服务热线
新闻资讯
新闻资讯
高通获得华为逻辑折叠专利授权，高通用真金白银付费，证明逻辑折叠有效，打脸韬定律是造词一说
2026-10-14
10
10月5日，华为与高通宣布达成多年期、广泛专利交叉许可协议：覆盖5G、计算、AI、网络，高通还将收购华为部分美国专利。
更关键的是——高通获得了华为"逻辑折叠（LogicFolding）"相关专利许可，并且在这笔交易里成为净付费方。
25年前，华为向高通交专利费；25年后，高通掏钱用华为专利。
这一步，不只是钱流向反转，更是产业界对华为"韬定律 / 逻辑折叠"投出的一张重票。
2026年9月麒麟9050 Pro进旗舰机、10月高通拿许可，性质就变了：
论文阶段：韬定律是假设；
芯片阶段：麒麟9050 Pro是工程样品；
终端阶段：Mate XT 2是商业产品；
专利阶段：高通付费许可是产业背书。
四步走完，再骂"纯造词"就有点像当年说"安卓只是Java堆出来的玩具""苹果视网膜屏只是营销词"。
一、高通拿到的是什么：不是一句口号，而是一整包芯片IP
很多人还停留在"华为又发了个新词"的印象里。
但高通拿到的，是华为在5G、AI、计算、网络、近封装光学（NPO）、逻辑折叠等领域超过680项专利中的相关权利，其中部分在美国注册。
逻辑折叠不是普通3D封装：
摩尔定律 / 几何缩微：把晶体管越做越小；
韬定律 / 时间缩微：不硬拼尺寸，把逻辑层在三维空间里重新排布，缩短关键路径、压低互连时延、提升有效密度；
逻辑折叠：把一个原本铺在平面上的完整逻辑系统，在垂直方向重新设计、重新布线、重新定义时序。
通俗说：
别人继续把"房子"盖小；华为把"城市交通"重排，让数据少绕路、少等红灯、少烧油。
高通为什么感兴趣？因为3nm之后，单纯靠几何缩微越来越贵、越来越难，信号在芯片里"通勤"的能耗比"干活"还高。逻辑折叠正好打在"互连时延和互连能耗"这个痛点上。
二、韬定律到底是什么：从论文到381款芯片，再到麒麟9050 Pro
2026年5月，华为何庭波在ISCAS 2026提出韬（τ）定律：
以"特征时间常数τ"为核心，用时间缩微替代单纯几何缩微，在器件、电路、芯片、系统四层做协同优化。
这不是PPT定律。华为披露：
过去六年，基于韬定律思路，华为已设计/量产381款τ芯片，覆盖手机、AI、通用计算、网络、汽车；
首颗旗舰落地芯片是麒麟9050 Pro，搭载于Mate XT 2；
晶体管密度从约1.55亿/平方毫米提升到约2.38亿/平方毫米，单代+55%；
性能对齐条件下，NPU功耗最高降66%、GPU降58%、CPU性能核降41%；
峰值主频从上代2.75GHz提到3.1GHz，整机性能提升42%。
这些数据当然还需要更多独立拆解和长期实测来验证，但至少说明：
韬定律已经从"说法"变成"硅片"，从"论文"变成"旗舰机里的SoC"。
三、为什么网上一直有人骂"造词"
质疑声从来不少：
"不就是3D堆叠换了个高级名字？"
"买不到EUV才搞叙事，真有本事直接上2nm。"
"韬定律、逻辑折叠、时间缩微，听着像咨询公司PPT。"
"手机芯片能凑出来，AI大芯片、服务器芯片你再试？"
这些话毫无道理：
逻辑折叠确实有"受限制后的替代路线"属性；
3D堆叠、chiplet、近封装光学本来就是行业已有方向；
华为自己也说，韬定律要和全球EDA、封装、测试、产业链一起成熟；
麒麟9050 Pro目前看流畅度和跑 分都很好。
但"有现实约束"不等于"忽悠"，"借已有方向做系统创新"也不等于"造词"。
芯片史里，x86、ARM、RISC-V、FinFET、HBM、CoWoS，哪一个不是先被嘲"新瓶旧酒"，后被产业逼着接受？
四、高通授权，为什么算"打脸"
打脸的不是"高通证明韬定律推翻了摩尔定律"。
打脸的是另一种论调：
"华为这些词没人认，产业界不当真，只是自嗨。"
现在认账的是谁？
全球移动芯片专利最硬、标准必要专利最老练的玩家之一：高通。
高通愿意把华为逻辑折叠、NPO、AI/网络专利写进交叉许可，并且净付费、还买一部分华为美国专利，至少说明三件事：
华为这些专利不是废纸，律师和IP团队敢放进风险地图；
逻辑折叠不是纯中文互联网梗，它进入国际大厂专利组合；
先进制程之外，"互连、堆叠、时延、系统级能效"这条线，已经被顶级芯片公司认真看待。
用一句直白的话说：
网友可以嘴硬："造词。"
高通用合同说话："我付费，我避风险，我保留上路资格。"
这不是华为单方面宣布胜利，而是对手用钱投票。
五、麒麟9050 Pro已经证明：韬定律不是空转
如果只在2026年5月看论文，你可以说"未经验证"。
但到2026年9月麒麟9050 Pro进旗舰机、10月高通拿许可，性质就变了：
论文阶段：韬定律是假设；
芯片阶段：麒麟9050 Pro是工程样品；
终端阶段：Mate XT 2是商业产品；
专利阶段：高通付费许可是产业背书。
四步走完，再骂"纯造词"就有点像当年说"安卓只是Java堆出来的玩具""苹果视网膜屏只是营销词"。
华为自己给出的路线图也更激进：
麒麟2026（9050/9050 Pro）：逻辑折叠商用化；
后续混合键合间距从1.5μm走向1μm、720nm；
2027对标增强型2nm；
2028—2029逼近/改进等效2nm；
2030年前后追平"等效2nm"；
2031年冲击等效1.4nm级密度。
也就是说，华为没说"摩尔定律死了"，而是说：
我不先跟你拼EUV，我用时间缩微把性能、能效、密度重新做一遍；
等产业链成熟，再和先进制程叠加。
六、结论
过去我们习惯一种叙事：
先进制程 = 真技术，架构/封装/互连 = 陪跑。
华为被卡住后，反而把"时间、互连、系统、折叠、光互连"这套东西推到台前。
麒麟9050 Pro先落地，高通再付费拿许可，等于把这句话钉进行业：
芯片进步不一定只看"几纳米"。
谁能让数据少跑、少等、少耗电，谁就有权重新定义旗舰芯片。
所以，那些说"韬定律是造词、逻辑折叠是忽悠"的人，现在至少该把语气从"纯扯淡"改成：
"这条路线我以前看不懂，现在高通都进场了，那我得重新看。"免责声明：本文采摘自"数字化转型分享"，仅代表作者观点，如有侵权或异议请联系我们删除。企业咨询和陪跑请扫码联系
国内部分半导体上市公司财务数据综合统计（2026-Q2）
2026-10-14
10
借助AI工具，我现在收集整理分析上市公司财务数据的效率有了巨大提升。所以我现在能够很高效地整理国内部分半导体上市公司财务数据并进行统计分析
以下是我最新整理的一些结果，供大家参考
目前我把这些半导体公司大致分了6个大类（赛道）：
晶圆代工
封测代工
设备
耗材
设计A类（SOC、CIS ...）
设计B类（模拟、电源、射频...）
下图是以2019年Q1为基准，各个赛道公司总体营收的发展趋势。其中：设备发展最快、其次是晶圆代工、再其次是耗材；设计A类在最新的两个季度里发展巨大；而设计B类和封测代工发展相对较慢。免责声明：本文采摘自"半导体行业综研"，仅代表作者观点，如有侵权或异议请联系我们删除。
知识共享 | A10 |1.电芯的各种分类：多维度拆解电芯分类与应用场景
2026-10-14
9
做电池、做 BMS、做储能方案、做 PACK 选型，90% 的新人最容易踩的第一个坑：把不同维度的电芯概念混为一谈。
日常行业里，你会听到无数电芯名词：圆柱、方形、软包、铁锂、三元、容量型、倍率型、动力型……
很多人越看越乱：
到底 18650 是铁锂还是三元？
软包电池能不能做储能？
动力电芯和容量电芯差别在哪里？
核心真相：这些名词，根本不是同一个分类维度。
圆柱 / 方形 / 软包 →看外形结构
铁锂 / 三元 / 锰锂 →看化学材料
容量 / 倍率 / 动力 →看放电特性与用途
一颗电芯，可以同时属于：方形 + 磷酸铁锂 + 容量型。
想要真正学会电芯选型、看懂电池参数、规避项目翻车，第一步：建立完整的电芯分类体系。
本篇我们从零开始，多维度彻底拆解所有电芯类型、结构特点、优劣差异、精准应用场景，奠定整个 A10 电芯系列知识的底层认知。
一、按外形形态分类：圆柱、方形、软包（行业三大主流结构）
从物理封装形态，所有锂电池只分为三类：圆柱电芯、方形铝壳电芯、软包聚合物电芯。结构不同，决定了成组方式、散热能力、一致性、成本、安全等级、适配场景完全不同。
1、圆柱电芯（18650 / 21700 / 4680）
圆柱电芯是标准化程度最高、量产最成熟、一致性最好、价格最低的电芯形态。
常见型号数字含义（行业必懂）：
18650：直径 18mm、高度 65mm
21700：直径 21mm、高度 70mm（容量、能量密度优于 18650）
4680：直径 46mm、高度 80mm（特斯拉新一代大圆柱，无极耳结构）
结构特点：
钢壳封装、卷绕工艺成熟、自动化量产程度极高；
单体容量小、数量多、一致性高；
散热均匀、防爆泄压结构成熟，容错率高
优势：极致标准化、通用性强、性价比高、批量一致性稳定、不易批量翻车。
劣势：成组 PACK 工序多、线束多、管理串数多、空间利用率略低。
典型应用场景：早期新能源车、便携式储能、充电宝、电动工具、灯具、小家电、UPS 电源。
2、方形铝壳电芯（当前储能、车规绝对主流）
方形铝壳，是目前新能源汽车、大型储能电站普及率最高的电芯形态。
结构特点：
铝合金硬壳封装、体积规整、棱角方 正；
单电芯容量可以做极大（50Ah~300Ah+）；
成组紧凑、空间利用率高、模组结构简单。
优势：单节电芯容量大、串联数量少、PACK 结构简单、故障率低；适配大规模储能、整车长续航、系统稳定性强。
劣势：不同厂家尺寸不统一、标准化差；大容量电芯一旦出问题，单颗故障影响极大。
典型应用场景：乘用车动力电池、大型电网储能、工商业储能、光伏储能系统、低速车。
3、软包聚合物电芯（轻薄消费电子主流）
软包电芯没有金属外壳，采用铝塑膜封装，形态柔软、可微调形状。
结构特点：
轻薄、扁平、可异形、无刚性外壳；
内阻小、放电平顺、体积灵活。
优势：极致轻薄、适配异形空间、放电性能柔和、低温表现佳。可定制尺寸
劣势：抗压抗摔差、容易鼓包、不能做大倍率放电；一致性、循环寿命弱于硬壳电芯；一般不用于大型储能。
典型应用场景：手机、平板、耳机、智能穿戴、轻薄数码、小型便携设备。
三类外形电芯横向总结（选型口诀）
追求便宜、通用、稳定 → 选圆柱
做储能、做整车、做大系统 → 选方形铝壳
做轻薄消费、小型数码 → 选软包
二、按正极化学体系分类：决定电池的寿命、安全、密度
化学体系，决定一颗电池的天花板：能量密度、循环寿命、安全性、成本、电压平台。
所有锂电选型，第二步必看材料体系。
1、三元锂电池（NCM/NCA）—— 高能量密度路线
正极材料为镍钴锰 / 镍钴铝。
核心特点：
电压平台高、能量密度高、低温性能极佳、续航长；
但安全性偏弱、循环寿命一般、成本高。
适配场景：高端乘用车、长续航车型、对低温性能要求高的场景。
行业定位：追求续航、追求密度、牺牲部分安全与成本。
2、磷酸铁锂电池（LFP）—— 高安全、长循环主流
当前储能行业第一主流材料，也是中低端乘用车主流。
核心特点：极致安全、不易热失控、循环寿命长（2000 次 +）、不含贵金属、成本低；
缺点：能量密度偏低、低温性能弱、电压平台窄。
适配场景：大型储能、工商业储能、户储、大部分新能源乘用车、后备电源。
行业定位：追求安全、寿命、性价比，是目前能源转型绝对主力。
3、其他小众体系
锰酸锂 LMO：低温好、成本极低、循环短，多用于电动两轮、低端设备
钴酸锂 LCO：密度极高、稳定性好，仅限手机数码
钛酸锂LTO：超级长寿、超级安全、倍率极强，成本极高，极少民用
三、按电解液形态分类：液态→凝胶→固态（未来技术迭代线）
这是很多初学者不了解、但决定下一代电池革命的分类方式。
1、液态锂电池（当前 99% 量产主流）
液态电解液，技术成熟、阻抗低、产能巨大、成本最低。
缺点：有漏液、燃爆风险，安全性有上限。2、凝胶态锂电池
半固态结构，电解液吸附在凝胶中，不易渗漏，安全性优于液态，多用于软包消费电池。
3、全固态电池（未来终极方向）
无液态电解液，不需要隔膜、不可燃、超高安全、超高密度。目前未大规模商用，属于未来 5-10 年迭代方向。
四、按使用用途 & 放电特性分类：容量型 / 倍率型 / 动力型
外形、材料相同的电芯，用途不同，完全不能混用。很多项目翻车，就是：拿容量电芯做大电流放电，或拿倍率电芯做长续航储能。
1、容量型电芯（主打储能、长续航）
设计目标：最大化容量、最小化自耗电、长期稳定存储
放电倍率低（0.5C~1C）、内阻极低、循环寿命长。
适用：户储、大储、后备电源、不间断供电、长期静置设备。
2、倍率型电芯（主打瞬间大电流）
设计目标：超大电流爆发能力
可 2C、5C、10C 甚至更高倍率放电，瞬间大功率输出。
代价：容量偏低、循环寿命短、不适合长期静置储能。
适用：电动工具、航模、启动电源、瞬间大功率设备。
3、动力型电芯（兼顾均衡，新能源车专用）
介于容量与倍率之间：既有不错的续航容量，又支持持续中高倍率放电。适配车辆持续爬坡、加速、动态负载变化。是新能源车专属定制电芯。
五、重点：所有分类是「交叉关系」（选型核心逻辑）
新手最难理解、老手天天在用的交叉选型逻辑：
一颗电芯，同时具备三个属性：形态 + 材料 + 用途
举例：
方形 + 磷酸铁锂 + 容量型→ 大型储能标准电芯
方形 + 三元 + 动力型→ 高端乘用车动力电池
圆柱 + 三元 + 倍率型→ 电动工具电池
软包 + 钴酸锂 + 容量型→ 手机电池
所有电池选型，第一步公式：
先定场景 → 锁定用途类型 → 锁定材料体系 → 锁定封装形态
场景定错，后面 BMS 参数、保护阈值、均衡策略、SOC 算法全部错误。
六、本篇小结
电芯不能只看外观，要学会三维分类思维：外形结构、化学材料、放电用途。
圆柱看标准化、方形看储能动力、软包看轻薄消费。
三元看密度续航、铁锂看安全寿命。
容量、倍率、动力，决定电池能不能扛住你的设备负载。
真正专业的电芯选型：三维交叉匹配，而不是凭感觉挑电池。免责声明：本文采摘自"K计划共创圈"，仅代表作者观点，如有侵权或异议请联系我们删除。
知识共享 | A00 |8.锂电行业故事2：新能源汽车的百年历史，锂电池成就动力核心
2026-10-14
12
很多人以为新能源汽车是最近十几年才诞生的新事物。事实上，电动汽车的诞生比燃油车还要早，百年之间几经兴起又沉寂。早期铅酸电池的短板，让电动车在百年前败给燃油车；直到锂离子电池技术成熟，才真正让电动汽车重回赛道。巨大的车载动力需求，反过来拉动动力电池、BMS整套体系快速迭代，二者互相成就，开启了新能源时代。本篇，我们一起回顾新能源汽车曲折的发展史，看懂锂电池是如何成为汽车动力核心。
一、百年前的初次尝试：最早的电动车，为何没能普及
世界上第一台电动汽车，是 1881 年法国发明家古斯塔夫・特鲁维打造的三轮电动车，搭载铅酸电池，行驶无黑烟、震动小。在 1900 年，欧美市场售卖的 4200 台汽车里面，有 38% 都是电动车，曾经一度占据市场主流。
但很快燃油发动机技术快速进步，燃油车凭借更长续航、加油便捷的优势快速崛起。而早期电动车使用铅酸电池：能量密度低、车身沉重、充电耗时漫长，续航能力弱。充电不便这个核心短板，让纯电动车逐步退出大众汽车市场，沉寂数十年。
二、石油危机带来转机，混动与早期纯电的技术困境
1970年代，全球石油危机爆发，加上尾气污染问题日益突出，欧美各国重新重视电动车，加大研发拨款，迎来第二轮电动车研发热潮。这一阶段，行业尝试了混动、初代纯电等方案，但电池依旧是最大瓶颈。铅酸、镍氢电池能量密度不足，想要达到可用续航，电池包体积巨大、整车增重明显；大电流输出下发热、寿命、安全问题难以解决。没有合适的储能载体，哪怕车企电控技术再先进，整车产品力也很难和燃油车正面竞争，电动车依旧无法大规模商业化落地。
三、锂离子电池成熟，为新能源车带来历史性转机
1990年代商用的锂离子电子，经过消费电子市场多年的打磨，让锂离子电池材料、制造工艺逐步成熟，能量密度、放电倍率全面超越铅酸、镍氢体系，给电动汽车带来新的可能性。进入 21 世纪，多国把纯电动汽车列为汽车产业未来方向，陆续出台燃油车禁售规划。随着动力锂电池技术持续突破、国内完整产业链成型，动力电池的安全、续航、循环寿命持续优化，电动汽车才真正迎来市场化的春天。以国内市场为例，2021 年国内新能源汽车产量达到 367.7 万辆，同比增长 152.5%，国产车企迎来弯道超车的机遇。
四、动力电池独特的需求：高能量密度、高倍率、长循环
车载场景，对电池的要求和手机消费电池完全不一样：
高能量密度：有限的底盘空间内，尽量提升续航里程，缓解里程焦虑；
高倍率放电：急加速时需要瞬间输出大电流，对电芯和 BMS 功率管控能力提出要求；
长循环寿命：汽车要求电池包能够稳定使用 8 年甚至 10 年以上，充放循环次数远高于手机电池；
严苛安全标准：车辆碰撞、高低温环境下，必须严防热失控，BMS 需要持续监测每一串电芯电压、温度，实时保护。
动力电池不再是单节电芯，而是成百上千节电芯组成的电池包，BMS 电池管理系统成为动力电池包的大脑，负责均衡、保护、状态估算，是整车安全必不可少的一环。
新能源电动汽车的快速普及，动力电池万亿级的市场空间已经完全打开；汽车BMS及车规级BMIC的市场空间巨大，预计车规BMIC的市场规模超200亿元/年。K计划共创圈企业中敏半导体，技术团队拥有丰富的车规级AFE芯片研发及应用经验；车规级AFE及BMS解决方案的完全国产自主，也是中敏的奋斗方向和核心目标。
五、锂电池与新能源车，互相成就的产业故事
新能源汽车庞大的市场需求，拉动整个动力电池产业链爆发式增长；反过来，锂电材料、电芯、BMS 技术不断迭代，持续提升新能源车的续航、安全与成本优势。消费电子培育了锂电池的基础技术，而新能源汽车，真正把锂电产业推向万亿规模。这套动力电池技术，后续又外溢到储能、工程机械、船舶等更多场景，开启电化学储能的大时代。
本篇小结
电动汽车的百年浮沉，本质就是一部电池技术的迭代史。铅酸电池支撑起初代电动车，但受限于性能败给燃油车；直到锂离子电池成熟，叠加 BMS 电池管控技术配套，电动汽车才真正实现产业化落地。新能源汽车的产业爆发，不仅重塑汽车行业，也带动动力电池、电池管理芯片全产业链持续成长。免责声明：本文采摘自"K计划共创圈"，仅代表作者观点，如有侵权或异议请联系我们删除。
毫米波：连接碳基与硅基的物理AI数据基座
2026-10-10
73
从"有没有人"，到"人在哪里、在做什么"，再到理解人的状态和意图，毫米正在经历的，可能并不只是一次技术升级，而是一场感知范式的变化。
当AI还停留在屏幕里的时候，算力、模型和数据是最核心的竞争要素。但当AI开始走进真实世界，问题突然变了。机器人进入家庭，需要知道前方有没有人、障碍物在哪里；空调需要知道人的位置和状态，避免冷风直接吹向儿童；康养设备需要判断一个人是否跌倒、是否处于异常状态；工业和安防系统，则需要在复杂环境中持续追踪目标。
这些问题有一个共同前提：AI首先必须"感知"真实世界。
这也是毫米波正在迎来的新机会。
在国庆长假前夕，贸泽芯英雄联盟直播间围绕毫米波感知演进举行了一场特别有意义的对话，本次直播邀请矽典CEO徐鸿涛博士到场，在这次对谈中，一个颇值得关注的判断是：传感器正在从单纯的数据采集，走向对物理世界的理解；毫米波的角色，也可能从传统意义上的"存在检测器"，逐渐变成连接碳基生命与硅基智能的底层数据入口。
如果这个判断成立，那么今天讨论毫米波，就不能只盯着2T4、3T8R、24GHz这些参数。
更值得关注的是：当物理AI真正进入现实世界，谁来持续给它提供数据？
一、物理AI的下一道门槛，不是模型，而是"感知现实"
主持人电子创新网CEO张国斌在直播中指出过去几年，大模型的能力突飞猛进。语言模型能够理解文字、生成内容，视觉模型能够识别图像，世界模型则试图进一步模拟现实世界的状态变化。
但无论模型多么强大，它最终都必须面对一个问题：虚拟世界里的模型，如何知道现实世界正在发生什么？而这正是物理AI和传统AI最大的不同。
徐鸿涛博士补充说传统AI面对的是数字世界里的数据；物理AI面对的是一个不断变化、充满噪声、存在遮挡和不确定性的真实环境。模型可以提前构建一个房间的"世界模型"，但当一个人走进房间、坐下、躺下、跌倒，甚至把椅子推到另一个位置时，这些实时变化必须重新进入模型。
于是，物理AI实际上需要一个持续循环：真实世界 → 传感器 → 数据 → AI理解 → 决策 → 执行 → 新的真实世界状态。
传感器就是这个闭环的入口。
徐鸿涛博士在直播中把这个关系讲得非常直接：物理世界模型可以在虚拟环境中构建对真实世界的模拟，但最终仍然需要把现实世界中的交互和变化重新感知，并把数据送回模型，才能形成真正意义上的物理世界闭环。这意味着，物理AI时代的传感器，重要性正在被重新定义。
