础设施与生成式 AI 软件大幅上调增长预期，而设备增长则持续面临成本与定价压力。

总体而言，修正后的预测显示 AI 相关领域增长势头超预期，对芯片厂商、系统设计商以及在 AI 供应链中布局的欧洲科技企业均产生深远影响。

事实上，联发科先前就有对今明两年的ASIC营收提出预估，2026年将会挑战10亿美元，2027年则是「数十亿」美元，营收占比上看20%。

而目前市场上最乐观的预估，则是认为联发科2027年ASIC业务有机会做到「百亿美元」以上，若以2025年联发科全年营收数字近新台币6,000亿元，以及手机营收占比约占50%左右，那ASIC业务只要做到百亿美元左右，就有机会超过手机业务的营收。

芯片业界人士表示，固然联发科说的数十亿美元，其实是个很大的范围，但联发科初估营收上看20%，计算下来大概就是做到60亿~70亿美元左右的规模，以Google TPU 2027年的放量预估，以及目前芯片供应链的反应来看，要做到这个数字，可能性是很高的。 另一方面，手机相关营收在今明两年可能会比较难取得成长，比较基础会比较低。

该IC产业相关人士预估，联发科要在2027年就让ASIC成为最大营收来源，或许还有一点难度，但已经可以做到非常接近了。 而后续2028年，若Google的下一代TPU产品也加入量产，ASIC要成为联发科的最大营收来源绝对不是妄言。

无论如何，从联发科在ASIC业务取得成功开始，联发科就已经不再能单纯用手机芯片业者来定义了。

不过，目前联发科确定已经拿到的TPU订单只有两个世代，再下一个世代的产品，现在才在开发当中，且市场上已经有新的竞争对手Marvell，正在挑战加入Google供应链，联发科能不能让云端AI的ASIC营收，成为公司长期营运的稳定基础，会是后续的观察重点。

招商证券分析，光模组设备产业已由技术导入期，逐步迈入扩产驱动期。 去年整个光模组设备行业市场空间约仍仅数十亿元人民币，但随800G产品放量、1.6T需求升温，以及下游模组厂自去年下半年起加大资本支出，市场规模有机会在今、明两年快速放大至数百亿元等级。

该机构估算，每新增一条年产100万支光模组的产线，对应设备资本支出约5亿元人民币。 若以今年新增6,000万支产能估算，今年对应设备需求约300亿元人民币; 若明年再新增8,000万至9,000万支产能，则设备需求规模可望进一步扩大至400亿至500亿元人民币，显示设备业者正站上产业扩产潮的第一线。

从产线结构来看，耦合与测试环节价值量最高，为本波设备投资最主要受益区块。 随规格进一步迈向1.6T，甚至未来3.2T，高阶测试设备单价持续垫高，也将同步放大设备商营运动能。

在此趋势下，除大陆设备厂受惠国产替代外，台系设备厂亦被看好有机会切入光通讯供应链。 法人认为，台厂主要循两大路径布局，一是由半导体先进封装延伸至硅光子与CPO，二是以高精度对位与自动化能力切入光耦合等关键制程。

其中，万润积极由半导体封装设备延伸光通讯应用，产品涵盖点胶、贴合与检测设备，并已打入先进封装供应链。 随光电整合与CPO发展，其设备能力可望进一步延伸至光模组后段制程。

另G2C联盟，包括志圣、均豪、均华及东捷，原本即深耕先进封装、自动化、检测与雷射制程，后续若硅光子与CPO应用加速，亦具备切入光通讯设备供应链的潜力。

至于精密运动控制领域，高明铁高精度滑台与定位系统已应用于光纤耦合制程。 整体而言，法人认为，在AI服务器升级、技术迭代与扩产需求带动下，光模组设备市场成长动能可望延续，台厂若能凭借封装、自动化与精密制程优势切入，后续发展空间值得期待。

从手持设备到数据中心，全球对电力的需求永无止境，这场竞赛赌注极高。今年年初，芬兰 Donut Lab 宣称研发出400Wh/kg的全固态电池 —— 容量约为锂电池的两倍，充电时间不到 5 分钟 —— 随即遭到大量质疑。中国比亚迪也遭遇类似质疑，其宣称新款锂电池可5 分钟充至 70%，续航1000 公里，固态版本即将量产。

这些具体宣称是否属实，时间会给出答案。但显而易见的是：电池技术突破越来越频繁，市场需求极为旺盛。

电池容量的提升速度，远落后于芯片与软件的效率进步。历史上，容量每年仅缓慢增长4%–8%，而电池需求却呈爆发式增长。据落基山研究所数据，电池销售额年增速约40%。这一差距直接限制了电动车续航、数据中心备电容量，以及机器人在回充前的工作时长。

如今量产电动车宣传续航 400 英里已很常见，而几年前仅为 200–300 英里。截至目前，这主要依靠电解液优化，而前沿电解液通常是高挥发性液体。更大容量、更高负载下的更快放电，需要精准的负载均衡；充电时也必须保持冷却以防过热。

一旦出现问题 —— 例如正负极隔膜被刺穿 —— 电芯温度会急剧升高直至燃烧，引发链式反应，火焰温度可达1000℃，烧毁车辆、机器人、笔记本电脑及周边可燃物。

这就是整个电池行业都在全力研发固态电解质（或至少高黏度、可防止热失控的电解质）的原因。

技术变革的速度

为何进展如此缓慢？部分原因是安全相关产品必须经过海量测试、仿真与极端条件验证。更何况如今电池的使用方式与过去完全不同：过去多为一次性使用，现在需要使用数年、常在恶劣环境下工作、长时间保持电量，还要快充 —— 没人愿意在停车场等 30 分钟。

西门子 EDA 电池技术全球负责人 Puneet Sinha 表示：

提升充电速度需要多维度创新与优化，从电芯设计开始：材料化学能否接受快充？电极需要多薄？电芯结构如何适配快充？

大量设计优化与验证必不可少。我们看到很多数字孪生方案，用于模拟不同材料、化学体系、结构设计与老化速度。

同时，大电流快充会产生大量热量，如何优化电池包整体热管理，从微观结构到电芯再到系统级，都是企业必须考虑的变量。

锂离子电池工作原理：放电时锂离子从阴极经电解液流向阳极；充电时反向流动。但快充中电子高速运动产生大量热量。这也是现代车企从400V架构转向800V的原因 —— 以电压换电流，降低发热。缺点是电池管理系统（BMS）更复杂，推高电动车成本。

Sinha 补充道：

现有电池多为液态电解液，若用石墨 / 碳基阳极进行超快充电，会面临锂析出风险，可能导致内部短路。

解决方向之一是放弃碳基阳极，转向硅基阳极，或把液态电解液换成固态。

固态电池的核心承诺之一就是超快充电，因为导致枝晶生长的锂析出风险理论上被最小化。

但固态也面临黏度、聚合物体系、整体性能与制造工艺的挑战。

“刚刚好” 效应：温度是关键

电池性能受环境温度影响极大，太冷太热都会异常，理想状态是不冷不热。

电动车虽无传统散热器，但仍有冷却系统，通常布置在底盘。英飞凌应用工程总监 Jim Pawloski 表示：

冷却液必须持续流过电池，充放电过程中必须不间断监控电池状态，即使停在停车场也一样。

必须严控电芯电压与温度阈值，温度过高会导致正负极隔膜熔化。

近年最能抑制热失控的化学体系是LFP（磷酸铁锂），常用于家用储能，但能量密度低于车载电池。车载电池追求的是单位体积 / 重量下的最大能量。

如今车企已很少发布 “不要在车库充电” 的警告，但电动自行车等设备的热监控能力仍很落后。据 UL Solutions 数据，2024 年共发生4203 起电池起火事故，其中193 起爆炸。

电池管理系统（BMS）复杂且昂贵。新思科技首席工程师 Bryan Kelly 指出：

热工液压冷却回路通常最难设计，超出多数电池包工程师的擅长领域。

完整冷却系统的虚拟原型必不可少，可验证不同冷却液、环境条件、工况，并与实测数据对标。

还能研究极低温加热、宽温域软硬件控制，以及物理台架难以复现的故障场景（如大电流下冷却流量下降）。

电子元件可在 **-40℃~150℃工作，性能长期稳定，但锂电池的工作温度窗口极窄 **。早期手机因电池报废而非整机报废，因为当时追求极致性能，满充满放、无视温度；而汽车要求至少使用 10 年 / 10 万英里，因此必须严格限制使用区间。

以NMC（镍锰钴）锂电池为例：最佳策略是充至80%，剩余 **30%** 时补能，并维持在最佳温度区间，必要时加热或冷却。

其他前沿突破

另一项潜在突破是：电池低温自加热、高温自动限热。

宾夕法尼亚州立大学材料教授、FastLion Energy 董事长王朝阳（Chao-Yang Wang）表示：

电动车需要在极寒、极热的恶劣环境中耐受宽温域。

未来我们希望实现免管理锂电池，电芯可自适应 - 30℃严寒与 60℃沙漠高温。

这一理念称为全气候电池技术，电芯自主调节温度，无需外部管理，降低成本并提升包体能量密度。

实现这一点需要高沸点、高黏度电解液，以及低比表面积的单晶大颗粒以提升热稳定性。但这些材料会劣化低温性能，可通过内部自加热解决：利用电芯自身能量，几秒内从 - 30℃升至 0℃，快速恢复放电能力。

王朝阳预测，未来会出现多种电解液路线：固态、凝胶态、凝聚态等。

即便固态电池，在低温端也需要自加热，因为它比液态电池更难启动。

我们自 2016 年开始研发，已接近落地，预计还需数年实现商业化。

同时，更多机械方案正在研发以降低热失控风险，包括固态变压器与固态断路器（比传统断路器快得多）。

英飞凌绿色工业电力事业部总裁 Peter Wawer 称：

英伟达数据中心等高能用户需要接入35kV 中压电网，传统方案需变压器降压再交直流转换。

大量初创与大厂正与我们合作研发固态变压器。

基于半导体的断路器可数量级提升保护速度。过去这一市场完全由传统电气开关厂商占据，与半导体无关；但随着对保护速度要求提升，正逐步变成半导体市场，整体规模约100 亿欧元。

结论

电池无处不在，支撑手机、笔记本、智能手表全天续航，让电动车单次充电行驶最远500 英里。当前核心挑战是：更安全、更高容量、更长寿命、更宽温域、更低成本。

这些需求相互交织、难度极大，但整个电子生态系统都在全力解决。随着更多智能从云端走向边缘，电池是无线化、去中心化未来的核心基石。随着关键难题被攻克、基础设施完善，电池市场将在未来数年迎来爆发。

各类电池化学体系优缺点（精简对照）

1. LFP（磷酸铁锂）

   优点：热稳定安全、循环长（2000–5000 + 次）、材料丰富、无镍钴环保、温域宽

   缺点：成本偏高、极端温度性能一般、体积大、能量密度偏低

2. NMC（镍锰钴）

   优点：能量密度高（150–220Wh/kg）、低温充电好、循环适中

   缺点：含钴昂贵、快充易衰、需热管理、高温安全性下降

3. NCA（镍钴铝）

   优点：能量密度高于 NMC（200–260Wh/kg）、适合高性能车 / 航空

   缺点：含钴昂贵、循环更短、波动性高

4. 固态电池

   优点：能量密度极高、体积小、极度安全、无热失控、快充长续航

   缺点：量产极低、成本极高、尚未商用、界面稳定性问题、循环不如 LFP

5. 钠离子电池

   优点：钠资源丰富、成本极低、耐寒、无热失控

   缺点：能量密度低、几乎未商用、不可快充、寿命短

硅通孔（TSV）为高带宽内存堆栈中的 DRAM 裸片、硅中介层以及新兴 3D 芯片堆栈提供关键互联。但随着 TSV 尺寸不断微缩，其制造成本急剧上升，且更容易出现缺陷。

TSV 是集成 MEMS、射频、模拟 IC、GPU 等芯片的必备技术。它能提升单裸片性能，作为高频电信号的垂直传输线，优化多裸片系统表现。但随着器件密度提升，TSV 密度也随之增加，进而要求通孔间距更小、TSV 尺寸与微凸点更小。这会引发信号完整性问题，需要全新屏蔽方案，并加速向混合键合过渡。

目前，全球仅有少数企业具备先进封装与组装能力。AI 热潮导致 HBM（及其他主流存储）缺货，可生产搭载 TSV 的 2.5D/3D 系统的先进封装产能，远跟不上需求爆发式增长。

TSV 可在制造流程的先、中、后三个阶段制作，这通常决定了由谁整合工艺。例如，日月光、安靠等 OSAT 厂商通常采用TSV 后制程（露孔工艺）；台积电、三星等晶圆厂则采用TSV 先制程与中制程；英特尔代工服务则在中介层与嵌入式芯片平台均支持 TSV 集成。

TSV 的尺寸跨度极大：

• 2nm 及以下工艺使用nanoTSV（＜100nm），为晶体管供电轨提供更高效供电。

• 硅中介层中的 TSV 直径可达5–20μm，深度80–120μm，贯穿减薄后的硅片，通过焊球连接上方芯片或下方 PCB。

TSV 对机械应力敏感，需要设置禁布区（keep-out zones） 限制通孔间距。高深宽比结构易产生空洞、接缝等缺陷，需要优化刻蚀与电镀工艺以保证良率与长期可靠性。

下文将解析 TSV 制造为何如此困难，以及如何降低成本。

TSV：特殊的铜互联

TSV 技术起源于约 20 年前，东芝率先将其用于 CMOS 图像传感器，尔必达将其用于手机 DRAM。相比传统引线键合与倒装凸点，TSV 连接更优，且属于芯片级封装延伸，不会增大封装体积。

TSV 逐步应用于 CMOS 图像传感器、FPGA、HBM 堆栈、传感器、MEMS / 逻辑、射频模块、缓存 / 处理器堆栈，并即将用于光子 IC 与电子 IC 互联。

HBM 是最受关注的 TSV 应用场景，美光、SK 海力士、三星均在内部完成 TSV 制程。HBM 内部 TSV 直径通常2–5μm，深度30–60μm，采用TSV 中制程（前道器件后制作通孔），在密度、成本、热约束间取得最佳平衡。TSV 呈规则阵列排布，避开模拟与高应力区域。

硅中介层同时通过 TSV 实现垂直连接，通过重布线层（RDL）实现水平连接。其中 TSV 尺寸大于 HBM，直径5–20μm、深度80–120μm，成簇分布在微凸点阵列下方、布线通道、裸片边缘与供电区域。晶圆厂负责硅中介层制造，少数专业厂商提供中介层服务，但具备先进能力的极少。AI 扩张带来的压力正冲击整条供应链，并将推动未来变革。

