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。

碳化硅（SiC）半导体是提升电动汽车效率和增加续航里程的关键。博世正快速推进该领域的研发：公司已正式推出第三代碳化硅芯片，并逐步开始向全球汽车制造商提供样片。这意味着越来越多的电动汽车将很快搭载博世最新的第三代碳化硅产品。博世董事会成员及博世智能出行集团主席马库斯·海恩博士表示：“碳化硅半导体是电动出行的核心‘节拍器’。它们精准控制能量流，并使其达到最高效的状态。”

“中国不仅是全球最大的新能源汽车市场，更在800V高压平台等前沿电气化架构的普及上处于领先地位。” 博世功率半导体亚太区负责人Bruno Schuster表示，“我们全新的第三代碳化硅技术专为满足这些严苛的高效能需求而设计。博世将结合强大的全球技术储备与不断完善的本地服务能力，全力赋能中国本土汽车客户的创新与发展。”

数十亿欧元投资全球制造网络和本土赋能

碳化硅半导体的开关速度和运行效率显著高于传统硅芯片。它们不仅能大幅减少能量损耗，还能在电子设备中实现更高的功率密度。博世的新一代半导体不仅提供了技术优势，更带来了显著的经济效益。“我们的新一代芯片性能提升了20%，且尺寸比上一代更为精巧，”马库斯·海恩博士解释道。“这种小型化是实现未来更高成本效益的长期关键因素，因为我们可以在单片晶圆上产出更多的芯片。通过这种方式，博世为高性能电子器件的进一步普及做出了实质性贡献。”自2021年推出第一代产品以来，博世已在全球交付了超过6000万颗碳化硅芯片。

近年来，博世在碳化硅芯片的研发领域不断取得进展，并持续投资其位于德国罗伊特林根的工厂，在先进的200毫米晶圆上生产第三代芯片。此外，公司计划投资约19亿欧元，用于装备近期在美国加利福尼亚州罗斯维尔收购的生产基地。预计今年内，该工厂将生产出首批用于客户测试的样片。位于德国和美国的两家工厂将共同保障半导体供应，这不仅创造了满足全球市场需求的产能，也将为汽车行业打造更具韧性且稳健的全球供应链。在中期规划中，博世的目标是将碳化硅功率半导体的年产能提升至数亿颗级别。

针对产能布局，博世功率半导体亚太区负责人Bruno Schuster补充道：“这一全球制造网络将深度赋能中国客户。当前，中国新能源汽车产业正经历从400V向800V高压平台的跨越式发展，对高性能、高可靠性碳化硅芯片的需求极为迫切。博世通过在德国罗伊特林根与美国罗斯维尔的双中心布局，不仅能为客户提供充足的、跨区域的产能保障，更能通过极具韧性的全球供应链，助力中国本土主流车企在全球化出海进程中规避供应风险，确保生产的安全与稳定。”

深耕本土，敏捷服务

除全球产能布局外，博世已在上海组建了专门的碳化硅功率半导体研发团队及测试实验室，旨在针对本土新能源汽车市场环境下的差异化需求提供敏捷的技术支持。同时，博世在苏州落成的碳化硅功率模块生产基地已实现本土化量产。这种“全球芯片供应+本土模块制造+本地研发验证”的组合方案，确保了博世能够与本土主流汽车制造商及本土先进衬底供应商展开深度协同，显著缩短从样片到量产的转化周期，共同定义未来高效出行的技术标准。

独特的“博世工艺”是成功的关键

为了使芯片在面积缩小的同时实现更强劲的性能，博世运用了其独特的制造专长。公司采用了自1994年起即在业内广泛认可的“博世工艺”（Bosch process）。这种最初为传感器开发的沟槽刻蚀技术，能够在碳化硅中构建出高精度的垂直结构。这种结构大幅提高了芯片的功率密度——这也是博世第三代碳化硅芯片产品在包括800V的高压应用场景中展现卓越性能的关键因素。

Microchip可配置逻辑单元（CLB）支持用户在专用硬件中实现逻辑功能，而非依赖软件执行，从而简化多任务处理。相比纯软件单片机方案或分立CPLD加单片机架构，该设计可降低功耗、提升系统行为可预测性并提高处理吞吐量。全新产品系列支持上电或复位时自动加载CLB配置，使逻辑单元独立于CPU完成初始化，满足功能安全、工业及汽车系统对稳定启动行为的要求。

PIC16F13276系列拥有32个逻辑单元，PIC18-Q35系列拥有128个逻辑单元，支持工程师在单芯片上实现并行、确定性逻辑与嵌入式控制协同运行。这种集成方案可替代分立CPLD与单片机组合设计，减少物料清单（BOM）、节省电路板空间，并降低系统整体成本与复杂度。

Microchip负责单片机业务部的公司副总裁Greg Robinson表示：“我们的新产品开发并非为了追赶竞品，而是高效解决实际设计难题。通过在低功耗、高性价比的单片机上实现类CPLD功能，这两个系列为工程师提供了在设计中轻松集成可编程逻辑的便捷途径。”

该系列器件与现有的PIC16和PIC18设计引脚兼容，客户无需全面重新设计系统即可部署硬件级逻辑功能。此外，编程调试接口禁用（PDID）功能可提供防篡改保护，有助于保护设计免受未经授权的访问与恶意篡改。

凭借硬件级时序路径，Microchip CLB解决了基于软件系统的时序挑战。CLB时序分析工具可帮助设计人员在设计早期识别信号延迟、关键路径与潜在时序风险，提前验证时序问题有助于缩短调试周期。如需更进一步了解Microchip 支持CLB的单片机系列产品，请访问Microchip官网。

开发工具

Microchip增强型CLB配置工具现已支持Microsoft® Visual Studio® Code（VS Code®）平台，凭借直观的拖拽式图形界面加速逻辑开发。集成式CLB合成器将逻辑设计与前置时序分析、仿真及硬件调试能力相结合，开发人员无需编写HDL代码或手动配置寄存器，即可验证功能、观测实时运行状态并确认精准时序。PIC16F13276与PIC18-Q35单片机同时获得Microchip全面开发生态系统支持，包括MPLAB® X集成开发环境（IDE）与MPLAB代码配置器（MCC）。PIC18F56Q35 Curiosity Nano（EV55P36A）与 PIC16F13276 Curiosity Nano（EV18Z11A）评估工具包提供高性价比、即用型硬件平台，支持完整编程与调试功能，便于快速原型开发与方案评估。

本次年度股东大会上审议通过了ASML 2025财年的法定财务报表。此外，还批准通过以下议案：

· 派发每股普通股2.70欧元的末期股息。连同2025财年内已派发的两次每股普通股1.60欧元的中期股息，以及于2026年2月派发的每股普通股1.60欧元的中期股息，2025年度每股普通股股息总额为7.50欧元

· 解除管理委员会及监事会成员在2025财年因履行职责所承担的相关责任

· 确定管理委员会成员的最高持股数量

· 再次任命 Terri Kelly 和 An Steegen为监事会成员，以及任命 Benjamin Loh 为监事会成员

· 委任普华永道会计师事务所为 2027 财年财务报表的外部审计机构，并负责对 ASML 2027年可持续发展报告进行鉴证

· 授权管理委员会在2026 年 4 月 22 日至 2027 年 10 月 22 日期间，经监事会批准后执行以下事项：

•  为一般用途发行普通股或授予普通股认购权，比例不超过已发行股本的5%；在涉及并购和/或（战略性）联盟时发行普通股或授予普通股认购权，比例不超过已发行股本的5%