过去传感器解决的是"测量"。未来它解决的可能是"让机器理解正在发生什么"。
二、毫米波真正的变化，是从"感知"走向"认知"
徐鸿涛博士表示毫米波最早进入消费电子和智能家居时，最典型的应用其实非常简单：这里有没有人？有人，就开灯；没人，就关灯；有人靠近，就唤醒设备。这类应用已经足够实用，但它本质上仍然属于"存在检测"。
而随着收发通道增加、点云能力增强以及AI算法介入，毫米波开始获得更多维度的信息。
比如：一个目标在哪里？距离多远？移动速度是多少？是一个人还是多个人？站着、坐着还是躺着？是否正在移动？甚至能不能进一步判断这个人的状态？他在直播中展示的2T4R点云方案已经能够从俯视、侧视等维度识别多目标，并通过目标高度、活跃度等信息进一步区分人的状态。
这时候，毫米波的价值已经发生变化。它不再只是告诉机器："有人。"而是在告诉机器："这里有一个人，他在这个位置，他正在移动，而且他的状态可能正在发生变化。"这就是从"感知"走向"认知"的第一步。
徐鸿涛博士把这一过程进一步概括为三个阶段：感知——认知——守护。先判断有没有人，再理解人的状态，最终进一步帮助人变得更健康、避免危险。这其实已经超出了传统传感器的定义。
三、为什么是毫米波？它可能成为物理AI非常特殊的一双"眼睛"
当然，物理AI的感知入口绝不只有毫米波。视觉、红外、热成像、声学、激光雷达，都可以承担感知任务。但毫米波有一个非常特殊的优势：它感知的是物理世界，却不需要像摄像头那样"看见"人。
这带来两个重要价值：第一个是环境适应能力。光线、黑暗、一定程度的遮挡、烟雾、复杂室内环境，都可能成为视觉系统的挑战，而毫米波并不完全依赖光学条件。
第二个，也是越来越重要的，是隐私。家庭、卧室、卫生间、养老空间这些场景，人们未必愿意长期暴露在摄像头之下。但如果机器只需要知道"有人""人在什么位置""是否跌倒""是否正在移动"，毫米波提供了一种更低侵入性的感知方式。
直播两位嘉宾也特别讨论了这一点：在很多室内场景，视觉和声学并不能完全发挥优势，尤其涉及隐私时，毫米波天然具有一定差异化价值。
这也是为什么，毫米波的机会可能不只是"替代某一种传感器"。它更可能成为多模态物理AI感知体系中的重要底层数据源。
四、2T4R、3T8的意义，不只是"通道越来越多"
徐鸿涛博士指出从技术演进来看，毫米波正在进入一个很有意思的阶段。过去更多是单发单收、一发两收这样的基础配置。如今，2T4R已经开始进入更高规格的点云感知，而3T8R级联则进一步把空间分辨率、多目标检测和远距离探测能力推向更高水平。
矽典微最新一代产品的演进，本质上就是在不断增加机器从真实世界获得的信息维度。直播中，徐鸿涛博士提到，未来室内场景更重要的方向之一，是同时追踪更多的人，并进一步识别每个人的姿态；极端情况下，甚至希望能够在两个人同时躺在床上、基本不动的情况下，分别识别两人的状态和呼吸心跳。
这背后的逻辑很清楚：
收发通道越多，不只是"看得更远"，更重要的是能够获得更丰富的空间信息。从单点到点云，从点云到多目标，再从多目标到姿态和状态识别，最终进入行为理解。所以2T4R、3T8R真正值得关注的地方，不是参数表上的"4"和"8"。
而是：机器从真实世界获得的数据维度正在增加。而数据维度的增加，又给AI提供了更多理解现实世界的基础。
五、真正让毫米波发生跃迁的，还有另一条线：AI
如果说硬件提供了更多数据，那么AI正在改变的是：机器如何理解这些数据。这是毫米波产业一个非常关键的变化。传统毫米波算法已经发展了几十年，大量算法建立在明确的数学模型和电磁传播规律之上。
问题在于，真实室内环境远比理想模型复杂。桌子、椅子、墙壁、金属、电器、风扇都会产生反射；人移动时会产生多径和强反射；人离开之后还可能留下目标残影。
传统算法当然可以不断增加规则，但规则越来越多之后，系统也越来越复杂。这也是矽典微较早尝试"原生AI算法"的原因。
直播中徐鸿涛博士博士展示的一个典型场景是：人在复杂室内环境中走动，强反射物会形成假目标；人在离开后，目标还可能残留；甚至人推动椅子等可移动物体，也可能让雷达误认为出现新的目标。
这些问题很难靠无限增加规则解决。而AI提供了另一种路径：让模型从大量数据中学习"什么是真正的人，什么只是环境变化"。因此，毫米波的AI化并不是简单地在雷达芯片旁边加一个AI模块。
它更深层的变化是：毫米波开始从"基于规则解释信号"，走向"让AI理解信号"。这可能是下一阶段毫米波真正的技术分水岭。
六、24GHz并不意味着"低端"，关键是你到底要感知什么
直播中还有一个很有代表性的争论：既然60GHz、77GHz等更高频段能够提供更高带宽和更高空间分辨率，为什么还要坚持24GHz？徐鸿涛博士指出这个问题实际上反映了毫米波产业一个很容易被忽视的事实：频率不是越高越好，关键在于场景。
如果目标是汽车雷达或者高精度空间成像，对距离分辨率、角分辨率的要求非常高，高频段当然具有优势。但如果目标是室内的人体感知，问题就完全不同。一个人的尺寸本身就是几十厘米到两米级别。此时真正重要的未必是把空间切得无限细，而是：能不能稳定检测到人？能不能穿透一定程度的环境干扰？能不能降低成本和功耗？能不能覆盖足够大的空间？
直播中给出的一个关键判断是，24GHz在室内覆盖范围、穿透能力以及信噪比方面具有优势；对于人体这种尺度的目标，真正影响检测精度的也不只是带宽，信噪比同样非常关键。
所以，毫米波未来并不存在一条简单的"频率越高、技术越先进"的路线。真正的竞争，是：用什么样的频段、通道数、波形、算法和成本，解决什么样的问题。
这也是毫米波从"芯片竞争"走向"场景竞争"的一个重要标志。
七、场景真正开始发生"跃迁"：从家电走向机器人
如果说智能家居是毫米波过去几年最成熟的应用之一，那么下一阶段更大的想象空间，可能来自机器人、康养、工业和安防。
原因很简单：这些场景都要求机器理解真实世界。机器人不能只依赖摄像头。它需要知道一个人距离自己多远、从哪个方向靠近；在黑暗、遮挡、复杂环境中，它需要持续感知；在家庭场景里，它还要面对隐私问题。
康养则需要判断跌倒、姿态、呼吸和睡眠状态。工业需要面对粉尘、遮挡、复杂环境和目标追踪。安防则可能需要在视觉不适合的环境里，完成周界和远距离目标探测。
直播中徐鸿涛博士提到，未来室内毫米波可能进一步向多人、多姿态乃至多人生命体征识别发展；室外则可能走向无人机探测、周界安全等更远距离的场景。这意味着一个很重要的产业变化：毫米波正在从"一个产品功能"，变成物理AI系统的基础能力。
八、但真正的难题不是"能不能感知"，而是"能不能量产"
徐鸿涛博士指出从实验室Demo走向真正的物理AI产品，还有一道很长的鸿沟。客户最终需要的不是一个漂亮的点云。而是：低成本、低功耗、小尺寸、稳定、可靠、合规，并且能够快速开发。
这也是芯片厂商竞争越来越"重"的原因。从芯片到参考设计，再到算法、开发工具和开发生态，产业链正在逐渐向上延伸。
他表示矽典微目前的路径也比较典型：底层是SoC芯片，上面提供参考硬件和算法，再进一步通过OneLab开发体系降低开发门槛，包括标准硬件、软件工具、开源实例以及API等。其核心目的，是把过去只有专业雷达工程师才能做的事情，逐渐变成更多开发者可以参与的事情。
这件事情的重要性甚至不亚于芯片本身。
因为物理AI的应用不会由一家芯片公司全部定义。真正决定市场边界的，很可能是：有多少开发者拿到传感器之后，能够创造出芯片厂商原本没有想到的应用。这也是毫米波真正走向普及的关键。
九、下一场竞争，可能是"谁拥有更多真实世界数据"
把视角拉得更远一点，会发现毫米波和物理AI之间其实存在一个非常有意思的关系。今天大家谈AI，往往首先想到GPU、算力、大模型。
但物理AI的逻辑不完全一样。一个机器人拥有再强的模型，如果它不知道前面站着一个人，它依然无法做出正确决策。一个家庭AI拥有再强的推理能力，如果它不知道老人刚刚跌倒，它也无法真正提供帮助。
一个世界模型拥有再精确的虚拟环境，如果现实世界发生变化之后没有新的数据进入模型，那么这个"世界"很快就会和现实脱节。
所以，物理AI真正需要的是一个持续运行的数据闭环：传感器感知现实 → 生成空间与行为数据 → AI理解状态和意图 → 世界模型更新 → 系统做出决策 → 再次感知。
毫米波恰恰处于这个闭环最前端。它不负责替代大模型，也不负责单独完成所有推理。它负责的是：把现实世界发生的事情，变成机器能够理解的数据。从这个意义上说，毫米波不是物理AI的大脑。它更像是物理AI伸向现实世界的一组"神经末梢"。
十、真正值得期待的，是"碳基—硅基"之间新的连接方式
这或许也是这场直播中最值得留下来的一个观点。主持人张国斌指出过去人与机器之间的交互，主要靠命令。人说一句话，机器执行一个动作。但真正成熟的物理AI，可能并不是这样。未来的机器人、空调、家电和各种智能设备，不一定需要人不断告诉它"我要什么"。它应该能够通过人的位置、姿态、行为和状态，主动判断需求。
徐鸿涛博士补充说应该是人走到空调前，空调知道应该调整风向；儿童跑到冷风口附近，系统知道应该避让；老人跌倒，设备知道需要报警；机器人看到一个人走过来，知道应该主动避让。
这背后，本质上是一个变化：机器开始从"听懂人说什么"，走向"理解人在做什么"。而这恰恰是毫米波最有机会参与的一场变化。从这个角度看，毫米波的未来并不只是智能家居里多装几个雷达。
更大的机会是：让机器真正拥有感知现实世界的能力。
结语：毫米波的"下半场"，可能才刚刚开始
过去十多年，毫米波解决的是一个相对明确的问题：如何让机器知道"这里有没有东西"。下一阶段，它要解决的问题则变成：这个东西是什么？在哪里？正在做什么？接下来可能发生什么？
而当AI开始参与其中，毫米波又获得了新的可能：从采集数据，到理解数据；从检测目标，到理解场景；从感知空间，到连接真实世界与世界模型。这也解释了为什么2T4R、3T8R、多目标点云、原生AI、参考设计和开发者生态会同时出现。
它们看起来是不同的技术点，实际上都在服务同一个方向：让机器获得越来越丰富、越来越准确、越来越低成本的现实世界数据。所以，真正值得关注的可能不是"毫米波能不能成为下一个爆发的传感器"。
而是另一个更大的问题：当AI开始从数字世界走向物理世界，谁来成为它进入现实世界的第一道数据入口？至少在家庭、机器人、康养、工业和安防等大量场景中，毫米波正在成为一个越来越值得认真研究的答案。
而这场革命，可能才刚刚开始。免责声明：本文采摘自"电子创新网"，仅代表作者观点，如有侵权或异议请联系我们删除。
ICCAD-Expo 2026攻略 | 议程、展商一篇全看懂！
2026-10-10
121
作为国内创办最早、极具影响力的IC行业标杆盛会，历经31年沉淀，ICCAD-Expo 始终秉承 “设计引领集成电路全产业链发展”，打造设计链、工艺链、封测链、市场生态链、应用场景链、资本赋能链全链协同，已成为国内乃至全球集成电路头部企业集聚及 IC 人一年一度的产业交流、资源对接高地。
本届展会将于2026年11月19–20日在北京亦庄・北人亦创国际会展中心盛大召开，届时众多国内外头部展商齐聚，预计将吸引10000+产业精英参与，共话AI时代半导体技术创新与产业机遇。
即刻扫码报名参会
01
ICCAD-Expo 2026 五大核心亮点权威报告、头部企业、全链资源、高端人脉，这都有！
亮点一： 权威专家顶层洞察，一手行业报告首发
ICCAD-Expo 高峰论坛将特邀中国半导体行业协会IC设计分会理事长魏少军教授做重磅主旨演讲，权威发布本年度集成电路设计业最新发展报告，解读产业规模、市场格局、机遇与挑战。
亮点二：顶尖企业齐聚、分享前沿技术，聚焦创新热点
200+头部企业将带来前沿分享，直击后摩尔时代 AI 芯片、Chiplet、异构集成、国产 EDA、车规芯片、RISC-V 等当下最热赛道，把握未来方向。
亮点三： 1+N+1 论坛+展览，覆盖全产业链协同发展与应用趋势
大会延续「高峰论坛 + 多场专题分论坛 + 产业展览」架构，200+企业 CEO/CTO、技术大牛登台分享。
议题覆盖：EDA 与 IP、先进封装、算力芯片、硅光、存储、安全芯片、汽车半导体、资本投融资、供应链协同等，技术、市场、政策多维碰撞，按需选场深度交流。
亮点四： 全产业链集中亮相，一站式对接上下游资源
展览汇聚近400家产业链核心展商，覆盖 IC 设计、EDA、IP、晶圆制造、封测、设备材料、设计服务等全环节。从头部大厂到新锐创新企业集中展示最新产品与技术方案，现场面对面洽谈，高效挖掘供应链、项目、技术合作机会。
亮点五： 高质量精准圈层，都是产业决策者
ICCAD-Expo 是业界创办最早、参展规格最高、展商反响最强烈的商业展会之一，预计今年将突破 10000 位产业精英参与，参会人群经理级以上占比超80%，总监/VP级别核心决策者占比超30%。
不用海量无效寒暄，在这里见到的，都是能拍板、能落地的合作伙伴、客户与投资人，高效链接产业人脉。
02
展商名录
近400家展商集结，你的上下游伙伴都在这！
参与企业一览：
展位图：
（点击图片查看高清原图）
03
日程安排
ICCAD-Expo 2026 日程安排如下，如需查看详细议程、相关会议地点请下滑至 04 会议议程 中查看。
11月19日（周四）
上午
开幕式
高峰论坛
下午
高峰论坛
晚上
芯动科技欢迎晚宴
11月20日（周五）
专题（Ⅰ）
IP 赋能 IC 设计 (Ⅰ)
专题（Ⅱ）
IP 赋能 IC 设计 (Ⅱ)
专题（Ⅲ）
IP 赋能 IC 设计 (Ⅲ)
EDA 护航 IC 设计 (Ⅰ)
专题（Ⅳ）
EDA 护航 IC 设计 (Ⅱ)
专题（Ⅴ）
先进封装与测试全链路协同 (Ⅰ)
专题（Ⅵ）
先进封装与测试全链路协同 (Ⅱ)
专题（Ⅶ）
FOUNDRY 与 IC 设计服务
专题（Ⅷ）
IC 设计与创新应用
专题（Ⅸ）
北京集成电路发展论坛
晚间
闭幕晚宴 &颁奖& 交旗仪式
11月19-20日（周四、周五）
全天
第32届集成电路设计业展览
（* 信息如有更新，以最新发布为准）
04
会议议程
高峰论坛
时间：2026年11月19日，星期四
地点：北京亦庄，北人亦创国际会展中心，C馆
上下滑动查看
开幕式 08:30-09:00
主持人：程晋格
中国半导体行业协会集成电路设计分会秘书长
08:30-08:40
领导致辞
08:40-09:00
北京 IC 产业推介
主旨报告 09:00-09:30
09:00-09:30
主旨报告
魏少军 教授 中国半导体行业协会集成电路设计分会理事长
高峰论坛 09:30-12:15
09:30-09:45
题目待定
奕斯伟计算
09:45-10:00
AI 高带宽存力、算力、连力三力合一: IP 和芯片定制，赋能下一代 TOKEN 工厂
敖海 芯动微电子科技（北京）有限公司 CEO
10:00-10:15
题目待定
陈锋 安谋科技（中国）有限公司 CEO
10:15-10:30
题目待定
华大九天
10:30-10:45
SIDesigner: Unified SI/PI Simulation Leader
孙家鑫 巨霖科技（上海）有限公司创始人兼董事长
10:45-11:00
端侧、边侧和云侧 AI ASIC 设计平台
戴伟民 芯原微电子（上海）股份有限公司董事长、首席执行官、总裁
11:00-11:15
题目待定
达摩院玄铁
11:15-11:30
加速构建面向 AI 时代的 RISC-V 生态
包云岗 北京开源芯片研究院首席科学家
11:30-11:45
题目待定
比亚迪半导体
11:45-12:00
题目待定
TSMC
12:00-12:15
题目待定
西门子EDA
12:15-13:25 自助午餐
13:25-13:30 幸运抽奖
高峰论坛 13:30-17:40
主持人：任奇伟
中国半导体行业协会集成电路设计分会副理事长
13:30-13:45
光联未来，芯聚北京：AI 时代联电的可信赖代工策略
林聪明 联华电子股份有限公司 Senior Division Director
13:45-14:00
题目待定
芯耀辉
14:00-14:15
从芯粒堆叠到逻辑折叠：后摩尔时代的原生三维芯片设计方法学
贺培鑫 上海合见工业软件集团股份有限公司 CTO
14:15-14:30
国产 ATE 架构创新打通 SoC，PMIC 与 Memory 的测试产能壁垒
毛国梁 南京宏泰半导体科技股份有限公司集团副总经理
14:30-14:45
题目待定
概伦电子
14:45-15:00
题目待定
锐成芯微
15:00-15:15
先进封装在大规模 AI 智算芯片领域当中的发展路径
谢建友 齐力半导体（绍兴）有限公司 CEO
15:15-15:30 茶歇
15:30-15:35 幸运抽奖
15:35-15:50
题目待定
CoreLab
15:50-16:05
与时间赛跑：τ-Aware 工具框架如何定义国产 EDA 新高度
贺青 杭州行芯科技有限公司董事长兼 CEO
16:05-16:20
题目待定
硅芯科技
16:20-16:35
题目待定
鸿芯微纳
16:35-16:50
3DIC 时代：重构芯片设计的产业新范式
陈浩珉 芯盟科技市场销售副总裁
16:50-17:05
题目待定
九同方
17:05-17:20
题目待定
纽创信安
17:20-17:35
题目待定
GlobalFoundries
17:35-17:40 幸运抽奖
芯动科技欢迎晚宴（ICCAD年会）
18:00-20:00
* 信息如有更新，以最新发布为准
专题论坛（Ⅰ）
时间：2026年11月20日，星期五
地点：北京亦庄，北人亦创国际会展中心，亦汇厅1
上下滑动查看
IP 赋能 IC 设计 (Ⅰ) — 上午
主持人：沈磊
中国半导体行业协会集成电路设计分会副理事长
08:40-09:00
题目待定
Synopsys
09:00-09:20
题目待定
北京开源芯片研究院
09:20-09:40
题目待定
芯耀辉
09:40-10:00
题目待定
CoreLab
10:00-10:20
让芯片开发更快一步：AI 提效与设计服务双引擎
王成伟 西安紫光国芯半导体股份有限公司高级副总裁
10:20-10:40
题目待定
奎芯科技
10:40-11:00
芯来科技 1000 系列 RISC-V CPU IP 赋能Agent与汽车电子
胡进 芯来科技 AE 总监
11:00-11:20
题目待定
索喜科技
11:20-11:40
面向卫星互联网多场景的 K/Ka 波段相控阵解决方案
袁静宇 成都旋极星源信息技术有限公司西南大区销售总监
11:40-12:00
Analog Signal Chain Control for Smart Power and Motor Applications
Pratap Narayan Singh Vervesemi CTO
12:00-12:20
RISC-V 新动能：Andes 的 AI 与机器人布局
龚纯贤 Andes 晶心科技大中华区业务处长
12:00-12:05 幸运抽奖
12:05-13:10 自助午餐
IP 赋能 IC 设计 (Ⅰ) — 下午
主持人：丁强
中国半导体行业协会集成电路设计分会副秘书长
13:10-13:30
超越计算：构建面向机器人与自动化设备的存储感知人工智能系统
李毅 Ceva 产品方案经理
13:30-13:50
推进 RISC-V AI 架构演进：深入解析 SiFive 第二代 Intelligence 系列
郭正伟 SiFive 现场应用高级工程师
13:50-14:10
题目待定
Arteris
14:10-14:30
落实网络安全与设备防伪的关键技术 - 物理不可克隆功能与可信硬件技术需求与解决方案
陈启彬 力旺电子股份有限公司资深技术行销经理
14:30-14:50
赋能AI时代：赛凯智从高带宽内存到片上网络的硅IP平台
黄正良 赛凯智（SkyeChip）业务发展总经理
14:50-15:10
基于 Agent 的芯片设计与验证新范式
范益波 复旦大学教授 / 上海星芯逻辑科技有限公司董事长
15:10-15:30
题目待定
CAST
15:30-15:50
基于数据包的神经引擎，实现确定性、节能的边缘 AI
连文贤 美商艾柏德股份有限公司销售总监
15:50-16:10
题目待定
OPENEDGES
16:10-16:30
基于 RISC-V + AI 的人工智能芯片设计平台
沈贽 苏州国芯科技股份有限公司技术总监
16:30-16:50
RISC-V + DSA：端侧 AI 领域专用计算新范式
曾轶 隼瞻科技创始人兼 CEO
16:50-17:10
存算一体，智变推理
——新忆科技 RRAM 存储 IP 及 AI 推理芯片的商业化实践
贾槐真 北京新忆科技有限公司市场运营负责人
17:10-17:30
高速接口 IP 的创新成就 AI 算力芯片的突围