TSV 制造流程

TSV 制造每一步都至关重要，其中几项挑战尤为突出：

1. 刻蚀：尺寸微缩使深孔底部残留物更难清除，同时要保持近乎垂直的轮廓。轮廓决定氧化衬层、阻挡层、铜种子层的附着与共形性，顶部收口会形成空洞，威胁可靠性。

2. 铜电镀：理想为自下而上填充，需要精准控制药液。

3. 化学机械抛光（CMP）：去除顶部多余铜。

4. TSV 露孔：最关键的最后一步。晶圆临时键合在载体上后，经粗磨、中磨、精磨，再用 CMP 接近通孔，最终通过等离子刻蚀露出 TSV。

安靠高级 3D 产品总监里克・里德表示：干法刻蚀对硅片损伤小，晶圆在刻蚀前已打磨至镜面，保障表面质量。

精准的 TSV 露孔流程包括：

• 标定博世刻蚀形成的 TSV 深度

• 均匀涂布键合胶与解离层，烘烤固化后键合

• 背面减薄至 TSV 底部数微米内

• 多阶段 CMP

• 等离子刻蚀露出 TSV

• 沉积氮化硅抛光停止层

• 沉积厚二氧化硅

• CMP 至 TSV 露出

露孔后，TSV 仍由氧化衬层保护，避免金属接触空气。随后沉积氮化硅钝化，再覆盖厚氧化层，经 CMP 后露出与钝化层共平面的铜 TSV，形成可加工的平坦表面。

晶圆减薄优化中，临时键合材料选择至关重要，需考虑热预算、解离方式、与薄膜兼容性。前沿技术倾向机械与激光解离。

减薄的关键指标是总厚度变化（TTV），低于 5% 对堆叠与阵列至关重要，超标会导致键合不均、黏附失效或分层。

详细制程步骤

1. 图形化与刻蚀圆柱形深孔

2. 博世深反应离子刻蚀（DRIE）形成各向异性沟槽

3. PECVD 沉积氧化硅衬层，防止铜污染硅片

4. PVD/ALD 沉积 TaN/TiN 阻挡层

5. 沉积铜种子层

6. 电化学沉积（ECD）铜，无空洞填充

7. CMP 抛平顶部多余铜

8. 沉积焊球或重布线层

   缺陷防控

高宽比（＞10:1）TSV 易出现两类缺陷：

• TSV 顶部损伤

• 侧壁条纹

这会降低金属填充质量与电学性能。泛林研究表明，缩短预涂层时间、降低偏压可消除顶部损伤；低压、高压强可抑制侧壁条纹。

电镀后铜空洞会导致电阻升高、机械强度下降甚至失效。其他常见缺陷：图形对准偏差、沉积不均、填充不完整，均影响性能与可靠性。

边缘缺陷是晶圆减薄最受关注的问题，微小缺陷即可导致晶圆断裂。

应力管理

硅（2.8 ppm/°C）与铜（17 ppm/°C）热膨胀系数失配会产生机械应力。工程师通过仿真建模、拉曼光谱、X 射线衍射、有限元分析（FEA）评估应力分布，设置禁布区避免影响有源器件。

设计软件需集成应力与热仿真，多芯片模块需经过严格应力与疲劳测试。

纳米 TSV（nanoTSV）

三大晶圆厂（英特尔、台积电、三星）正为 2nm 及以下工艺研发背面供电架构，将供电与信号线分离，可降低30% 功耗，减少电压跌落与 RC 延迟，释放正面布线资源，节省光刻成本。

背面供电有三种技术路线，复杂度逐级提升：

1. 最激进：器件制作前在环绕栅极间制作 nanoTSV

2. 中等：电源通孔连接背面供电网络与正面接触层

3. 最保守：供电线跨已制成器件

最大挑战是背面与正面图形互联的套准精度。比利时微电子研究中心（Imec）提出自对准狭缝 nanoTSV 方案，实现约 100nm 套准裕度，可避免高阶光刻校正，降低成本。

结论

HBM 厂商、头部晶圆厂与 OSAT 均在芯片与模组生产的不同阶段提供 TSV 制造能力。随着 HBM 中 DRAM 晶圆持续减薄，需要更多、更小的 TSV 支撑存储单元增长。

硅中介层 TSV 布局更灵活，以连接为目标，可加入虚拟 TSV 平衡应力。

nanoTSV 则为背面供电提供前后侧关键互联。

无论尺寸与应用如何，TSV 将长期存在，工程师正持续探索更具成本效益的制造方案。

Moh Kolbehdari 博士是 Socionext 公司高级首席架构师，专注于高性能 AI 芯粒与 1.8Tb/s 互联的产业化落地。他拥有二十余年信号完整性 / 电源完整性、电磁场理论与系统级架构经验，是衔接前沿芯片设计与大规模量产的核心专家。

他创立了SEGA™（系统化工程治理架构） 框架，用于解决异构集成中的 “复杂性危机”。其研究核心是将封装层改造为主动控制平面，利用场限电磁通道与状态感知因果关系，确保 2nm 及以下工艺的确定性良率。他长期参与行业标准委员会，以 “物理优先” 思路破解半导体行业最棘手的熵增壁垒。

2nm 节点的熵增壁垒

半导体行业正遭遇可追溯性壁垒。当技术迈向 1.8Tb/s 互联与大规模 2.5D/3D AI 芯粒系统时，传统 “先设计后验证” 流程已失效。我们再也不能将封装视为硅片的被动 “容器”；在如此高速与高密度下，封装必须被看作主动控制平面。

“现实差距”—— 理想仿真状态与大规模量产（HVM）良率之间的偏差 —— 正在持续扩大。标准 EDA 工具擅长预测标称性能，但往往无法覆盖封测厂（OSAT）环境的随机特性。要弥合这一差距，必须跳出 “标称设计” 思维，转向治理式收敛。

SEGA™：系统化工程治理架构

为应对这种复杂性，我开发了SEGA™。它是位于标准 EDA 生态之上的治理层，在仿真、实验室测试与 OSAT 量测之间强制执行统一的 “就绪闭环”。SEGA™确保每 1 皮秒的信号性能都有来自产线的有效证据支撑。

结论：治理式收敛

别再设计走线，开始架构通道。

下一代先进封装的胜负手，将是治理式收敛，而非单纯的设计活动。

如图 1（治理收敛金字塔）所示，SEGA™建立了三层系统成功保障体系：

1. 底层：封装即控制平面

   将基板视为动态枢纽，统一管控信号完整性（SI）、电源完整性（PI）、电源与热应力。通过统一调度这些变量，避免各领域孤立设计导致的后期 “崩盘”。

2. 中层：电磁通道架构

   传统 PCB 与封装走线在亚太赫兹频率下会变得混乱。我们采用场限物理通路（电磁通道），确保电磁场在 BGA 过渡区保持连续。

3. 顶层：证据门禁

   最终过滤机制：只有通过状态感知因果过滤的数据，才能进入流片。每项仿真结果都必须对照实际制造模式完成 “认证”。

   直面封测厂（OSAT）现实

现代芯粒系统面临的最大威胁不只是信号衰减，更是产线的物理变量：基板翘曲、焊球塌陷、热漂移等，这些都是理想仿真常常忽略的OSAT 现实。当设计从实验室进入大规模量产，这些物理应力会引入 “熵增”，导致性能劣化。

治理式收敛：弥合现实差距

通过状态感知因果，我们将性能劣化与具体形变模式直接关联。例如，若 1.8Tb/s 眼图在应力测试中闭合，SEGA™框架不只是报告失败，还能精准定位成因 —— 如 30μm 基板翘曲或横向偏移。这将 “失效分析” 从被动猜谜，转变为确定性治理。

深度案例：AI 芯粒电源分配网络（PDN）阻抗平坦化

系统化治理的价值在电源网络中尤为突出。高性能 AI 系统中，抑制中频裸片谐振对高负载下的系统稳定性至关重要。

本案例针对 2.5D AI 芯粒电源架构（CPA），展示如何通过封装内本地化 VRM（PCA） 实现 PDN 治理。传统 PCB 上的 VRM 难以处理中介层与裸片级的谐振峰值。通过将 VRM 响应与状态映射得出的封装内寄生参数精准匹配，我们成功将 170–280MHz 的裸片谐振峰值压制在0.09Ω 目标阻抗以下。

这种平坦度确保硅片在相邻芯粒频繁切换时仍拥有稳定电压环境。理想仿真可给出建议，但只有 SEGA™这类治理架构能在量产中真正保证这一结果。

未来之路：互联技术产业化

迈向 2nm 及以下工艺不只是光刻挑战，更是治理挑战。当行业向 10Tb/s UCIe 目标与更复杂的异构系统演进时，能打通仿真与产线差距的架构师，将定义未来。

下一代先进封装的胜利，属于治理式收敛，而非单纯的设计活动。通过部署 SEGA™，我们推动行业走向 “一次成功” 不再是目标，而是架构本身带来的确定性结果。

为了优化电动汽车 (EV) 的电源,车载充电器 (OBC) 必须高效、轻便、小巧。电动汽车重量减轻后,也需要更低的功率来驱动,从而提高整体效率。

OBC 需要支持适当的电网到车辆 (G2V) 电压和当前的电池充电算法;因此,它可以作为电网和电动汽车之间的功率调节接口(图 1)。此外,它必须能够通过车辆到电网 (V2G) 供电,为电动汽车补充峰值容量可能波动的可再生能源。

图 1 OBC 需要支持适当的 G2V 电压

并通过 V2G 供电。

为方便电网和电动汽车内的高压电池连接,需要一个电磁干扰 (EMI) 滤波器、功率因数校正 (PFC) 和一个隔离式直流/直流功率级。图 2 展示了此架构。

图 2 这个简化原理图显示了 OBC 如何作为电网和电池之间的接口。

本次讨论的范围仅限于直流/直流级。截至撰写本文时,直流/直流级的两种常见选择是电容-电感-电感-电容 (CLLLC) 和双有源电桥 (DAB) 拓扑(图 3 和 4)。这两个选项都可以实现小尺寸解决方案,并满足必要的 G2V 和 V2G 功率需求。

图 3 该原理图显示了 CLLLC 的基本拓扑。

图 4 该原理图显示了 DAB 拓扑。

更大限度地提高 OBC 性能并减小其尺寸

为了理解这两种拓扑选项如何影响 OBC 的尺寸和性能,我们进一步将范围限制在电池充电运行阶段(或 G2V),考虑如何通过提供开关可承受的最大电池功率来更大限度缩短充电时间。例如,请考虑在以下工作条件下运行的开关:

• P_DISS = 20W

• ϑ_JA = 3°C/W

• T_A = 65°C

根据公式 1,开关的 T_J = 125°C:

公式 1

此设计中的开关不能承受高于 125°C 的温度;因此,该条件代表 OBC 在不影响开关性能的情况下可为电池提供的最高功率级别。目标是更大程度地降低开关中的功率耗散,并尽快为电池充电。

有两大因素决定了开关中的大部分功率损耗:均方根 (RMS) 电流和开关保持零电压开关 (ZVS) 的能力。

鉴于其低电容及快速导通和关断特性,德州仪器 (TI) 的 GaN 开关能够使转换器运行时的开关频率比硅片的更高。更高的工作频率直接影响无功元件的尺寸,并实现更小的变压器、电感器和电容器。我们首先为 DAB 和 CLLLC 建立基准设计,然后探讨如何增强电路来扩展转换器的 ZVS 范围。

基准 DAB 和 CLLLC 性能比较

表 1 概述了 OBC 的基本要求。

表 1 OBC 电源要求。

为 DAB 和 CLLLC 创建详细的设计有助于确定更可行的储能回路设计。设计过程超出了本文的讨论范围;然而,电路仿真最好能够充分地估算开关中的损耗,并验证与总体功能的符合性。将仿真器配置为在不同的功率级别以及输入和输出电压下以批量模式运行,并测试了不同的 DAB 和 CLLLC 电感、电容和匝数比等值。在每次仿真运行中,我都会收集有关 VIN、VOUT、开关功率、RMS 电流和开关 ZVS 条件等参数的数据。表 2 总结了两种优化的拓扑设计。

表 2 DAB 和 CLLLC 优化设计。

图 5 突出展示了各仿真结果。虽然每个拓扑中有八个开关,但图表仅绘制了功率损耗最高的开关。对于每个开关,都有三个图。第一个是开关中的总损耗。第二个是流经开关的 RMS 电流。最右侧的第三个图展示了特定 GaN 开关开启时最坏情况下的漏源电压。这是 ZVS 损耗量的关键指标;该电压越高,相应开关中的损耗越大。因此,开关的 RMS 电流及其维持 ZVS 的能力决定器件的主要功率损耗。

图 5 仿真结果显示了 CLLLC 和 DAB 的 RMS 和 ZVS 基本情况。

通过仔细研究上述数据,可以明显地看出 CLLLC 能够在更宽的运行范围内维持 ZVS。因此,增强型 ZVS 有助于降低 CLLLC 开关中的功率损耗。话虽如此,但在 6.6kW 运行功率下,DAB 具有卓越的性能,这得益于它在大部分范围内具有良好的 ZVS 和更低的 RMS 电流。这些观察结果建议寻找一种方法来改进 ZVS,而不对 RMS 电流产生不利影响。

利用换向电感器提高 ZVS

图 6 和图 7 展示了与图 3 和 4 相同的 CLLLC 和 DAB 电路,其中在拓扑中添加了额外的电感器(以黄色突出显示),以便提供在更宽的工作范围内维持 ZVS 所需的额外电流。现在,假设有一种情况,即这些额外的电感器始终可以正常工作。

图 6 该原理图显示了带换向电感器的 CLLLC。

图 7 该原理图显示了具有换向电感器的 DAB。

为便于参考,表 3 列出了新增电感器的值,其他储能回路参数与上表相同。

表 3 具有换向电感器 (LC) 值的 DAB 和 CLLLC 设计

图 8 展示了重复图 5 中的仿真后的结果。

图 8 每个电路的 RMS 和 ZVS 结果显示了 LC 的影响。

在这种情况下,请注意 DAB 能够在整个工作条件范围内实现全 ZVS。GaN 开关的 V_DS 在开通时始终为 0V 这一事实清楚地说明了这一点。CLLLC 虽然无法实现完整的 ZVS,但能够明显改善 ZVS。不过,还要注意,ZVS 的改善会显著降低两种拓扑中的 RMS 电流。仅从功率损耗来看,DAB 转换器似乎在大部分范围中都具有优势。

言归正传,我们回来比较图 8 和图 5,您会发现在某些情况下换向电感器实际上会增加损耗。这就引出了一个问题:是否有可能创建一种混合方法,将图 5 和图 8 中所示的损耗降到最低?