• 授权管理委员会就前述授权事项，限制或排除优先认购权

· 授权管理委员会在2026年4月22日至2027年10月22日期间，经监事会批准，按议程说明文件所列条款，回购不超过ASML已发行股本10%的普通股

· 注销截至2026年4月22日不超过ASML已发行股本10%的普通股

年度股东大会还对 ASML 管理委员会及监事会 2025 财年的薪酬报告投下了赞成票。

本次年度股东大会还讨论了以下事项：

· ASML的业务、财务状况及ESG可持续发展

· ASML的储备金及股息政策

· 再次任命戴厚杰（Roger Dassen）和樊徳睿（Frédéric Schneider-Maunoury）为管理委员会成员，以及任命毕慕科（Marco Pieters）为管理委员会成员

· Alexander Everke作为监事会成员的任期届满

· 2027年监事会人员组成： Nils Andersen和Jack de Kreij的任期将于2027年年度股东大会时届满

Telit Cinterion SL871K2 GNSS模块支持GPS、GLONASS、伽利略、北斗、QZSS以及星基增强系统 (SBAS)。该模块默认在L1频段跟踪四个卫星星座，其中包括北斗三号系统的B1C信号。SL871K2模块提供精确的秒脉冲 (1PPS) 输出，并集成了TRAIM和测绘模式等先进授时功能，适用于高性能授时应用。该模块还配备了噪声放大器 (LNA) 和后置放大滤波器，并提供多种供电选项，便于从基于3.3V或1.8V的设计进行迁移。SL871K2模块采用9.7 x 10.1mm2外形尺寸和行业标准LCC封装，符合RoHS指令，并已通过RED认证。

作为AI服务器硬件的最大供应商，英伟达提出的800V高压直流（HVDC）服务器架构凭借减少转换环节、提升能源利用率、适配超高功率密度的核心优势，即将迎来规模化部署，成为AI服务器节能降碳、支撑算力升级的关键突破口。 

相比于传统的48V直流或交流供电体系，高压直流架构将电网端至芯片端能效提升至92%以上，核心电源模组效率突破98%，这一切离不开 SiC、GaN 等第三代功率半导体与高端电源管理芯片的技术迭代。我们特别邀请四家功率半导体厂商——英飞凌、安森美，PI和MPS，从商业化前景、功率半导体选型、电源管理升级、保护机制创新、未来技术布局五大核心维度，深度解析800V HVDC 架构的技术价值、落地路径与厂商方案，为电源设计工程师提供全面参考。

图1 从415 VAC（上）到800 VDC配电（下）的转换示意图（来源：英伟达） 

高压直流架构：重塑AI数据中心电源设计 

传统数据中心采用市电→UPS（AC-DC-AC）→服务器电源（AC-DC） 的多级转换链路，存在三大核心痛点：

• 转换损耗高：多次交直流切换带来显著能量损失，系统效率难以突破 90%；

• 功率密度不足：低压大电流传输导致铜耗高、线缆粗，单机架功率上限被严格限制；

• 冗余成本高：UPS 系统占地大、运维复杂，与新能源并网兼容性差。

随着 AI 服务器单机柜功率从20–30kW 跃升至 500kW–1MW，传统架构已无法满足算力增长需求，要实现高效率意味着电流不能过大，只能提升电压以实现功率的提升。英伟达提出的800V高压直流架构通过电压等级跃升 + 供电路径极简，实现三重革命性突破：

1. 能效大幅提升：省去 UPS 多级转换，采用市电→整流柜（AC-DC）→800V 直流直供服务器 链路，端到端效率提升 3–5 个百分点，单机电源效率再提升 1%–3%，供电损耗较传统方案减少 50% 以上；

2. 传输损耗骤降：根据 P=I²R 原理，800V 电压下传输相同功率，电流降至 48V 架构的 1/16，线路损耗降至原来的 1/256，铜材用量减少 45%–75%，大幅降低硬件成本与散热压力；

3. 功率密度跃迁：支持单机架 MW 级功率传输，适配 GB200 等新一代 AI 芯片集群，为 GW 级智算中心提供物理支撑，同时简化布线、提升机房空间利用率 30% 以上。 

谈及高压直流架构的未来，四家厂商一致判断：800V HVDC并非可选升级，而是 AI 算力时代的刚需架构，2026–2028 年将在头部云厂商、智算园区批量部署，成为数据中心供电主流技术路线。 

英飞凌科技消费、计算与通讯业务应用市场总监卢柱强确认高压直流（HVDC）将是业界普遍认同的AI数据中心下一代的供电方式，电压提升可大幅提高电源机架功率容量，从百千瓦 向兆瓦级演进，同时降低直流配电系统损耗，系统效率与可靠性同步提升。Power Integrations技术推广总监Andrew Smith表示，高压直流架构可在更靠近负载位置传输大功率，完美匹配 AI 服务器功率密度需求。英伟达 800V 方案已启动部署，随着器件成熟与成本下探，2–3 年内将实现大规模商用，成为智算中心标配供电方案。安森美电源方案事业部业务拓展经理 Sean Gao则将HVDC看作是应对 AI 能耗挑战的必然选择，通过精简转换级数、降低系统损耗，转化为显著运营成本优势，半导体技术将在这一进程中发挥核心支撑作用。MPS的受访人将HVDC商业化看作是AI服务器的必然趋势，在可靠性与经济性上具备显著优势，800V 方案将在头部云厂商快速渗透，设备商、芯片商、集成商协同构建商用生态，成为AI算力、东数西算场景的主流路线。 

行业变革：功率半导体迎来黄金增长期 

800V高压直流架构的大规模落地，首当其冲的是对电源转换中的功率器件提出更高的要求，这些全新的要求将重构功率半导体与电源管理芯片行业格局。在器件选型方面，第三代半导体技术将得到大规模应用。前端整流需求大量采用 1200V SiC MOSFET，后端高密度 DC-DC 转向 650V–1200V GaN 方案，硅基器件逐步被替代。与之相对应的是，电源管理芯片向高耐压、高转换比、数字控制、高集成度升级，适配800V直供与GPU高动态负载。高功率带来更多散热需求，顶部散热封装（QDPAK、TOLT）、多电平拓扑、液冷方案成为主流，适配高功率密度与高效散热需求。在这些技术趋势的加持下，功率半导体的市场规模将得到大幅提升，其中单机功率半导体与 PMIC 价值量显著提升，整体市场随 AI 算力扩张快速增长。

功率半导体是 800V HVDC 架构效率突破的核心，SiC与GaN 凭借宽禁带优势，成为替代传统硅基器件的首选。不同的电源半导体厂商根据自身的优势在高压直流服务器供电设计中形成了差异化布局。 

功率半导体巨头英飞凌在800V HVDC解决方案中拥有SiC和GaN完整方案，核心器件包括1200V SiC MOSFET G2 系列和650V GaN以及双向氮化镓（BDS GaN）。总结产品布局时，英飞凌卢柱强介绍，英飞凌针对不同节点布局了不同功率半导体技术，其中AC-DC前端用SiC，800V→50V 降压用GaN，多电平拓扑兼顾650V SiC/GaN。其中1200V SiC 是 30KW HVDC PSU（三相维也纳 PFC+LLC）主流方案，满载与轻载效率均衡，门极可靠性行业领先；650V GaN 是 HV IBC Module 不二之选，支持 MHz 级高频开关，功率密度极致；英飞凌推出的ThinPAK顶部散热封装、集成驱动 GaN 器件，非常适合液冷与高密设计。 