崇华明 上海合见工业软件集团股份有限公司高级市场总监
17:30-17:50
大规模 AI 集群的互联挑战：从带宽、时延到芯片 IP 设计
梁云 深圳芯网动力科技有限公司 VP
17:50-17:55 幸运抽奖
闭幕晚宴 & 颁奖 & 交旗仪式
18:00-19:30
* 信息如有更新，以最新发布为准
专题论坛（Ⅱ）
时间：2026年11月20日，星期五
地点：北京亦庄，北人亦创国际会展中心，亦汇厅2
上下滑动查看
IP 赋能 IC 设计 (Ⅱ) — 上午
主持人：沈磊
中国半导体行业协会集成电路设计分会副理事长
08:40-09:00
题目待定
芯耀辉
09:00-09:20
应用于汽车、无人机与机器人领域的领先摄像头系统
杨平中 芯原微电子（上海）股份有限公司 ISP 产品副总裁
09:20-09:40
题目待定
达摩院玄铁
09:40-10:00
题目待定
TSMC
10:00-10:20
题目待定
朱晓鸣 安谋科技（中国）有限公司 CPU产品总监
10:20-10:40
题目待定
锐成芯微
10:40-11:00
一站式高速接口 IP 和芯片定制，加速 AI 芯片量产落地
高专 芯动科技IP与定制芯片事业部总经理
11:00-11:20
题目待定
纽创信安
11:20-11:40
中茵微电子 AI ASIC 芯片平台
李明 中茵微电子（北京）股份有限公司 SoC 设计总监
11:40-12:00
AI 存储从设计到量产：系统架构、堆叠存储与先进封装的协同
王贻源 芯盟科技市场销售总监
12:00-12:20
RSI 开启 AI 芯片自设计时代
罗国政 上海泛函数智能科技有限公司 研发主管
12:20-12:25 幸运抽奖
12:25-13:10 自助午餐
IP 赋能 IC 设计 (Ⅱ) — 下午
主持人：汪晓煜
中国半导体行业协会集成电路设计分会副秘书长
13:10-13:30
记忆体携手 Chiplet 技术：开启 AI 新时代
徐达勇 乾瞻科技股份有限公司 COO
13:30-13:50
题目待定
Qualitas Semiconductor
13:50-14:10
ReRAM for Edge AI and In-Memory Computing
Eran Briman Weebit Nano市场与业务发展副总裁
14:10-14:30
M31 先进矽智财解决方案：加速边缘AI次世代效能
朱有钦 円星科技股份有限公司资深技术经理
14:30-14:50
定制化 IP 赋能 SoC 差异化竞争
罗培君 四川和芯微电子股份有限公司销售经理
14:50-15:10
帧压缩 IP CFrame60 介绍
陶南 芯媒半导体（上海）有限公司业务负责人
15:10-15:30
ADTechnology 基础 IP 助力客户全面提升芯片 PPA
陈凯 ADTechnology 中国区销售总监
15:30-15:50
LeoLSI 公司简介
董纹祯 LeoLSI 经理
15:50-16:10
可扩展的存储器中心型 AI 推理 IP 平台（从 SRAM IP 到可扩展 AI 推理 IP）
权男玹 雅创芯科技有限公司执行董事
16:10-16:30
题目待定
K&C Analog
16:30-16:50
混合信号 IP 解决方案加速 SoC 设计与验证
金真兌 K&C Analog Inc. CEO
16:50-17:10
AI 时代的芯片设计与软硬协同
——Perforce 以 IP 为中心的设计及资产管理实践
林宏学 Perforce 应用工程师
17:10-17:30
从“黑盒”到“白盒”：EMIR Signoff 如何为高质量 IP 设计保驾护航
李骥 上海立芯软件科技有限公司研发副总裁
17:50-17:55 幸运抽奖
闭幕晚宴 & 颁奖 & 交旗仪式
18:00-19:30
* 信息如有更新，以最新发布为准
专题论坛（Ⅲ）
时间：2026年11月20日，星期五
地点：北京亦庄，北人亦创国际会展中心，亦汇厅3
上下滑动查看
IP 赋能 IC 设计 (Ⅲ) — 上午
主持人：刘娜
中国半导体行业协会集成电路设计分会副秘书长
08:40-09:00
题目待定
Cadence
09:00-09:20
进迭时空：高性能计算与 AI 时代的 RISC-V IP 创新与 SoC 实践
费晓龙 进迭时空科技有限公司 CPU 设计总监
09:20-09:40
后摩尔时代的全芯片 ESD 协同设计服务
——面向先进节点与异质集成的可靠性解决方案
李志国 伟芯科技（徐州）有限公司 CTO
09:40-10:00
题目待定
Dolphin Semiconductor
10:00-10:20
题目待定
牛芯半导体
10:20-10:40
题目待定
晟联科
10:40-11:00
稳健的 PHY 时钟设计：Silicon Creations 携手 Synopsys
陈重均 Silicon Creations 高级技术总监
11:00-11:20
题目待定
腾芯微
11:20-11:40
Gen2 RISC-V Processor IP Product Line
Alexander Kozlpv CloudBEAR CTO
11:40-12:00
碎片化计算的终结：GPU 融合架构与智能边缘的下一个十年
艾克 颖脉信息技术（上海）有限公司技术总监
12:00-12:20
2.5GbE PHY：打造高效边缘网通升级
卓冠秀 智原科技股份有限公司中 央产品营销副总监
12:20-12:25 幸运抽奖
12:25-13:10 自助午餐
EDA 护航 IC 设计 (Ⅰ) — 下午
主持人：王志华
中国半导体行业协会集成电路设计分会副秘书长
13:10-13:30
面向 AI 与复杂系统时代的工程智能——AI EDA、光电协同设计与多物理场创新
梁瀚晨 是德科技设计工程软件大中华区市场部经理
13:30-13:50
题目待定
Synopsys
13:50-14:10
题目待定
硅芯科技
14:10-14:30
题目待定
Cadence
14:30-14:50
不止于电：多物理场视角下的 EMIR 签核
——从电-热-力耦合到芯片可靠性的系统级护航
李军 上海立芯软件科技有限公司高级产品经理
14:50-15:10
智驱左移：AI 优化驱动芯粒/系统级 EDA设计与验证迭代
吴晨 比昂芯科技研发总监
15:10-15:30
互连系统设计协同优化技术，加速人工智能时代高速高带宽演进
蒲菠 宁波德图科技有限公司 SVP
15:30-15:50
AI辅助物理验证规则-先进工艺下的机遇、陷阱与校验工作
刘伟青 上海弘快科技副总经理
15:50-16:10
数字 SoC 可测性设计全自动解决方案
王盼盼 西安简矽技术联合创始人
16:10-16:30
3D+2D IC 物理设计布局系统
蔡振 矽极软件技术（上海）有限公司CEO
16:30-16:50
Hectosim 仿真加速器在大规模芯片设计中的实践
金葆晖 上海逸集晟网络科技有限公司总经理
16:50-17:10
快速芯片 GDSII 工艺节点自动化迁移和快速流片平台
楼英明 浙江雷娜科技有限公司创始人 & CEO
17:10-17:30
基于 HLS 的通用智能计算编译器设计
吴昌 恩岭智能科技（苏州）有限公司创始人
17:30-17:50
AI 赋能功能性 ECO，落地芯片设计实战
杨晓庆 奇捷科技（深圳）有限公司研发 VP
17:50-17:55 幸运抽奖
闭幕晚宴 & 颁奖 & 交旗仪式
18:00-19:30
* 信息如有更新，以最新发布为准
专题论坛（Ⅳ）
时间：2026年11月20日，星期五
地点：北京亦庄，北人亦创国际会展中心，亦汇厅6
上下滑动查看
EDA 护航 IC 设计 (Ⅱ) — 上午
主持人：周生明
中国半导体行业协会集成电路设计分会副理事长
08:40-09:00
双向赋能，重构芯片设计验证新范式
陈正国 思尔芯副总裁
09:00-09:20
高速接口链路中的BER计算方案
邓俊勇 巨霖科技（上海）有限公司副总经理
09:20-09:40
题目待定
华大九天
09:40-10:00
AI 赋能验证：智能技术如何重塑验证全栈
曹梦侠 上海合见工业软件集团股份有限公司验证产品市场总监
10:00-10:20
全栈 EDA+AI 驱动芯片到系统的极致协同设计
黄晓波 芯和半导体科技（上海）股份有限公司总裁助理
10:20-10:40
题目待定
西门子EDA
10:40-11:00
题目待定
概伦电子
11:00-11:20
从可测性到良率闭环：DFT 如何驱动良率生态协同
黄征 杭州广立微电子股份有限公司 EDA 部门产品总监
11:20-11:40
题目待定
九同方
11:40-12:00
AI 赋能 PPA 优化闭环，加速芯片设计效率
冯春阳 鸿芯微纳研发副总裁
12:00-12:20
τ-Aware Design Flow：七步链路如何打通从架构到量产的 τ 优化全闭环
任旭 杭州行芯科技有限公司业务拓展总监
12:20-12:25 幸运抽奖
12:25-13:10 自助午餐
EDA 护航 IC 设计 (Ⅱ) — 下午
主持人：陆斐
中国半导体行业协会集成电路设计分会副秘书长
13:10-13:30
形式化验证产业应用及发展方向
冯煌 上海阿卡思微电子技术有限公司技术支持总监
13:30-13:50
题目待定
芯华章
13:50-14:10
构建智算互联系统数字孪生：MimicPro3 的全栈多场景验证方案
杨一峰 上海启芯领航半导体有限公司 资深产品经理
14:10-14:30
智算芯检，静验未来：英诺达 AI 时代 RTL 签核新范式
许建国 英诺达（成都）电子科技有限公司技术运营部总监
14:30-14:50
伴芯科技：AI 驱动芯片物理设计收敛，迈向智能体时代
朱允山 上海伴芯科技有限公司 CEO
14:50-15:10
AI 驱动芯片设计与制造的演进路径
Walden C. (Wally) Rhines Silvaco 集团股份有限公司 CEO
15:10-15:30
从「能用」到「敢用」：芯片研发 Agent 的工程化落地
李磊 中科麒芯创始人兼董事长
15:30-15:50
AI EDA 加速国产 AI 芯片设计
刘丹 北京汤谷软件技术有限公司 CEO
15:50-16:10
模拟芯片设计的 Agentic EDA
蓝碧健 苏州复鹄电子科技有限公司 CEO
16:10-16:30
Jade-DA：可配置设计的寄存器管理
马翔 宏太科技股份有限公司总监
16:30-16:50
从全量故障注入到智能筛选：AI赋能软错误仿真加速
管楠 上海芯思维信息科技有限公司售前总监
16:50-17:10
从可执行模型到芯片验证：MATLAB 与 Agentic AI 赋能设计左移
陈晓挺 MathWorks 半导体行业经理
17:10-17:30
迈向智能 EDA：设计与制造协同的工具与方案演进
白耿 深圳国微芯科技有限公司高级副总裁
17:30-17:50
硅前设计空间探索：面向 3D 与异质集成时代的虚拟 PDK
沈忱 上海培风图南半导体有限公司 董事长
17:50-17:55 幸运抽奖
闭幕晚宴 & 颁奖 & 交旗仪式
18:00-19:30
* 信息如有更新，以最新发布为准
专题论坛（Ⅴ）
时间：2026年11月20日，星期五
地点：北京亦庄，北人亦创国际会展中心，亦汇厅4
上下滑动查看
先进封装与测试全链路协同 (Ⅰ) — 上午
主持人：李军
中国半导体行业协会集成电路设计分会副秘书长
08:40-09:00
题目待定
Soitec
09:00-09:20
异构集成时代的质量守护-高可靠测试赋能产业跃迁
郭敬 上海伟测半导体科技股份有限公司，天津伟测研发中心总经理
09:20-09:40
鼎探芯与 AI 算力：赋能先进封装新浪潮
谭学斌 鼎探芯半导体科技（上海）有限公司总经理
09:40-10:00
题目待定
华封集芯
10:00-10:20
面向 AI 的 Chiplet 集成技术及甬矽 BSAP 2.5D/3D 解决方案
钟磊 甬矽电子（宁波）股份有限公司研发总监
10:20-10:40
从 Chiplet 到 CPO：AI 算力驱动下的先进封装与光电异质集成
汤尔昌 齐力半导体（绍兴）有限公司 TPM 总监
10:40-11:00
高可靠先进封装技术应用及展望
王胜杰 北京时代民芯科技有限公司市场经理
11:00-11:20
题目待定
是德科技
11:20-11:40
半导体物理 AI 大模型赋能产业升级
朱超 胜科纳米（南京）有限公司执行副总经理
11:40-12:00
AI 算力浪潮下 ATE PCB 的电源完整性仿真挑战与工程应对
文会利 零壹半导体技术（常州）有限公司高级应用工程师
12:00-12:20
从仿真到量产：共筑芯片全生命周期验证闭环
孙芹 北京中发芯测科技有限公司总经理
12:20-12:25 幸运抽奖
12:25-13:10 自助午餐
先进封装与测试全链路协同 (Ⅰ) — 下午
主持人：赵建忠 教授
中国半导体行业协会集成电路设计分会副秘书长
13:10-13:30
题目待定
拓鼎电子
13:30-13:50
题目待定
上海世禹
13:50-14:10
题目待定
晶通科技
14:10-14:30
题目待定
华宇电子
14:30-14:50
超越铜极限：迎向 AI 连接性新纪元的矽光子、VCSEL 与多元主被动元件测试布局
周侑陵 台湾矽格股份有限公司专案处长
14:50-15:10
题目待定
AT&S
15:10-15:30
迎接 224Gbps：高性能同轴测试探针助力芯片高速验证
蔡泓羿 苏州和林微纳科技股份有限公司设计研发总监
15:30-15:50
包含 MZM 调制器和 CW 激光器的光电子测试
李成 NI, Emerson T&M 首席系统设计工程师
15:50-16:10
OSAT 视角下 AI 半导体市场发展趋势
张梦宇 安靠科技销售经理
16:10-16:30
宽禁带功率器件全链条表征：从晶圆材料分析到失效机理原子级溯源
田佳民 深圳平湖实验室材料分析主任工程师
16:30-16:50
3D 封装工艺与散热技术更新
陆振洲 株式會社東京精密市场部副部长
16:50-17:10
题目待定
越摩先进
17:10-17:30
面向 AI 时代的先进硅电容技术：赋能下一代高性能芯片电源完整性
汪大祥 上海朗矽科技有限公司创始人兼 CEO
17:30-17:50
三维堆叠 DRAM 技术创新驱动 AI 芯片性能跃升
左丰国 西安紫光国芯半导体股份有限公司高级副总裁
17:50-17:55 幸运抽奖
闭幕晚宴 & 颁奖 & 交旗仪式
18:00-19:30
* 信息如有更新，以最新发布为准
专题论坛（Ⅵ）
时间：2026年11月20日，星期五
地点：北京亦庄，北人亦创国际会展中心，亦汇厅5
上下滑动查看
先进封装与测试全链路协同 (Ⅱ) — 上午
主持人：何晓宁
中国半导体行业协会集成电路设计分会副理事长
08:40-09:00
电子终端产品封装技术应用分享以及芯德半导体全方位核心技术解决方案
张中 江苏芯德半导体科技股份有限公司副总经理
09:00-09:20
题目待定
日月光
09:20-09:40
赋能下一代人工智能基础设施的功率器件技术
郭桂冠 日月新集团 CTO
09:40-10:00
AI 算力对先进封装的供电需求与趋势
丁敬峰 通富微电技术副总
10:00-10:20
题目待定
季丰电子
10:20-10:40
MS8000 PMIC 测试解决方案
邵凌明 南京宏泰半导体科技股份有限公司产品总监
10:40-11:00
面板级扇出封装技术的挑战和解决方案
谢雷 华润润安科技（重庆）有限公司研发高级经理
11:00-11:20
和林微纳线针简介及应用场景
雷辉 苏州和林微纳科技股份有限公司线针研发主管
11:20-11:40
昂科 ABI3.0 全自动老化测试方案赋能AI加速芯片、电源模块及 HBM 全场景测试
傅国 深圳市昂科技术有限公司副总裁
11:40-12:00
AI Agent 赋能 ATE：智能测试程序生成与自动 Debug
李永煌 智昇芯测半导体（上海）有限公司资深经理
12:00-12:20
面向 3D 堆叠算力芯片的一体化异构老化方案
周军 上海卓垣弘芯半导体科技有限公司董事长
12:20-12:25 幸运抽奖
12:25-13:10 自助午餐
先进封装与测试全链路协同 (Ⅱ) — 下午
主持人：刘劲梅
中国半导体行业协会集成电路设计分会副秘书长
13:10-13:30
板级封装市场与技术发展趋势
李枭 成都奕成科技股份有限公司首席市场官
13:30-13:50
先进板级扇出封装创新与应用
赵铁良 深圳中科四合科技有限公司市场总监
13:50-14:10
题目待定
中科科化
14:10-14:30
低成本扇出型封装的产业新思路
青岛新核芯
14:30-14:50
聚鼎芯材国产化封装材料整体解决方案
章健 南京聚鼎芯材科技有限公司创始人、董事长
14:50-15:10
芯片先进封装对传统封装企业的技术挑战
刘敏轩 长沙安牧泉智能科技有限公司研发总监
15:10-15:30
AI/HPC 异质集成中的高密度互连：技术路径与量产边界
奥芯明半导体
15:30-15:50
数智筑基 · 芯领未来——集成电路行业全链路智能管理新范式
宋官琼 北京华微世纪科技有限公司总经理
15:50-16:10
引领高性能计算（HPC）与人工智能（AI）测试新时代
戴云 爱德万测试（中国）管理有限公司业务发展和测试技术架构部总监
16:10-16:30
针对先进封装的全自动无损检测的 3D X 射线检测
唐立云 康姆艾德机械设备（上海）有限公司中国技术销售总监
16:30-16:50
蓝宝石载盘在先进封装中的应用
康森 天通控股股份有限公司副总经理
16:50-17:10
先进封装SI/PI仿真挑战与应对之道
董佳龙 巨霖科技技术支持部总监
17:10-17:30
AI+ 合见工软系统级设计平台解决方案
戴维 上海合见工业软件集团股份有限公司产品总监
17:30-17:50
从保护带到确定性
—— 云端 AI 与汽车电子零逃逸的数据驱动之路
张震宇 泰瑞达计算测试事业群中国区总经理（业务与市场）及全球汽车与计算事业部总监
17:50-17:55 幸运抽奖
闭幕晚宴 & 颁奖 & 交旗仪式
18:00-19:30
* 信息如有更新，以最新发布为准
专题论坛（Ⅶ）
时间：2026年11月20日，星期五
地点：北京亦庄，北人亦创国际会展中心，会议室N101
上下滑动查看
FOUNDRY 与 IC 设计服务 — 上午
主持人：待定
08:40-09:00
从感知到决策：特色工艺如何让智能成为现实
卫鹤鸣 X-FAB 技术市场经理
09:00-09:20
题目待定
TSMC
09:20-09:40
题目待定
和舰芯片
09:40-10:00
题目待定
GlobalFoundries
10:00-10:20
破局摩尔定律：AI 重塑 DTCO 协同优化与产业新范式
俞柳江 上海煕耀芯微半导体有限公司 CMO
10:20-10:40
AI 时代的“光”速引擎：Tower 硅光平台赋能高速光通信互联
周圣焱 Tower Semiconductor 销售经理
10:40-11:00
晶合集成特色工艺
刘凤铭 合肥晶合集成电路股份有限公司市场行销处处长
11:00-11:20
聚势创新，特色工艺驱动智慧芯时代
李书恒 上海积塔半导体市场部总监
11:20-11:40
光感互联 • 三维存算——面向AI时代的新芯股份
周俊 新芯股份副总经理
11:40-12:00
携手创芯，共赢未来
朱峰 华润微电子市场销售中心经理
12:00-12:20
先进制程良率提升的优化策略
王健 普迪飞半导体技术（上海）有限公司资深技术总监
12:20-12:25 幸运抽奖
12:25-13:10 自助午餐
FOUNDRY 与 IC 设计服务 — 下午
主持人：徐秀法
中国半导体行业协会集成电路设计分会副秘书长
13:10-13:30
AI 赋能图形化工艺坏点检测，助力良率提升
张生睿 东方晶源微电子科技（北京）股份有限公司 HPO战略产品研究中心总监
13:30-13:50
题目待定
华虹宏力
13:50-14:10
从设计到晶圆：半导体掩膜版全流程质量管控
高泰 睿晶半导体有限公司市场销售总监
14:10-14:30
题目待定
凌烟阁
14:30-14:50
精工特色工艺，智造高性价比未来芯
洪郁荃 智原科技股份有限公司市场副总监
14:50-15:10
MEMS 为基，光车并进：增芯科技全栈特色工艺赋能产业创新
严然 广州增芯科技有限公司全球商务中心副总
15:10-15:30
基于 MPW 需求的版图自动化解决方案
王栋 深圳市龙图光罩股份有限公司副总经理
15:30-15:50