尽量减少总损耗:一举多得

增加换向电感器可实现更广泛的工作条件,其中转换器可保持 ZVS。当转换器无法保持 ZVS 时,这种做法具有巨大优势。换向电感器的问题在于,它只会在无 ZVS 时改善损耗。如果转换器已经处于 ZVS 中,则换向电感器会因电流增加而影响运行,从而导致开关中的欧姆损耗更大。

这个思维过程产生了一种混合测试方法,其中换向电感器在较重负载下保持关闭状态,在较轻负载下开启。图 9 显示了重复使用此方法进行仿真后的结果,这使设计能够利用每种拓扑的较低 RMS 电流和重负载下的自然 ZVS 能力。

为了防止开关中出现不需要的 RMS 电流或解决方案尺寸,我只是谨慎增加了足够的换向电感和工作时间,以适应开关的热范围。请注意,DAB 转换器不能在工作范围内实现全 ZVS。ZVS 得到了很大改善,但仅在需要时保持在上述的 20W 开关目标范围内。

图 9 这些是使用混合方法获得的 RMS 和 ZVS 结果。

为了更好地体现各种权衡因素,图 10 总结了每种情况的功率损耗。您可以看到在开关中的功率损耗方面,DAB 转换器具有明显优势。

图 10 每种情况下的功率损耗摘要有助于直观显示各种权衡。

为了更好地说明这两个转换器之间的性能,图 11 更改格式重新绘制了图 10 中所示的数据。该图显示了假设开关不能安全地耗散超过 20W 的功率,每个转换器可提供的最大功率。请记住,20W 表示开关可承受的最大损耗且仍保持结温低于 125°C。

图 11 该图显示了每个转换器可提供的最大功率。

CLLLC 更好,还是 DAB 更好?

图 11 中的蓝线在红线上方证明了 DAB 转换器能够在整个范围内提供比 CLLLC 更大的功率。这使人们很容易以为 DAB 是当之无愧的赢家。但是,请记住超小尺寸和重量是 OBC 的核心要求。DAB 转换器需要两个额外的电感器,但 CLLLC 只需要一个。因此我认为,CLLLC 更胜一筹。

与大多数工程设计工作一样,最好的方法大多就是根据要求进行权衡。获得巨大优势往往会有代价,这次也不例外。对我来说,CLLLC 在尺寸方面比 DAB 更具优势。

英特尔市场营销集团副总裁、中国区总经理郭威，阐释英特尔顺应智能体应用需求，利用至强和锐炫的双芯协同，让AI工作站真正做到了能攻、能守、能合

英特尔至强600工作站处理器：四维升级，释放重载算力

英特尔至强600工作站处理器为专业重负载场景和卓越性能、扩展需求而打造，在性能、扩展、AI与管理四个维度实现突破，为高性能工作站注入强劲算力。

·       性能跃升：最高配备86个性能核，多线程性能较上代提升高达61%，睿频最高可达4.8GHz；

·       灵活扩展：支持128条PCIe 5.0通道，配合芯片组，为工作站提供丰富灵活的扩展能力；

·       AI加速：每核内置英特尔^® AMX引擎，新增FP16原生支持，AI与机器学习性能提升最高达17%，图像降噪等典型影像处理场景速度提升高达4至5倍，有效降低企业本地AI部署的门槛与TCO；

·       企业级管理：依托英特尔vPro^® 技术体系，支持多种管理特性、多密钥内存加密与一键恢复等企业级功能，适配塔式、机架式及边缘等多种部署形态，满足企业灵活运维的需求。

英特尔至强600工作站处理器和英特尔锐炫Pro B70/B65显卡

英特尔锐炫Pro B70 GPU：超大显存，更快AI

英特尔锐炫Pro B70基于第二代Xe2架构，满足图形渲染、通用并行计算与AI加速计算等专业工作负载的需求。

·       配备32GB显存，搭载32个Xe核心，AI算力峰值高达367 TOPS，在AI推理场景中支持更大规模的AI模型与更长的上下文窗口；

·       在多用户并发场景下，依然能支持高吞吐量与快速响应，为企业级AI应用带来极高的部署效益；

·       支持SR-IOV虚拟化与50余家ISV软件认证，可灵活扩展多卡配置，配合完整的Linux软件栈（含vLLM、oneAPI、PyTorch），满足多样化部署需求。

与锐炫Pro B70同步，英特尔还推出了锐炫Pro B65，同样搭载32GB显存，提供197 TOPS算力，为专业用户提供更多灵活选择。

英特尔中国区技术部总经理高宇表示：“至强600工作站处理器与锐炫Pro B70，共同为新一代AI工作站构筑了更完整、更稳固的底座，为智能体部署、大模型推理、内容创作及专业图形处理提供澎湃动力，真正实现了智应万景。”

英特尔中国区技术部总经理高宇展示新品

与合作伙伴携手，共建AI工作站生态新格局

英特尔携手火山引擎、联想等伙伴，利用至强600和锐炫Pro B70的双芯协同，推出面向企业智能体、智能协作、垂直行业AI等多个场景的创新解决方案，满足企业在AI应用规模化落地中对高性能本地算力的迫切需求，帮助各行各业切实应对大模型部署成本高、数据安全与响应效率等现实挑战。

● 英特尔与火山引擎共同打造的AgentSphere一体机联合方案：依托英特尔至强600与锐炫Pro B70提供的高达32GB的显存，更高密度、更高性能的本地算力，AgentSphere具备了更高并发、更低时延、更少抖动的多智能体协同能力，同时开箱即用的标准一体机方案降低了AI落地企业的使用门槛与维护成本，让AgentSphere能够更便捷地帮助企业打造AI员工管理平台，提升生产效率。

● 联想智能会议系统：联想智能会议系统Lenovo SCH-900S借助锐炫Pro B70的出众显存、高达367 TOPS的AI算力峰值，实现多会议室并发接入与实时AI会议纪要的生成，显著提升沟通效率与执行落地速度，打造高效、智能的现代化办公体验。

● 飞致云长上下文RAG解决方案：在英特尔锐炫Pro B70多卡并发能力的基础之上，飞致云打造了面向企业级场景的长上下文 RAG 解决方案，全面支持LLM/VLM高效多卡并发推理。依托高带宽显存和AI算力支撑，该方案可提升企业知识管理、智能回答等场景的处理速度与响应质量。

● 东华医为电子病历智能体解决方案：智慧医疗是AI未来的核心落地场景之一。东华医为借助英特尔AI工作站平台在专业AI工作负载上的优势，实现了精准的病历内涵质控与病历辅助生成应用，助力医疗机构提升诊疗质量和效率。

● 亦心闪绘实时创作功能：在英特尔锐炫Pro B70的32GB强大AI算力及大显存加持下，亦心闪绘在秒级响应时间内，即可将用户的手绘画作，实时生成细节饱满的画作。这种高质高效的图生图技术，极大程度释放了艺术家的创意灵感和潜能。

从澎湃的工作站处理器算力到旗舰级AI推理显卡，从企业智能体平台到智能会议、医疗、绘画等垂直行业解决方案，英特尔正携手生态合作伙伴，将技术创新转化为各行业触手可及的生产力，推动AI工作站生态走向更广泛、更深入的产业应用。

英特尔携手奇瑞汽车打造汽车AI Box，展示智能移动空间之美

2026北京车展期间，奇瑞开阳瑶光实验室AI智能生态与运营实验室展示了采用英特尔酷睿Ultra平台研创的后装新品奇趣宝（Carmind-freemind系列），该产品突破了当下AI Box的产品形态，解锁了AIBOX更多的“玩法”。

它在为车机带来更丰富的智能娱乐扩展与多模态交互体验的同时，更凭借强劲的异构算力，成就Agent服务、娱乐座舱系统级资源包随意切换使用服务、3A游戏大作等等在智能座舱内的流畅运行体验，并设计采纳了英特尔深耕多年的PC端领域，为用户提供了一个奇趣宝AI盒，车里是车脑，带走是电脑的双脑体验与性价比。

实验室主任丁雪毅女士指出：“奇趣宝的产品设计初衷是解决智能化汽车售后旅程中，用户对于升级服务的需求与品牌供给不平衡产生的矛盾与冲突，而矛盾冲突就是产品研创的价值立意线索，这款产品的生态丰富能以系统级资源包进行选购使用，切换之间“焕然一新”，我们为此布局了自研的Forge生态开发平台支撑开发者企业加入持续构建生态内容，除此外为用户提供企业专属的Agent差异化服务比如车辆故障诊断与维修服务，这是奇瑞专属，我们对奇趣宝的设计开发还在以多个版本进行升级迭代，丰富性、多样性、持续运营性，且满足用户对奇趣宝追代的需求，提供“算力回收，以旧购新”的售后换购服务，由此可见我们为什么需要大而稳定的算力服务支撑，及丰富的类消费电子售后服务经验的支撑。”

截止至2026年4月24日，奇趣宝这一方案已成功与奇瑞旗下国内外多款车型座舱系统实现深度适配与打通。奇瑞AI智能生态与运营实验室主任丁雪毅表示：“该产品1.0便以布局全球市场视角研创，我们将在售后产值领域发展深耕，持续为奇瑞珍视、宝贵的奇瑞车主开展运营服务。”

英特尔市场营销集团副总裁、中国区总经理郭威，奇瑞汽车股份有限公司副总裁，兼任全球技术创新中心联席院长邬学斌参观展台，并亲切交谈 

2026北京车展期间，奇瑞展示了搭载英特尔酷睿Ultra平台的奇瑞AI Box解决方案

英特尔与均联智行正式签署战略合作协议

根据合作协议，双方将基于英特尔酷睿Ultra平台以及均联智行软硬件基座，联合打造新一代座舱AI智娱中心。

作为座舱扩展的核心产品，座舱AI智娱中心采用即插即用、软硬一体设计，可根据用户需求灵活选择预装搭载或后装升级，轻松实现算力与体验的一步到位。凭借CPU+GPU+NPU的异构计算架构、强大的软件生态，搭载英特尔酷睿Ultra平台的AI Box解决方案为均联智行座舱AI智娱中心带来了澎湃算力、智能算力调度能力和丰富的软件产品。

英特尔市场营销集团副总裁、中国区总经理郭威、均联智行亚洲区总裁童磊、英特尔中国区行业及解决方案业务部总经理王景佳、均联智行全球销售负责人、副总裁沈建枢出席签约仪式

基于英特尔酷睿Ultra平台以及均联智行软硬件基座，双方联合打造的新一代座舱AI智娱中心

随着数据中心与5G网络成为AI驱动创新和数字化转型的核心基石，市场对精准且具弹性的时钟解决方案的需求达到了前所未有的高度。时钟不仅是一项技术要求，更是支撑高性能且可扩展基础设施的战略赋能要素。Microchip Technology Inc.（微芯科技公司）今日推出MD-990-0011-B系列插件式时钟模块，为数据中心服务器和5G虚拟化无线接入网（vRAN）提供交钥匙式高精度同步功能。

该时钟模块与英特尔联合开发，专为兼容基于Intel® Xeon®6系统级芯片的服务器平台设计，支持原始设备制造商（OEM）与原始设计制造商（ODM）构建面向未来的系统。借助英特尔基础vRAN架构，该模块可实现稳健且低延迟的时间同步，这对分布式AI工作负载与实时应用至关重要。

MD-990-0011-B专为云基础设施、虚拟化及高可用性部署所需的可靠性与可扩展性而设计，支持全球导航卫星系统（GNSS）、同步以太网（SyncE）及精确时间协议（PTP）的自动时钟源选择与锁定。这种灵活性可在网络需求不断演进的情况下，保障连续且精准的时钟功能。

Microchip负责频率与时间系统业务部的公司副总裁Randy Brudzinski表示：“时钟是引导全球最具变革性技术的无形力量。Microchip推出MD-990-0011-B时钟模块，旨在帮助设计人员在项目初期或升级阶段主动满足时序要求。我们的插件式解决方案消除了定制时钟电路的复杂性，在提供高集成度与高可靠性的同时，加速技术创新，缩短数据中心及5G网络的产品上市时间。”

英特尔公司无线接入网业务部总经理Mike Merluzzi表示：“Microchip MD-990-0011-B时钟模块高度契合英特尔发展理念，通过提供可扩展的高性能平台，助力下一代基础设施满足5G、AI与云计算需求。通过简化时钟集成，并提升基于Intel Xeon 6系统级芯片平台的可靠性，我们正助力客户加速创新与部署。”

MD-990-0011-B时钟模块可提供卓越的时间与频率精度，同时具备强大的保持功能，提供两种型号可选：MD-990-0011-BC01支持8小时保持性能，MD-990-0011-BA01支持4小时保持性能。该时钟模块将Microchip多项先进技术整合为高度集成的单一解决方案，其核心组件包括：

●   同步以太网（SyncE）频率合成器（ZL80132B）：配备两路独立数字锁相环（DPLL）通道，实现灵活、高可靠性同步；

●   恒温控制晶体振荡器（OCXO和OX-22x）：最长可提供8小时保持性能，确保在GNSS信号中断或网络故障时维持稳定时钟；

●   集成 MCP9808 高精度温度传感器用于环境监测，24LC024 EEPROM 实现板级配置管理，同时通过 VC820 提供低抖动时序性能。

MD-990-0011-B将这些关键时钟组件整合至单一插件式模块，简化了服务器架构、降低设计复杂度并优化供应链。其模块化设计支持快速安装与便捷维护，最大限度减少停机时间并轻松实现升级，助力动态数据中心与5G网络环境保持核心优势。

Microchip拥有超过75年的时钟领域经验，提供全面的时钟与时序产品组合，产品覆盖小型插件式时钟服务器卡到多机架国家级时标系统。作为全球时间标准的主要贡献者，Microchip时钟方案备受信赖、稳定可靠且抗干扰能力强。

供货与定价

MD-990-0011-BA01与MD-990-0011-BC01现已量产供货。

  业绩强劲增长 经营效率持续优化

  随着摩尔线程商业化进程提速，2025年业务保持高速增长，经营表现创历史新高。2022至2024年，摩尔线程营业收入复合增长率超200%;2025年实现营业收入15.05亿元，同比增长243.37%。凭借产品全功能技术优势与客户高度认可，毛利规模达到9.87亿元，公司整体毛利率水平达65.57%，处于行业领先水平。归母净利润、归母扣非净利润分别较上年同期亏损收窄38.16%、33.38%。扣除股份支付影响因素后，摩尔线程2025年净利润亏损6.48亿元，较上年同期收窄8.47亿元，收窄比例达56.65%，经营效率持续优化。