安森美同样拥有SiC和GaN产品阵容，因此在800V HVDC架构中选择垂直GaN+EliteSiC 双轮驱动，覆盖全链路设计。Sean Gao介绍，核心器件方面，垂直 vGaN（700V/1200V 量产）采用 GaN-on-GaN 工艺，垂直导通，支持 MHz 级开关，体积减 2/3，热阻降 40%，可靠性增强；3kW EliteSiC方案（图腾柱 PFC+LLC）100%负载状态下PFC效率> 98%，系统峰值效率 > 96%；SiC JFET 适配热插拔，常开特性实现高可靠的固态保护和限流。 

MPS的策略也是主打SiC与GaN协同，不过更多聚焦热插拔与降压模块。前端 800V 输入用 1200V SiC MOSFET/JFET，耐高压、高温稳定性强；后端 DC-DC用650V–1200V GaN HEMT，开关损耗降低 60%–70%，整机效率提升 3–5 个百分点；SiC JFET 适配800V热插拔系统，超低内阻与宽SOA特性突出。为了提升在HVDC供电系统的竞争力，MPS持续优化栅极驱动与封装寄生参数，解决高频振荡；通过低热阻封装提升热管理；强化工艺监控保障可靠性一致性。 

Power Integrations在高压GaN方面拥有出色技术实力，致力于依靠单级转换简化架构。Power Integrations技术推广总监Andrew Smith介绍，1250V/1700V PowiGaN 氮化镓IC在HVDC应用具有非常明显的优势，其中1250V GaN无需分压，单开关支撑800V半桥电路，设计复杂度低、可靠性高；1700V GaN则适配反激拓扑，满足800V母线辅助电源需求，提供充足电压裕量；适配零电压开关（ZVS）谐振技术，开关损耗极低，完美匹配高频转换场景。Andrew Smith特别提到，GaN的高频开关效率优于SiC，而且系统总成本更具优势，磁性元件更小、散热需求更低、元器件数量更少。 

表1四家厂商高压直流架构中功率半导体选型汇总

 电源管理系统升级：应对GPU动态负载

800V HVDC与传统交流架构对电源管理系统需求有本质的逻辑差异：省去UPS冗余转换，直接高压直供，需完成 800V→50V→芯片级低压的高效转换，同时应对 GPU 毫秒级动态负载。在PMIC和转换方案的针对性优化方面，不同厂商选择了不同的路线。 

在PMIC方面，Power Integrations的策略是采用共源共栅架构，GaN 器件易通过逻辑电平驱动，集成接口电路实现精准控制，标配过压、过流、过热全保护，耐用性适配高压场景。英飞凌针对性推出XDPP11xx 系列 MV IBC 控制器，采用数模混合控制，动态响应优异；多相数字控制器响应纳秒级负载变化，具备实时监测、快速保护、黑盒子记忆等功能。MPS的目标是提升耐压与绝缘等级，高集成度减少外围器件；强化高精度电流采样与多相均衡，优化静态功耗，数字设计动态调整场景功耗。安森美的做法是拓宽耐压范围，强化宽电压下电流调节精度；优化控制环路与工艺，提升动态负载响应，电压跌落控制极低；开发超低静态电流 LDO 与高效 POL，极致优化功耗。 

针对高压输入到低压输出的高效转换方案，Power Integrations的解决方案是800V 高压直供靠近负载，降压至 50V 中间母线，短距离高效传输，后续低压转换采用传统技术，紧凑体积、极高效率。英飞凌则提供“从电网到核心” 全链路方案，MV IBC+VRM 具备优秀 EDP 能力，小尺寸电源模块实现紧凑供电，降低 PDN 损耗；Energy Buffer 拓扑保障 PSU 动态稳定性。MPS的高性能 SiC/GaN + 高效隔离拓扑 + 精准控制可以大幅降低损耗，优化散热；数字电源环路 + 高速采样实现负载突变快速调压。安森美的方案聚焦两级架构的不同职责—— 高压→中压用 SiC 基 LLC 谐振变换器，低开关损耗、高功率密度；中压→低压用多相降压 + T10 MOSFET + 智能驱动，应对 GPU 动态负载，保障电压稳定。 

高压直流系统的全新需求还聚焦在高压保护机制的创新，相比于低压或交流系统，800V 高压环境下传统过流、过压、过温保护机制失效，热插拔、e-Fuse、固态断路器成为系统安全核心。

在这方面，英飞凌提供 Hot-swap、SSCB、e-Fuse、Pre-charging、Discharging、BBU 全系列保护方案；而Cascode JFET SiC MOSFET 超低内阻、超宽 SOA则成为英飞凌 800V 热插拔单元优选方案。MPS针对全新需求推出高集成、多场景适配的热插拔芯片，优化了800V 浪涌与漏电抵御能力；在断路保护方面，支持复杂时序控制、系统监控、缓启动斜率与 SOA 优化，具备故障记录与黑盒功能。安森美围绕 “主动预防、快速隔离、智能恢复” 设计，800V专用e-Fuse抑制电弧与冲击电流；动态过温保护单元则提供根据结温调整的功能，集成通信接口实现故障定位与预测性维护，远超传统熔断保护。Power Integrations在低压转换IC中集成全保护功能，高压栅极驱动技术精准控制高压，快速检测故障并响应；同时融合低压功率转换与高压栅极驱动双重经验，适配800V热插拔严苛场景，保障系统安全。 

技术难点与突破：高频、热、成本三大核心挑战解决方案

SiC/GaN适配800V HVDC时，面临着高频损耗、热管理、成本控制三大难点，这就需要功率半导体厂商给出成熟突破路径。

在高频损耗与振荡方面，Power Integrations的PowiGaN适配 ZVS 谐振拓扑，从拓扑层面降低开关损耗，高压GaN单级转换减少寄生影响。英飞凌则通过优化驱动芯片与封装，降低寄生参数，兼容 GaN/SiC 驱动，适配创新拓扑。MPS的优化侧重于栅极驱动、封装寄生，通过多芯片集成与布局优化，抑制 EMI 与动态损耗。安森美的策略是协同优化驱动电路与磁性材料，系统性降低高频损耗，垂直 GaN 降低高频寄生。 

热管理对系统效率提升非常重要，英飞凌选择了TOLL、TOLT封装，以及ThinPAK TSC这类顶部散热封装在提升散热的同时适配液冷散热系统。安森美的封装策略是T2PAK、BPAK顶部散热封装，将热量直接传导至散热器，而vGaN结-壳热阻降低40%，同时支持175°C工作，这些措施都可以简化散热。Power Integrations则充分发挥材料的优势，高压 GaN 损耗低，从源头减少发热，适配极简散热设计。MPS提供低热阻基板、塑封材料，并通过热仿真指导封装设计，提升系统散热效率。 

成本问题是任何系统必须面对的挑战，在成本控制方面，安森美通过优化衬底与器件结构，提升晶圆利用率，并采用系统级节省（高效、低电费、小散热）抵消器件成本。英飞凌则依靠规模化SiC应用降低器件成本，同时提升GaN在HV IBC场景的系统收益，进而平衡技术与成本。Power Integrations主打的GaN技术得益于大规模量产成本趋近硅基，并且通过节省周边器件实现系统级方案成本优化，系统性价比大幅超过SiC方案。MPS成本优化的策略主打优化工艺提升良率，以高集成度减少BOM成本，并通过采用模块化方案降低开发成本。 

未来技术布局：锚定兆瓦级，赋能新能源并网

800V HVDC只是开始，未来的服务器供电架构必将向兆瓦级功率密度升级，同时叠加光伏、风电等新能源并网需求，功率半导体厂商必将持续围绕高压架构优化产品策略布局。我们整理了四家厂商未来技术布局战略，供大家参考。