以 AI 重塑芯片研发 | 一站式 CoAgent 智能工具方案
常亮 叩持（西安）电子信息技术有限公司技术专家
15:50-16:10
题目待定
灿芯半导体
16:10-16:30
Physical AI 时代的三维智能视觉
薛乐山 威宏科技股份有限公司特助
16:30-16:50
AI 计算、存储及连接带宽扩展的系统方案介绍
肖有军 创意电子股份有限公司技术总监
16:50-17:10
高性能画质显示 IP 提升 AI 时代多媒体视觉新体验，高性能以太网 IP 造就万物互联
李学文 珠海扬智电子科技有限公司总经理
17:10-17:30
向数据要良率
——从数据挖掘到工艺溯源的良率探索实践
王慧秀 杭州广立微电子股份有限公司软件研发部技术总监
17:30-17:50
题目待定
美禄科技
17:50-17:55 幸运抽奖
闭幕晚宴 & 颁奖 & 交旗仪式
18:00-19:30
* 信息如有更新，以最新发布为准
专题论坛（Ⅷ）
时间：2026年11月20日，星期五
地点：北京亦庄，北人亦创国际会展中心，会议室N102
上下滑动查看
IC 设计与创新应用 — 上午
主持人：余成斌
中国半导体行业协会集成电路设计分会副理事长
08:40-09:00
AI 重塑芯片设计范式：新一代芯片物理设计平台
武辰飞 深圳市中兴微电子技术有限公司后端技术总工
09:00-09:20
题目待定
楠菲微电子
09:20-09:40
从工具到交付：AI 原生芯片设计服务的新范式
陈纲 上海芯问科技有限公司 CEO
09:40-10:00
题目待定
比亚迪半导体
10:00-10:20
题目待定
成都华微
10:20-10:40
具身智能时代的可编程算力底座
——面向具身智能的新型异构可编程算力架构
王潘丰 京微齐力（北京）科技股份有限公司技术总监
10:40-11:00
Fabless 硅后全流程的智能化效率重塑
葛樑 上海孤波科技有限公司副总经理
11:00-11:20
智驱芯流：紫光云 AI+ 再定义芯片设计全流程与资源效能
聂鹏 紫光云半导体系统部技术总监
11:20-11:40
拥抱 AI 时代，高云 FPGA 产品发力边缘侧市场
王添平 广东高云半导体科技股份有限公司 CTO
11:40-12:00
题目待定
黑芝麻智能
12:00-12:20
PCIe Retimer 与 Switch 技术：构建稳健的可扩展 AI 互连
姜新雨 Rambus 半导体 IP 合作业务发展总监
12:20-12:25 幸运抽奖
12:25-13:10 自助午餐
IC 设计与创新应用 — 下午
主持人：张迎铭
中国半导体行业协会集成电路设计分会副秘书长
13:10-13:30
高速相干光通信模拟前端芯片技术趋势与挑战
侯杰 武汉芯智光联首席架构师
13:30-13:50
芯片良率管理的数智化破局之路
——从方法论到工具链的落地实践
郑尊标 杭州芯翼科技有限公司总经理
13:50-14:10
AI 赋能的 MBIST 全流程平台
刘培彦 上海合见工业软件集团股份有限公司产品总监
14:10-14:30
AI如何重塑数字前端EDA
王锐 上海阿卡思微电子技术有限公司市场总监
14:30-14:50
首创三维存算一体 3D-CIM™ 芯片，开启大模型推理万亿新赛道
叶乐 杭州微纳核芯电子科技有限公司首席科学家
14:50-15:10
40纳米 p 沟道嵌入式闪存记忆体的价值及优势
林志光 常憶科技股份有限公司副总经理
15:10-15:30
3D IC 与端侧 AI 的蓝海未来
王骋曜 深圳市迈特芯科技有限公司产品与生态合作总监
15:30-15:50
AI 芯片电源网络设计创新解决方案
叶俊涛 村田（中国）投资有限公司产品工程师
15:50-16:10
AI 时代 EDA 的新模式
李兴权 国家集成电路设计自动化技术创新中心人才培训部部长、东南大学副研究员
16:10-16:30
题目待定
万兴科技
16:30-16:50
兆易创新存储赋能能源行业全场景应用
朱健东 兆易创新 Flash 事业部高级市场经理
16:50-17:10
AI 浪潮下的代码型闪存芯片：从预见到兑现
龙冬庆 芯天下技术股份有限公司 董事长兼总经理
17:10-17:30
小尺寸，大能效
——智多晶 12nm FPGA 低功耗设计的架构创新与工程实践
李鹏 西安智多晶科技股份有限公司副总经理 COO
17:30-17:50
国产化替代“芯”选择 - 志翔一站式高效研发数据安全工作环境
何轶 北京志翔科技股份有限公司解决方案总监
17:50-17:55 幸运抽奖
闭幕晚宴 & 颁奖 & 交旗仪式
18:00-19:30
* 信息如有更新，以最新发布为准
专题论坛（Ⅸ）
时间：2026年11月20日，星期五
地点：北京亦庄，北人亦创国际会展中心，2层 亦盛厅
上下滑动查看
北京集成电路发展论坛
主持人：待定
08:40-09:00
开场、致辞
09:00-09:20
题目待定
奕斯伟计算
09:20-09:40
题目待定
北京数渡信息科技有限公司
09:40-10:00
半导体检测与认证技术最新进展
闫方亮 米格实验室创始人兼CEO
10:00-10:20
题目待定
北京集创北方科技股份有限公司
10:20-10:40
题目待定
北京电控集成电路制造有限责任公司
10:40-11:00
题目待定
北京诺芮集成电路设计有限公司
11:00-11:20
TBD
11:20-11:40
TBD
11:40-12:00
TBD
12:20-12:25 幸运抽奖
12:25-13:10 自助午餐
* 信息如有更新，以最新发布为准
免责声明：本文采摘“漫话IC”，仅代表作者观点，如有侵权或异议请联系我们删除。
扬兴科技蔡钦洪：从一米柜台到世界冠军的梦想
2026-10-10
60
—— 扬兴科技总经理蔡钦洪"芯增长论坛"演讲整理分享
在华强北做元器件生意的老板，心里都绕不开一个灵魂拷问：
行情来了，是炒货赚快钱，还是咬牙做品牌？
炒货，一单换一个参数就能多赚一倍，钱来得快，睡得也香；做品牌，十年投入不见回头钱，还要研发、建厂、养团队，九死一生。
绝大多数人选了前者，赚到一波，又在下一波行情里还回去。
扬兴科技总经理蔡钦洪，选了后者。
2004年，他父亲在华强北摆下一个卖晶振的柜台。2012年底，这位90后潮汕创二代接手公司时，团队只有6个人。13年后的今天，扬兴科技员工近300人、客户近6万家，从贸易、代理一路做到自有品牌YXC的原厂，2026年又把工厂从观澜搬进了惠州几十亩地的自建产业园。
在芯增长论坛2026的现场，蔡钦洪把这13年讲透了。没有鸡汤，全是干货。这篇文章，把这场演讲里最值钱的部分拆给你看。
起点：一个"最不起眼"的生意
蔡钦洪常对外讲一句话："没有选择，是最好的选择。"
他是潮汕人，长子长孙，父亲把他带进了这个行业。接过棒子那天起，就没有退路——做好了是应该，做砸了是败家。
更有意思的是他选的产品。晶振，就是电路板上那颗不起眼的小元件，提供时钟频率。蔡钦洪自己调侃：晶振是公司报表里最不起眼的一个品类，销售额占比可能连1%都不到。
但恰恰是这颗"最不起眼"的料，让他躲开了华强北最凶猛的炒货漩涡，一扎就是13年。
很多时候，不是风口成就人，而是定力成就人。
第一次转身：做代理，把学费交在市场一线
扬兴不是一上来就做原厂的，路径很清晰：
● 2012年，代理美国一个可编程晶品牌（如今已是国际头部）；
● 2014年，再拿下日本一个国际品牌的代理；
● 2016年，才正式创立自主品牌YXC，搞研发、建产线。
为什么要先做贸易和代理？蔡钦洪的判断很实在：代理、贸易、直 销，每一条都是走到市场一线的路。从市场往研发走，是最快的路。
做代理的几年，他近距离看清了两件事：一是国际大品牌的可编程技术、MEMS技到底强在哪——"我要学习美国，我要学习日本"；二是客户真正要什么、行业痛点在哪。
这段经历后来直接变成了扬兴的研发方向。学费没有白交的，关键看你把它当成本，还是当投资。
2016年的抉择：6万个客户不香吗？偏要去做原厂
2016年，是扬兴真正的分水岭。
当时扬兴手里已经握着几万家客户，做贸易、做代理，舒舒服服赚钱完全没问题。蔡钦洪自己也承认："我完全可以不去做原厂。"
但他偏偏选了最难的那条路：搞研发、建产线、做自有品牌，抵制住炒货赚快钱的诱惑。这一坚持，就是十年。十年后，工厂从观澜搬进惠州自建产业园——时间刚好是他入行的第13个年头。
他把这13年总结为两个字：修行。而修行的第一课，就是抵住诱惑。
修行第一课：抵住诱惑， 一就是一，二就是二
华强北从不缺赚快钱的机会。蔡钦洪在演讲里说了句大实话：
"换一个参数，你就可以赚一倍的钱，但是我没有这样做。"
做贸易出身的人，太懂型号的重要性了。货不对板、改参数、卖翻新，这些"捷径"他都看得见，但一条都没走。他给同事立的规矩就八个字：一就是一，二就是二。
为什么？因为他想明白了一件事：
信任，或者说一家公司的诚信基因，是无价之宝。
扬兴能从华强北一步步走出来，靠的就是坚持原创、坚持正品、坚持走正道。他还补了一层底层逻辑：经营品牌、经营企业，不是做一单两单生意，甚至不是做一百单一千单生意——一家公司成功的标志，不在于赚了多少钱，而在于把赚到的钱花在了该花的地方。
这是长期主义和投机主义的分水岭。华强北多少老板，就输在这一念之间。
修行第二课：大胆折腾——人敢换，新品敢推
很多老板都有过这种憋屈：某个业务骨干一走，客户就丢一半，于是被员工"拿捏"，不敢动、不敢管。
蔡钦洪的解法相当"狠"：敢折腾。
他带业务是事无巨细的。业务说客户约不到，他会一层层追问：你怎么约的？QQ、电话还是拜访？第一句话怎么说的？第一句话怎么抓住客户需求？有的业务扛不住，提离职——他的反应是"很开心"：趁这个机会，把跟不上的人筛选掉。
"你现在不筛选掉，他未来一定会被筛选掉。"
他接手公司时6个人，如今只剩2位元老，其余全是新鲜血液。营销团队整建制换了4波，连帮他做个人IP的都换了3个——但越换越好。他的逻辑是：企业只有不断引进新鲜血液、不断把平庸的人请出去，才会越来越有生机。
业务上同样敢折腾。 扬兴从晶振出发，不断衍生出时钟芯片、RTC、MEMS等频率与时钟相关产品。推新品九死一生，推不推？一定要推。一开始只靠业务推，推不动；后来加产品部，再加市场部，最后加上技术营销团队（FAE）——硬生生从失败里试出了"四位一体"推新品的打法。
"哪怕它此刻失败了，也会为后面的目标奠定基础。不要因为短期失败就下结论。"
修行第三课：结善缘——从不拖欠，三年拜师
第三课听起来最"虚"，却是蔡钦洪做得最实的。
先看两组小事：
接手公司13年，他从未拖延过一天供应商的货款，也从未拖延过一天员工的工资。唯一一次例外，是他去俄罗斯出差，10号该付的款拖到16号。他回来立刻召集HR和财务，把付款流程整体提前到12号、13号，杜绝再次发生。
再看一件事：创业初期，他每周末抽出1到2天拜访行业前辈请教，这个动作雷打不动坚持了三年。很多人约不到前辈，他的心得是"真诚是必杀技"——你真诚地为对方着想、虚心地请教，对方一定感受得到。
他自己也因此受益：花了很多学费，但也省下了更多学费。他的结论是：看一个企业的负责人，不看年龄大小，而看他背后有多少个引路人和顾问。
为什么把这些叫"利他"？蔡钦洪的话很朴素："这么多人相信你，难道做成这样就够了吗？不够。你要对他们负责，对得起他们的信任。"
一张50万的罚单：品质是罚出来的
演讲中最扎心的，是那个50万罚单的故事。
一家上市客户发来投诉：扬兴一颗产品上丝印的"14.31818"，被印成了"14.318"——少了两位数字，对产品性能毫无影响，纯粹是标识瑕疵。客户开罚：50万。
要知道，这个客户一年给扬兴贡献的利润也就100万。一张罚单，罚掉半年利润。
认，还是不认？
蔡钦洪认了，认得很干脆。他把这件事比作海尔当年砸冰箱："我只有认罚了，公司里的同事才知道——哇，你是来真的。50万，很难赚的。"
这50万不是罚款，是他主动给全员交的一堂品质课。他的逻辑很硬：品质国际一流，是中国制造和中国品牌走向全球的根基。 终端客户不敢选国产品牌，怕的不是技术不行、设备不行——今天这些差距越来越小——怕的是你的品质意识不行。
三个国际一流：从华强北走向世界的路径图
扬兴的愿景，是成为国际一流的频率器件服务商。蔡钦洪没有把愿景当口号喊，而是拆成了三条可执行的路径：
第一，品质国际一流。 就是上面那个50万罚单背后的逻辑：不管工厂大小，每一颗产品都必须过严苛的品质关。品质意识，是国产品牌走向全球的第一块敲门砖。
第二，技术国际一流。 2016年启动的可编程技术，2020年拿下深圳市创新创业大赛一等奖；自研MEMS微机电技术，这是颠覆传统晶振生产工艺的方向，投入是千万级别。中低端部分代工，中高端全部自主设计。他还特别提醒同行：国家非常支持技术投入，加计扣除是实打实的政策红利，一定要用起来。
第三，品牌国际一流。 他的打法分两步：第一步，大胆走出去，让更多人看到你——不管线上还是线下、国内还是国外，不管你讲得好不好，先讲出来；第二步，让人看到你的公司之后，再看到你的产品和技术的附带价值。他做个人IP，但IP号的归宿不是个人，是企业："最后留下来的，还是这家企业，和背后这家公司的文化力量。"
写在最后：高高山顶立，深深海底行
演讲结尾，蔡钦洪送了在场所有人八个字：
高高山顶立，深深海底行。
志存高远，脚踏实地。不要小看自己一个人，更不要低估团队的力量。十年如一日做好一件事，修行的路上并不会孤单。
回看扬兴这13年：2004年的一个柜台，2012年的6个人，2016年抵住诱惑做原厂，2026年搬进惠州自建产业园——这条路没有一步是取巧走出来的。
对还在华强北打拼的老板们来说，扬兴的故事真正值得抄的作业，不是"做晶振"，而是那三个选择：
快钱面前，选择长期；舒适区里，选择折腾；利益面前，选择利他。
行情会过去，风口会转向，但这三个选择攒下来的东西——信任、团队、技术、品牌——会一直在。
这，就是他从一米柜台走向世界的全部秘密。
风险提示：本文根据扬兴科技总经理蔡钦洪在芯增长论坛2026的现场演讲整理，并以第三者视角解读，若有存在理解偏差或文字表述不当，敬请见谅！免责声明：本文采摘自“芯域”，仅代表作者观点，如有侵权或异议请联系我们删除。
芯片知识科普：第3章 芯片设计流程：从想法到图纸
2026-09-28
203
先想一个问题：软件出了 bug 会怎样？微信闪退，你更新一下就好——开发团队打个补丁，几小时就能推给几亿用户，几乎没有成本。
芯片出了 bug 会怎样？最坏的情况是：几百万颗已经封进手机、汽车里的芯片全部作废，设计团队花几个月、几百万美元改版，再花几百万美元流片重来——钱和时间，都打水漂了。
这就是芯片设计最反直觉的一点：它不能像软件那样"先发布、再修"。所以芯片设计的全部学问，浓缩成一句话——在花掉那几百万美元之前，把所有错误都找出来。设计流程，就是工程师们为了这句话而建立的一整套"先在虚拟世界里完整造一遍"的方法。
这一章，我们看一张图纸如何变成一颗芯片。用盖楼来打比方：建筑师画草图、结构工程师算图、施工队照图施工——芯片设计就是这三步，但每一步都复杂得超乎想象。
3.1 一张蓝图到一座城市：设计流程总览
一颗芯片的设计，大致走 8 步：① 需求 → ② 架构设计 → ③ RTL 编码 → ④ 验证 → ⑤ 逻辑综合 → ⑥ 布局布线 → ⑦ 版图 → ⑧ 流片测试。每一步对应的"盖楼类比"与任务，看下表：
表3-1 设计 8 步 × 盖楼类比对照
图3-1 芯片设计 8 步流程总览
深一层：注意一个反直觉的事实——设计阶段花的钱，只占一颗芯片总成本的很小一部分（制造、封测、良率才是烧钱大头）。但设计决定了后面所有钱怎么花：架构选错、验证漏网，后面每一分钱都在为一个错误买单。所以行业里说：设计是花小钱、省大钱（或闯大祸）的环节。
3.2 抽象层次：从"我要一颗 AI 芯片"到晶体管
一颗芯片有上百亿个晶体管——人类不可能"自下而上"一个个设计它们。怎么办？答案是分层：每一层只管本层的事，用上一层的语言描述，向下一层"翻译"。
芯片设计有五层"翻译"：系统层（做什么）→算法层（怎么做）→RTL层（电路行为）→门级（逻辑结构）→物理层（几何版图）。每一层只跟上下两层打交道：系统工程师不用懂晶体管，版图工程师也不用懂 AI 算法。
图3-2 五层抽象：每一层只管本层的事
类比：城市也是分层的。规划局决定"这里建住宅区、那里建高新区"（系统层），市政设计院画道路管网（架构层），开发商细化到户型（RTL），最后砌砖的工人不需要知道城市总规——他只需要照着手里的施工图把砖砌好。没有分层，就没有城市，也没有芯片。人脑一次只能想几件事，而分层让几千名工程师各管一段、并行协作——这也是"芯片设计 2~4 年、上千人参与"能实现的组织前提。
3.3 硬件描述语言与 EDA：芯片设计是"写代码"？
第③步 RTL 编码，工程师用的是一种叫Verilog的"语言"——看起来很像写代码。那芯片设计是不是就等于"写程序"？
是，也不是。关键区别在三个字：被制造，不是被运行。
• 普通程序（Python/C）：是写给 CPU 的"菜谱"——一行一行顺序执行，CPU 照着做；
• RTL 代码：是描述电路的"管线图"——你写的每一行，最终都会变成一堆真实的门和线，通电后同时并行工作。
同样写着"把 A 和 B 相加"，Python 是让 CPU 去算一次；RTL 是真的搭出一个加法器电路（还记得第2章的全加器吗），让它在每个时钟节拍都自动地加。
图3-3 代码 → 电路：每一行都会被制造
EDA：设计芯片的 CAD。光有语言还不够——190 亿个晶体管怎么摆、怎么连、怎么验证不出错？全靠EDA（电子设计自动化）软件。它之于芯片设计，就像 AutoCAD 之于建筑、Photoshop 之于修图：没有它，人类只设计得出几百个晶体管的电路（1971 年的 Intel 4004，2300 个晶体管，工程师用胶带和红膜手工画版图——那是"手工时代"的绝唱）；有了它，才能设计百亿晶体管的现代芯片。
EDA 的天下被三家公司把持：Synopsys（新思）、Cadence（楷登）、Siemens EDA（原 Mentor）。从综合、布局布线到时序分析、验证，设计流程的每一步都有它们的工具。
图3-4 EDA：每一步设计都有软件工具在帮忙
伏笔：2020 年前后，美国对华为断供清单里，除了芯片本身，还有一样不起眼却致命的东西——EDA 软件。没有 EDA，再顶尖的设计公司也"画不出图"。这颗"设计软件的软件"怎么卡住脖子、又怎么突围，我们到第8章产业链生态再展开。
3.4 验证：70% 的时间在"找错"
如果问芯片公司里哪种工程师最多，答案可能出乎意料：不是设计的，是"找错"的。在成熟的数字芯片团队里，验证工程师的数量通常是设计工程师的 2~3 倍。为什么？因为芯片 bug 的代价实在太贵了。
一次流片，300 万美元起步（先进制程更是数千万美元），周期以月计。更可怕的是 bug 出厂——1994 年，英特尔奔腾处理器被曝出一个浮点除法 bug（FDIV bug）：极少数除法运算结果出错。英特尔起初想糊弄过去，结果舆论爆炸，最终召回、更换，损失约 4.75 亿美元——一个 bug，差点动摇整个 PC 帝国。这是芯片史上最著名的"一个错误的代价"。
所以设计公司把流程的大头压在验证上：设计周期里约 70% 的时间，花在验证上。验证靠什么？两件武 器：
• 仿真：在电脑里模拟电路行为，喂入海量输入，看输出对不对——相当于"虚拟世界的风洞实验"；
• 覆盖率：光测还不够，还要问"每条路都跑过了吗？"——代码覆盖率、分支覆盖率，确保没有"没测到"的角落。
图3-5 设计周期的时间分配：验证占 70%
图3-6 验证：在虚拟世界把错找完
深一层：为什么不能像软件那样，靠用户帮忙报 bug、再发补丁？软件补丁推送给用户几乎零成本；但芯片的 bug 一旦出厂，已经焊进手机主板、嵌进汽车 ECU——召回意味着拆机、换件、赔偿，汽车芯片尤其致命（想想刹车系统里的芯片出错）。所以越是"看不见"的芯片，越要在出厂前把所有错找完。软件世界信奉"快速迭代"，硬件世界信奉"一次做对"。
3.5 从逻辑到物理：综合与版图
验证通过后，设计开始"落地"——从抽象的代码变成具体的物理结构。
⑤ 逻辑综合：代码 → 门。综合工具把 RTL 代码翻译成门级网表：一张写满"用哪些逻辑门、怎么连"的清单。它相当于硬件版的"编译器"——软件编译器把高级语言翻译成 CPU 指令，逻辑综合把 RTL 翻译成逻辑门。
标准单元库：现成的"乐高块"。难道每个与非门、每个触发器都要重新设计？不用。晶圆厂和 IP 公司提供标准单元库：把反相器、与非门、触发器……每种常用电路都预先设计好、验证好、做成统一高度的"乐高块"。设计师和 EDA 工具要做的，只是选积木、搭积木——而不是自己烧砖。