  一季度的表现同样亮眼，根据公告，摩尔线程实现当季营收7.38亿元，同比增长155.35%;归母净利润0.29亿元，同比增加1.42亿元;归母扣非净利润亏损0.54亿元，亏损同比收窄60.10%。

  其中，2026年3月，摩尔线程签订了6.6亿元的夸娥(KUAE)智算集群大单，充分说明了其大规模智算集群的交付能力和市场竞争力。

  研发投入持续加码 大规模智算集群优势凸显

  GPU行业属于技术密集型行业，持续的研发投入是保持竞争力的关键。自成立以来，摩尔线程始终聚焦创新研发，并保持高强度研发投入，2025年研发费用为13.05亿元，占营业收入的86.68%，研发投入力度在行业中稳居前列。

  长期且高强度的研发投入为摩尔线程的持续创新提供了有力保障，打造了坚实的技术“护城河”。截至2025年12月31日，摩尔线程累计已申请2014项知识产权，其中发明专利1743项，累计获得知识产权806项，发明专利590项，始终处于行业领先位置。由此，摩尔线程实现了从芯片架构、指令集到软件栈等的全栈自主可控，以五年五代架构五颗芯片，持续刷新行业速度。

  产品方面，摩尔线程构建了“云-边-端”的全场景产品矩阵，覆盖互联网、具身智能、智慧教育、智慧交通、工业制造、云服务等千行百业。其中，MTT S5000作为公司旗舰级AI训推一体智算卡，单卡AI稠密算力可达1000 TFLOPS，具备全精度、全功能通用计算能力。无论是构建万卡级大规模训练集群，还是部署高并发、低延迟的在线推理服务，MTT S5000均展现出对标国际主流旗舰产品的卓越性能与稳定性。

  基于MTT S5000打造的夸娥(KUAE)万卡训练智算集群，从技术层面成功攻克了万卡级硬件系统优化、高速互联与系统级容错等系列高难度工程壁垒，可实现万亿参数大模型端到端训练，成功实现商业化部署，多项关键指标均达到国际主流水平。面向未来更大规模的智能计算需求，摩尔线程正基于新一代“花港”架构，推进十万卡级超大规模智算集群建设和超节点等核心技术研发。 

  此外，面向智能体时代的AI开发需求，摩尔线程推出了搭载自研智能SoC“长江”的AI算力本MTT AIBOOK，搭载原生Linux系统，预装OpenClaw 及12个精选Skills，支持主流AI智能体框架，免去复杂环境配置与性能损耗，并能7×24小时稳定支撑多智能体协同运行，兼顾本地算力安全与高效工作，可提供开箱即用的一站式AI体验。

  强化生态布局 汇聚45万+开发者

  生态建设是国产GPU长久发展的关键。摩尔线程自成立起就将其作为核心战略，通过底层技术支持和开发者赋能，不断完善生态布局。

  在技术层面，MUSA架构及软件栈实现了对CUDA生态的完整兼容。MUSA架构原生适配PyTorch、Megatron-LM、vLLM及SGLang等主流AI框架，全面开源了基于国产GPU移植的软件库，同时开源TileLang-MUSA以完整支持TileLang编程语言，并深度兼容Triton-MUSA后端。2025年以来，摩尔线程已实现对DeepSeek、GLM、MiniMax、Kimi、Qwen等SOTA大模型的“发布即适配”(Day-0适配)，形成常态化支持机制。

  在开发者赋能方面，最新数据显示，摩尔线程通过旗下“摩尔学院”构建的产教融合开发者成长体系，已汇聚超过45万+开发者与学习者，并将前沿技术与产业实践引入全国200余所高校，为国产GPU生态的长期繁荣奠定人才基础。

  随着人工智能的普及，各行业对高性能算力的需求大幅增加。顺应算力自主可控的趋势，摩尔线程通过持续迭代全功能GPU架构和完善产品与生态布局，为千行百业注入磅礴智能算力。

但 GPU、加速卡和电源模块被装进同一个机柜后,单柜输入功率会增加。电流变大,线缆、连接器、母线、电源模块和散热系统都会先感受到压力。算力芯片还能继续增加,供电不能只靠加粗线缆、增加电源模块和堆散热片来硬撑。

800V 进入 AI 数据中心讨论,就是在解决这个问题。这个数字背后是一段很具体的供电路径:电从机柜入口进来,先经过热插拔和保护,再进入中间母线和电源模块,最后由板级电源送到 GPU、CPU 和加速器附近。每一段都要重新计算电流、损耗、发热、隔离和保护。

单柜耗电增加,低压大电流先卡在线缆、连接器和散热上

过去数据中心也在做电源升级,但这一轮压力更集中。AI 服务器的单机功耗增加以后,一个机柜里要承载的输入功率更高。电压不变时,要送同样多的功率,就需要更大的电流。

电流一大,问题会很直接。线缆要更粗,连接器和母线要承受更高电流,电源模块的导通损耗和温升会上来,机柜里的布线和风道也会变难。机柜空间有限,线缆不能无限加粗,散热风量也不能无限增加。

提高机柜侧供电电压,可以在同等功率下降低电流。电流降下来,线缆、连接器、铜排和部分电源模块的损耗会减轻,布线和散热压力也会下降。但电压抬高以后,高压隔离、输入保护、热插拔、故障检测和维护安全都要一起重新设计。

提高电压只是第一步。800V 进入系统后,机柜输入、中间母线、板级电源、热插拔、遥测和保护这些环节的设计要求都会跟着变化。

高压电进入机柜后,还要一路降到 GPU 附近

AI 数据中心讨论 800V,不能只看机柜入口。高压电进入机柜后,通常还要经过热插拔控制、隔离母线转换、中间电压分配和板级多相降压,最后才到 GPU、CPU、内存和加速器附近。

越靠近负载,电压越低,电流越大。GPU 负载变化很快,板级电源需要快速响应;响应慢了,电压波动、纹波、温升和保护动作都会变得难处理。

机柜侧要处理高压输入、连接器、浪涌电流、热插拔和安全保护。中间母线要把高压转换到服务器内部更容易使用的电压。板级电源要靠近 GPU、CPU 和加速器,把电压继续降到芯片需要的范围。

热插拔、遥测、保护和隔离驱动也要一起算进设计。AI 服务器功耗高,停机成本高,电源模块能不能安全插拔,电压、电流和温度能不能被准确监测,过流、过温和短路能不能快速切断,都会影响整机可靠性。

TI 想占住的,是从机柜入口到算力芯片的供电设计

TI 这次把 800V 放进了 AI 数据中心的完整供电路径里。高压电进入机柜后,要经过隔离、中间转换和板级供电,最后送到 GPU、CPU 和加速器附近。转换级数、模块位置、遥测和保护设计,都会影响整柜效率和长期可靠性。

TI 在 800V DC 电源架构中,把 800V 热插拔控制器、800V 到 6V 隔离母线转换、6V 到低于 1V 的多相降压、遥测和保护放在一起展示。公开资料显示,这套架构把 800V 到处理器供电压缩到两级转换:先从 800V 转到 6V,再从 6V 降到 GPU 核心所需的低电压。

这和 TI 近几年在应用市场上的表达方向是一致的。它希望市场在谈一个具体应用时,能把单颗器件和实际工程问题联系起来。放到 AI 数据中心这条线里,TI 想让市场记住的是:电要从机柜入口稳定、高效地送到算力芯片附近。

这件事对 TI 很关键。AI 数据中心的注意力仍然在 GPU 和算力平台上,但 GPU 的供电电流、板级热设计、电源转换效率和故障保护会影响整机密度和运行稳定性。TI 要争取的是这个工程问题:当行业讨论 AI 基础设施时,不只讨论算力,也讨论电能不能稳定送到算力芯片附近。

客户最后会看工程落地。高压输入能不能保护住,中间电压能不能高效转换,板级电源能不能贴近 GPU 和加速器,遥测数据能不能及时暴露异常,保护动作能不能在故障扩大前切断,这些都会影响 AI 集群能不能长期运行。

onsemi 对应高功率转换和功率器件

onsemi 这类公司主要对应高功率转换和功率器件。

AI 服务器和机柜的输入功率增加以后,中间 DC/DC 转换、高功率电源模块和功率级器件会更吃力。这里要同时处理耐压、电流、开关损耗、导通损耗、温升和长期可靠性。器件损耗高,热就压不住;开关速度和驱动配合不好,转换效率和体积都会受影响;可靠性不足,长时间满负载运行就有风险。

SiC、GaN 等功率器件在这个时候被更多讨论,原因也在这里。AI 数据中心要完成电压转换,还要在更小空间里完成更高功率输出,并把损耗、发热和体积控制住。

onsemi 的机会更容易落在这些具体问题上:高功率转换环节用什么功率器件,开关损耗怎么降,封装和散热怎么处理,高温和长时间运行下的可靠性怎么保证。这些问题会直接影响单柜能不能装得更密,电源效率能不能提高,散热能不能压住。

ADI 和 Allegro 对应板级监测、保护和驱动

电从机柜一路走到板级以后,问题会变得更细,也更接近整机稳定性。

板级电源要给 GPU、CPU、内存和加速器供电。负载变化快,电流大,板上空间有限。这里需要更准确的电流检测、更快的保护响应、更可靠的热插拔、更完整的电压、电流、温度和功耗数据,也需要稳定的驱动和隔离。

ADI 更容易出现在热插拔、遥测、多相控制、电源监测和保护这些环节。AI 服务器运行时,整机需要知道每个电源模块的电压、电流、温度和故障状态。数据看不准,保护动作就可能不及时;状态看不全,运维和调试也会变难。

Allegro 主要对应高电流检测和隔离栅极驱动。电流检测会影响过流保护、功率控制和效率判断。隔离驱动要在高压、高噪声环境里稳定驱动功率器件,同时保证高压侧和低压控制侧之间的安全隔离。

这些环节看起来没有 GPU 显眼,但在高功率 AI 服务器里,电流检测不准、驱动不稳、保护动作慢,都会影响整机效率、故障处理和长期可靠性。

800V 改变的是电源设计里的压力分布

800V 不会让电源设计变简单,它只是改变了压力分布:机柜侧电流下降,高压保护、隔离、中间转换和板级供电的要求同时提高。

电一路降到板级以后,低压大电流的问题仍然存在。GPU 核心附近仍然需要多相降压,仍然要处理大电流、快速负载变化、发热、纹波、布局和保护响应。

这也解释了为什么 TI、onsemi、ADI、Allegro 这类公司会重新进入 AI 数据中心讨论。算力芯片决定 AI 服务器的计算上限,但电能不能稳定送到 GPU 和加速器附近,会影响单柜部署密度、电源效率、散热设计和整机可靠性。

客户最后会看供电路径能不能长期稳定运行

GPU 还会继续是 AI 数据中心里最受关注的器件。

但 AI 服务器越装越密,单柜输入功率增加以后,电源设计会越来越影响整机方案。高压输入怎么接入机柜,中间母线怎么降压,板级电源怎么靠近 GPU,热插拔和保护怎么保证维护安全,遥测数据怎么帮助发现异常,这些都会进入客户评估。

后面拉开差距的,会是整套供电路径能不能长期稳定运行,单个器件参数已经不够。

单柜能不能装进更多计算板卡,电源转换效率能不能提高,发热能不能压住,故障能不能快速定位和隔离,电源模块能不能安全维护,都会影响 AI 集群的建设成本和运维成本。

800V 进入讨论,说明 AI 数据中心的竞争已经不只停在算力芯片上。电源模块、功率器件、隔离驱动、电流检测、热插拔、遥测、保护和散热这些环节,会决定 AI 基础设施能不能承载更多 GPU、更高单柜耗电和更长时间运行。

FAQ

问:800V 为什么会进入 AI 数据中心供电讨论?

答:因为 AI 服务器单机功耗和单柜输入功率增加,低电压、大电流供电会带来更高线损、更大热压力和更复杂的布线。提高机柜侧供电电压,可以在同等功率下降低电流,减轻线缆、铜排、连接器、电源模块和散热系统的压力。

问:800V 会影响哪些供电环节?

答:它会影响机柜输入、热插拔保护、中间母线、DC/DC 转换、板级供电、PoL 供电、电流检测、遥测、隔离驱动、故障保护和散热。电压提高后,低压侧一部分电流压力会下降,高压侧的隔离、保护和故障处理要求会提高。

问:TI 在这篇文章里对应哪些供电环节?

答:TI 对应的是从 800V 输入到 GPU 核心供电的电源设计,包括高压输入保护、隔离母线转换、板级多相降压、遥测和保护。它希望市场在讨论 AI 数据中心时,不只想到 GPU 和算力,也能想到电怎么从机柜入口稳定、高效地送到 GPU 和处理器附近。

问:onsemi、ADI 和 Allegro 分别对应哪些环节?

答:onsemi 对应高功率转换和 SiC、GaN 等功率器件;ADI 对应热插拔、遥测、多相控制、电源监测和保护;Allegro 对应高电流检测和隔离栅极驱动。

问:800V 会让电源设计更简单吗?