表2 功率半导体厂商技术布局对比表

 AI 算力爆发式增长推动数据中心供电从交流低压向高压直流范式跃迁，800V HVDC 架构凭借极致能效、超高功率密度、低碳友好三大核心优势，成为 GW 级智算中心的必然选择。这场技术革命中，SiC 与 GaN 第三代功率半导体替代传统硅基器件，高端电源管理芯片适配高压与动态负载，保护机制、封装拓扑同步创新，共同支撑电网到芯片的全链路效率突破。

Power Integrations 的高压 GaN、英飞凌的 SiC+GaN 全场景方案、MPS 的高集成电源管理、安森美的垂直 GaN+EliteSiC 组合，为设计工程师提供多元化选型参考。随着生态成熟、成本下探、标准统一，800V HVDC 将快速规模化落地，助力数据中心节能降碳，支撑 AI 算力持续升级，开启算力与能源协同发展的新时代。

这一公告很有用，因为它表明欧洲正努力在量子硬件领域建立实际实力，而不仅仅是在学术研究领域。它还展示了成熟的半导体制造技术如何成为未来量子器件扩展的关键组成部分。

从实验室原型到可制造的量子芯片

英飞凌参与了欧洲六个入选的量子试点线项目中的三个：CHAMP-ION、SUPREME 和 SPINS。这些试点线的目标是通过为初创企业、中小企业和科研机构提供工业级设施，弥合实验室开发与工业化生产之间的差距。

量子芯片仅仅通过在实验室验证一个概念，不会被广泛应用。他们还需要可靠的流程、可重复的性能和可扩展的制造方法。英飞凌的角色围绕这一工业化步骤展开，公司贡献了与离子阱、超导和半导体自旋量子技术相关的专业知识。

“目标非常明确：在欧洲开发和制造量子计算机。量子试点线正好创造了跨整个量子价值链所需的紧密、高影响力合作。与优秀合作伙伴携手，我们正在强化欧洲的量子生态系统，将卓越的科研转化为可扩展的工业解决方案。这就是量子计算将从实验室走向现实部署的方式，“英飞凌科技战略资金管理主管萨宾·赫利奇卡说。“它对《欧洲芯片法案》的目标以及这一关键技术中的数字主权做出了重要贡献。”

三条引线，三条硬件线路

由奥地利硅实验室领导的CHAMP-ION专注于建立被誉为欧洲首条先进离子阱量子芯片制造线。该项目汇聚了来自六个国家的21个合作伙伴，旨在支持从设计到制造和测试的价值链。

由芬兰VTT领导的SUPREME专注于超导量子芯片。该联盟包括来自八个国家的23个合作伙伴，致力于打造一个200量子比特的3D集成模块，旨在提升稳定性、良率和可重复性。

由imec协调的SPINS专注于硅和硅锗量子芯片，采用主要标准的CMOS工艺。这使得它对欧洲半导体市场尤为重要，因为它将量子芯片开发与更熟悉的晶圆厂基础设施和标准化设计流程连接起来。

据消息透露，MI500预计于2027年推出，采用台积电2nm工艺与CDNA 6架构，并搭载HBM4E内存。CPO技术将硅光引擎与计算芯片集成在同一封装内，通过光传输替代传统铜线互连，从而显著提升带宽，同时降低延迟与功耗。

供应链分工明确：格芯负责光子集成电路（PIC）制造，依托其Fotonix硅光平台；日月光则承担系统级封装任务。此外，AMD去年收购的Enosemi为项目提供技术支持，其已开发出1.6T光引擎。

随着AI算力需求的爆发，传统电互连技术逐渐面临瓶颈，CPO被视为下一代数据中心的关键技术。业界认为，此次合作将加速CPO技术的产业化进程，预计未来三年行业渗透率将快速提升。AMD此举旨在强化其AI加速卡的竞争力，以在市场中与英伟达展开正面较量。

一位接近三星内部的人士透露，三星电子决定在D1d良率达到预期目标之前无限期推迟量产计划，且尚未明确重启时间。公司正重新审视工艺路线图，以寻求良率提升的解决方案。尽管D1d DRAM技术此前已通过预生产批准（PRA），但因良率低于预期，三星对其试产和量产的投资回报率（ROI）表示担忧。

D1d DRAM技术对三星未来的HBM产品路线图至关重要，预计将应用于其第九代HBM产品HBM5E。目前，1c DRAM已广泛用于HBM4、HBM4E和HBM5三代产品。其中，HBM4预计将在今年晚些时候推出，主要面向英伟达的Vera Rubin平台和AMD的MI400平台；HBM4E则可能应用于Rubin Ultra和MI500加速器；HBM5及其定制版本预计将服务于英伟达Feynman系列及其他竞争方案。

与此同时，三星正在韩国温阳建设一座大型芯片工厂，该设施面积相当于四个足球场，将涵盖封装、测试、物流及质量控制等关键环节，以支持包括HBM在内的下一代DRAM产品的长期稳定生产。

在HBM领域，三星与SK海力士的竞争日益激烈。据报道，SK海力士已在D1d DRAM技术上实现良率突破，进一步加剧了三星的压力。此前有消息称，三星正大幅压缩HBM的研发周期，但快速研发并不等于能够迅速实现量产。

根据LSEG数据，德国电信目前持有T-Mobile约53%的股份，是其控股股东。T-Mobile的市值约为2185.7亿美元，而德国电信的市值约为1664.6亿美元。今年2月，德国电信曾表示2026年无计划出售任何T-Mobile股份。

若合并成功，新公司将超越中国移动，成为全球市值最高的无线运营商。中国移动目前市值约为2346.7亿美元。PP Foresight分析师Paolo Pescatore指出，德国电信加强对T-Mobile的控制，旨在押注其核心资产，推动集团整体发展。

自2000年以507亿美元收购VoiceStream并将其更名为T-Mobile以来，德国电信一直是该美国无线运营商的控股股东。在2013年T-Mobile与MetroPCS合并及2020年与Sprint合并后，其持股比例有所稀释。

德国电信的股东，包括持股各14%的德国政府及国有银行KfW，将在潜在合并中拥有发言权。今年2月，德国电信公布的第四季度核心利润超出预期，但对2026年的展望较为谨慎。与此同时，T-Mobile上调了对2027年服务收入和调整后自由现金流的预测。

行业迫切需要一场供电架构革命，去年5月，英伟达率先给出了答案——自2027年起推动机架电源从54V直流全面转向800V高压直流架构，以支撑单机架功率超1MW的下一代超大规模AI算力部署。

800V架构的核心价值，是通过提升母线电压大幅降低传输损耗，同时将PSU集中部署释放机架空间给计算设备，让每一寸空间都服务于算力。

但这一变革对功率器件提出了高压、高频、高密度的严苛要求，传统Si器件在高频场景下损耗高、体积大，SiC虽能应对高压，却在开关速度与反向恢复特性上存在短板，而GaN 凭借材料物理优势，恰好破解了Si与SiC都难以解决的核心痛点。

GaN拥有极高的电子迁移率，可实现极快开关速度，且具备零反向恢复电荷，能在极小空间内实现超高效率转换，完美适配800V架构下高密度、高效率的供电需求，成为AI数据中心供电升级的最优解。这也解释了为什么在800V高压直流AI数据中心架构中，中间总线转换器成为了GaN的甜蜜点。

为了厘清GaN在数据中心的真实应用场景与不可替代的核心价值，与非网主分析师夏珍，特邀英飞凌科技高级副总裁、氮化镓业务负责人Johannes Schoiswohl博士展开深度对话。本文将以工程师视角，层层拆解、系统剖析。