图3-7 标准单元库：预先做好的"乐高块"
⑥ 布局布线：规划一座城市。接下来把几十亿个乐高块摆到硅片上（布局），再用金属线连起来（布线）。这就像规划一座城市：哪里放居民区（逻辑块）、哪里修主干道（全局总线）、怎么让交通不堵（布线拥塞）。EDA 的布局布线工具会日夜不停地优化几周——毕竟几十亿个块的排列组合，远超人类手算的极限。
时序收敛：与光速赛跑。城市规划里最残酷的约束是时间。第2章讲过，3GHz 的 CPU 时钟一拍只有0.33 纳秒——而电信号在芯片里一纳秒只能跑几厘米，横穿一颗 2 厘米的芯片几乎就要花掉一拍。也就是说：每个信号必须在下一拍到来之前赶到目的地，布线稍微绕个远路，信号就"赶不上趟"，芯片就出错。工程师把这种"每根线都必须在期限内送到"的优化叫时序收敛——它是后端设计最磨人的环节：布线的每一毫米、缓冲器的每一个，都在跟光速讨价还价。
图3-8 布局布线：把几十亿个单元摆进硅片
⑦ 版图：一叠"逐层图纸"。最终，所有信息被整理成一个叫GDSII的版图文件：它像一叠几十层的"施工图纸"，每一层描述硅片上一层的图形——哪块要掺杂、哪块要刻蚀、哪层金属走哪条线。
图3-9 版图：一叠"逐层图纸"，每层对应一次光刻
悬念：这叠"图纸"画得再精密，也只是画在电脑里。要把它变成真的芯片，需要把每一层图形"印"到硅片上——怎么印？光刻。那是第5章的主角，号称"人类最复杂的机器"。先记住：版图有多少层，晶圆就要被光刻多少次。
3.6 流片：设计变成真芯片
图纸完成，设计团队把 GDSII文件寄给晶圆厂——这一步叫tape-out（交版，字面意思：当年是寄磁带）。晶圆厂开始"照图施工"：流片。
流片 = 试生产。用真正的设备、真正的工艺，把图纸变成几十片真实的晶圆。周期几周到几个月。流片回来，芯片第一次通电——这一刻在芯片公司里堪比"开奖"。
流片有多贵？这取决于制程：
• 成熟制程（28nm 及以上）：一次全掩膜流片两三百万美元——这就是第1章"300 万美元起"的由来；
• 先进制程（7nm 及以下）：光掩膜组本身就要上千万美元，一次流片数千万美元；
• 便宜的办法是MPW（多项目晶圆）：让好几家公司的设计拼同一片晶圆，按面积分摊费用——像几个人拼一辆出租车。高校和小公司常用它：几万到几十万美元，就能"上车"跑一次真实流片。
图3-10 一次流片要花多少钱
图3-11 MPW：多项目晶圆"拼车"
谁在设计，谁在制造？你可能听说过"高通不生产芯片"——这不是段子，而是行业分工：
• fabless（无厂设计公司）：只设计、不制造——高通、博通、英伟达、AMD、华为海思。图纸画好交给代工厂；
• Foundry（晶圆代工厂）：只制造、不卖自己的芯片——台积电、三星代工、中芯国际；
• IDM（垂直整合）：设计制造一手包——英特尔、德州仪器。
图3-12 三类芯片公司对比
全世界市值最高的半导体公司里，一半是"没有工厂的设计公司"——轻资产、高毛利；而制造环节的重资产，被台积电一家扛下了大头。这种分工怎么形成、又怎么被地缘政治打破，第8章细说。
3.7 设计的类型与代价
数字、模拟与混合信号。前面讲的流程，主角是数字芯片——0 和 1 的大部队，占芯片面积的绝大部分，设计高度自动化。但一颗手机 SoC 里还有一小块模拟电路（第2章 2.5 的 ADC/DAC、电源管理）：它们面积只占百分之几，却最难设计——数字错了能"重算"，模拟错了就是错了。所以混合信号芯片里常有句玩笑："模拟是百分之五的面积、百分之五十的难度。"
SoC：CPU 和 GPU 的"合租公寓"。现代旗舰芯片几乎都是SoC（系统级芯片）：把第2章讲的 CPU、GPU，加上 NPU（AI 加速器）、基带、音频、图像信号处理器……全部塞进一颗芯片。它们像合租公寓的室友：各住各的房间（各自的计算核心），共用水电（供电、时钟、总线）。
图3-13 SoC：CPU / GPU / NPU…的"合租公寓"
IP 复用：买现成的"厨卫"。合租公寓不用每间房都自己装修——芯片也一样。IP（知识产权）核是预先设计好、验证好的现成模块：比如 ARM 公司不造芯片，只卖"图纸"（指令集与核心授权），苹果、高通付授权费，在自己的 SoC 里"拼"进 ARM 兼容的核心。买现成厨卫比自己烧砖快得多——这就是 IP 复用的逻辑。
代价：一颗旗舰芯片多少钱？把这些加总：一颗旗舰手机 SoC，设计周期 2~4 年，动辄上千名工程师，研发投入数亿美元。你手里那颗指甲盖大小的芯片，是几千人几年的心血——这也是为什么芯片被称为"人类工业皇冠上的明珠"。
图3-14 设计阶段时间线（验证占大头）
小结：先在虚拟世界"造"一遍
这一章的关键词是"图纸"：
1. 芯片设计 =先在虚拟世界完整地造一遍——架构定方向、RTL 写行为、验证找错误、综合和版图把它变成物理图纸；
2. 设计不能像软件那样"先发布再修"，所以70% 的时间在验证；
3. 最终交付物是一个GDSII 版图文件——一叠逐层图纸，和一张几百万美元的"施工账单"。
第1章我们认识了芯片，第2章看懂了它的内脏，第3章知道了它是怎么被"设计"出来的。但图纸是画出来的，芯片却是长出来的——从一粒沙子里长出来的。
📌 预告：第4章，一粒沙的逆袭：从沙子到晶圆。出发。
本章术语表（速查）
架构：芯片的顶层设计，分哪些模块、数据怎么流动。
RTL：寄存器传输级，描述电路"每个时钟周期做什么"的层次。
Verilog：最常用的硬件描述语言，写的代码会变成真实电路。
硬件描述语言：描述电路的语言——不是"被运行"，而是"被制造"。
EDA：电子设计自动化，设计芯片的软件工具（AutoCAD 之于建筑）。
逻辑综合：把 RTL 翻译成门级网表（硬件版"编译器"）。
网表：一张"用了哪些门、怎么连"的清单。
标准单元库：预设计好的"乐高块"集合（反相器/与非门/触发器…）。
布局布线：把单元摆上硅片并连好线（P&R）。
时序收敛：让所有信号都在一个时钟周期内赶到目的地的优化。
版图（GDSII）：芯片的"逐层施工图纸"，交给晶圆厂的文件。
仿真：在电脑里模拟电路行为、提前找错。
验证：设计流程中占比最大的环节，确保没有 bug。
覆盖率：衡量"每条代码路径都测过了吗"的指标。
流片：晶圆厂按版图试生产（tape-out 之后的制造）。
MPW：多项目晶圆，多家设计拼一片晶圆分摊费用。
fabless：无厂设计公司，只设计不制造（高通/海思/英伟达）。
Foundry：晶圆代工厂，只制造不卖自家芯片（台积电/中芯）。
IDM：设计制造一体（英特尔/德州仪器）。
SoC：系统级芯片，CPU/GPU/NPU 等"合租"一颗芯片。
IP 核：预设计好可授权的现成模块（如 ARM 授权）。免责声明：本文采摘自"半导体综研"，仅代表作者观点，如有侵权或异议请联系我们删除。
3美元到120美元的存储芯片"史诗级"行情
2026-09-28
230
本文基于一位22年从业经历、业绩七成来自存储芯片的授权代理商（大盛唐 韩军龙）的行业演讲，从市场分析与应用的视角，完整拆解这轮"史诗级"存储行情：AI大算力需求爆发、晶圆厂产能向HBM虹吸、原厂停产潮三碰头，驱动DDR4、DDR3、eMMC等品类在十个月内平均上涨10倍以上。
当前市场已出现八个转弱信号：有价无市、需求透支、神秘抛货、二手拆机件火爆、扩产兑现、结构性降价等，单边上涨阶段大概率结束，进入高位震荡与结构分化阶段。
往前看两三年：供需对冲僵持8-12个月，2027年中后缺货明显改善，行业最终回归消费类3-5个点、工业类10-15个点的薄利常态。对老板们而言，前十个月拼的是勇气，往后两年拼的是AI数据分析能力与行业专业知识。
去年10月，华强北的一位老板给工控客户报DDR4 8Gb（512x16）工业级的价格：3美金一片。客户还嫌贵，来回磨了一个礼拜，想再砍两毛。
今年7月，同一个料号，行情价冲到120美金。就算8月回调之后，也要六七十美金——而且还不一定有货。
一颗料，十个月，涨了15到20倍。
这不是段子，这是过去十个月存储芯片市场的日常。
最近听了一场行业分享，主讲人是大盛唐的韩军龙总经理，2004年入行，做了22年芯片，现在掌着一家有20年历史的授权代理商，业绩的七成来自存储。他对这轮行情的定性是"史诗级"——把2010年的缺货行情和2021年疫情缺货加在一起，都没有这一波猛。他还有句更狠的话：
"我们卖芯片的人，这一生可能就这一个最大的机遇，可能以后不会再有第二次了。"
问题是：行情已经单边涨了十个月，8月刚出现回调。这时候聊存储，到底该聊"怎么抓住最后的机会"，还是聊"怎么不当接盘侠"？
这篇文章把他的演讲掰开揉碎，从市场分析与应用的视角，讲清楚三件事：这轮行情为什么来；哪些品类、哪些应用市场在涨、涨到了哪一步；未来两三年怎么走，不同位置的老板该怎么办。
一、先看数字：这轮行情到底有多疯
品类
涨前价位
峰值/ 现价
涨幅
DDR4 8Gb （ 512x16 ）工业级
约 3 美金
峰值 120 美金，现回落至 60-70 美金
15-20倍
DDR3 （全系）
—
现货 15-18 美金
10倍以上，且未见顶
64GB 以下 eMMC
2-4 美金
20 多美金
约10倍
大容量 eMMC/SSD
—
—
平均7-8倍
中小容量 NOR/NAND
—
—
5-10倍
几个背景数据，感受一下烈度：
过去十个月（去年10月到今年7月），存储芯片只涨不跌，平均涨幅在10倍以上；
8月份的进出口数据里，绝大多数行业增长惨淡，集成电路一枝独秀，而集成电路里最猛的就是存储——按韩军龙引用的数据，存储占了54%；
他引用分析师的预测：2026年HBM收入增长46倍、NAND增长3.71倍，全年存储芯片收入剑指8370亿美元，2027年奔一万亿美元。
半导体圈一直有个比喻，韩军龙在演讲里又讲了一遍：存储芯片就是半导体的"港股"，模拟器件和MCU是"B股"——港股波动大，涨起来凶，跌起来也凶。过去十个月，做存储的人天天研究料号，跟股民盯盘没有区别。韩军龙说他每天琢磨到夜里十二点：这个型号还能涨多少？那个料号好不好卖？
至于赚钱效应，他给过一个简单粗暴的算法：过去这十个月，你有1000万就能赚1000万，有1个亿就能赚1个亿。
你赚到了没有？
二、疯涨的底层逻辑：一场AI引发的"产能虹吸"
行情不是无缘无故来的。这轮暴涨背后是一条清晰的逻辑链，四环相扣。
第一环：AI引爆需求。韩军龙的判断是，AI带来的大算力革命是人类历史上第四次产业革命。大算力要吃存储——HBM、服务器内存条（DDR4/DDR5）供不应求，价格率先起飞。AI服务器是DRAM的第一大应用，也是这轮涨价最猛的地方。
第二环：产能虹吸。晶圆厂不傻。同样的产能，生产HBM和高端内存条，比生产中小容量存储芯片赚钱得多。于是产能大规模转向高利润产品，中低容量的NOR、SLC NAND、老款DDR被"断粮"，缺货程度远超2021年疫情期。韩军龙的原话：这一波缺货是史诗级的，是他22年从业从来没遇到过的。
注意一个细节：中小容量存储芯片的涨价，是"被逼的"——不是需求爆发，而是没人愿意生产这些"不赚钱"的东西了。被动缺货，比需求驱动的缺货更没有节奏可循。
第三环：原厂停产，火上浇油。
三星、美光、海力士、铠侠四大原厂，把64GB以下的eMMC全线停产——小容量eMMC从两三美金直接涨到20多美金；
三星、海力士停产DDR3全系；美光只保留4Gb容量，1Gb/2Gb停掉；
华邦全面缩减DDR3产能，主力转向DDR4；旺宏把主力压在eMMC上。
"凡是停产的物料，降价是不可能的，只是涨价幅度多少而已。"
停产物料和常规物料完全是两套逻辑：常规料跟着行情波动，有涨有跌；停产料只有单行道。他甚至透露，前两天一位原厂老板私下判断：DDR3现货还能再涨4到5美金。这句话值得每个备货的老板贴在办公桌上。
第四环：涨价外溢。产能挤压的效应正在扩散：很多MCU内部封装了DDR1/DDR2颗粒，这些老料疯狂缺货，直接把一票MCU价格带飞；电源芯片、PoE、模拟器件、国产MOS管最近也开始缺货，交期接近半年。韩军龙的原话是"不可思议"，并且判断："这些东西以后也是可以玩的。"
三、涨价地图：分品类看行情与应用
光知道涨没用，得知道谁在涨、涨在哪、用在谁身上。这才是备货和选品的基本功。按韩军龙的分类框架，整理成一张涨价地图：
品类
容量/ 规格
主要玩家
主要应用
本轮行情
NOR Flash （小容量）
512KB-2GB ，串口为主
旺宏、华邦、武汉新芯、兆易创新
工控、通信、电力、医疗
涨5-10倍
SLC NAND （中容量）
1-8GB ，并口为主
美光、旺宏、华邦等
工控、网通设备
涨5-10倍
eMMC/SSD （大容量）
4GB-256GB+
三星、海力士、美光、铠侠、闪迪；国产多为贴牌
机顶盒、电视、安防、机器人、手机
平均涨7-8倍 ； ≤64GB 停产暴涨
DDR3
1-4Gb
三星 / 海力士已停产，美光留 4Gb
工控存量市场
涨10倍+ ，仍有空间
DDR4/DDR5
4-16Gb+
三星、海力士、美光
AI 服务器、笔电、消费电子
涨15-20倍 ，全场最猛
SRAM/SDRAM
≤16MB / ≤512MB
美光、 ISSI 、钰创等
音箱、伺服等特殊领域
疯狂缺货涨价
模组类
内存条、 SSD 、存储卡
三星、美光、海力士、闪迪、威刚、 ATP 、江波龙、佰维
服务器、 PC 、消费电子
服务器内存条一根炒到四五千美金
几个值得划重点的应用侧判断：
毛利最高的两个应用市场：AI服务器和机器人。DRAM第一大应用是AI服务器，加上机器人，这两个市场的毛利和发展空间都高于其他应用。你的客户结构里有没有这两类，直接决定这轮行情你能吃到多少肉。
工业级、车规级比消费级坚挺。DDR3为什么还有上涨空间？因为它主要用在工控市场——原厂停产、没有产能替代，存量需求还在。同理，工业级、车规级的料，未来的利润空间也比消费级厚。韩军龙给的正常年景参照系是：消费类3-5个点，工业类10-15个点。
小容量NOR的江湖已经变了。三星、海力士多年前就停产NOR，美光只对个别大客户保留产能——这个市场早已是旺宏、华邦、武汉新芯、兆易创新的天下。国产原厂在中小容量的话语权，是这轮行情里一个值得长期关注的结构性变量。
别只盯着存储。产能挤压已经把电源、模拟、国产MOS带进了缺货通道，交期半年。存储行情的下半场，机会可能就藏在这些"随波逐流"的品类里。
四、8月之后：行情走到哪一步了？
任何一轮超级行情，最赚钱的位置和最危险的位置，往往只隔两三个月。韩军龙在演讲里对当前市场给出了八个信号，值得逐条对照：
1.有价无市。报价还挂在高位，但成交清淡，货放在那里想卖没卖掉，可能还小降了一点。
2.需求被透支。今年上半年大量客户恐慌性备货，很多备了一年多的量，所以7月中下旬开始，需求明显走弱。
3.神秘抛货。8月初，一大批三星eMMC现货突然涌入市场，来源成谜，直接扼住了eMMC的涨势，8GB/4GB开始小幅回落。
4.二手拆机件火爆。中小工厂买不起新料，转头去买拆机件、二手内存条——最近一两个月二手交易非常火爆。这个信号很微妙：终端在用脚投票。
5.扩产开始兑现。各大经营厂家在疯狂扩产，国产芯片扩产更快，释放出的产能已经初步显现。
6.结构性降价出现。DDR4和eMMC降得多一点；小容量NOR有明显下降趋势；中大容量（服务器用）暂时没降——最后这块高地还守着。
7.高位滞涨。用他的原话说："最近存储器件的价格似乎涨不动了。"
8.接盘侠风险。现在才想进场的外行要特别小心。韩军龙举了个极端例子："我50岁、卖鸡鸭的，我去做存储，那你要小心点。"不懂行情、不懂应用，高位拿的货卖不出去，行情回归正常的话，贬15倍20倍都是它。他的提醒很直白：现在是高位期，末班车要搭准，搭不准就成了接盘侠。
八个信号摆在一起，结论不难读：单边上涨的时代大概率结束了，现在进入的是高位震荡、结构分化的阶段。
五、未来两三年：三个时间窗，加一只黑天鹅
往后看，韩军龙的推演可以整理成一条时间轴。
未来8-12个月：供需对冲的僵持期。一边是AI需求还在增长，一边是晶圆厂、封装厂产能持续扩充，两边形成对冲，价格既难再暴涨，也一时半会跌不深。
2027年中后段：缺货明显改善。产能最终会占上风，超过AI需求。他的判断是：中小容量可能明年一季度就不缺了；大容量还会缺一阵，但价格和利润都要下台阶。
6-10个月后：回归薄利多销的正常周期。存储生意回到常态——消费类3-5个点，工业类10-15个点。习惯了十倍涨幅的人，要提前做好心理建设：你备的如果是消费级物料，未来利润可能只有3个点。
支撑"需求还在"的核心判断，是他那个很形象的比喻：AI现在还是个三四岁的小孩，饭量远不如青少年和成年人。AI对存储的需求还在爬坡，未来三年只增不减——只是产能扩张得更快，价格和利润回不到从前了。
最后是那只黑天鹅。韩军龙提到，金融圈不少人（包括一些知名金融学家和基金经理）在预警2027年可能爆发一场史无前例的金融危机，他给的概率是两三成。论据有三条：
美国巨额国债到期，利息高达一万多亿美金，政府可能还不起；
AI投资极度过热：估值接近150倍，人类历史上从没这么高过——2000年互联网泡沫和2008年金融危机加起来，都没有这次的估值危险；6000多亿的投资，回报只有150亿，严重不成比例；
一旦资金面收紧、投资方撤资，AI泡沫破裂，投资可能按下暂停键——类比2000年互联网泡沫，先停三四年，再重新起步。
这对存储老板意味着什么？一个朴素的问题：如果AI真的熄火两三年，你手里的库存怎么办？这个问题不用天天想，但备货之前必须想。
六、老板们的功课：六条法则，三种活法
演讲的最后，韩军龙总结了他这十个月的六条感悟，他称之为"企业老板的法则"：
1.大机会来的时候，勇气比智慧更重要。思想保守、不敢备货、不敢融资备货，就拿不到。过去十个月，"你有1000万就能赚1000万"。
2.一个老板一生的大机会就一两次。存储行业平均4年一个周期，常规周期涨幅不过30%-80%；这一次是产业革命级别的，抓住了就一飞冲天，没抓住就擦肩而过。
3.淡季谨慎，旺季激进。所谓富贵险中求——大量备货面临资金链压力和回调风险，但一旦涨上来，人生就不一样了。
4.产业的终极是资本。大缺货、大涨价的时代玩的就是钱，是钱生钱的时代。他甚至说：今年你很缺钱，不是没面子的事——越缺钱，恰恰说明生意越好。
5.AI大数据分析＋市场调研，缺一不可。只靠打电话调研、只凭老经验，都不够了，要用AI工具做数据分析来筛选热门物料——他花大量时间调查，就为得到"这个料好卖"这一句话。
6.坚持学习行业专业知识。懂芯片用在哪个领域、为什么缺货、体量多大，才能顺势而为。知道一颗料在AI服务器或机器人上用量大，"你就是疯狂备货就没有错"。
我的看法是：前四条是"行情法则"，只在超级周期里成立；后两条是"能力法则"，才是穿越周期的东西。行情十年一遇，数据分析和专业判断的能力，天天都要用。
落到操作层面，不同位置的老板，活法不一样：
手里有货的：别想吃掉最后一段涨幅。现在是有价无市的阶段，分批出货、落袋为安，比赌一个"更高的高点"更靠谱。尤其消费类应用（机顶盒、电视）的料，未来的利润空间可能只剩3个点，且行且珍惜。
空仓想上车的：末班车不好搭。只做自己懂的品类、懂的客户；优先工业级、车规级，回避纯消费级的高位料；不懂行情、不懂应用的领域，宁可不做——现在进场，接盘的概率远大于捡漏的概率。
终端工厂/方案商：短期可以用拆机件、二手料自救——这是眼下中小工厂的真实选择，但水深，注意品质风险；中期动作应该是长单锁价、设计端导入国产替代——这一轮国产原厂扩产最猛，2027年产能释放之后，国产替代的窗口才真正打开。
七、写在最后
这轮存储行情，本质上是"AI产业革命＋产能虹吸＋原厂停产"三碰头的历史事件。十个月十倍的涨幅，可能是很多从业者职业生涯里的孤本。
但孤本行情的另一面是：没有下一班车了。现在的市场信号——有价无市、需求透支、扩产兑现、结构性降价——都指向同一个方向：暴利时代进入尾声。接下来比的，不是谁胆子大，而是谁懂应用、懂数据、懂节奏。
韩军龙那句"勇气比智慧更重要"，是过去十个月的成功密码；但往后两年，密码大概率要换成他自己总结的后两条：AI数据分析，加专业知识。
这轮行情，你抓住了没有？手里的库存现在是什么状态？评论区聊聊。
风险提示：本文根据韩军龙现场演讲观点整理，文中数据为演讲者现场引用，仅供参考，不构成任何投资或备货建议。市场有风险，决策需独立判断。
免责声明：本文采摘自“芯域”，仅代表作者观点，如有侵权或异议请联系我们删除。
敢为不凡，迈向冠军 —— 2026第三届芯增长论坛圆满落幕
2026-09-21
188
9月19日，金秋送爽，深圳北方大厦，如期迎来了第三届芯增长论坛。
CGC芯增长论坛，不是简单的开一个会，更不是线下搞一次聚餐。它由芯息壤咨询于2024年创始发起，行业众多优秀企业联合共建。我们长期要打造的，是一个全年365天不断线的产业生态链平台。