答:不会。800V 可以降低机柜侧电流,减轻线缆、连接器和部分电源模块的压力,但高压安全、隔离、保护、热插拔、故障检测和板级响应要求都会提高。工程问题没有消失,只是压力分布变了。

关键术语解释

800V DC:这里指 AI 数据中心供电中更高电压等级的直流配电思路,用于在高功率场景下降低机柜侧电流,减少线损和布线压力。

中间母线:位于高压输入和板级低压供电之间的电压层级,负责把高压转换成服务器内部更容易使用的中间电压,并向后级电源模块分配功率。

板级供电 / PDN:靠近服务器主板、加速卡和处理器的供电网络,需要处理大电流、快速负载变化、纹波、效率、发热和可靠性。

PoL 供电:Point of Load,负载点供电,指在靠近 GPU、CPU、内存或加速器的位置完成最后一级降压。

热插拔:整机在不断电或不停机条件下接入或移除电源模块时,需要用电源管理和保护电路控制浪涌电流、异常电压和安全风险。

遥测:对电压、电流、温度、功耗和故障状态进行实时监测,帮助整机做功率管理、故障预警和运维判断。

隔离栅极驱动:用于驱动功率器件,同时在高压侧和低压控制侧之间提供安全隔离,常见于高压、高功率电源系统。

SiC / GaN:面向高压、高效率和高功率密度场景的功率器件技术路线,可用于降低转换损耗、提高开关频率和减小电源体积。

本文首发于电子产品世界(EEPW)。后续 EEPW 将继续围绕汽车电子底层能力、智驾芯片、智控平台、800V 高压系统、车载传感和方案交付等方向持续更新。

新车一辆接一辆,智驾、座舱、交互、发布会节奏都很满。站在展馆里,最先吸引注意力的,当然还是车本身:屏幕多大,座舱多智能,智驾能做到哪一步,发布会讲得够不够热闹。

但这次看下来,一个变化很清楚:车企之间的竞争,已经不只停在新车和功能上了。

和几家厂商聊过之后,这种感觉更明显。大家对外讲的还是智驾、算力、交互和平台,项目真正往下做时,绕不开的是另一套问题:智驾芯片怎么量产,中央计算架构怎么接住更多功能,800V 高压平台怎么兼顾性能和安全,隔离驱动、传感、供电、方案整合和交付能力能不能跟上整车节奏。

车展表面比的是新车,往下看,比的是系统能力。

智驾芯片不能只看算力

爱芯元智给人的感受很直接。智驾还在升温,芯片参数、算力规模、大模型上车当然会继续被讨论。但这些已经不够了。

车规级 AI 感知芯片接下来能不能稳定量产,算力和功耗怎么平衡,功能怎么落到自动泊车、高速跟车、城区辅助驾驶这些用户能感受到的体验上,才是更关键的问题。

智驾芯片最后拼的,不只是算力数字。感知要稳,响应要快,功耗要压得住,方案还要能上车、能交付、能长期跑。

智控要解决的是车能不能更聪明、更安全

通过与芯驰的沟通能看到另一层变化。过去,座舱、智控、网关、MCU 更容易被分成几块看。现在车上的功能越来越多,电子系统越堆越厚,原来的分散架构已经开始吃力。

中央计算这两年变热,背后原因很现实:整车电子架构必须往下重做,否则很多新功能接不住,安全、控制和软件协同也会越来越难。

芯驰强调的不是智驾,而是智控。这个区别很重要。智驾更多对应感知、决策和辅助驾驶体验,智控更靠近整车底层控制,包括车身、底盘、动力、网关、功能安全和整车协同。

所以,芯驰对应的不是“车能不能自己开得更好”,而是车能不能变得更聪明、更安全。车上的功能越来越多,控制关系越来越复杂,底层平台就必须能把更多任务接起来。

接下来要加强的,是平台能不能支撑整车持续升级,能不能在复杂系统里稳定运行。

800V 放大了模拟、功率和安全能力

纳芯微这次展示的重点,包括车规模拟芯片、传感器、隔离驱动,以及和 800V SiC 电驱平台相关的方案。800V 继续往前走之后,底层模拟和功率能力的重要性被放大了。

消费者看到的是快充更快、动力响应更好、车开起来更稳,但这些体验下面,靠的是隔离栅极驱动、BMS、热管理、车身控制等环节一起支撑。

800V 也不再只是新能源车宣传里的一个卖点。高压平台要真正落地,安全、效率、可靠性和量产一致性都要一起过关。谁能把高压平台做得更稳、更安全、更容易量产,谁就更容易在下一轮整车平台竞争里占到位置。

项目真正推进时,差距也不只来自单颗器件。方案能不能配合起来,质量能不能控住,供应链能不能稳定,交付能不能持续跟上,这些问题会越来越影响整车项目的节奏。

系统越复杂,整合和交付越关键

大联大站在分销和方案整合这一端,看到的问题更贴近项目落地。它这次提到比较多的,是汽车电子整体解决方案、定制化供应链模式,以及在 800V SiC、智能座舱、高阶智驾这些趋势下,芯片端怎么更稳定地支撑整车厂。

汽车电子系统越复杂,整合、质量和交付就越重要。原厂可以提供芯片和平台,车企需要的是能稳定进入项目的方案。中间这段路,往往要靠方案整合、供应链协同和持续交付能力来打通。

这也是车展上容易被忽略的一层。新车和功能负责吸引注意力,但项目能不能真正落地,要看底层器件、系统方案、质量管理和交付能力能不能形成闭环。

真正拉开差距的,是底层环节

车展上的新车还会继续发,功能也会继续卷。屏幕、座舱、智驾、交互都会继续抢注意力。

但再往后看,差距会慢慢从更底层拉开:芯片稳不稳,架构接不接得住,高压平台做得扎不扎实,方案和交付能不能跟上。

这套底层能力继续往前走,影响的不只是供应链分工,也会慢慢反映到整车体验上。未来一两年,用户感受到的差别,可能就在车开起来稳不稳、顺不顺,快充是不是稳定,智驾体验是不是连续,很多细节能不能长期保持一致。

车展表面上还是新车在抢注意力,但真正拉开差距的,已经是芯片、架构、高压平台和交付能力这些底层环节。

核心问题

问:北京车展为什么越来越能看出汽车电子底层能力的竞争?

答:因为整车功能继续增加以后,竞争不只来自新车发布、座舱体验和智驾宣传,还来自智驾芯片、智控平台、中央计算架构、800V 高压系统、传感器、隔离驱动、方案整合和交付能力。

关键术语解释

智驾芯片:主要服务于感知、决策和辅助驾驶体验,核心问题包括算力、功耗、车规量产、软件适配和长期稳定运行。

智控:更靠近整车底层控制,涉及车身、底盘、动力、网关、功能安全和整车协同,目标是让车更聪明、更安全。

中央计算:将原本分散的电子控制功能进一步集中,降低系统碎片化程度,支撑更多软件定义汽车功能。

800V 高压平台:面向高功率电驱和快充需求的高压系统,要求功率器件、隔离驱动、BMS、热管理和安全保护一起配合。

方案整合与交付能力:把芯片、器件、软件、参考设计、供应链和质量管理串起来,让方案真正进入整车项目。

问:北京车展的汽车电子竞争主线是什么?

答:表面上是新车、座舱和智驾功能在抢注意力,往下看是芯片、架构、高压平台和交付能力在拉开差距。

问:智控和智驾有什么区别?

答:智驾更多对应感知、决策和辅助驾驶体验;智控更靠近整车底层控制,包括车身、底盘、动力、网关、功能安全和整车协同。

问:800V 为什么会带动车规模拟芯片和隔离驱动的重要性?

答:800V 高压平台要同时解决效率、安全、可靠性和量产一致性,隔离栅极驱动、BMS、热管理、传感和车身控制等环节都会更关键。

问:为什么方案整合和交付能力会变重要?

答:汽车电子系统越来越复杂,单颗芯片强并不等于项目能落地。车企需要稳定的系统方案、供应链协同、质量控制和持续交付。

实体关系说明

爱芯元智:对应智驾芯片和车规级 AI 感知能力,重点看量产、功耗、体验和长期运行。

芯驰:对应智控、中央计算和整车底层控制平台,重点看车能不能更聪明、更安全。

纳芯微:对应车规模拟芯片、传感器、隔离驱动和 800V SiC 电驱平台,重点看高压平台的安全、效率和量产。

大联大:对应汽车电子整体解决方案、定制化供应链和项目交付能力,重点看复杂系统如何稳定落地。

英特尔市场营销集团副总裁、中国区总经理郭威，阐释英特尔顺应智能体应用需求，利用至强和锐炫的双芯协同，让AI工作站真正做到了能攻、能守、能合

英特尔至强600工作站处理器：四维升级，释放重载算力

英特尔至强600工作站处理器为专业重负载场景和卓越性能、扩展需求而打造，在性能、扩展、AI与管理四个维度实现突破，为高性能工作站注入强劲算力。

性能跃升：最高配备86个性能核，多线程性能较上代提升高达61%，睿频最高可达4.8GHz；

灵活扩展：支持128条PCIe 5.0通道，配合芯片组，为工作站提供丰富灵活的扩展能力；

AI加速：每核内置英特尔® AMX引擎，新增FP16原生支持，AI与机器学习性能提升最高达17%，图像降噪等典型影像处理场景速度提升高达4至5倍，有效降低企业本地AI部署的门槛与TCO；

企业级管理：依托英特尔vPro® 技术体系，支持多种管理特性、多密钥内存加密与一键恢复等企业级功能，适配塔式、机架式及边缘等多种部署形态，满足企业灵活运维的需求。

英特尔至强600工作站处理器和英特尔锐炫Pro B70/B65显卡

英特尔锐炫Pro B70 GPU：超大显存，更快AI

英特尔锐炫Pro B70基于第二代Xe2架构，满足图形渲染、通用并行计算与AI加速计算等专业工作负载的需求。

配备32GB显存，搭载32个Xe核心，AI算力峰值高达367 TOPS，在AI推理场景中支持更大规模的AI模型与更长的上下文窗口；

在多用户并发场景下，依然能支持高吞吐量与快速响应，为企业级AI应用带来极高的部署效益；

支持SR-IOV虚拟化与50余家ISV软件认证，可灵活扩展多卡配置，配合完整的Linux软件栈（含vLLM、oneAPI、PyTorch），满足多样化部署需求。

与锐炫Pro B70同步，英特尔还推出了锐炫Pro B65，同样搭载32GB显存，提供197 TOPS算力，为专业用户提供更多灵活选择。

英特尔中国区技术部总经理高宇表示：“至强600工作站处理器与锐炫Pro B70，共同为新一代AI工作站构筑了更完整、更稳固的底座，为智能体部署、大模型推理、内容创作及专业图形处理提供澎湃动力，真正实现了智应万景。”

英特尔中国区技术部总经理高宇展示新品

与合作伙伴携手，共建AI工作站生态新格局

英特尔携手火山引擎、联想等伙伴，利用至强600和锐炫Pro B70的双芯协同，推出面向企业智能体、智能协作、垂直行业AI等多个场景的创新解决方案，满足企业在AI应用规模化落地中对高性能本地算力的迫切需求，帮助各行各业切实应对大模型部署成本高、数据安全与响应效率等现实挑战。

英特尔与火山引擎共同打造的AgentSphere一体机联合方案：依托英特尔至强600与锐炫Pro B70提供的高达32GB的显存，更高密度、更高性能的本地算力，AgentSphere具备了更高并发、更低时延、更少抖动的多智能体协同能力，同时开箱即用的标准一体机方案降低了AI落地企业的使用门槛与维护成本，让AgentSphere能够更便捷地帮助企业打造AI员工管理平台，提升生产效率。

联想智能会议系统：联想智能会议系统Lenovo SCH-900S借助锐炫Pro B70的出众显存、高达367 TOPS的AI算力峰值，实现多会议室并发接入与实时AI会议纪要的生成，显著提升沟通效率与执行落地速度，打造高效、智能的现代化办公体验。

飞致云长上下文RAG解决方案：在英特尔锐炫Pro B70多卡并发能力的基础之上，飞致云打造了面向企业级场景的长上下文 RAG 解决方案，全面支持LLM/VLM高效多卡并发推理。依托高带宽显存和AI算力支撑，该方案可提升企业知识管理、智能回答等场景的处理速度与响应质量。

东华医为电子病历智能体解决方案：智慧医疗是AI未来的核心落地场景之一。东华医为借助英特尔AI工作站平台在专业AI工作负载上的优势，实现了精准的病历内涵质控与病历辅助生成应用，助力医疗机构提升诊疗质量和效率。

亦心闪绘实时创作功能：在英特尔锐炫Pro B70的32GB强大AI算力及大显存加持下，亦心闪绘在秒级响应时间内，即可将用户的手绘画作，实时生成细节饱满的画作。这种高质高效的图生图技术，极大程度释放了艺术家的创意灵感和潜能。

从澎湃的工作站处理器算力到旗舰级AI推理显卡，从企业智能体平台到智能会议、医疗、绘画等垂直行业解决方案，英特尔正携手生态合作伙伴，将技术创新转化为各行业触手可及的生产力，推动AI工作站生态走向更广泛、更深入的产业应用。

助力 48V 迈向量产

车辆的动力系统始终在不断演进。通过在电动车引入 48V 低压架构，可有效缩减整车供电线束规格，并降低电源开关、电机驱动器等半导体元件的负载电流要求。相比 12V 系统，48V 系统具备更高的电压等级、更强的功率承载能力、更高的系统效率及良好的灵活性和可扩展性，成为连接 12V 传统网络与高压纯电平台的重要桥梁，推动整车智能化升级，进一步提升驾驶体验。据预测，2026 年全球汽车 48V 系统行业规格将达到 86 亿美元，并正加速从混动车型向纯电车型渗透。

作为 48V 系统的核心器件，DC-DC 转换器负责系统内部电压的控制与管理，是提升整车电源效率的基石。南芯科技 SC8708Q/SC8709Q 专为 48V 汽车系统打造，以卓越性能助力 48V 系统实现规模化量产。

灵活的通用电源方案

SC8708Q 支持 4.5V-80V 宽输入电压范围及 88V 最高耐压，输出电压范围可达 5V-80V（通过外部寄存器设置），输出电流限值最高可达 50A，关断状态下的静态电流低至 5μA，可实现降压、升降压与升压三种工作模式的无缝切换。相比同类产品，SC8708Q 具备更优的电气性能，支持更广泛的负载类型。

SC8708Q 可在降压、升降压和升压之间无缝切换 (VBAT=40V, VOTG=5V->48V) 

此外，SC8708Q 具有高度灵活性。该芯片支持 VCC 或外部电源供电，兼容寄存器调压和 FB（反馈引脚）调压，且调压速率可调。用户可通过外部电容、电阻调节软启动时间以及 40ns-145ns 八档死区时间，还可通过 IC 使能引脚监测输入/输出状态。除 I2C 控制模式外，SC8708Q 还支持 standalone 独立工作模式，实现上电即用的简单操作。

SC8708Q 的开关频率可在 80kHz-480kHz 范围内调节，并支持 PFM/PWM 与 FPWM 工作模式。面对 48V 系统面临的 EMI 挑战，用户可在 FPWM 模式下开启抖频功能，以优化 EMI 性能；该模式还支持同步功能，最短可识别 100ns 的同步脉冲。

SC8708Q可开启抖频功能以优化 EMI 性能 

SC8708Q 采用 5mm*6mm QFN-36 封装，有利于在空间受限的汽车电子模块中实现高功率密度设计。

南芯科技车规级产品家族

南芯科技汽车解决方案面向未来绿色和智能的出行方式，涵盖智能驾驶、车身控制、智能座舱和车载充电等应用，致力于为客户推出一站式芯片解决方案。我们扎根于客户研发场景，基于客户应用不断进行定制设计迭代，帮助客户在汽车核心应用领域更快地设计出效率更高、集成度更高、安全性更高的产品。 