图 | 英飞凌科技高级副总裁、氮化镓业务负责人Johannes Schoiswohl博士

01GaN的认可，始于PSU

GaN具体部署在哪些环节？让我们沿着从电网到GPU的供电链路，逐一来看。

传统上，GaN在电源单元（PSU）中的表现已备受认可。在当前主流架构中，PSU完成交流到直流的转换，输出48V母线电压，再经过中压中间母线转换器（IBC）降至12V，最后由负载点转换器（PoL）为GPU、CPU、内存等芯片就近供电。

这套链路里，PSU被安置在机架内部，是整个供电系统的第一道转换关口，既要稳定输出48V母线电压，又要在机架有限空间内控制损耗与发热。

正是在这样的工程约束下，GaN凭借高频、低损耗、小尺寸的综合优势，率先在PSU场景中站稳脚跟，成为行业公认的高效电源升级方案。也让数据中心领域第一次大规模验证了GaN在大功率供电场景下的可靠性与性价比。

到了800V HVDC架构，情况发生了根本性变化。目前主要有两条技术路径预设：方案A将PSU移至机架侧挂的外挂式集中供电单元（Power Sidecar）中，输出800V直流，再经由高压IBC降至48V，然后接入中压IBC和PoL；方案B则采用固态变压器（SST）替代了传统的工频变压器，直接将13.8kV交流电一步转换为800V直流，再由高压IBC一步转换至12V甚至更低。

在这套系统中，PSU与SST的定位已经和传统架构完全不同，GaN的角色也随之重新定义。

在方案A的Power Sidecar集中式PSU里，因为部署在机架外部、空间与散热条件相对宽松，且以三相大功率、高效率为核心目标，这里并不是GaN的主场，更多是SiC与高端Si器件发挥优势的场景。

而SST需要以高频化、模块化的方式实现高压交流电到800V直流电的直接转换，对器件的高频特性、开关损耗、功率密度提出了远高于传统工频变压器的要求，所以SST的高压前端将以SiC为主流选择。与此同时，随着架构向更高频率、更高集成度演进，GaN 则会在 SST 之后高压转中压的 IBC等关键环节成为刚需，这一点我们会在后续内容中进一步展开讨论。

再往前看一步，单级AC-DC架构正在成为一种趋势。 这种架构依赖一种称为“循环转换器拓扑”的新型电路，其核心器件是高压GaN双向开关。

英飞凌已经量产这类产品，将两个背对背开关单片集成在一颗器件里，这是只有GaN工艺才能实现的一体化设计。改用单级转换后，系统从传统PFC+DC-DC双级架构精简为一级转换，体积更小、效率更高、元器件数量更少，可靠性也随之提升。

不过要明确的是，英飞凌这款高压GaN双向开关目前的主力落地场景并非仅针对AI数据中心，而是将率先在光伏微型逆变器、储能系统、车载充电器OBC等领域实现商用，也是这些场景在推动单级架构快速成熟。而在AI数据中心侧，单级AC-DC仍处于前瞻拓扑探索阶段，但对于功率等级超过10kW的AI和企业级服务器来说，这扇门已经打开。

02不止于PSU，GaN正在向BBU和IBC延伸

“GaN真正成为刚需、不可替代的位置，还是集中在服务器板上高压IBC、中压IBC、电池备份单元（BBU）这些对高频、高密度、大降压比最敏感的环节，这也是GaN在AI数据中心供电里最确定、最主流的价值所在。” Johannes坦诚道。

这意味着，如今GaN在数据中心的应用已不再局限于PSU。

在传统架构中，BBU扮演着关键角色。当交流电网出现故障、发电机尚未启动的那几分钟里，BBU需要为整机架GPU提供不间断供电，保障算力不中断、业务不掉线。

如今GPU功耗不断攀升，BBU需要支撑的功率也随之激增，可机架内留给它的安装空间却始终固定，没有任何扩容余地。想要在不变的体积内容纳更大备电能力，唯一途径就是放入更多的电池电芯——这意味着留给DC-DC转换级的空间更少了。

对此，Johannes表示：“想要在更有限的空间里实现更高功率转换，就必须提升开关频率，以此缩小电容、电感等被动元件的体积，同时又不能带来额外的温升与损耗。面对这种既要提升功率、又要压缩尺寸、还要严控发热的多重约束，GaN恰好成为最贴合需求的理想选择。”

“尤其BBU普遍采用升降压转换器架构，GaN凭借高频低损耗、零反向恢复电荷的特性，能在提升频率的同时控制发热，让更小体积的转换电路实现更高效率。英飞凌也针对这一场景推出了局部功率电池备份单元拓扑，可进一步释放BBU的功率密度潜力。”

对于中压IBC环节，挑战是类似的，而GaN的使用能将转换效率推至当前技术的最优水平。

Johannes举例道：“以一个5kW机架为例，所有供电都必须经过IBC，借助英飞凌采用的交错式转换器拓扑，相比传统Si器件，GaN可将该环节的转换效率提升1%，对应转换损耗直接降低30%。”

Johannes特别提到，中压GaN的市场价值目前是被低估的，在100V和80V这两个电压等级中，没有Si器件能与之匹敌。在同样的5mmx6mm行业标准封装下，100V GaN的芯片面积几乎是Si的一半，栅极电荷小70%，输出电荷同样大幅减少，而且没有反向恢复电荷。英飞凌还在同一封装内集成了整流二极管，正向压降非常小。

“在每个使用100V器件的应用中，使用GaN都会得到更好的系统解决方案。”Johannes说。不过，随着中国市场在机器人、无人机等领域的快速推进，中压GaN的采用有望加速，市场上后续也会推出60V和40V的细分产品。

到了800V架构，BBU的需求也发生了变化。 采用高压电池组直接输出800V直流，对GaN的耐压要求随之提升。传统单向方案已无法满足系统对双向能量流动、高密度与高可靠性的要求，高压双向开关（BDS） 就此成为关键支撑。

面向这一场景，英飞凌 CoolGaN™ BDS 提供了可工程化的实现路径。这款高压 GaN 双向开关采用共漏极设计与双栅极结构，基于成熟可靠的栅极注入晶体管（GIT）技术，能够在同一漂移区内实现双向电压阻断，用单颗器件完成传统背靠背方案的功能。

相比背靠背分立方案，CoolGaN™ BDS在芯片面积、导通与开关损耗、寄生电感上都具备明显优势，更适合800V高压、高功率密度、有限空间下的BBU设计。

Johannes强调，CoolGaN™ BDS的落地不是一个小进步，而是一项关键创新——“它的重要性和新颖性堪比当年的CoolMOS™。”在配合高压PPC拓扑的情况下，还可以进一步优化BBU的功率密度。

而对于高压IBC这一新兴应用，Johannes透露，基于英飞凌新一代GaN的电源方案可实现98.2%-98.5%的峰值效率，即便在20%轻载条件下，效率仍能稳定保持在97%以上。这种全负载区间的高效表现，正是AI数据中心客户降低总拥有成本的核心诉求。

03从Si到GaN迁移，工程师面临挑战

讲了这么多GaN的必要性和优势，我们不得不面对一个现实问题：工程师将GaN器件集成到原本为Si设计的系统中时，会遇到哪些挑战？

Johannes认为，最大的挑战不是GaN器件本身有多难用，而是设计需要时间，而工程师通常没有那么多时间。

Johannes指出，系统工程师在应用GaN器件时，必须首先解决几个基础性问题——PCB布局必须极为洁净，寄生电感应尽可能消除，尤其是栅极回路中的寄生参数。简单地将系统中的Si器件直接替换为GaN器件，仅调整栅极驱动电压，这种做法通常难以奏效。原因在于系统中寄生参数过多，导致开关频率无法提升到足够高的水平，从而无法发挥拓扑结构的潜在优势。