本届论坛以"AI时代电子元器件分销经营战略与人才发展"为主题，由CGC芯息壤咨询创始发起，京北通宇独家冠名，二十余家行业优质企业联合发起。
第三届芯增长论坛赞助商：集群科技、CECC精准测、萨科微 、晟唯企创力 、京北通宇
在AI重构分销逻辑、出海进入深水区、细分赛道剧烈波动的当下，论坛以"细分品类冠军"为主线，汇聚原厂、分销商、终端采购、咨询顾问与行业服务商，共同探讨电子分销企业如何在不确定中打胜仗、做细分品类冠军。
芯同乐创始人 吴守农
大盛唐电子总经理 韩军龙
东港盛电子总经理 刘升合
扬兴晶振总经理 蔡钦洪
宏博通科技 CEO 李世宝
组织营销咨询师 甘明
现场访谈：企业营销与海外社媒
从左至右依次为：京北通宇市场总监 张庆苓；易海创腾总经理 王志龙；联创杰运营副总 傅恩荣；CGC知芯苏哥
特别策划：集群科技芯鲲鹏计划
冠军之道：人才是最大变量
1
战略升级：GKL3冠军模式发布
论坛压轴环节，CGC芯息壤咨询创始人知芯苏哥带来《GKL3：引领企业长期打胜仗的冠军模式》主题演讲，正式发布GKL3冠军战略框架。
这是继第一届PGF飞轮模型、第二届五级跃迁模型之后，CGC咨询在增长理论上的第三次升级。GKL3聚焦"长期打胜仗"的五大能力，从战略、组织、人才、执行四个维度，构建了一套可落地的企业冠军模式。
2
愿景落地：让有梦想的企业首先成功
今天，从"世界工厂在中国"，到"中国工厂走向世界"，中国电子分销正式进入了一个本土品牌快速崛起、供应链高度不确定的新周期。
当头部上市分销企业业绩翻番增长，留给独立分销商的发展空间，只会越来越小。
变局之下，何以为立？
行业众多实践证明，在信息暴卷的时代，不管是内贸还是外贸，不管是原厂还是分销，不管是代理还是配单，做不一样，才是出路。
站在客户视角看我们，如何于千万人海中被看见，根本在于做差异化，而不是简单的重复露脸。有差异，又能抓住一定的市场增量机会，这才是最稀缺的；这也是我们的长期战略。
未来，企业发展的道路，一定是找到属于自己的"唯一"，结合自身优势和沉淀，在细分品类里深度扎根。
坚持长期主义，不断做大唯一；把一件事做到极致，从唯一，迈向第一。
增长，是硬道理！ 这是CGC芯增长论坛的核心主张。我们遵循企业生命发展周期规律，以GKL3冠军战略框架为指引，推动企业转动飞轮，从而实现长期增长、持续增长、跨越式增长。
CGC芯息壤咨询电子元器件行业顾问天团
CGC芯增长论坛，寻找有梦想的企业——
365天，我们用心注入；
陪你，成为细分品类增长冠军！
2027，我们再见！
免责声明：本文采摘自"CGC冠军战略"，仅代表作者观点，如有侵权或异议请联系我们删除。
BOM占比不到1%，小小的光模块MCU为何越来越重要？
2026-09-18
227
从800G到1.6T，光模块MCU产业趋势分析
摘要：AI数据中心正在推动光模块从400G、800G向1.6T快速演进，一颗长期被忽视的MCU也随之发生变化。它不参与高速数据传输，却承担CMIS协议、固件管理、模拟监测、故障保护和器件协同等任务。随着Flash、I3C、模拟资源和安全功能不断增加，光模块MCU正在呈现更明显的专用化、软件化和集成化趋势。与此同时，CPO又可能改变传统"一模块一MCU"的架构，使控制功能进一步向Optical Engine内部和板级管理控制器迁移。
为何一颗几美元的MCU越来越重要？
AI数据中心正在把光模块推向一个过去很少见的升级速度。400G仍在大量部署，800G已经成为AI集群的重要配置，1.6T则开始加速进入下一轮规模应用。围绕这条高速光互联链路，市场最关注的芯片通常是DSP、EML、硅光芯片、TIA和Driver，因为这些器件直接决定传输速率、功耗和光电性能，也是光模块中价值量最高的部分。
相比之下，MCU既不负责高速SerDes数据处理，也不参与核心的光电转换。在一颗价值数百美元的800G光模块中，MCU通常只是几美元甚至更低，BOM占比不到1%。 但这颗价格并不起眼的芯片，却承担着另一类任务：监测温度、电压、电流和光功率，配置DSP和外围器件，管理电源与激光器状态，运行CMIS协议和状态机，并处理固件升级、异常告警和故障保护。
随着光模块升级到800G和1.6T，对于MCU的要求开始逐渐增加。 MCU一边要增加Flash、RAM、ADC/DAC和通信接口，一边又要缩小封装、降低功耗，并提高故障响应和可靠性。新一代高速光模块MCU已经开始引入Cortex-M33、双Bank Flash、I3C、多路模拟外设以及更小封装，产品定义明显区别于过去简单的"housekeeping MCU"。
一颗几美元的芯片，其系统管理复杂度正在快速提升，并成为下一代光互联系统架构变化的关键一环。
从800G到1.6T，MCU到底改变了什么？
如果只看数据通路，光模块MCU似乎没有理由做太大的变化。400G、800G乃至1.6T的数据并不会经过MCU处理，真正承担高速信号处理的是DSP、SerDes、Driver、TIA以及光电器件。
早期光模块中的MCU更接近一颗典型的"Housekeeping MCU"。它采集模块温度、供电电压、激光器偏置电流以及收发光功率，执行简单的校准、状态上报和异常告警，再通过I²C与主机通信。Maxim早期的DS4830A已经体现了这一思路：CPU性能并不突出，但集成大量ADC、DAC、温度检测、比较器和PWM资源。可以说，光模块MCU从一开始就不是靠"算力"取胜。
到了800G和1.6T，这种角色被进一步放大。光模块内部需要管理的DSP、光器件和电源轨越来越多，工作状态和诊断数据也越来越丰富。与此同时，模块仍然被限制在OSFP、QSFP-DD等紧凑空间内，PCB面积和散热能力并不会随着传输速率同步增加。因此，MCU开始面临更复杂的系统性要求。
其中最明显的变化首先来自CMIS。早期管理接口更多围绕基础状态监测展开，而今天CMIS已经发展出更加复杂的数据路径状态管理、诊断、故障信息和遥测机制。OIF发布的CMIS 5.3仍在继续扩展管理能力，后续演进甚至已经开始讨论SPI、I3C以及Ethernet管理接口，并研究从传统的寄存器式管理向object/message-based management迁移。
这意味着，光模块MCU越来越像一个"小型嵌入式系统"，而不是简单的寄存器读写器。MCU需要运行状态机、管理Memory Map，完成模块初始化、低功耗与高功耗状态切换，同时还要处理Firmware升级、故障恢复以及不同主机平台之间的兼容。光模块速率越高、功能越复杂，Firmware所占的权重也越高。因此这一轮升级首先表现为Flash和RAM明显增大，而不只是CPU主频提高。
ADI在2026年推出的ADuCM451就是一个很有代表性的例子。这颗明确面向400G、800G、1.6T及更高速率光网络模块的MCU，采用Cortex-M33，却同时配置了两组1MB独立Flash和512KB带ECC的SRAM，并支持I²C、I3C、SPI、QSPI和MDIO等多种接口。相比CPU本身，更值得注意的是这些外围资源。
通信接口的变化同样说明了这一点。I²C长期以来足以承担光模块管理，但随着Telemetry和配置数据增加，它开始遇到效率问题。MIPI早在面向通信设备的I3C技术资料中就直接指出，随着总线数据量增加，I²C速度正在成为限制；I3C SDR可以运行到12.5MHz，并兼顾对传统I²C器件的兼容，因此适用于需要频繁访问和高速遥测的光模块。
不过，这并不意味着I3C会立即取代I²C。现有光模块、交换机和主机平台拥有庞大的I²C生态，产业迁移不会一步完成。更现实的趋势，是新一代MCU同时保留I²C、I3C甚至MDIO、SPI等多种接口，通过一个芯片覆盖不同客户和不同代际产品。OIF目前对下一代管理物理接口仍然处于演进和讨论阶段，本身也说明光模块的管理总线尚未完全定型。
另一个容易被忽视的变化，是模拟能力并没有因为光模块越来越"数字化"而下降。温度、电压、Laser Bias、Tx/Rx Optical Power等参数依然来自模拟世界，激光器、TEC和部分光电器件也需要DAC、PWM或者闭环控制。因此，ADC、DAC、比较器和基准源仍然是专用光模块MCU的重要资源。ADuCM451甚至集成最高16路外部ADC通道、多路DAC和电压比较器，同时提供3.3V、1.8V和1.2V多电压GPIO。
多电压域本身也是高速光模块集成度提高后的结果。传统主机管理接口可能仍工作在3.3V，但DSP、EIC和先进数字芯片越来越多采用1.8V甚至1.2V I/O。如果MCU只能支持单一电压，模块就需要额外增加Level Shifter，不仅增加BOM，也占用宝贵的PCB面积。高速模块因此正在把过去不起眼的GPIO电压配置、小封装和外围器件集成，变成实际的产品竞争点。
安全功能也开始进入这一轮升级。ADI的新产品已经加入TrustZone、Secure Boot、硬件加密和随机数发生器。 这并不意味着1.6T光模块已经普遍强制要求复杂的信息安全功能，但随着Firmware越来越大、现场升级越来越普遍，以及光模块逐渐成为大型AI基础设施中的可管理网络节点，固件认证和安全启动正在从"可选功能"逐渐变成新的设计维度。
所以，如果把过去十多年的光模块MCU放在一起比较，会看到一个非常清晰的变化：CPU内核从8位、M0/M3逐步升级到M4/M33只是表象，真正增长得更快的是Flash、RAM、通信接口、模拟资源、安全功能以及软件复杂度。
光模块MCU真正的壁垒是什么？
从芯片的制程工艺来看，光模块MCU并不需要先进的制程。IP核可以用ARM的，其它ADC、DAC、I²C、SPI等IP也已经高度成熟。
当产品开始走向这种程度的专用化之后，新的问题出现了：既然IP内核可以买、成熟制程并不稀缺，为什么高速光模块MCU没有快速同质化呢？
其实真正难做的地方，恰恰藏在这些规格参数之外。
第一个门槛是模拟资源与数字控制之间的取舍。光模块虽然承担高速数字通信，本质上仍然是一个高度依赖模拟监测和控制的系统。温度、电压、电流、Laser Bias以及收发光功率都需要ADC采集，激光器、TEC和部分光电器件又可能依赖DAC、PWM或比较器进行控制。因此，Optical MCU从很早开始就带有明显的"数模混合"特征。
以Maxim早期DS4830A为例，这颗产品只有16位MCU内核和32KWords Flash，却集成了8路12位DAC、26路ADC输入、10路PWM、温度检测和比较器。其设计目标就是尽量减少外部电路，以降低成本和PCB面积。 到2026年的ADI ADuCM451，这条思路仍然存在，只是资源规模明显扩大：Cortex-M33、2×1MB Flash、512KB SRAM、多路模拟外设、多种高速接口和多电压I/O被整合到一颗芯片中，并直接面向400G、800G和1.6T光网络模块。
据了解，目前高速光模块MCU存在三种典型产品路线：
一类是ADI/Maxim代表的高度模拟集成型专用MCU，通过大量ADC、DAC、比较器和温控资源减少外挂芯片；
第二类是采用高性能通用MCU，再由模块厂自行配置外部模拟器件，优势是软件生态成熟、产品选择多；
第三类则介于两者之间，在通用MCU基础上针对光模块增加必要的模拟IP、特殊接口和小封装，兆易创新、上海贝岭等产品更接近这一路线。上海贝岭BL32F512X就同时集成多路ADC、DAC、OPA、比较器，并将512KB Flash、144KB SRAM和CMIS支持放在同一产品中，定位200G、400G和800G高速光模块。
三条路线很难简单判断谁更先进。模拟IP集成得越多，外围BOM和PCB面积通常越低，但芯片面积、功耗和验证复杂度也会上升；全部依赖外挂模拟器件，则可以提高设计灵活性，却要付出空间和器件数量的代价。对于今天空间已经非常紧张的800G、1.6T模块而言，真正考验MCU厂商的其实是产品定义能力——知道哪些功能必须集成，哪些功能留给外围器件更合适。
第二个门槛来自Firmware。这一点从光模块厂商的招聘需求中表现得非常直接。Samtec面向200Gbps/lane光模块招聘的Firmware Engineer，不仅要开发I²C、MDIO、ADC/DAC、PMIC、SPI等底层驱动，还需要实现CMIS/SFF状态机和Memory Map，处理Laser/TEC控制、上电时序、故障管理、光功率与温度闭环，并覆盖Init、Low Power、High Power、Diagnostic和Firmware Update等完整模块状态。这已经远远超出了"MCU驱动程序"的范畴。
高速光模块Firmware正在成为连接DSP、光器件、电源、温控和主机管理接口的系统软件层。因此，未来MCU厂商之间的竞争很可能逐渐从芯片本身扩展到：MCU + BSP/Driver + Bootloader + Firmware升级机制 + Security + CMIS参考框架 + FAE支持。
但这并不意味着MCU厂商会接管整个光模块软件。激光器校准、温补算法、DSP参数、不同光学器件的控制策略以及Vendor-specific CMIS功能，仍然属于光模块厂商的核心Know-how。
第三道门槛是可靠性与客户认证。
MCU本身可能只占高速光模块很小一部分BOM，却管理着价值远高于自身的DSP、激光器和光电器件。一旦出现I²C异常、ADC漂移、Flash升级失败、异常掉电或者边界温度下的软件死锁，最终失效的可能是一整只光模块。
因此，客户很少单纯为了降低几十美分的成本去替换一颗已经通过验证的MCU。重新进行Firmware适配、模块验证、互操作测试乃至终端客户认证，产生的工程成本往往比芯片价差更高。这使光模块MCU天然具有低BOM占比、高认证成本、高客户黏性的特点。
第四道门槛则来自长期量产经验。
成熟MCU厂商使用的Arm内核并没有本质差异，很多数字IP也来自相似供应链。最终拉开差距的往往是Datasheet里很难看到的问题：不同IP同时工作时是否会出现边界冲突，I²C在高温或强干扰下能否稳定运行，ADC精度在实际板级环境中是否漂移，Flash升级过程中突然掉电如何恢复，以及多个电压域切换时能否保证系统状态一致。这些设计过程中的knowhow往往只有经过几代产品、大量客户和长期量产才能暴露出来。
用兆易创新MCU事业部资深市场经理 Jeff Cui的话来说："大家都是买ARM核，都是自研或者买其他IP去搭乐高。区别就在于，有的人搭了两年的乐高，像我们是搭了很多年的乐高。我们就非常清楚，某两个乐高之间的连接可能有些隐患，这是一种多年的积累。"
不同光模块MCU供应商盘点
目前号称针对光模块市场的MCU供应商并不少，但真正能支持800G/1.6T，同时已经进入客户验证甚至规模出货的供应商并不多。
很多32位MCU理论上都能够完成温度采集、I²C通信和基本状态管理，但到了高速光模块，产品需要同时满足更大的固件空间、多路模拟资源、小封装、多电压域以及更复杂的通信和安全需求。
ADI收购的Maxim很早就推出了DS4830A这类明确以"Optical Microcontroller"命名的产品，面向SFP+、QSFP+、PON等光通信应用。它的思路非常典型：CPU并不追求高性能，而是在一颗MCU里集成大量ADC、DAC、PWM和温度检测资源，尽量减少光模块外围器件。到了2026年的ADuCM451，这套逻辑仍然存在，但产品规格已经完全进入另一阶段：Arm Cortex-M33、2×1MB Flash、512KB带ECC SRAM、I3C、多电压I/O以及Secure Boot等功能被整合进来，ADI官方直接将其定位于400G、800G、1.6T及更高速率的光网络模块。可以说，ADI代表的是一条高度专用、数模深度融合的Optical MCU路线。
ST并没有把光模块MCU作为一个独立的产品线，而是把STM32生态直接带进高速光互联系统。PIC100面向单通道200Gbps PAM4，可用于800Gbps和1.6Tbps可插拔模块；与此同时，STM32H5承担模块配置、监控、诊断和系统管理。由于STM32拥有成熟的软件工具、开发生态和较长的生命周期，对于已经拥有较强模拟前端和光模块设计能力的客户来说，并不一定需要把所有ADC、DAC和控制资源都集成进一颗高度专用MCU。通用高性能MCU加上成熟软件生态，同样能够形成竞争力。
兆易创新是目前公开出货基础较强的代表。在2026年深圳光博会期间，兆易创新披露光模块专用MCU累计出货已接近1亿颗。其GD32E511/512已经明确面向400G至1.6T高速光模块，采用Cortex-M33、大容量双Bank Flash、I3C以及针对光模块配置的模拟资源。
上海贝岭早期BL32F32x2主要覆盖100G以下光模块，新一代BL32F512X则明确向200G、400G和800G拓展。BL32F512X采用Cortex-M4F，并集成ADC、DAC、OPA、比较器等模拟资源，本质上也是在通用MCU与高度专用模拟控制器之间寻找平衡。
国民技术则是2026年进入高速光模块MCU竞争比较积极的新玩家。N32H493采用Cortex-M4F，主频240MHz，提供最高1MB Flash、双Bank、ECC SRAM、多路ADC/DAC和硬件密码引擎，官方直接定位800G/1.6T光模块；下一代N32H5进一步规划M33、2MB Flash和I3C，面向1.6T以上产品。据官方资料介绍，N32H493已经在国内头部光模块厂商"推进导入"。
新唐的M029G/M030G/M031G则能代表另一类传统Optical MCU。其产品明确针对光收发模块，采用Cortex-M0、32KB至64KB Flash，并集成温度传感器、多路ADC/DAC和3×3mm小封装；对于更高速光收发器，新唐又推荐M471、M485等Cortex-M4产品，增加双Bank Flash和更高速I²C。
根据笔者前面提到的几大竞争门槛，国产MCU在光模块领域面临最大的挑战，依然是可靠性与客户认证，而这一点仍然需要长期的时间积累。
CPO会不会让MCU消失？
随着可插拔光模块向CPO的过渡，MCU的位置和形态也将面临改变。
在传可插拔光模块中，DSP、光电器件、电源、Flash和MCU都位于相对清晰的模块边界内，MCU负责CMIS管理、状态监测、固件运行和外围器件控制，基本形成"一模块一控制器"的架构。
CPO把Optical Engine移动到交换ASIC或XPU附近，以缩短高速电连接距离、降低SerDes损耗和功耗，同时将激光源、控制和管理功能重新拆分。目前已经可以看到控制器向Optical Engine内部迁移的趋势。
Marvell展示的1.6T Silicon Photonics Light Engine，就把Linear Driver、TIA、硅光芯片以及嵌入式Microcontroller和Firmware集成在同一封装中。TSMC的COUPE也在推进Photonics Chip与Electrical Control Chip的3D集成。这里的Electrical Control Chip并不能简单等同于传统MCU，但两种方案都说明，光学控制电子正在越来越靠近PIC，甚至成为Photonic Engine本身的一部分。这意味着，未来CPU内核、Flash、ADC/DAC和Firmware等控制资源未必继续以一颗标准MCU的形式独立出现在PCB上。
另一方面，CPO系统的管理范围反而可能扩大。采用External Laser Source后，一个系统可能同时管理多个Optical Engine和多个激光源。OIF提出的ELS管理架构中，Optical Engine负责报告所需光功率，ELS报告自身能力和状态，而真正协调二者、控制连续波光源和维护连接关系的是Host Board Controller。由此，CPO的控制体系开始从过去相对扁平的单模块管理，转向更明显的分层架构：Optical Engine内部控制器负责本地监测和执行，Host Board Controller负责多个光引擎和外置激光源之间的协调，更上层的BMC或交换机管理系统负责整机管理。
可以说，CPO并不是简单把今天的光模块"搬到芯片旁边"，而是在重新划分光、电、控制和管理功能之间的边界。
最后，笔者认为，未来几年光模块MCU最值得关注的趋势可以归纳为三点：专用化、软件化和集成化。在AI光互联快速演进之后，光模块MCU竞争正在进入新的阶段：能不能更好的理解1.6T、3.2T乃至CPO架构下的系统需求，并把这些需求提前写进芯片定义，正在成为新的分水岭。
END
注：本文题图来自freepik、作者自制、AI 生成（微信公众平台AI配图、豆包）、媒体公开资料、皆已授权。免责声明：本文采摘自"与非网eefous"，仅代表作者观点，如有侵权或异议请联系我们删除。