*本文中图表数据为理论值，均来自南芯内部实验室，于特定测试环境下所得（请见各项具体说明），实际使用中可能因产品个体差异、软件版本、使用条件和环境因素不同略有不同，请以实际使用的情况为准。

光子集成

·       从技术创新走向产业落地

光子技术将从新兴技术转变为高性能应用的主流需求。电-光-电（eOe）解决方案的集成将成为打破数据中心带宽瓶颈的标准实践。

行业趋势展望：

o   精简型多物理场仿真平台，实现光子设计与电子设计的无缝融合

o   光子集成技术在3D集成电路堆栈、芯片间及系统级设计中的应用进一步增加

o   越来越多的设计人员需要光电电路的协同设计与协同验证能力

·       光子技术人才竞争加剧

对光子设计专业人才的需求将持续攀升。同时精通光子、电子领域，并且能在集成设计环境中高效工作的工程师，将成为行业紧缺人才。

散热管理挑战愈发严峻

·       功耗与散热瓶颈制约技术创新

随着AI数据中心追求在有限的物理空间和功耗范围内提高算力，散热管理的压力将持续加剧。这将推动：

o   芯片、封装及系统层面的散热管理策略将更趋精密

o   加大对散热技术与架构的投资力度

o   高能效计算方案将受到更多关注

o   AI算力扩展速度可能面临限制

能够提供突破性散热管理解决方案或高能效计算架构的企业将获得显著竞争优势。

安全格局演变

·       AI领域竞争加剧

各国日益将AI发展提升为国家安全优先事项，视其为关键领域。这将推动：政府为AI相关半导体研发提供大规模资金支持，对出口与技术转让的限制趋严，各国更加重视国内半导体能力建设等。

·       网络安全形势日益复杂

AI驱动的攻击工具泛滥，网络安全面临更大挑战。行业趋势展望：

o   软件安全法规趋严，尤其是欧洲

o   运行时安全工具将成为嵌入式系统的必备配置

o   安全框架与合规要求持续演进

o   更强调半导体知识产权保护与供应链安全防范

细分市场发展态势

各细分市场将继续呈现差异化鲜明特征：

·       射频/微波领域：采取谨慎稳健策略，在采用新工具或新方法前会开展严格的验证。相关团队不会为早期采用新技术，而牺牲产品质量或流片进度。

·       电力电子/高速数字领域：更愿意尝试新工具与工作流程，视其为生产力提升手段而非关键基础设施。

安全需求影响架构选择

半导体设计、关键基础设施等安全敏感领域，仍将坚持选用本地部署方案，规避公有云部署风险。这将催生出新的市场：在该市场，相关工具与工作流程必须同时支持云原生与本地部署模式。

未来发展路径

2026年，半导体产业将经受多个维度的考验。随着光子技术从概念走向实践、散热管理挑战加剧、安全需求增加，成功融合光、电、计算领域的专业技术能力至关重要。能够有效应对这些挑战的企业，将为AI驱动的下一个十年树立行业标杆。

DeepSeek-V4-Flash 采用混合专家（MoE）架构，总参数量高达284B，激活参数13B，支持百万token上下文长度。其预训练数据超32Ttoken，在最大推理力度模式（Flash-Max）下推理能力逼近Pro版本。值得关注的是，V4模型首次采用“FP4+FP8”混合精度策略，而当前国内主流 AI 芯片仍普遍以BF16为主。而摩尔线程凭借独特的原生FP8支持优势，能够更高效承载 DeepSeek-V4 的前沿精度设计，为模型部署与推理优化提供了坚实的算力底座。

作为国内率先原生支持FP8精度的全功能GPU，MTT S5000配置了强大的硬件级FP8 Tensor Core 加速单元。相比传统的BF16/FP16，FP8能够将数据位宽直接减半，使显存带宽压力降低 50%，理论计算吞吐量实现翻倍。

为充分发挥MTT S5000在FP8计算上的内核优势，FlagOS对DeepSeek V4模型进行了FP8量化。通过系统级分析，双方技术团队将本次适配的攻坚重点锁定在FP8算子与Sparse Attention算子。针对这两个决定长上下文效率与极致推理性能的关键算子，团队从“编译优化”与“自动调优”两个核心方向取得了重大突破：

▼ 方向一：深入利用摩尔线程 FlagTree编译器能力，提升底层执行效率。通过精细化的 shape 对齐策略，使 FP8 和 Sparse Attention 的计算 shape 更好地满足摩尔线程张量访存与计算引擎（TME/TCE）的要求；同时结合 MUSA_ENABLE_SQMMA，进一步加速 tl.dot 矩阵计算。

▼ 方向二：借助 FlagOS-Tune，自动搜索最优 Triton 内核配置。FlagOS-Tune 能够扩展算子的搜索空间，基于模型真实 shape 离线搜索 FP8 和 Sparse Attention 算子的最优内核配置，效果优于手工调参。

在离线优化之外，FlagOS-Tune还支持在线内核配置搜索能力。用户只需开启环境变量 USE_FLAGTUNE=1，经过一段时间的 warmup 后，系统基于实际运行过程持续搜索并应用最佳配置。其中，TTFT 时延降低 16.5%，ITL 时延降低 39.7%，Throughput 提升 65.7%。

当前，摩尔线程与FlagOS社区正持续推进拥有1.6T旗舰模型（1.86万亿参数）的DeepSeek-V4-Pro在MTT S5000上的迁移适配工作。未来，摩尔线程将继续以MUSA架构与全功能GPU的全栈技术优势，为国产大模型生态提供更高效、更自主可控的算力基石。

开发者可下载镜像进行开箱体验：

DeepSeek-V4-Flash

▼魔塔平台

https://modelscope.cn/models/FlagRelease/DeepSeek-V4-Flash-mthreads-FlagOS 

▼ HuggingFace 平台

https://huggingface.co/FlagRelease/DeepSeek-V4-Flash-mthreads-FlagOS

今年3月，参议员Tom Cotton、Chuck Schumer与众议员Elise Stefanik联合提出《美国安全机器人法案》，拟限制联邦政府采购中国制造的地面机器人，涵盖人形机器人、机器狗及爬行机器人等品类。布鲁金斯学会社会学家Kyle Chan将其定性为美国对华科技安全担忧长期积累的最新一环。

一条越来越长的禁令清单

这份法案并非孤立事件。近年来，美国对中国科技产品的管控范围持续扩大，半导体、港口起重机、物流数据、电信基站、安防摄像头、乘用车相继入列。2025年12月，联邦通信委员会FCC将无人机系统包括大疆产品纳入进口禁令名单。今年3月，FCC又收紧了对外国制造路由器的新规。机器人禁令，是这条名单上最新添加的一项。

上述安全认定均未经过常规的公众征询程序，由白宫跨部门工作组直接推动，FCC随即执行。信息技术与创新基金会的Stephen Ezell直言，美国在应对中美科技经济竞争方面，缺乏一套严肃、系统的整体战略。

禁令背后的核心矛盾

法案对美国本土机器人企业而言有利有弊。Ghost Robotics等少数能够承接政府订单的美国企业，有望直接受益于竞争对手出局。但禁令目前只针对终端产品，尚未延伸至零部件层面。一旦管控范围下探，限制美国企业采购中国零部件，本土厂商的供货能力将面临压力。

美国机器人行业的供应链尚不成熟，韩国、日本等国目前承担着大量关键零部件的制造。如果盟友国家能够填补中国零部件的缺口，美国企业或许还有周旋余地，但这一前提能否成立，目前仍是未知数。

无人机市场提供了一个警示样本。中国企业长期主导这一领域，美国政府禁令推行逾一年，最终通过FCC执行落地。布鲁金斯学会社会学家Kyle Chan指出，政策缺乏过渡安排，没有考虑如何逐步扩大国内产能、同步减少对中国无人机的依赖，而是直接一刀切，让行业措手不及。

行业的共同处境

无论是机器人还是无人机，美国科技行业正在适应同一个新常态：供应链透明度要求越来越高，政策窗口越来越短，留给企业反应的时间越来越少。Global Electronics Association经济学家Shawn DuBravac表示，企业现在必须对供应商乃至供应商的供应商都保持清晰的可见度，审查力度已大幅提升。

台积电今年3月宣布将在美总投资扩大至1650亿美元，规划涵盖三座新晶圆厂、两座先进封装设施及一个研发中心，是美国历史上规模最大的单笔外国直接投资。截至目前，台积电已在凤凰城三座晶圆厂上累计投入超过650亿美元。

在此之前，台积电在今年1月的财报电话会上表示，正在为亚利桑那厂区的首座先进封装厂申请建设许可，但未披露投产时间表。此次会议是首次公开确认动工并锁定时间节点。

与此同时，台积电与安靠的合作也在推进。双方2024年宣布合作，计划将部分台积电先进封装技术引入亚利桑那，Kevin Zhang表示技术层面的讨论仍在持续。安靠已于2025年10月在皮奥里亚市破土动工，总投资额70亿美元，分两期建设。建设预计2027年中完成，量产计划2028年初启动，供货对象预计包括苹果和英伟达。

历史上，芯片在美国制造，须送回台湾完成CoWoS封装才能交付客户。随着台积电自建封装厂落地、安靠产线同步推进，美国本土的AI芯片完整供应链正逐步从规划走向现实。

根据《路透》报导，台积电并未规划在2029年前采用ASML最新一代高数值孔径极紫外光微影设备（High-NA EUV）投入芯片量产，主因在于该设备成本极为高昂。

台积电暂缓导入新设备 成本高昂是关键

台积电副共同营运长张晓强直言，ASML新世代High-NA EUV设备价格「非常、非常昂贵」，该设备单台价格超过3.5亿欧元 （约4.1亿美元，折合约新台币131.2亿），因此公司现阶段仍将以既有EUV曝光机为核心，透过持续优化与技术升级来推进制程发展。

张晓强表示，公司将持续以现有EUV设备为基础进行深化发展，而非急于导入新世代设备。 他指出，研发团队已成功在既有技术上挖掘更多潜力，并稳步推进未来制程蓝图。 他也强调，台积电在极紫外光刻技术上的累积与优化能力，是公司重要的竞争优势之一。

报导指出，台积电近期展示的新一代制程技术，强调即使不依赖最新High-NA EUV设备，仍可持续缩小芯片尺寸并提升运算效能，展现其在制程整合与工程优化上的实力。

除了制程技术外，台积电也同步揭露先进封装与多芯片整合的进展。 公司预估，到2028年时，将可在单一封装中整合最多10颗大型运算芯片，并搭配20组高带宽记忆体，显著提升AI芯片的整体效能，满足高速运算与资料处理需求。

晶片制造成本攀升 投资更趋审慎

《Financial Post》分析，台积电选择延后导入High-NA EUV设备对ASML来说可能并非好兆头，而且台积电的技术选择对半导体产业有着广泛的影响，它是最大的设备买家，拥有最庞大的新工厂和设备预算，在制造技术方面也处于领先地位，其技术常常被竞争对手效仿，这项决定不仅反映成本与效益的权衡，也可能影响未来整体产业的技术发展节奏。

《Financial Post》也提到，芯片制造成本日益高昂，全球顶尖半导体制造商必须谨慎支出以维持获利能力，如今，建造一座最先进的芯片工厂大约需要200亿至300亿美元，而制造最先进人工智能芯片所需的ASML入门级EUV光刻机，售价也超过2亿美元。

值得关注的是，Google TPU服务器，台厂的重要性持续增加。 上游IC设计从博通（Broadcom）独霸，联发科如今也参与。 下游主板生产，英业达出货比重，也传从之前的10%，拉高至30%，逐渐侵蚀Celestica的订单量。 上述厂商对此传闻不予置评。

供应链人士分析，不论在弹性、品质与价格，台厂都能提供比美系业者更具性价比的服务，且过去累积在服务器相关的技术与经验，也都是客户考虑订单分配的主因。 英业达目前稳居全球第二大的服务器主板供应商。

ASIC被视为2026年增长最快的AI服务器类别，其增长幅度将超越以NVIDIA为首的GPU服务器。 根据DIGITIMES Research预估，2026年ASIC服务器的出货年增幅度，将达64.2%，可望超过GPU服务器43.8%的年增幅度。

供应链业者指出，ASIC服务器出货拉升，也可望同步带动通用（General Purpose）服务器出货动能，因此Google持续冲刺ASIC服务器，也会带动其通用服务器的主要组装厂广达在2026年的服务器出货量。

Google Cloud Next 26年度大会发表第8代TPU，首度采用双芯片架构，分别对应训练与推论需求。 包括：针对大规模训练优化的TPU 8t，以及锁定低延迟推论的TPU 8i，两款芯片预计将于2026年稍晚推出，供应链人士估计，预计2026年底前出货。

Google首度推出一系统、双芯片，也代表推论AI新时代的开始。 供应链人士分析，过去3年AI发展主要围绕大规模训练推进，如今包括Google、NVIDIA等AI芯片龙头，都开始强调AI推论，也显示AI成长动能将持续向外扩散。

Google是ASIC服务器的代表厂商。 DIGITIMES Research指出，2026年ASIC加速器市场成长强劲，Google TPU预计市占高达46%，为关键指标，其出货量约332.6万颗，主力型号为TPU v7，项目代号为Ironwood，占Google TPU 2026年总出货量的89%。

业界人士指出，Google过去在TPU服务器组装主要委由Celestica生产组装，如今Celestica仍是生产主力，然台厂正在快速崛起，包括负责CPU主板生产的英业达与负责L10~L11的鸿海，尤其在CPU主板，英业达生产比重拉升最明显。

一、LPDDR6 标准重点升级

JEDEC 表示，新版 LPDDR6 将引入更窄的单裸片接口，在非二进制架构下新增x12、x6 子通道模式（位宽从 x16 扩展至 x24），可提升单封装裸片数量、显著增加单通道容量，以满足 AI 级内存需求。

标准还将加入灵活元数据划分机制，在保持峰值带宽的同时，让数据中心运营商在可用容量与可靠性之间取得平衡。

同时，LPDDR6 有望将内存密度提升至512GB，超越现有 LPDDR5/5X 上限，更好匹配 AI 训练与推理负载的增长需求。 

二、面向 AI 的 SOCAMM2 标准同步推进

随着英伟达在 Vera Rubin 平台加快采用 SOCAMM2，JEDEC 正开发基于 LPDDR6 的 SOCAMM2 模块标准，延续紧凑、易维护的形态，并为现有 LPDDR5X SOCAMM2 模块提供清晰升级路径。