与Si和SiC器件相比，GaN器件的阈值电压更低、开关速度更快，因此对噪声耦合更为敏感。所以，只有从系统设计的初始阶段就针对GaN器件进行架构优化，才能真正释放其性能潜力。

此外，在热管理方面，使用GaN器件后情况也会发生变化。

Johannes指出，在传统功率系统中，半导体（Si MOS）通常是板子上最热的点，散热全都围着它做。但采用GaN方案之后，即便在更高的开关频率下，器件自身的发热反而大幅降低，热量不再集中于芯片，而是更均匀地分布在整个系统中。

这意味着过去集中冷却半导体器件的策略需要调整，转而面向整个系统进行均匀散热。有客户在实际应用中反馈，使用GaN方案后，最热的器件变成了磁性元件。

这也引出了对磁性元件的重新思考。当开关频率提升到700kHz、800kHz甚至MHz以上时，工程师必须寻找合适的磁性元件，并与供应商确认它们能否承受如此高的开关频率。

04规模化，是GaN的下一个关口

GaN很好，但为什么GaN规模化普及的进度没有想象中快？

除了以上提到的系统应用挑战外，最大的拦路虎还是价格问题。长期以来，GaN受限于材料成本偏高、制造工艺更复杂，叠加硅基器件长期形成的规模效应，价格一直显著高于传统Si器件。尽管GaN在系统端已经充分验证了效率、体积与总拥有成本优势，但想要进一步打开更广阔的市场，持续的成本下探仍是关键驱动力。

图 | 英飞凌300mm GaN 技术

Johannes 表示，英飞凌正通过规模化制造破解成本难题，其中最核心的举措，就是推进全球首款300mm GaN功率晶圆的量产。相比传统规格，单片晶圆的芯片产出量可提升至原来的2.3倍，直接推动GaN成本向硅基器件快速靠近。他还透露，英飞凌计划在明年年底启动300mm 100V GaN器件的量产，目前首批样品已完成流片，正交由合作伙伴与客户进行验证测试。

05写在最后

回到最初的问题：当AI数据中心迈入800V供电架构时代，为什么必须用GaN？

答案已经清晰。AI数据中心正朝着更高功率、更小外形尺寸的方向演进，而工程师们真正想要的是在计算板上进行计算，而不是一堆供电的东西。供电部分需要尽可能小，理想情况下几乎完全消失——实现这一目标的唯一方法是提高频率并缩小尺寸。

这恰恰是GaN的完美用武之地。

维智捷2025年全球销售额达88亿美元，业务遍及25个国家，核心产品覆盖全球三分之一纯电车型。自1995年进入中国市场，公司已建立起从研发到制造的完整价值链：目前在华员工逾2.6万名，拥有14个生产基地、两个技术中心以及1800多名专业工程师。

维智捷全球副总裁兼中国区总裁祁松

维智捷全球副总裁兼中国区总裁祁松表示：“中国汽车产业正在引领全球电子电气架构的变革，这也决定了中国市场在维智捷全球业务版图中的战略核心地位。我们将中国视为驱动维智捷在数智化全面创新领域不断前行的全球风向标。为了更好地把握这一时代机遇，我们在内部持续深化本地化赋能，以充满活力的创业精神打造真正以客户为中心的团队。面对中国主机厂加速向海外扩张的浪潮，这支敏捷的本土团队将为客户的出海跨越提供最坚实的支撑。我们在中国市场的成功实践与技术沉淀，也将持续驱动并反哺维智捷的全球愿景，真正实现‘在中国，为中国，惠全球’。”

锚定三大战略支柱，赋能中国汽车产业新征程

面对中国汽车产业电动化转型加速、自主品牌全面出海的趋势，维智捷中国正式确立客户共赢、数智运营和工程创新三大战略支柱，以更敏捷的姿态快速响应中国速度，全面引领未来智造与汽车产业的数智化转型。

客户共赢：全面赋能车企，共拓第二曲线。维智捷正积极构建全方位的本地化支持体系。一方面，公司持续深化对全球核心车企的本土化服务与承诺，为其在华业务提供坚实支撑。另一方面，维智捷通过深度参与中国车企的早期研发流程，助力其在本土市场的快速迭代，并依托覆盖全球25个国家的制造与供应链网络，为中国车企出海提供“中国创新+全球交付”的一体化解决方案，在赋能中国品牌成功出海的同时，全面保障其在海外市场的稳定供应与本地化服务。不仅如此，维智捷正将目光投向更广阔的未来生态，以具身机器人、飞行汽车和储能等增长潜力巨大的毗邻行业为突破口，全力开辟企业的第二增长曲线。

数智运营：打造标杆级智能体系。面对电子电气架构向域控演进、车型更迭加速以及人力成本攀升等严峻行业挑战，维智捷制定了突破性的智能运营战略，致力于打造全面覆盖从系统设计至生产运营全流程的全生态数智化体系。在运营端，维智捷全面落地了自动化集成制造系统（AIMS）。作为核心的数字化生态系统，AIMS以数字孪生与物联网技术为底座，彻底打通了从客户订单预测、原材料接收，到智能下线、全自动与半自动插线总装，直至成品检验发运的生产全生命周期。AIMS不仅实现了质量管控节点的前移与高度自动化的智能生产排序，更确保了全流程的精准追溯，更好地支持车企落地L2+和L3辅助驾驶。

工程创新：重塑电气设计新范式。电动化、智能化、网联化、共享化、轻量化已成为线束行业工程技术演进的具体要求。为此，维智捷工程团队围绕更简洁的电气构架设计、更完善的链路管控、更优化的3D布线设计以及更智能的开发平台，全面重塑电气工程设计范式。针对市场对轻量化与高可靠性的极致需求，维智捷推出了新一代铜包钢导线，在汽车市场应用中不仅减少了25%的导线重量，更降低了60%的铜用量与26%的导线体积。此外，维智捷成功研发出耐久度提升10倍的具身机器人专用超柔复合电缆，以及屏蔽效能提升46%的航空级屏蔽电缆，以极致的工程实力，为公司的第二增长曲线提供坚实支撑。

2026北京车展维智捷展台：B2馆D11 

上述前瞻性的战略布局与工程技术突破，即将在2026北京车展B2馆D11的维智捷展台进行中集中展示。届时，现场将通过智能工厂沙盘，首次公开展示面向未来的线束智能制造技术，并全景呈现新材料创新、AI线束设计智能体等创新成果。作为品牌独立后的公众首秀，此次亮相标志着维智捷中国愿景的正式起航，公司正以敏捷身姿快速响应中国速度，全方位赋能中国汽车产业的数智化跨越。

2026蓝牙亚洲大会暨展览开幕首日反响热烈

预计2026年蓝牙设备年出货量将接近60亿台，未来数年的年出货量预测更将突破80亿台。蓝牙技术联盟首席执行官Neville Meijers（穆雷）在主题演讲中，着重介绍了全球生态的发展势头：自联盟成立以来，已有超过43,000 家成员企业加入。Meijers 在大会上表示：“标准塑造世界，而世界也由参与标准构建的人所塑造。如今，蓝牙技术已成为全球应用最广泛的无线标准。但蓝牙亚洲大会不仅是一场技术展示，更是对蓝牙开发者社区的一次集中展现。大家汇聚于此，共同制定标准、打造解决方案，不仅实现了互操作性、规模化发展与长期信任，也在不断推动创造更美好的世界。” 

蓝牙技术联盟首席执行官Neville Meijers（穆雷）在2026蓝牙亚洲大会暨展览上发表主题演讲

亚太地区在全球蓝牙TM行业生态中占据关键地位，这里拥有超过15,000家成员企业，占联盟全球成员总数的38%。目前，亚太地区成员完成的全球产品认证数量占比已超过56%，彰显出该地区对无线连接未来发展的深远影响。在这一蓬勃发展的格局中，中国持续展现出强劲动能，成员数量位居全球第二、产品认证数量位列全球第一，进一步巩固了其作为全球蓝牙创新核心驱动力的地位。