SK海力士公布HBM封装技术蓝图！
2026-08-27
401
在8月23日于美国斯坦福大学举行的Hot Chips 2026技术大会上，SK海力士封装工程副总裁Jaesik Lee发表了题为《高带宽内存先进封装》（Advanced Packaging for High-Bandwidth Memory）的演讲，分享公司针对HBM4及后续产品的封装技术路线。
随着AI加速器对内存带宽、容量与能源效率的要求的持续攀升，HBM堆叠层数、I/O数量及信号速度不断提高。目前HBM是通过硅通孔（TSV）将多层DRAM Die垂直堆叠，并与Base Die整合，再通过硅中介层（Silicon Interposer）与GPU或其他AI加速器连接，形成典型的2.5D封装构架。SK海力士指出，目前HBM堆叠高度最高可达16层，而单一HBM模块具有1024个I/O，通过16个信道经由硅中介层与XPU连接。
相比传统GDDR6，HBM优势在于能在更小空间提供更高带宽与容量，同时降低整体功耗。SK海力士举例，典型GDDR6解决方案可提供24GB容量与768GB/s频宽，而由4组HBM3E堆叠组成的方案，容量最高可达144GB、带宽则可达4TB/s，且占用空间可减少约一半。
在下一代产品方面，SK海力士的HBM4将导入最高24Gb DRAM密度，并支持2048 I/O数、最高8Gbps I/O速度，单堆叠频宽可达2TB/s以上。与HBM3E相比，HBM4封装高度与尺寸进一步增加，并整合更多TSV与微凸块（Micro Bump）。
从SK海力士分享的数据来看，HBM4封装高度约775μm，尺寸为12.8×11mm，最多可具备16,148个Base Micro-Bump与超过2万个TSV；目前12层产品已进入量产，16层则仍处于认证阶段，容量最高可达48GB。
在封装技术方面，目前HBM主要采用热压键合搭配非导电膜（TC+NCF），以及大规模回焊搭配模封底部填充（MR+MUF）两种封装方式。
其中，TC+NCF在控制Die翘曲方面具优势，但热阻较高、产能相对受限；MR+MUF则具较高生产效率与较低热阻，但对芯片翘曲及间隙填充的控制要求更高。
SK海力士目前已将先进MR-MUF技术应用于16层HBM3E，并进一步导入翘曲控制、细间距互连与窄间隙填充等技术。
然而，在HBM带宽提升的同时，功耗与散热负担也同步增加，单纯依靠增加堆叠层数或提高I/O速度，已难以支撑后续HBM的性能扩张，因此SK海力士转向混合键合（Hybrid Bonding）技术。
相较MR-MUF，混合键合可实现厚度增加24%的核心晶粒（Core Die），TSV间距可缩小至18μm以下，同时在堆叠层数增加的情况下，热阻可降低约35%。同时，SK海力士也开发自家I-HBM技术，针对HBM内部局部热点进行改善。
SK海力士表示，I-HBM这项技术可额外降低超过30%的热阻，有助于应对未来HBM在更高功耗与更高I/O速度下产生的局部热集中问题。
值得注意的是，SK海力士在这次解决方案中，也将英特尔EMIB与台积电CoWoS技术并列。
展望未来，SK海力士计划通过将TSV数量加倍、提高I/O速度，并结合逻辑制程整合来提升带宽；至于PDN（电源与电源传输网络）所面临的挑战，则将采用最新且经最佳化的逻辑晶圆代工制程，并让Power TSV更广泛地分布于整体结构中，以大幅改善PDN性能。
此外，SK海力士也正在进一步思考HBM从2.5D走向3D的可能性。现阶段HBM与GPU、AI加速器主要是并排放置于硅中介层上，形成2.5D构架；但公司目标是布局3D整合技术，最终目标是将HBM堆叠在AI加速器上方，形成更紧密的3D整合构架。这种构架可大幅缩短内存与计算单元之间的距离，并进一步提升带宽与能源效率，但同时也会带来更严峻的散热、供电、机械应力与良率挑战。
编辑：芯智讯-林子免责声明：本文采摘自"芯智讯"，仅代表作者观点，如有侵权或异议请联系我们删除。
清华团队VeriLoop Coder-E1正式开源：以循证螺旋驱动可验证的递归式自我改进
2026-08-21
301
近日，由清华大学深圳国际研究生院智能机器人实验室刘厚德教授领衔、王立博博士后担任 AI 首席研究员的大模型团队，正式发布了 VeriLoop Coder-E1—— 一款基于 Qwen3.6-27B 构建、面向仓库级代码修复与智能体式软件工程任务的开源垂类代码模型。
该模型在 Hugging Face 四项软件工程 Benchmark 中分别取得 SWE-bench Verified（85.20）、SWE-bench Pro（62.38）、Terminal-Bench 2.0（76.40）和 DeepSWE（33.63）的成绩。
截止 2026 年 7 月 27 日，在 32B 及以下开源模型的比较范围内，VeriLoop Coder-E1 在 SWE-bench Verified、 SWE-bench Pro 和 Terminal-Bench 2.0 中排名第一，在 DeepSWE 中排名第二 。在所有的开源模型中，包含一众知名模型的情况下，分别排名为第二、第一、第一和第五，统计情况如下表。
说明： 对模型综合能力作出全面评估，需明确基准评测的证据边界。基准评测仅反映模型在特定任务分布、评测协议与运行条件下的相对表现，不能据此推断其在真实软件工程环境中的整体能力。因此，本文不将四项基准评测成绩视为模型能力的最终裁决，仅客观记录相关评测结果与排名事实。
数据来源：Hugging Face 对应 Benchmark 排行榜，见 [5]—[8]
Veriloop Coder- E1 背后的循证螺旋
VeriLoop Coder-E1 的核心优势来自窄域 PEFT 微调与 Self-Harness 的协同。
在冻结 Qwen3.6-27B 基座的前提下，项目以少量可训练参数强化模型面向真实软件工程任务的专门能力，包括工具契约遵循、证据 — 结论绑定、不确定性识别、验证失败解释、局部修复与回滚边界控制；相应微调权重通过可拆卸的 Surface Host Adapter 外挂加载，而不改写原始基座权重。
Self-Harness 则负责将这些能力组织为围绕同一任务持续收敛的多轮执行链：首轮依据问题描述、仓库上下文、接口约束和验收条件生成候选产物，后续轮次再将已生成代码、测试错报、工具回执、接口冲突、反证结论和修复约束重新编译为不同的结构化 Markdown 工作包，使模型在继承已确认结果的基础上，针对被证据否定的局部问题继续分析和修复，而不是对同一提示进行机械重试。官方模型与技术博客见 [1]—[2]。
该团队的方案证实了 Loop 不再只能是同一方法内部的反复试错，而是形成了一条由证据持续约束和推动的闭环：每一轮生成都必须接受反证、探索、修订与复验，只有通过验证的纠正才有资格进入下一轮并影响后续方法选择。
当系统不只是修正当前结果，而是让经验证的纠正进一步改变未来如何发现问题、界定证据、发起探查和实施修复时，这一闭环便上升为 VeriLoop 所强调的循证螺旋（Evidence-Governed Spiral）。这一执行链遵循「证 — 伪 — 探 — 修 — 验 — 化」 的循证逻辑。关于其完整概念界定，详见 VeriLoop 官方技术博客 [2]。
图 1｜VeriLoop 循证螺旋：证 — 伪 — 探 — 修 — 验 — 化的验证门控与方法级递归改进机制
循证不是用信息为既有结论提供装饰或支持，而是要求证据能够挑战并改变系统当前的认识、行动或未来探究方式；循证螺旋则进一步将这种可纠正性组织为跨轮次演化机制，使经验证且边界明确的纠正不仅修复当前结果，还能够改变系统下一轮如何界定问题、选择证据、发起探查、实施修复与决定停止。
在 VeriLoop 中，这一机制被具体化为「证 — 伪 — 探 — 修 — 验 — 化」的连续链条：
「证」负责收集并筛选能够实质改变当前判断的代码、接口、测试、执行轨迹与工具回执，同时明确已知、未知、假设及证据边界；
「伪」主动检验候选方案的前提、实现与正确性声明，推导可观察的失败条件，定位矛盾、错误与证据缺口；
「探」只围绕已经暴露的决定性缺口继续检索代码、追踪调用关系或执行必要工具，避免无目的扩张上下文；
「修」依据失配层级，将错报和反证结果转化为边界明确的局部或结构性修复条件，并保留变更依据与回滚路径；
「验」要求修订后的产物重新接受同一任务契约、测试体系与执行环境的检验，以确认修复真实有效，并排除随机性、评估偏差与环境偶然性；
「化」则只将通过验证门的结果、失败类型、适用条件与有效修复原则压缩为下一轮可调用的证据状态、方法约束与预防规则。
由此， Loop 不只是增加提示词长度、推理轮次或模型调用次数，而是让每次调用都由上一轮产生的新证据改变其判断、探索和修复方式，使一次性代码生成转化为可反证、可回滚、可验证并能够积累有效经验的软件工程闭环。
通向递归式自我改进之路
当系统已经能够反复生成、修订并验证结果，真正的问题便不再是「能否修改自身」，而是：什么使一次纠正有资格进入未来的纠错机制？
Anthropic 所代表的一类前沿愿景，将递归式自我改进理解为人工智能逐步参与乃至承担后继系统的设计、开发与验证，使本轮获得的能力继续增强下一轮研发能力。
但在构建 VeriLoop Coder-E1 的过程中，团队发现，系统即使能够修改 Prompt、工具策略、记忆、评价器、训练流程乃至模型本身，也只能证明自我修改权限扩大，不能证明真实改进已经发生；若目标、证据、评价与继承标准仍受同一组未经检验的假设支配，修改越深，奖励缺口、评价偏差与认知盲点越可能被固化到更高层机制中。
由此，团队重新定义递归式自我改进：它不是系统反复修改自身，而是经证据纠正的方法开始改变系统未来如何发现、判断和纠正错误，并且该方法仍可被新的证据再次证伪。
「一种理论若不可能被任何可设想的事件所反驳，它就不是科学理论。不可反驳性并非理论的优点，尽管人们常常这样认为，恰恰是它的缺陷。」
—— 卡尔・波普尔，《猜想与反驳》
循证螺旋正是将这一可反驳性转化为递归式自我改进的认识与工程门控：系统先界定当前主张、假设及证据边界，再为其提出可观察的失败条件；探究只针对足以改变判断的决定性缺口；修订作用于与失配相对应的层级，既可修复当前结果，也可调整问题分解、证据义务、工具选择、验证策略或停止条件；验证门随后检验修订是否真正解决失配、能否在相关变化下保持成立，并排除随机波动、评价器漏洞与环境偶然。
验证通过仍不等于递归已经发生；只有当纠正揭示出可迁移的方法性缺陷，被纳入未来纠错机制，并在后续任务中实际改变未知如何被发现、证据如何被获取、错误如何被判断以及修复如何被实施时，Loop 才真正跨越递归阈值。
在运行层面，VeriLoop Coder-E1 由 Self-Harness 维护任务锚点、证据义务与版本化状态。每轮首先基于当前假设、行动方案、探究方向和停止条件生成候选，再由反驳阶段把候选转化为可检验主张并提出可观察的失败条件；若仍存在足以改变决策的未知，系统便登记对应的证据义务，调用代码检索、静态分析、测试、运行 Trace 或其他工具获取带来源的观测，并仅允许可采纳且能够改变判断的结果更新系统状态。
图 2｜已验证纠正进入未来方法的运行轨迹及递归阈值判据机制
随后，系统依据失配发生的层级实施修订，并将修订后的产物送入验证门，同时检验原始失败、相关执行路径、回归测试及错误归因。
验证失败时，当前修订被拒绝，流程返回反驳或定向探究；验证通过时，该修订也不会直接成为永久规则，而是被登记为带有证据集合、适用范围、触发条件、失效边界与回滚路径的方法候选。
只有当这一方法候选在后续独立任务中被实际调用，并确实改变证据义务如何生成、工具如何选择、修订如何定位或验证如何组织，且再次获得证据支持时，它才被写入新的纠错方法，完成从当前结果纠正到未来方法更新的跃迁。
此时，纠正不再只解决一次任务，而是开始改变系统未来如何发现、判断和纠正错误，Loop 才真正跨越递归阈值；若后续证据与其冲突，该方法仍可被缩小适用范围、降级、回滚或撤销。
开源边界：开放模型资产，保留 Self-Harness 控制栈
团队已依据 Apache 2.0 许可证开放 VeriLoop Coder-E1 的模型权重、Tokenizer、配置文件、部分软件工程窄域 PEFT 适配器及评测材料。开发者可在许可证范围内下载、部署、修改模型，组合适配器并开展二次研究与应用开发。开放内容覆盖模型侧的代码理解、生成与推理能力，以及由窄域 PEFT 注入的工具规范、不确定性表达、回滚意识和证据绑定等专业行为。
Self-Harness 的完整实现暂不开放。它并非提示词集合或普通 Agent 脚本，而是复杂的运行时控制平面。它将一次软件工程任务编译为多轮、分阶段且相互约束的模型调用，而非对同一 Prompt 机械重试：不同轮次分别承担候选生成、反证、定向探究、修订与验证等职责，并接收由 Harness 动态构造的结构化工作包，其中持续携带任务契约、代码上下文、前轮产物、工具回执、测试错误、证据缺口、失败归因及修复边界。
Self-Harness 同时维护假设、行动、探究方向、证据义务、方法版本与停止条件，将检索、测试、静态分析和运行轨迹组织为可追溯的证据事务，并通过上下文隔离、状态更新、证据采纳、验证门、方法晋升、预算治理、权限控制、失败回退与版本回滚，决定何时继续调用模型、调用哪一阶段、向其提供哪些证据，以及哪些修订可以执行或被后续任务继承。窄域 PEFT 提供专业能力，Self-Harness 则负责将这些能力组织为可验证、可回滚、可递归继承的多轮执行过程。
此外，完整 Self-Harness 还包含任务编排、工具与验证器路由、失败归因、方法继承、安全边界及真实软件工程环境中的运行基础设施，直接决定系统能否从代码生成模型升级为能够理解仓库、执行修改、验证后果并承担回归责任的通用 Code Agent。团队下一阶段将以通用 Code Agent 为主要研发与商业化方向，因此开放其技术原理、系统边界和评测依据，同时保留生产实现，以兼顾学术可验证性、开源使用与核心产品壁垒。
发布首日即获国际社区量化适配
VeriLoop Coder-E1 在 Hugging Face 开源不足 48 小时，即被巴西以及其他第三方开发者主动制作并发布 GGUF 低精度量化版本和二次研究。该工作基于公开权重完成部署侧转换，使模型能够脱离原始高精度运行环境，通过 llama.cpp、Ollama、LM Studio 等本地推理工具运行，并可进一步部署为本地 OpenAI 兼容接口。由此，VeriLoop Coder-E1 的使用边界从服务器级原始权重部署扩展至更低显存、更有限内存和个人设备环境。同时，根据第三方公开纰漏的结果，模型表现出极强的抗「抹除」（abliteration）能力。经过 200 次尝试，其拒绝率仅从约 95% 降至约 82%。
截至 2026 年 7 月 30 日，在模型上线首日的统计窗口内，VeriLoop Coder-E1 原始仓库单日下载量达到 413 次；第三方 GGUF 量化仓库单日下载量达到 955 次。这意味着模型刚完成公开发布，国际开源社区便已开始围绕其进行权重获取、低精度量化、本地部署和工具链接入，社区对模型的关注已迅速转化为实际使用行为。相关第三方衍生仓库见 [3]—[4]。
该 GGUF 版本是对 VeriLoop Coder-E1 公开模型权重的第三方部署扩展，不包含生产级 Self-Harness，也不改变模型的技术归属与原始发布关系。其价值在于，第三方开发者在发布首日便自发投入计算与工程资源，为模型建立更低成本的本地运行路径，表明 VeriLoop Coder-E1 已开始从实验室发布成果进入由国际开源社区实际下载、部署和再开发的应用阶段。
从代码生成到状态后果建模：
以 Self-Harness 推进通用 Code Agent
权重开放只是起点。团队下一阶段将把研发与商业化重心转向通用 Code Agent：底层模型作为可替换的推理内核，生产级 Self-Harness 负责维护任务契约、仓库状态、证据义务与方法版本，编排分工明确的多轮模型调用和工具执行，并将自然语言目标转化为可观察、可反驳、可验证、可回滚的状态变化。系统在执行前预测代码、依赖、接口与运行行为的变化，执行后再以 Git Diff、编译结果、测试日志和运行 Trace 对照预测与现实；一旦出现失配，立即重新探究、回滚或重构计划。通用 Code Agent 因而不只是生成代码，而是能够预测、执行并对行动后果负责。
与以 DeepSeek 持续扩展基础模型能力为中心的 AGI 愿景不同，VeriLoop 不把通用人工智能首先理解为一个参数更多、知识更广的单体模型。真正关键的是，系统能否形成可修正的状态表征，预测行动后果，在不确定条件下规划与执行，并在现实推翻预测时，不仅修改当前答案，还改变未来如何提出问题、获取证据、选择行动和判断完成。知识可以来自预训练，能力可以由模型提供，但智能只有在状态、行动与后果形成闭环时才真正显现；循证则进一步要求，结论、方法乃至验证机制本身都不得获得不可推翻的特权。AGI 不是逼近全知，而是在更广泛的环境中持续缩小对行动后果的预测误差，并始终保留被现实纠正的能力。
软件工程是检验这一观点最严格的起点：代码仓库提供环境状态，修改和工具调用构成真实行动，编译、测试、依赖、性能与运行轨迹则给出无法由语言叙事替代的外部证据。团队将继续推进通用 Code Agent，并在公开评测和真实工程任务中与国内外前沿系统展开良性竞争，但不会只在别人挖好的坑里继续铲土。研究的意义不在于被谁铭记，而在于探索未知，并把经得起证据检验的事情做下去。正如电影《八仙》所说：「只要做对的事，人人都是无心昌。」
数据来源与相关模型仓库：
官方模型与技术博客
[1] Tsinghua SIGS Robot Lab. VeriLoop Coder-E1 [CP/OL]. Hugging Face, 2026 [2026-07-29].
https://huggingface.co/tsinghua-sigs-robot-lab/veriloop-coder-e1
[2] VeriLoop. VeriLoop: When Evidence-Governed Correction Enters the Future, Recursive Self-Evolution Begins [EB/OL]. X, 2026-07-25 [2026-07-29].
https://x.com/free_anyone/status/2080695708357951959
社区衍生版本
[3] Ramos, R. VeriLoop Coder-E1 GGUF [CP/OL]. Hugging Face, 2026 [2026-07-29].
https://huggingface.co/rodrigoramosrs/veriloop-coder-e1-gguf
[4] Asmanov, L. VeriLoop Coder-E1 Heretic [CP/OL]. Hugging Face, 2026 [2026-07-29].
https://huggingface.co/asmanovlev/veriloop-coder-e1-heretic
Benchmark 排行榜数据源
[5] Scale AI. SWE-bench Pro Leaderboard [DB/OL]. Hugging Face, 2026 [2026-07-29].
https://huggingface.co/datasets/ScaleAI/SWE-bench_Pro?leaderboard_base_model=false
[6] DataCurve. DeepSWE Leaderboard [DB/OL]. Hugging Face, 2026 [2026-07-29].
https://huggingface.co/datasets/datacurve/deep-swe?leaderboard_base_model=false
[7] SWE-bench. SWE-bench Verified Leaderboard [DB/OL]. Hugging Face, 2026 [2026-07-29].
https://huggingface.co/datasets/SWE-bench/SWEbench_Verified?leaderboard_base_model=false
[8] Harbor Framework. Terminal-Bench 2.0 Leaderboard [DB/OL]. Hugging Face, 2026 [2026-07-29].