此外，JEDEC 即将完成 LPDDR6 内存内计算（PIM） 标准制定，将计算功能直接集成到内存中，减少内存与处理器间的数据搬运，提升边缘与数据中心推理性能及能效。 

三、三星、SK 海力士 LPDDR6 进展

三星

• 已完成 LPDDR6 开发，计划2026 年下半年量产上市

• 采用 12nm 工艺，初始速率最高10.7Gbps，能效较 LPDDR5 提升 21%

• 后续版本速率有望突破14.4Gbps

• 已向高通送样 LPDDR6X，用于下一代 “AI250” AI 加速器

SK 海力士

• 2026 年 3 月宣布采用1c 工艺成功开发 LPDDR6，速率达10.7Gbps

• 目标2026 年上半年具备量产条件，下半年出货

• 较 LPDDR5X 数据处理性能提升约33%，功耗降低20% 以上，得益于子通道架构与 DVFS 技术

对于从事工业、汽车与仪器仪表设计的工程师而言，这种高精度 + 高灵活性的组合可简化模拟前端架构，也体现出混合信号系统中信号调理器件的持续创新。

一、高精度与宽供电范围兼备

TSB192 双运放的供电电压范围为4V 至 36V，这一区间通常很难在不牺牲精度的情况下实现。

意法半导体给出关键参数：

• 失调电压：20µV

• 全温范围内最大失调电压：30µV

• 温度漂移：仅 100nV/°C

这些指标通常只出现在低压精密放大器上，因此宽压能力成为其突出亮点。

该器件还具备轨到轨输出，可最大化动态范围；每通道电流最高1.9mA，有助于延长便携设备续航。通过降低失调与漂移，运放可减少信号调理网络中的补偿需求，简化系统设计。

目标应用包括：工业与汽车系统、医疗健康、消费电子等对模拟性能稳定性与一致性要求严苛的领域。

二、面向传感与测量的专业性能

TSB192 主要面向模拟积分器与测量电路，包括温度传感、医疗仪器、电子秤、工业测试设备等场景。

核心性能：

• 增益带宽积：8MHz

• 压摆率：5V/µs

• 低输入噪声：11nV/√Hz

可提升频率响应、降低失真，适合放大传感器、电桥、应变片信号，也可用于高精度有源滤波器。

工作温度范围-40°C 至 125°C，满足车载环境要求；4kV HBM ESD 防护提升可靠性。

三、量产与定价信息

TSB192 现已量产，提供SO-8与MiniSO-8两种封装。

• 1000 片起订，单价1.06 美元

• 2026 年下半年计划推出车规级版本，进一步覆盖安全关键与高可靠性应用

一、实体 AI 工厂搭载Rubin算力架构

在基础设施层面，谷歌云宣布将于 2026 年下半年率先推出基于英伟达薇拉・鲁宾（Vera Rubin）NVL72系统的A5X 裸金属实例。英伟达表示，该架构单集群可扩展至8 万块鲁宾 GPU，跨地域多集群规模可达96 万块 GPU，让谷歌云能够支撑超大规模 AI 训练与推理环境，而非传统的企业级 AI 试点项目。

这一规模的核心意义，不在于数字本身，而在于双方对行业需求方向的判断：AI 应用正从孤立的模型托管，转向面向智能体、仿真、机器人与数字孪生的高耦合一体化基础设施。正如英伟达此前深化工业软件合作时所披露的，这套技术栈正越来越多地面向工程与制造流程，而非仅局限于数据中心的聊天机器人场景。 

二、实体 AI 工厂同样需要安全部署

除了算力规模，双方还在拓展部署模式。英伟达宣布，谷歌将在基于英伟达布莱克韦尔（Blackwell）/Blackwell Ultra GPU 的谷歌分布式云（Google Distributed Cloud）上试运行 Gemini 模型，满足需要前沿模型贴近敏感数据运行的客户需求。谷歌同时推出搭载英伟达 RTX PRO 6000 Blackwell 服务器版 GPU的机密 G4 虚拟机，现已开启全球预览，为受监管行业或多租户 AI 负载提供硬件级安全防护。 

三、智能体、模型与工业工作流

软件层面的升级同样关键。谷歌在本次大会上推出Gemini Enterprise 智能体平台，作为构建、治理与规模化部署智能体的统一环境；英伟达则将Nemotron 3 Super模型与基于 NeMo 的训练工具深度融入该技术栈。此举为工业用户提供了从模型开发到生产部署的完整路径，可支撑机器人仿真、数字孪生、视觉系统与工作流自动化等场景落地。

目前本次合作更多聚焦于平台协同，暂未推出直接面向终端用户的产品。但清晰展现了双方的战略定位：谷歌云成为企业智能体的操作系统层，英伟达则作为下一代实体 AI 工厂的底层算力与模型工具提供商。

公司预计第二季度营收34.5 亿美元，毛利率 34.8%。

公司 CEO 让 - 马克・谢里表示：剔除收购恩智浦 MEMS 传感器业务带来的收入后，一季度营收仍高于业绩指引中枢，主要受益于消费电子、通信及计算机外设（CECP） 客户项目放量；毛利率超预期，则源于产品结构优化升级。

扣除恩智浦 MEMS 业务并表影响，一季度营收同比增速仍达21.4%。

• 美国通用会计准则（GAAP）：毛利率 33.8%、营业利润率 2.3%、净利润 3700 万美元

• 非美 GAAP：毛利率 34.1%、营业利润率 5.5%、净利润 1.22 亿美元

CEO 补充：尽管宏观经济存在不确定性，行业需求持续回暖，订单景气向好，渠道库存回归正常水平。

二季度营收指引中枢：环比增长 11.6%、同比大增 24.9%；毛利率 34.8%（含 100 个基点闲置产能费用），非美 GAAP 毛利率 35.2%。

ST 战略卡位 AI 新增业务红利，依托专用芯片技术赋能 AI 基础设施升级。公司明确：

2026 年数据中心业务营收显著超 5 亿美元，2027 年将大幅突破 10 亿美元。

德州仪器（TI）对芯科实验室的收购交易仍需等待股东投票及监管审批，预计将于 2027 年上半年至年中完成交割。萨博尔奇克表示，这笔交易无疑将在芯片制造层面带来显著优势，也契合全球半导体行业整体转向晶圆代工模式的发展趋势（英特尔是业内典型特例）。

“德州仪器的制造能力处于全球顶尖水平”，萨博尔奇克说道，“德州仪器自主掌控晶圆厂的模式十分罕见，在模拟芯片领域尤为突出。模拟芯片并不追求极致先进制程节点，因此自建产线具备极高性价比”。

他指出，过去 15 至 20 年间行业需求已然发生巨变。如今客户需要的不再仅仅是单一芯片，而是集成无线通信功能的微控制器、模拟电路、外设控制全套软件，同时还要求厂商提供完善生态配套与一站式解决方案。

萨博尔奇克认为，Wi-Fi 技术当前在物联网领域迎来发展热潮。该技术普及度极高，部署配套基础设施成本极低。对于传感器等高带宽物联网设备，Wi-Fi 具备极强吸引力；而对于要求高稳定性、高可靠性、高安全性的场景，以太网供电（PoE）与以太网总线（EtherCAT）依旧不可替代。他预判 Wi-Fi 6 将与各类有线、无线技术长期共存。

以太网供电方案采用有线传输，可同步供电组网，网络抗干扰能力更强；但布线施工繁琐、占用空间，却是部分场景唯一可行方案。固定传送带监测适合有线组网，而仓库搬运机器人这类移动设备，则无法采用有线连接方式。

谈及人工智能，他认为 AI 价值能否落地，核心取决于数据价值变现的商业模式。以家居门窗安防传感器为例，设备无需通过紫蜂（ZigBee）网络持续向云端传输音视频数据，转而在终端本地完成数据分析即可。

基于 M 系列微控制器、而非大型数字信号处理器或图形显卡的边缘本地算力方案优势显著：响应速度更快，同时断网状态下终端设备依然可以正常运行。

芯科实验室早已意识到边缘算力处理的优势。旗下第二代芯片产品已支持本地数据运算，搭载 AI 硬件加速单元的第三代芯片正加速量产落地。以 BG24 系列芯片为例，其集成矩阵矢量处理（MVP）专用硬件加速器，专为微型物联网机器学习推理、矢量与矩阵运算设计。该架构可将运算任务从 ARM Cortex-M 主控内核卸载处理，大幅提升片上系统运算速率，同时降低整体功耗。

• AI 模型迭代速度已超越芯片设计周期，边缘 AI 架构必须优先考虑可适配性。

• 模型更新节奏高度依赖具体应用，与产品生命周期、运行风险紧密相关。

• 可适配性常与功耗、性能、面积（PPA）目标冲突，高效的异构架构与完善的软件 / 编译器工具链至关重要。 

圆桌访谈：边缘 AI 架构如何跟上模型迭代

如今的芯片架构师在设计 AI 处理器时，必须在 AI 模型快速迭代的背景下，兼顾高性能与高效率。邀请多位行业专家展开讨论，以下为访谈精华。

受访嘉宾

• Ronan Naughton：Arm 边缘 AI 产品管理总监

• Amol Borkar、Jason Lawley：Cadence Tensilica DSP/AI IP 产品管理高管

• Sharad Chole：Expedera 首席科学家兼联合创始人

• Justin Endo：Silvaco 旗下 Mixel 营销总监

• Steve Roddy：Quadric 首席营销官

• Steven Woo：Rambus 院士、杰出发明家

• Sathishkumar Balasubramanian：西门子 EDA IC      验证与 EDA AI 产品负责人

• Gordon Cooper：新思科技（Synopsys）首席产品经理

一、模型迭代有多快？不同场景差异巨大

SE：AI 模型移植是边缘 AI 处理器设计的关键。目标模型更新频率如何？芯片 / IP 厂商需要多快响应？是否因终端市场而异？

Steve Roddy（Quadric）部分领域模型迭代正在加速，例如汽车、机器人领域，正从独立模型串联转向世界模型，如视觉 - 语言 - 动作（VLA）模型，融合视觉、语言与控制能力。

• 传统视觉处理：计算密集，小模型 + 海量像素，看重 MAC 算力密度。

• 语言模型：权重流式传输，看重通用计算能力。

• 产品生命周期决定更新需求：

• 一次性消费设备（如百元门铃摄像头）：几年不更新固件，模型基本不变。

• 长寿命设备（交通摄像头、汽车，寿命 10–20 年）：模型必须持续迭代。如今多数应用在产品上市前模型就已变更，灵活性比三年前重要得多。

Steven Woo（Rambus）新模型与优化方案推出极快，硬件厂商无法逐个追赶。客户期望快速支持更高处理速度、更大内存带宽，并在主流模型家族上提供一定专用化能力。消费与视觉类边缘设备响应窗口短，安全关键市场则优先保障安全性。

Ronan Naughton（Arm）Arm 主张异构 AI，AI 算力可分布在整个 SoC 甚至跨设备。

• 智能眼镜 + 手机：眼镜侧重语音、视觉等特定负载；手机算力更强、负载多变。

• 不同设备模型更新频率差异显著，移动设备需完全可编程以应对未知负载。

Sathishkumar Balasubramanian（西门子 EDA）模型更新频率完全取决于应用：

• 工厂自动化：环境稳定，模型更新少。

• 汽车应用：场景开放、任务关键，需实时或尽快更新。工业场景即便更新频率低，也需预留异常情况下的模型修改机制。

Gordon Cooper（新思科技）芯片设计 + 产品化需约 2 年，市场寿命 5–10 年，期间模型必然变化，IP 必须内置灵活性。CNN 历经 10 年演进，如今大模型正向小语言模型（SLM）收敛，架构需持续适配。同时要在可编程性与极致 PPA间做权衡。

Amol Borkar（Cadence）模型几乎每时每刻都在变，Hugging Face 等平台频繁推出 SLM、VLM、多模态模型变体。行业正全面 AI 化，嵌入式领域面临两大挑战：

1. 硬件：无万能方案，需 NPU+DSP+CPU 等异构子系统提供灵活性；硬化架构（如      NPU）性能功耗最优，但遇新算子易失效。

2. 软件：编译器需高效映射硬件，对不支持算子提供仿真等兜底方案；客户关注不同计算单元的负载分配与端到端流程通畅。

Sharad Chole（Expedera）模型更新速度取决于 NPU 在 pipeline 中的位置：

• 靠近传感器（如降噪）：与传感器强绑定，变更少。

• 靠近应用（控制、人机交互）：需支持新量化、结构优化等技术。难点不在于支持新模型，而在于高性能支持，硬件约束与模型演进始终存在追赶博弈。

Jason Lawley（Cadence）客户最重视私有模型，编译器必须能高效编译未公开网络。跟上算子与网络演进极具挑战与成本，IP 厂商可通过多客户分摊软件成本，比自研加速器更具优势。

Steve Roddy（Quadric）下游 OEM 不愿依赖多层供应商完成模型移植。工具链必须可靠，让车企数据科学家能直接将新算法高效部署到硬件，IP 厂商不能成为模型迭代的瓶颈。 

二、智能体 AI（Agentic AI）带来哪些 workload 变革

SE：智能体 AI 热潮如何改变边缘负载类型与频率？

Sathishkumar Balasubramanian（西门子 EDA）智能体 AI 领域正大量实验浮点精度取舍，以平衡精度与内存利用。边缘 AI 需应对更多编排与未知性，IP 需灵活适配浮点位宽等基础变更。

Ronan Naughton（Arm）智能体 AI 分两类：

• 云端智能体：通过 API 调用云端 LLM 等能力。

• 本地 / 私有智能体：模型运行在终端或家庭设备，保护隐私。编排器与智能体模型（Llama、Claude、ChatGPT 等）更新极快，Arm CPU 常用于任务拆解与分发。

Steve Roddy（Quadric）智能体 AI 使推理需求量级跃升：从人工触发变为 7×24 小时自主运行（如设备实时监控）。

• 工厂等场景无法承担海量云端 Token 费用，必须本地闭环。

• 边缘需更强算力、更大内存，仅在异常时回传云端，推动边缘硬件升级。

Steven Woo（Rambus）智能体 AI 带来更长生命周期、更深上下文的负载，硬件关注点从短期瞬时任务转向持续效率、数据移动、可靠性与功耗管理。多智能体交互放大负载，内存容量与带宽需求激增，推动更高效计算与内存分层设计。

Sharad Chole（Expedera）智能体 AI 的 Token 规模极大，系统提示可达数万 Token。提示工程比微调更有效，大任务带来海量输入 / 输出 Token。边缘难以运行重型智能体，需明确哪些轻量智能体适合边缘，兼顾隐私与时延要求。