值此蓝牙技术联盟中国实体成立一周年之际，联盟通过蓝牙中国兴趣小组（CIG）持续加强本地化支持。蓝牙中国兴趣小组由来自66家企业的205名代表组成，为成员提供专属交流平台，助力推动蓝牙技术在更多新兴行业的应用与发展。依托汽车与音频推广组，蓝牙中国兴趣小组还为本土企业提供了关键的意见反馈渠道，为全球蓝牙技术发展路线提供参考，确保区域市场需求得到充分重视。

蓝牙技术联盟亚太暨中国资深总监李佳蓉（Lori Lee）表示：“蓝牙中国兴趣小组让我们能够与成员紧密协作，将中国市场独具特色的创新成果融入全球技术路线图。目前我们正将这一成功模式推广至日本，深化区域合作，把本土影响力转化为全球连接能力。”

蓝牙技术联盟亚太暨中国资深总监李佳蓉（Lori Lee）在2026蓝牙亚洲大会暨展览上发表主题演讲

本届大会汇聚了众多全球行业的领先企业深度参与，包括华为、Nordic、OPPO、高通、芯科科技、意法半导体、泰凌微电子、德州仪器、vivo及小米等，共同探索蓝牙TM技术在人工智能、汽车及工业物联网领域的创新应用。由蓝牙中国兴趣小组精心打造的汽车与音频生态展区成为本次大会的焦点，现场展示了数字钥匙以及Auracast™广播音频等实景演示，充分展现了蓝牙技术如何推动在更多工业场景实现规模化落地应用。

为赋能蓝牙开发者社区，本届大会首次推出蓝牙创新讲堂，为开发者提供了专属平台，共同探讨无线应用方案与产品资格认证的最佳实践。与此同时，UPF（UnPlugFest）互操作性测试大会助力成员企业加快产品研发进程、缩短上市周期，充分展现了全球蓝牙生态体系出色的稳定性与成熟度。

2026年5月18日至20日，第二十一届“中国光谷”国际光电子博览会（简称“光博会”）将在武汉·中国光谷科技会展中心盛大举行。 目前，一批国内外光电领域的龙头企业与“专精特新”企业已确认参展，并将携多项首发首展产品与技术成果亮相。本届展会将集中呈现光通信、激光、半导体、光学检测、量子计算等前沿领域的最新突破，一场链接全球光电产业的风向标盛事正蓄势待发。

华为、中国信科、华工科技领衔，龙头企业齐聚

本届展会吸引了华为技术有限公司、中国信息通信科技集团有限公司（烽火通信）、华工科技产业股份有限公司、光迅科技股份有限公司、武汉锐科光纤激光技术股份有限公司、长飞光纤光缆股份有限公司、武汉帝尔激光科技股份有限公司、EXFO等多家行业领军企业参展。展品覆盖从光芯片、光纤光缆、光模块到激光装备、智能检测、半导体封测的全产业链环节。

其中，华为将重点展示F5G-A全光网解决方案；烽火将重点展示AI光连接与万兆光网两大核心领域的创新成果；华工科技以打造“感传知用”全栈AI能力赋能者为定位，将展出“AI+智能装备、”AI+光模块”等全栈解决方案；光迅科技将展出亚洲首发3.2T硅光NPO模块，引领AI算力高速互联；锐科激光将发布LD直接泵浦近基模万瓦光纤激光器，面向激光制造与低空经济领域。

多项“首发首展”产品亮相，彰显国产创新力

本届光博会不仅是行业龙头展示实力的舞台，更成为众多“专精特新”企业发布新品的首选平台。据组委会统计，已有近50家企业确认将在展会期间进行新品首发或关键技术首展，涵盖半导体检测、激光加工、光通信芯片、量子计算等多个硬科技赛道，预计首发首展产品达百余款。

值得关注的首发成果包括：

· Exail：全球首发新型铒镱(Er/Yb)共掺光纤（IXF-2CF-EY-10-130-SMX），面向超快激光通信、激光雷达与量子技术应用。

· 武汉六芯光电科技有限公司：全球首发薄膜铌酸锂光芯片，基于TFLN的光子集成芯片，填补国内高端薄膜铌酸锂光芯片产业化空白。

· 常州快乐科技有限公司：全球首发金刚石环线切割机和精雕机，主要应用于光学冷加工及半导体行业。

· 光维（广东）科技有限公司：全球首发双光梳绝对测距仪，实现多通道百米级量程、微米级精度绝对距离测量。

· 广东芯链光子科技有限公司：全球首发MPO连接器，聚焦数据中心、超算中心高速光互联市场。

· 杭州博源光电科技有限公司：三款全球首发产品——全自动发散角测试仪、LD/LED光源光学特性测量系统、BIM-730X系列无线光电功率计，覆盖激光二极管测量、光电材料研究及便携光功率监测。

· 南通南里台科技有限公司：全球首发薄膜铌酸锂高速电光调制芯片，调制带宽超过110 GHz，打破海外技术垄断。

· 睿创微电子（烟台）有限公司：全球首发非制冷红外机芯TM640pro及非制冷红外探测器OHLE6081（采用SWLP封装技术），体积大幅缩减，适配无人机、安防监控等小型化终端。

· 苏州杭晶电子科技有限公司：全球首发超低相噪VCXO 100MHz，相位抖动低至40fs，适用于光通信高频场景。

· 长春新产业光电技术有限公司：全球首发PS-D-355高重频紫外激光器，用于半导体检测等领域。

· 重庆国讯电子有限公司：全球首发LQPA25-48-01高精度恒流电源模块，纹波低至0.05%，适用于激光器供电及精密加工。

· 珠海诚锋电子科技有限公司：全球首发第二代光模块芯片缺陷检测设备CF916，亚微米级AI检测性能达国际先进水平。

· 武汉优越众联科技有限公司：全球首发ELSFP测试板及CPO测试板，支持高带宽、多电压供电，为光模块测试提供一站式方案。

专精特新企业集中亮相，构筑产业创新底座

除龙头企业和首发成果外，本届光博会还吸引了大量国家级专精特新“小巨人”企业和省级专精特新企业参展，覆盖精密运动控制、高端光学材料、半导体设备、光通信器件等关键环节。

代表企业包括：三英精控（天津）仪器设备有限公司、重庆巅慧科技有限公司、东莞市智赢智能装备有限公司、北京卓立汉光仪器有限公司、福建中科光芯光电科技有限公司、江阴市辉龙科技股份有限公司、深圳市志橙半导体材料股份有限公司等。这些企业以其在细分领域的技术深耕与国产化突破，构筑了中国光电产业的创新底座。

展会同期举办多场技术发布与对接活动

为促进新技术、新产品的快速落地与产业对接，本届光博会将在展会期间同步组织新品发布会、技术研讨会、产业链供需对接会等多场活动。更多活动详情将陆续发布，敬请关注！

Bourns® SSA-2 系列模拟电流传感器

在汽车、工业与能源应用中，于严苛环境 (如温度循环、振动与机械冲击) 下运作的被动组件，通常需符合 AEC-Q 认证标准。对于面临紧迫项目时程的设计团队而言，认证流程本身往往成为瓶颈。采用符合 AEC-Q 的组件来源亦能符合汽车 OEM 要求，并支持 PPAP 及汽车验证流程，从而降低系统层级的合规风险。