Gordon Cooper（新思科技）从 NPU 视角看，智能体 AI 是系统级问题：既要做好感知类 AI，也要支撑 LLM、VLA 等存储 / 计算密集型任务。客户更关注每秒 Token 数、特定模型运行效果，而非 NPU 直接运行智能体 AI。

Jason Lawley（Cadence）边缘智能体 AI 的应用形态仍在探索中，最终回归三大核心：

1. 功耗

2. 数据移动量

3. 计算需求 

总结

模型迭代速度已跑赢芯片周期，边缘 AI 的核心矛盾是灵活性 vs. 功耗 / 性能 / 面积。未来胜出的方案将是：异构硬件架构 + 强大编译器工具链，既能适配快速演进的模型，又能在长生命周期设备中保持高效与可靠。

这家芯片厂商公布，剔除股权薪酬等特定成本后的每股收益为0.29 美元，远高于华尔街预期的每股仅盈利 0.01 美元。季度营收达135.8 亿美元，同样远超市场预期 —— 分析师此前预测该季度销售额仅为 124.2 亿美元。

受财报利好推动，英特尔盘后股价暴涨超 20%，延续强劲势头，成为今年市场最热门股票之一。加上今日涨幅，其股价年内已累计上涨81%；2025 年全年涨幅更是高达 84%。

英特尔股价大涨的一个有意思的现象是：其业务基本面尚未出现明显反转。在 AI 芯片热潮初期，英特尔曾大幅落后于英伟达、AMD 等竞争对手。公司股价上涨的主要动力，来自特朗普政府对其大力扶持 —— 美国政府在去年一笔融资交易中成为英特尔最大股东，推动更多芯片制造回流美国本土。英伟达、软银集团也对英特尔进行了大额投资。

不过，局面已开始出现转机。英特尔本季度营收同比增长 7%，而过去七个季度中有五个季度营收同比下滑。此外，英特尔短期业绩有望继续增长：公司预计第二季度营收在138 亿–148 亿美元之间，大幅高于分析师共识预期 130.7 亿美元；同时预计每股收益中值约0.20 美元，高于华尔街预期的 0.09 美元。

智能体 AI 需求激增，拉动数据中心业务

英特尔的增长尤为振奋人心，因为增长主要来自数据中心业务—— 在 AI 推理工作负载对 CPU 需求激增的背景下，英特尔终于在 AI 领域崭露头角。该业务营收同比大增 22%，达到 51 亿美元。

英特尔 CPU 重新受到关注，原因是智能体 AI（在极少人工监督下自主执行业务任务的软件）对算力有特殊需求。英伟达高性能 GPU 对 AI 智能体而言通常性能过剩，这类负载至少可以部分在 CPU 上更高效地运行。

在分析师电话会议上，陈立武强调：“CPU 正重新成为 AI 时代不可或缺的基石。这并非我们一厢情愿，而是来自客户的真实反馈。”

但英特尔仍有不少挑战：公司尚未实现盈利。本季度净亏损扩大至42.8 亿美元，去年同期净亏损为 8.87 亿美元。

英特尔的战略与多数同行不同：它仍自主运营晶圆厂，既设计 CPU 也自行生产。而多数竞争对手将制造环节外包给台积电等代工厂。本季度英特尔代工业务营收增长16%，至 54 亿美元，但其中大部分来自自产芯片。

近几个月，英特尔推出多款重磅新品：3 月开售新一代至强 6+（Xeon 6+）数据中心处理器；1 月推出面向 PC 与笔记本的酷睿 Ultra 3 系列处理器。今年谷歌也承诺采购数百万颗英特尔 CPU，用于其数据中心部分 AI 工作负载。

这些新芯片采用英特尔最先进的18A 工艺，在亚利桑那州新建的大型晶圆厂生产，技术水平对标台积电 2 纳米工艺。不过，英特尔仍难以获得其他芯片厂商的代工订单，尽管它一直雄心勃勃要扩大代工业务。其困境在于：此前多代工艺节点多次延期，新厂也遭遇初期良率问题 —— 部分 18A 晶圆出现缺陷，导致产能良率低于竞争对手。

埃隆・马斯克出手相助？

英特尔目前正推进最新14A 工艺，计划 2028 年量产。公司此前曾表示，需拿到重要新客户订单才会投入巨资启动新工艺；但陈立武在 1 月态度转向，突然宣布公司将大举推进 14A 工艺。

他在财报电话会上对分析师称，多家客户正在评估 14A 技术，研发进度快于此前 18A 工艺。市场猜测，潜在客户可能包括马斯克旗下的特斯拉与 xAI，但具体合作形式尚不明确。本月早些时候，英特尔宣布与特斯拉合作，助力其在得克萨斯州奥斯汀建设Terafab 芯片综合体，合作 “设计、制造、封装超高性能芯片”，这些芯片也将供马斯克的航天公司 SpaceX 使用。

在特斯拉本周财报电话会上，马斯克透露，特斯拉计划在 Terafab 使用英特尔14A 工艺制造芯片，并表示新工厂扩产时，该工艺 “大概率已相当成熟，可大规模量产”。

陈立武今日对马斯克的表态作出详细说明，称双方都坚信 “全球半导体供应跟不上需求的快速增长”，并正 “寻求非传统方式提升制造效率”。

eMarketer 分析师雅各布・伯恩（Jacob Bourne）表示，马斯克可能不是唯一等待英特尔 14A 工艺落地的客户。“本土制造故事持续为英特尔带来红利，特斯拉对 14A 的承诺预示着更多潜在客户。地缘政治因素正推动 AI 买家转向美国本土产能。与 AI 基础设施建设相关的服务器 CPU 需求，为英特尔提供了更稳定的收入基础，减少对 PC 周期的依赖。其转型复苏看起来不再是昙花一现，而是更稳健、长期的上行轨迹。”

二维材料凭借其原子级厚度、无悬挂键的表面以及优异的电学和光电特性，正成为延续和超越摩尔定律的核心候选材料。其最新发展趋势主要体现在以下几个方面：

1) 面向“More Moore”的极致尺寸微缩与新架构（CFET/MCT）：在亚2纳米甚至1纳米节点，传统的硅基晶体管面临严重的短沟道效应和迁移率退化。二维半导体（如MoS2、WSe2等）由于即使在原子级厚度下仍能保持良好的静电控制和高迁移率，被视为理想的沟道材料。器件架构正向多通道晶体管（MCTs）、环栅（GAA）结构以及互补场效应晶体管（CFET）演进，以实现极致的器件缩放并提升驱动电流。

2) 从单一器件向晶圆级超大规模集成电路（VLSI）演进： 二维材料正跨越“实验室验证”阶段，迈向晶圆级、系统级的芯片制造。目前的里程碑成果包括：基于5900个MoS2晶体管的RISC-V 32位微处理器，以及结合了硅基CMOS和2D器件的全功能二维NOR闪存芯片（集成度高达94.34%良率）。这标志着2D材料已经具备了构建复杂逻辑功能和存储阵列的能力。

3) 单片三维异质集成（M3D / CMOS+X）： 由于2D材料层间仅通过微弱的范德华力结合，它们可以在较低温度下直接转移或生长在传统的硅基CMOS电路上（即“CMOS+X”），实现单片三维异质集成（M3D）。这种集成不仅不需要复杂的硅通孔（TSV），还能在同一芯片上垂直堆叠逻辑、存储、传感和射频模块，极大提升互连密度并降低功耗。

4) 面向“Beyond Moore”的类脑计算与超高速存储： 二维材料在非冯·诺依曼架构（如存内计算、传感器内计算和神经形态计算）中展现出巨大潜力。例如，基于2D范德华结构的忆阻器和突触晶体管能模拟人脑的突触行为。同时，通过2D增强的热载流子注入机制（2D-HCI），最新的二维狄拉克石墨烯闪存芯片实现了400皮秒（ps）的超高速编程，打破了传统非易失性存储器的速度瓶颈。

5) 传感领域：气体、化学、生物传感及 MEMS/NEMS 器件，高比表面积提升传感灵敏度，精准的缺陷工程和表面功能化可实现选择性传感，优异力学特性可制作超薄膜，大幅提升压阻、光机传感的响应性能；

6) 光电子与光子集成：覆盖硅基技术难以企及的光谱范围，直接带隙实现高效光发射，石墨烯等材料可实现宽带光电探测与调制；可与硅光子、氮化硅波导集成，且部分材料可低温共形生长，推动光电集成回路与 CMOS 的共集成，有望打通电子与光子技术的融合，填补太赫兹光谱间隙。

产业化核心瓶颈：制造技术的多重挑战

二维材料尚未实现与硅基 CMOS 工艺的规模化集成，关键制造环节仍未达到工业生产标准，主要问题包括：

• 晶圆级制备缺陷：虽已实现晶圆级沉积与生长，但材料中的缺陷、污染物不符合量产规范，高质量生长所需的高温也难以直接在晶圆上实现，键合与转移技术尚未成熟；

• 界面与接触控制难题：二维材料的自钝化表面导致介电层沉积需特殊晶种处理，非理想界面限制器件性能；与金属的电接触仅部分满足工业规范，低欧姆接触方案仍待突破；

• 原子级工艺缺失：刻蚀需原子级选择性，且不同二维材料的刻蚀化学、物理参数差异大，无通用解决方案；精准、高稳定性的 “有效掺杂” 及确定性的传统掺杂技术尚未实现。

关键的电学表征总结

要将二维材料器件推向工业化，对其性能进行全面、准确的电学表征是核心环节，主要包括以下几类关键测试：

1) 直流电流-电压特性 (DC I-V) 表征：

a. 转移特性 (Ids-Vgs)：用于提取阈值电压 (Vth)、亚阈值摆幅 (SS)、开关比 (Ion/Ioff) 和漏致势垒降低 (DIBL) 效应。2D材料需要极低的 Ioff（低至 pA 或 fA 级别）和极高的开关比（10 6）。

b. 输出特性 (Ids-Vds)：用于评估器件的电流饱和行为、速度饱和以及高电场下的自热效应（Self-Heating, SH），自热效应在高功率时会导致负微分电导 (NDC)。

2) 接触电阻 (RC) 与载流子迁移率 (μ) 的提取： 二维器件常受限于金属-半导体接触的肖特基势垒。通常利用传输线模型 (TLM) 或 圆环传输线模型 (CTLM) 精确分离接触电阻与沟道电阻。迁移率则通常利用峰值跨导法或Y函数法进行提取。

3) 电容-电压特性 (C-V) 表征： 用于测量栅极电容 (CG)，以提取等效氧化物厚度 (EOT) 并评估介电层/2D沟道界面的界面陷阱密度 (Dit)，这对于解决器件关断特性的退化至关重要。

4) 可靠性与低频噪声 (Reliability & Noise) 表征： 二维器件易受界面缺陷和环境分子的影响。关键表征包括偏置温度不稳定性 (BTI) 测试（监测长时间电应力下的 $V_{TH}$ 漂移）、1/f 闪烁噪声和随机电报噪声 (RTN) 测量，以评估载流子捕获/发射的时间常数及陷阱分布。

5) 超高速脉冲与瞬态表征： 用于规避自热效应提取真实的饱和速度 (vsat)，以及测试新型超快二维存储器（如亚纳秒级闪存）的写入/擦除速度与波形捕捉。

Tektronix/Keithley 产品的电学表征方法与特点

针对二维材料器件极小的电流、高电场敏感性以及丰富的陷阱动力学特征，结合Tektronix（泰克）及旗下的 Keithley（吉时利）仪器，可提出以下系统的电学表征方案：

1) 高精度 DC I-V 与接触电阻测试

a. 推荐方案：使用 Keithley 4200A-SCS 半导体参数分析仪，配备高分辨率源测量单元（SMU）及前置放大器。

b. 意义与特点：2D材料晶体管在关断状态下的电流可能低至 fA（飞安）甚至 aA（阿安）级别，需要极致的低电流测量能力以准确评估 IOff 及漏电情况。Keithley SMU 提供四线制（Kelvin）测量能力，能够消除探针及引线电阻误差，这对于使用 TLM / CTLM 方法精确提取二维材料极低的接触电阻 (RC) 具有不可替代的作用。

2)  C-V 与界面态 Dit 分析

a. 推荐方案：使用 Keithley 4200A-SCS 集成的多频 C-V 测量模块 (CVU)。

b. 意义与特点：对于亚2纳米节点，需要极薄的高k介电层（EOT < 1nm）。2D/介电层界面的缺陷会引起迟滞并降低迁移率。CVU 模块支持极小电容（fF至pF级别）的精密测量，通过多频 C-V 曲线拟合，不仅能评估 CG和 EOT，还能精确定量界面陷阱密度 Dit，助力优化表面钝化和栅极介质沉积工艺。

3) 规避自热效应的超快脉冲 I-V 测试

a. 推荐方案：配备 Keithley 4225-PMU 超快脉冲测量单元。

b. 意义与特点：二维材料由于通常放置在导热性差的衬底（如SiO2）上，在大电流下会产生严重的自热效应 (Self-Heating)，导致迁移率下降和出现假性饱和甚至负微分电导。PMU 可以提供纳秒级的电压脉冲，能在热量积聚前完成电流测量（操作在热时间常数以下），从而提取 2D FET 真实的本征饱和速度 (Vsat)。

4) 器件可靠性与低频噪声 (1/f Noise, RTN) 表征

a. 推荐方案：Keithley 4200A 配合 BTI/可靠性测试套件。

b. 意义与特点：由于 2D 器件界面处于暴露状态或接触不理想，常常表现出巨大的迟滞和偏置温度不稳定性（BTI）。利用该系统的长时间高精度监测功能，可以捕获离散的电荷捕获/释放事件（随机电报噪声, RTN）以及提取长时间的 Vth退化曲线。这不仅能用于评估器件的商用寿命，还被专门用于探究二维神经形态计算（如突触晶体管的权重更新机制）中的陷阱动力学。

5) 亚纳秒级存储器超高速读写波形表征

a. 推荐方案：Tektronix 高带宽混合信号示波器MSO，结合AWG5204射频脉冲发生器。

b. 意义与特点：在最新的二维狄拉克超高速闪存研究中，其编程速度已突破至 400 ps，远超传统硅基闪存。为了捕获如此极端的亚纳秒写入/擦除瞬态过程，需要极高的模拟带宽和采样率。泰克高带宽示波器配合 GSG 高频射频探针，能真实还原短脉冲下载流子的注入瞬间波形，消除信号寄生振荡，是评估 2D 非易失性存储器（如2D-HCI机制）极限编程速度的核心工具。