Bourns, Inc. 传感与控制产品设计经理 Javier Navarro 表示：「SSA-2 系列本已具备满足高要求电源应用所需的精度与稳定性。新增 AEC-Q 兼容的组装选项，使汽车及高可靠度应用领域的工程师在选用 SSA-2 时，对其认证流程更具信心。」

设计特点

· 符合 AEC-Q 的组装选项，简化认证流程并降低高可靠度应用的合规风险

· 全操作范围内具备高精度电流检测与极低插入损耗

· 电气隔离信号输出，在量测电路与电力路径之间提供安全隔离

· 整合分流电阻与讯号调理于紧凑封装中，减少电路板空间与组件数量

· 高带宽能力，可处理快速电流瞬变且不产生讯号失真

· 在严苛环境条件下仍维持优异线性度与热稳定性

目标应用

· DC-DC 转换器与电池管理系统 (BMS)

· 马达驱动与工业电源控制系统

· 汽车与商用车平台中的电源分配单元

· 需符合 AEC-Q 认证的高可靠度电源系统

SK海力士2026年第一季度主要数据：营收52.58万亿韩元（2429.2亿元人民币），较上一季度的32.83万亿韩元增长60%，同比增长198%；营业利润 37.61万亿韩元（1737.6亿元人民币），同比增长405.5%；净利润40.34万亿韩元（1863.7亿元人民币），同比增长397.6%。

从季度业绩来看，销售额首次突破50万亿韩元大关，营业利润为37.6万亿韩元，营业利润率达到72% ，创下SK海力士成立以来的最高纪录 —— 不仅在其公司历史上前所未有，在全球半导体行业中也处于绝对领先地位。营业利润环比激增约两倍，显著展现了盈利能力的强劲改善趋势。

作为对比，台积电2026年第一季度营业利润率约为58%，美光约为67.6%，三星电子整体营业利润率约为43%（其存储业务预计在60%-70%区间）。SK海力士与台积电之间的利润率差距，已从去年第四季度的4个百分点扩大至第一季度的14个百分点。

需要指出的是，在2023年第一季度，SK海力士的营业利润率曾跌至-67%的历史低谷。此后，随着存储市场供需关系的逆转和AI需求的爆发，公司营业利润率在2023年第四季度转正为3%，随后每个季度持续攀升，到2026年第一季度已达到72%。强劲的盈利能力也带来了资产负债表的显著改善。截至第一季度末，SK海力士现金及现金等价物达54.3万亿韩元，较上季度末增加19.4万亿韩元；有息债务降至19.3万亿韩元，较上季度减少2.9万亿韩元。

这季度净利润的大幅增长，并不完全来自主营业务。当期实现非经营性利润14.01万亿韩元，其中包括1.57万亿韩元的汇兑收益，以及以投资资产估值收益为主的12.44万亿韩元其他收益（其中估值收益达9.94万亿韩元）。接近三分之一的利润增量来自非经营项目，这在一定程度上放大了净利润表现，使其达到40.34万亿韩元的高位。

分产品看，DRAM位元出货量环比基本持平，但平均销售价格ASP环比上涨60%多；NAND位元出货量环比下降约10%，但ASP环比上涨70%多。据TrendForce数据，第一季度部分DRAM产品合约价格环比上涨近83%，部分NAND产品价格更是暴涨约160%。

对于未来市场走势，SK海力士在财报中表达了乐观预期。公司表示，随着AI从大模型训练阶段演进到Agentic AI，DRAM和NAND两大存储品类的需求基础都在持续扩大。据韩媒报道，SK海力士正在从一年期短期合同向三至五年的长期供应协议（LTA）模式转型，已与微软、谷歌等全球AI巨头就DRAM长期供应进行谈判。同时，公司正在积极扩大对英伟达HBM4的供应。

从业务结构来看，DRAM贡献了公司总营收的78%，NAND贡献了21%。业绩大幅增长的核心驱动力来自两方面：一是HBM、高容量服务器DRAM模块、企业级SSD等高附加值产品销量持续扩大；二是大宗DRAM和NAND合约价格在第一季度出现了史无前例的暴涨。

“尽管第一季度通常是季节性淡季，但在AI基础设施投资扩大的推动下，市场需求依然持续强劲。”SK海力士在财报中表示，预计DRAM和NAND都将维持有利的价格环境。这也意味着，SK海力士认为当前存储芯片供不应求、价格上涨的市场现状将会持续。TrendForce也在最新预测中指出，尽管终端市场需求可能存在波动，但预计第二季度大宗DRAM合约价格仍将环比上涨58-63%，NAND合约价格预计上涨70-75%。

作为英伟达的供应商，SK海力士在财报电话会议上还透露，客户未来三年的HBM需求已经远超现有供给能力，公司正在现有约束条件下最大化HBM产出，并谨慎平衡HBM与标准DRAM之间的产能分配。

为应对持续增长的需求，SK海力士正在加速产能扩张：今年将显著增加资本支出，重点用于清州M15X新厂的量产爬坡，以及龙仁半导体集群的基础设施建设。值得注意的是，清州M15X工厂是SK海力士最新的DRAM生产基地，将主要用于HBM等尖端产品的生产；龙仁集群则是韩国政府推动的全球最大半导体产业集群项目的一部分，SK海力士计划投资19万亿韩元在该区域建设新工厂。

按照Meta向员工发布的内部备忘录，该工具会在一系列工作相关应用和网站中运行，不仅记录鼠标和键盘操作，还会不定期截取员工屏幕内容，以便为模型提供上下文信息。Meta称此举是为了帮助AI模型学习人类如何在真实办公环境中使用电脑，例如如何操作下拉菜单、使用快捷键，以及完成更复杂的界面交互。

这项计划并不只是一次普通的数据采集，而是其“AI优先”内部战略的一部分。Meta首席技术官Andrew Bosworth在另一份备忘录中表示，公司正加强内部数据收集，将原先的「AI for Work」计划重新命名为「Agent Transformation Accelerator（ATA）」。同时，他指出Meta希望构建一种新的工作模式，由AI智能体完成主要工作，人类则更多承担指挥、审核和纠偏的角色，并通过持续干预为智能体提供反馈，形成闭环。

相比公开网页文本、图片和视频，这类涉及真实办公流程的人机交互数据更稀缺，也更贴近企业级AI的落地需求 —— 是Meta推动AI Agents的重要一环，目标是让系统能自主完成多数工作任务。内部文件强调，员工只需日常工作，即可帮助模型持续优化。

Meta开始直接在内部员工工作环境中收集行为数据，某种程度上说明，大模型竞争已经从争夺公开互联网语料，延伸到争夺高价值、强场景化的操作数据。今后训练办公型AI智能体，可能不再只靠公开数据或人工标注，而是直接从企业内部工作流中持续提取真实操作数据。

需要注意的是，随着企业加速导入AI并搜集更多行为数据，职场权力结构可能进一步向雇主倾斜，如何在效率与隐私之间取得平衡，将成为科技产业面临的重要议题。

该监控措施引发了隐私与劳动权益疑虑。耶鲁大学法学教授Ifeoma Ajunwa指出，键盘记录与屏幕监控技术过去多用于调查员工不当行为，如今扩展至AI训练用途，意味白领员工正面临更高程度的实时监控。相比之下，欧洲法规更为严格。约克大学学者Valerio DeStefano指出，类似监控在欧洲可能违反《一般数据保护规则（GDPR）》。例如意大利明确禁止以电子方式监控员工生产力，德国法院亦规定仅在重大犯罪嫌疑下才可使用键盘记录技术。 

不过，Meta发言人Andy Stone证实，MCI搜集的数据不会被用于绩效考核或其他人事用途，公司也设置了保护敏感内容的措施，但并未详细说明哪些数据会被排除在采集范围之外。