https://huggingface.co/datasets/harborframework/terminal-bench-2.0?leaderboard_base_model=false免责声明：本文采摘自"机器之心"，仅代表作者观点，如有侵权或异议请联系我们删除。
AI 与功率器件迭代提速，陶瓷基板为何成核心刚需？
2026-08-21
633
AI算力硬件升级、碳化硅功率器件规模化落地，让半导体封装的散热与可靠性难题愈发凸显。传统有机PCB基板导热差、耐高温能力弱，无法适配超高功耗器件工况。以氧化铝、氮化铝、氮化硅为核心的陶瓷基板，凭借高导热、高绝缘、低热膨胀系数的核心优势，成为AI算力设备、高端半导体功率器件的核心封装基材，是先进陶瓷产业极具潜力的细分赛道。
▌ 什么是陶瓷基板？半导体器件的 “高性能底座”
陶瓷基板是以特种陶瓷为基底，通过 DBC、AMB、DPC 等金属化工艺，在陶瓷表面复合铜导电层，同时承担电气绝缘、高效导热、电路载体三大核心功能。
陶瓷基体本身为三大材料体系，性能分层清晰，对应不同 AI 与功率器件应用场景：
材料
热导率 W/(m・K)
核心特点
典型应用
氧化铝 Al₂O₃
20-30
成本低、工艺成熟，国产化程度高
中低功率 IGBT、工业电源、普通模块
氮化铝 AlN
170-230
超高导热，CTE 与硅芯片高度匹配
AI 高速光模块、算力封装、高频器件
氮化硅 Si₃N₄
60-90
机械强度极高，抗热冲击，热循环寿命优异
SiC 功率模块、高压车规功率器件
11 月即将举办的第七届陶瓷基板及产业链发展论坛暨前沿领域先进陶瓷应用新趋势论坛，也将围绕 AI 与功率器件用陶瓷基板、先进陶瓷前沿应用开展专题交流，打通产学研用对接。
点击查看更多详情
▌ 陶瓷基板在 AI 算力硬件中的两大核心应用
1、高速光模块：800G/1.6T/3.2T 的刚需载体
AI大模型带动800G、1.6T高速光模块及高功耗服务器普及，设备高频运行下积热、信号损耗问题突出，高精度氮化铝陶瓷基板成为刚需核心配件。
代表企业与产品
京瓷（日本）：全球高端陶瓷基板标杆企业，HTCC 高温共烧、氮化铝 DPC 基板长期垄断海外高速光模块市场，新工厂专门扩产半导体陶瓷封装基板产能为应对算力硬件需求爆发。
中瓷电子：国内 AI 光通信陶瓷基板龙头，是全球仅有的两家可批量交付 1.6T 光模块氮化铝薄膜基板企业之一，同时布局下一代 CPO 光电共封装陶瓷基座，是国产算力陶瓷基板的核心代表。
三环集团：氧化铝基板全球龙头，同时完成高导热氮化铝基板技术突破，通过头部算力客户认证，面向光模块、先进封装批量供货，打通粉体-流延-金属化的自研闭环，兼顾成本与供货稳定性。
随着 CPO 光电共封装技术逐步落地，对陶瓷基板的布线精度、平整度、热稳定性要求更高，氮化铝基板的市场需求持续扩容。
2、AI 服务器配套功率器件与先进封装
AI 服务器供电组件长期承受大电流冲击，传统有机基板易过热失效。DPC/DBC 氮化铝陶瓷基板可有效降低模块热阻、缓解高密度积热，同时凭借接近硅材的热膨胀系数，适配 Chiplet 先进封装，规避翘曲、焊点失效问题，大幅提升封装良率与设备可靠性。
代表企业与产品
国瓷材料：国内少数打通 “高纯氮化铝粉体-陶瓷基片-金属化基板” 全链条企业，上游粉体自主可控，缓解高端粉体对外依赖，适配 AI 服务器电源模块、先进封装散热基座场景。
博敏电子：由 PCB 向陶瓷基板延伸，子公司具备 DBC、AMB、DPC 工艺能力，氮化铝、氮化硅基板兼顾算力电源、车载功率模块双重场景，实现 PCB 与陶瓷基板的异构集成方案。
▌ 陶瓷基板在半导体功率器件领域的价值
IGBT、SiC MOSFET等功率器件广泛用于光伏储能、新能源与工控，长期高压大电流工况对封装基板的散热与可靠性要求极高。传统硅基IGBT中，多用氧化铝DBC，工业级逐步切换氮化铝DBC；SiC器件对基板抗热冲击要求更高，氮化硅AMB基板已成为高端SiC模块主流选择，适用于储能、车载电控等场景。
三类关键工艺：DBC（铜箔高温键合陶瓷，适于氧化铝/氮化铝，成本适中）；AMB（活性焊料钎焊，结合力强，主打氮化硅基板，面向高可靠SiC模块）；DPC（薄膜电镀，线路精度高，多用于AI光模块精密基板）。
代表企业与产品
罗杰斯（美国）：全球氮化硅 AMB 基板传统龙头，长期垄断海外高端 SiC 功率模块市场，超薄 AMB 基板良率行业顶尖，但产能紧张、交付周期长，价格居高不下，制约下游国产化落地进度。
富乐德（富乐华）：国内功率陶瓷基板龙头，氮化硅 AMB 基板实现稳定批量量产，全球市占约 25%，产品价格相较海外竞品低 30-40%，自研高纯氮化硅粉体，解决上游原材料卡脖子，产品面向车规 SiC 模块、储能功率器件，已经进入多家头部功率器件企业供应链，是国内 SiC 功率封装基板国产替代主力企业。
江丰同芯（江丰电子）：布局 DBC、AMB 覆铜陶瓷基板产线，聚焦第三代半导体功率模组基板，面向 SiC、GaN 器件客户做认证导入，依托靶材、金属材料积累，在金属化界面工艺形成自身优势。
▌ 产业格局：高端仍被海外垄断，国产替代窗口期到来
全球陶瓷基板市场呈现日本主导高端，国内追赶突破的格局。京瓷等海外企业，手握高纯粉体、精密烧结、金属化技术，在氮化铝、氮化硅高端基板占据主要份额；上游高纯氮化铝粉体长期由日本德山主导，是产业链关键卡点。
氧化铝基板：国内已经实现高度国产化，产能充足，成本优势明显；
高端氮化铝、氮化硅基板：粉体、高可靠金属化工艺仍是主要壁垒，但国内产业链正在快速突破，从粉体原料、陶瓷基片到 DBC/AMB/DPC 基板全链条布局提速，部分产品已经进入算力、功率半导体头部供应链。
行业数据显示，全球陶瓷基板市场保持接近 19% 的年复合增速，高端氮化铝、氮化硅基板增速显著高于行业平均水平。
▌ 行业发展趋势
材料分化：氧化铝守住中低端市场；氮化铝深度受益 AI 光互联；氮化硅随 SiC 器件渗透打开成长空间；
工艺升级：AMB、DPC 占比持续提升，基板向着更薄、线路更细、热循环寿命更高方向演进；
全链条自主：高纯陶瓷粉体是卡脖子环节，国内企业向上游粉体延伸，打通 “粉体-基片-金属化基板” 完整链条，是国产突围的核心路径；
场景融合：AI 算力、SiC 功率器件两大赛道需求交叉，对陶瓷基板同时提出高导热、高精密、高可靠性的复合要求，倒逼材料与工艺持续迭代。
▌ 总结
陶瓷基板着决定 AI 算力硬件、功率半导体器件的上限，是粉体配方、烧结工艺、精密金属化、翘曲控制等多学科叠加的高技术壁垒产品。
大模型浪潮带动算力基础设施建设，SiC 功率器件加速替代，陶瓷基板正迎来产业升级黄金阶段。国内先进陶瓷企业，既要补齐高端粉体与工艺短板，也需要深度对接下游 AI、功率器件客户的实际工况需求，在国产替代浪潮中把握赛道机遇。免责声明：本文采摘自“先进陶瓷材料产业链”，仅代表作者观点，如有侵权或异议请联系我们删除。
具身智能正在进入“系统重构”时刻：从GPU到关节，从视觉到Agent，一场产业链全景技术会议即将开启
2026-08-21
230
机器人正在变得越来越像"机器"，还是越来越像"智能体"？过去几年，具身智能的热度几乎一路飙升。大模型让机器人开始"听懂、看懂、理解"，但真正走向现实世界后，一个更棘手的问题摆在产业面前：当AI真正进入物理世界，仅靠一个大模型，真的够吗？答案显然是否定的。
一台能够稳定工作的具身智能机器人，背后是一整套复杂的技术系统——GPU提供算力，CPU/MCU承担控制，电机与驱动决定运动能力，传感器负责感知，通信网络连接边缘算力与机器人本体，电池决定续航，而软件与Agent则决定机器人究竟能不能"自主行动"。也正因此，具身智能正在从"模型竞赛"，快速进入一场系统级工程能力竞赛。
8月21日，12家具身智能产业链企业齐聚南京，试图从产业链不同技术环节，拼出一张具身智能的"全景图"，欢迎现场感受具身智能发展的重要时刻！
GPU，正在从"算力中心"走向机器人"大脑"
机器人要实现实时感知、视觉理解、路径规划和运动决策，对算力提出了完全不同于传统AI应用的要求。Imagination技术经理孙千喆将带来《面向机器人领域的GPU融合计算与加速》，探讨GPU如何与机器人计算架构深度融合，为具身智能提供更加高效的计算能力。
与此同时，象帝先计算将从国产高性能GPU角度，分享《国产高性能GPU助力具身智能多场景应用》。一个值得关注的问题是：未来的机器人算力平台，会不会形成一套不同于传统数据中心AI的全新架构？
从"大脑"到"关节"：机器人真正难的，是把智能变成动作
AI可以告诉机器人"我要拿起这个杯子"，但如何精准地完成抓取、移动、转向和落杯？这背后，是控制、驱动、电机、功率器件等一整套硬件系统。瑞萨电子机器人方案架构师金磊将分享《人形机器人中的产品与方案布局》；极海半导体则将聚焦机器人关节，带来《"MCU+驱动+功率"全栈式电机芯片矩阵，赋能机器人关节高效精准驱控》。
从MCU到驱动，再到功率器件，机器人正在进入一个越来越明显的趋势："智能"最终必须通过每一个关节、每一台电机落地。
机器人要真正进入现实世界，首先得"看见"和"感知"
人类依靠视觉、听觉、触觉、嗅觉理解世界。机器人同样如此。思特威将分享《高性能图像传感器让具身智能更好地看到和认知世界》，从视觉感知切入具身智能；郑州炜盛电子则进一步把"嗅觉"带入机器人，分享《嗅觉感知重塑具身智能新生态——炜盛气体传感器创新分享》。
当摄像头之外，气体、温度、压力、距离等更多传感器进入机器人，具身智能的"感知边界"正在不断扩大。未来的机器人，可能不是拥有一个更大的模型，而是拥有一套更接近人类感知体系的"数字神经系统"。
算力之外，还有一个容易被忽视的问题：通信
机器人越来越智能，也意味着机器人内部和机器人与边缘计算平台之间需要传输越来越多的数据。
上海鹏瞰科技将带来《全光网络赋能具身智能：面向边缘算力与实时控制的通信底座》，聚焦全光网络如何支撑具身智能时代的边缘算力与实时控制。
这背后对应的是一个越来越现实的问题：当机器人进入实时闭环，传统通信架构还能不能满足未来的算力和控制需求？
软件正在成为具身智能的"第二战场"
硬件决定机器人能做什么，而软件决定机器人怎么做、如何学习、如何协同。
多核技术将围绕《多核在具身智能软件领域所面临的挑战与工作》展开分享。而论坛最后，华南理工大学副教授赖晓铮将带来一个极具前瞻性的主题：《Agentic Robotics：具身智能的"Agent时刻"》。
如果说过去的机器人更多是"按照程序执行"，那么Agentic Robotics所代表的方向，是让机器人具备更强的自主规划、任务分解、环境理解和行动决策能力。这可能意味着，具身智能正在经历一次关键转变：从"机器人执行AI指令"，走向"机器人自己完成任务"。
还有一个决定机器人能走多远的关键变量：能源
飞毛腿动力将从产业链另一端带来《人形机器人电池的昨天、今天和明天》。因为对于人形机器人而言，算力越强、自由度越高、运动越复杂，就意味着更高的能耗。如果机器人只能工作几十分钟，再聪明的模型也很难真正走进现实。所以，电池、功率、散热、能量管理，最终都会成为具身智能产业化绕不开的核心问题。
一场论坛，拆解具身智能的完整技术栈
从GPU算力到国产高性能计算，从机器人方案到场景应用，从电机控制到功率驱动，从全光网络到多核软件，再到视觉、气体传感器、电池以及Agentic Robotics……这不是简单的一场专题会议，更像是一次对具身智能产业链的"技术拆解"。因为真正决定下一代机器人的，不只是"大模型有多聪明"，而是：算力够不够？感知准不准？控制稳不稳？通信快不快？能源撑不撑得住？软件能不能自主决策？最终能不能真正进入真实场景？
具身智能的下一场竞争，已经不只是模型之间的竞争。而是一场从芯片、算法、传感器、执行器、能源，到软件和系统架构的全栈竞争。
如果你正在关注人形机器人、具身智能、Physical AI、机器人芯片、GPU、MCU、传感器、机器人电机、边缘算力、智能控制以及Agentic Robotics，这场论坛值得关注。
从一颗芯片，到一台机器人；从感知世界，到理解世界，再到真正行动——具身智能的下一站，正在从"会思考"走向"能行动"。
论坛现场，期待与产业链共同寻找具身智能真正走向规模化落地的答案。
12家具身智能产业链企业介绍如下：
01
Imagination Technologies
Imagination Technologies 是一家总部位于英国的公司，致力于研发芯片和软件知识产权（IP），基于Imagination IP的产品已在全球数十亿人的电话、汽车、家庭和工作场所中使用。
02
瑞萨电子(中国)
提供专业可信的创新嵌入式设计和完整的半导体解决方案，旨在通过使用其产品的数十亿联网智能设备改善人们的工作和生活方式。作为全球领先的微控制器供应商、模拟功率器件和SoC产品的企业，瑞萨电子为汽车、工业、基础设施及物联网等各种应用提供综合解决方案。
03
象帝先计算技术(重庆)有限公司
公司成立于2020年9月，是一家高性能通用/专用处理器芯片设计企业，总部重庆，多地设研发中心。公司由国内计算机及高端芯片领域的顶尖科学家领军，集中了一批平均从业经验超过15年的资深专家。公司研发适用于桌面、工作站、边缘计算等领域的高性能、低功耗、具有完全自主知识产权的通用CPU/GPU及相关专用芯片产品。
04
上海德迩象网机器人有限公司
德尔股份旗下专注具身智能的机器人公司，成立于2025年，致力于为工业场景提供具身智能应用解决方案和机器人训练平台。
05
江苏集萃智能制造技术研究所有限公司
总部位于南京，在苏州、常州、合肥等地设立分公司。成立于2016年9月，由江苏产研院、南京江北新区及骆敏舟教授核心团队共建，由骆敏舟教授担任所长。
06
上海鹏瞰科技有限公司
鹏瞰科技致力于创建智能工业网络和计算半导体解决方案，为下一代技术革命提供动力，这些产品面向广泛的应用，包括工业控制（智能工厂、机器人）、汽车和 F5G。
首款SoC芯片PonCAN已经成功流片，与多家头部企业进行深度合作。通过全新网络传输架构，推动局域光网基础设施全栈解决方案的成熟，打破制约边缘计算大规模发展的瓶颈。
07
MulticoreWare
是一家软件开发公司，提供有关多核和多线程 CPU、GPU、DSP、FPGA 和各种 AI 硬件加速器的尖端产品和服务。公司已将产品扩展到 AI 应用程序和工具、机器学习、视频编解码器、传感器数据和融合工程。 是 HEVC 视频压缩和软件性能优化等服务的行业佼佼者。
08
珠海极海半导体有限公司
是一家专注于工业级/车规级微控制器、高性能模拟与混合信号IC及系统级芯片研发与设计的集成电路设计型企业。极海团队具备20年集成电路设计与嵌入式系统开发经验，在全球范围内拥有六大研发中心。
公司主要为工业、汽车电子、能源以及消费电子等行业提供多平台及场景的可靠芯片产品及解决方案，满足客户在高度集成、精准控制、安全识别及效能提升等创新应用中的多元需求。
09
福建飞毛腿动力科技有限公司
飞毛腿集团核心子公司，专注于为全球客户定制设计和制造锂离子电池组，产品容量覆盖从单节电池到多达400节以上的组合。该公司于2016年从飞毛腿（福建）电子有限公司分拆独立，依托SCUD集团近三十年的技术积累，现已发展成为集研发、生产、销售和服务于一体的中国高科技企业。
10
思特威（上海）电子科技股份有限公司
是一家从事 CMOS 图像传感器芯片产品研发、设计和销售的高新技术企业，总部设立于中国上海，在多个城市及国家设有研发中心。
公司始终专注于高端成像技术的创新与研发，凭借自身性能优势得到了众多客户的认可和青睐。作为致力于提供多场景应用、全性能覆盖的CMOS图像传感器产品企业，公司产品已覆盖了安防监控、机器视觉、智能车载电子、智能手机等多场景应用领域的全性能需求。
11
郑州炜盛电子科技有限公司
公司成立于2003年，是一家集传感器研发、生产、销售及应用方案服务为一体的高新技术企业，建筑面积达30000多平方米。
产品涵盖半导体、催化燃烧、电化学、红外吸收四大原理的气体传感器，红外线探测、压力、湿度、流量、水质检测等多门类传感器和应用方案，共七大系列，200多个品类，可用于300余种气体及红外线、压力、湿度、水质等多指标的检测，广泛应用在工业安全、民用消防、环境保护、家用电器、汽车电子、医疗健康、智慧城市等领域，并在新的应用方向不断开拓创新。
12
华南理工大学计算机学院
我国高等学校最早从事计算机科研与教学的单位之一，1960年设专业，2001年建院。计算机科学2026年ESI全球排名前0.34‰，拥有教育部拔尖计划2.0基地等国家级平台。
免责声明：本文采摘自"电子创新网"，仅代表作者观点，如有侵权或异议请联系我们删除。
RISC-V中国力量再集结！滴水湖论坛即将开幕，10款国产芯片新品冲击产业化新高地
2026-08-21
315
2026年是RISC-V产业发展的一个关键"分水岭"。它已经不再是仅用于简单控制器的架构，而是在统一标准、性能突破和AI浪潮的驱动下，具备了与x86、ARM在高价值市场同台竞技的实力。
随着性能突破和生态完善，RISC-V的商业化已不再是"未来时"。市场共识认为，RISC-V正在从成本节约型备选方案，转向高价值创新的主力选择。2026年，RISC-V最重要的进展之一是RVA23 Profile与服务器平台规范1.0的落地。这为不同厂商的RISC-V芯片提供了统一的软硬件接口，意味着操作系统和软件可以实现"一次适配，全品牌通用"，扫清了进军数据中心的核心障碍。
数据显示，2025年全球RISC-V SoC出货量已达约69亿颗，预计到2031年将增长至约360亿颗，复合年增长率达31.7%。中国市场表现尤为突出，2026年产业产值约1700亿元，同比增长超35%，已成为全球最大的RISC-V应用市场。
当全球半导体产业进入架构重构的新周期，一场围绕开放指令集、国产芯片创新与AI时代计算变革的产业盛会，即将在上海临港滴水湖畔拉开帷幕。
8月13日，滴水湖论坛将正式开幕。作为中国RISC-V产业的重要交流平台，本届论坛将再次聚焦国产处理器架构创新与产业生态建设，集中发布10款代表中国先进IC设计水平、并与真实应用需求深度结合的优秀国产RISC-V芯片新品。从AI服务器、边缘智能、机器人、汽车电子，到视觉计算、服务器管理、实时控制、无线连接，覆盖多个关键领域的新一代RISC-V芯片方案，将在这一舞台集中亮相，展现中国芯片设计企业在开放架构时代的新突破。
从"架构选择"到"产业落地"：RISC-V进入规模化应用关键阶段
过去几年，RISC-V正在从技术创新阶段快速走向产业应用阶段。作为一种开放、灵活、可扩展的指令集架构，RISC-V凭借开放生态、模块化设计以及高度可定制能力，正在成为全球处理器产业的重要力量。
尤其是在AI时代，计算需求正在发生变化；云端大模型训练需要超大规模算力，而越来越多的智能应用正在走向边缘：
机器人需要实时控制；
汽车需要智能感知；
工业设备需要低延迟计算；
智能终端需要更高能效比。
这些场景并不完全依赖通用CPU，而更加需要针对应用优化的异构计算架构。RISC-V的开放特性，为芯片企业提供了重新定义处理器架构、打造领域专用芯片（Domain Specific Architecture）的机会。
从MCU到SoC，从边缘AI到服务器计算，中国企业正在加速探索属于自己的RISC-V产业路径。
10款国产RISC-V芯片集中亮相，覆盖AI、机器人、汽车等核心赛道
本届滴水湖论坛将聚焦"技术创新+产业应用"，10款国产RISC-V芯片新品将全面展示中国IC设计企业的创新实力。其中，多款芯片直指当前最热门的AI与智能终端市场。
LX500：RISC-V+AI融合服务器芯片，探索国产智算新路径
蓝芯算力（深圳）科技有限公司将带来LX500——一款面向智算场景的RISC-V+AI融合服务器芯片。随着AI计算需求快速增长，服务器芯片正在从单纯CPU竞争转向CPU、AI加速、存储、互联协同的新阶段。
RISC-V架构能否进入服务器计算领域？国产架构如何支撑AI时代基础设施？LX500将成为产业关注的重要看点。
K3：符合RVA23标准的八核60T AI算力芯片
进迭时空将展示K3芯片。作为符合RVA23标准的八核AI算力芯片，K3瞄准高性能计算与智能应用需求，体现RISC-V向高性能、多核、AI加速方向演进的重要趋势。
EA6530：高性能四合一边缘AI SoC
来自上海特普斯微电子有限公司的EA6530，将聚焦边缘智能场景。随着AI能力不断下沉，边缘设备正在成为AI计算的重要入口。如何在有限功耗和成本约束下实现高性能AI推理，是未来SoC竞争的重要方向。
EAI8800：车规级汽车电子后视镜专用芯片
汽车智能化正在推动芯片需求快速升级。北京奕斯伟计算技术股份有限公司车载事业部将发布EAI8800，一款面向汽车电子后视镜应用的车规级芯片。从智能座舱到智能驾驶，汽车电子正在成为国产芯片的重要突破领域。
HPM53M1：机器人关节CAN通信与运动控制专用RISC-V MCU
具身智能浪潮下，机器人正在成为芯片产业的新战场。北京先楫机器人半导体科技有限公司带来的HPM53M1，面向机器人关节控制与运动控制场景。未来机器人不仅需要"大脑"进行AI决策，也需要大量"小脑"完成实时控制，而专用MCU正成为机器人产业链的重要基础。
下午场还将发布：
珠海全志科技股份有限公司 V861：面向智能视觉应用的高性能专用芯片
上海赛昉半导体科技有限公司 JH-B100：智算中心服务器管理芯片
深圳格见半导体有限公司 GS32MT8800：高端实时控制双核DSP
时擎智能科技（上海）有限公司 PT153S：全国产化USB千兆网卡芯片
物奇微电子股份有限公司 WQ9002：超低功耗双频RISC-V Wi-Fi 6 SoC
本次论坛覆盖服务器、AI视觉、机器人、汽车电子、工业控制、网络连接等多个关键领域，这意味着，RISC-V正在从单一处理器生态竞争，走向覆盖多场景、多产品、多产业链的完整生态竞争。
会议议程如下：
大咖云集：RISC-V如何抓住边缘AI时代新机会？
每届的滴水湖论坛都会邀请来自政府部门、RISC-V产业链上下游企业、投资机构、行业协会等单位的核心代表约150人现场参与，并通过媒体生态进行广泛传播。
除了新品发布，本届滴水湖论坛还将设置高端圆桌讨论环节。本次的圆桌主题是"RISC-V在边缘AI的发展机遇"，圆桌由上海开放处理器产业创新中心理事长戴伟民担任主持。参与嘉宾包括傅炜、胡振波、刘洋、王志伟等，这些来自产业、技术企业、投资机构的嘉宾将共同探讨"RISC-V如何突破生态瓶颈？边缘AI时代，RISC-V有哪些新机会？国产处理器如何从"技术可行"走向"商业成功"？开放架构如何推动中国芯片产业创新？"等热门话题，敬请关注！免责声明：本文采摘自"电子创新网"，仅代表作者观点，如有侵权或异议请联系我们删除。
不只是“芯片搬运工”：看懂产业链，才懂元器件贸易的真正价值
2026-08-20
559
你手中拿着的手机、驾驶的电车里，藏着数十颗不知名的芯片。但在它抵达你的手里之前，已经悄悄完成了长达数万公里的全球之旅：有人画图纸，有人烧硅片，有人穿衣服，有人做搬运……而这一切，全被藏在了 Fabless、Foundry、IDM、EMS 这串看似晦涩的字母密码里。
但如果把这场"全球之旅"比作一场跨国接力赛，你会发现，这些看似晦涩的角色其实各司其职，脉络无比清晰。
01
—
第一阶段：芯片的"诞生"——制造与封测
芯片从零到一，主要涉及芯片的架构设计、晶圆制造以及封装测试。
IDM（垂直整合制造厂商）：全能型选手
代表企业：
Intel、TI（德州仪器）、Infineon（英飞凌）
角色定位：
自己设计芯片、自己建厂制造、自己封装测试、甚至自己销售。他们拥有完整的产业链，掌控力极强，但资产极其重。
Fabless（无晶圆厂芯片设计公司）：脑力担当
代表企业：
Qualcomm（高通）、NVIDIA（英伟达）、AMD、联发科
角色定位：
只负责芯片的电路设计与销售，不拥有制造工厂（"Fab-less"即无工厂）。他们把重资产的制造环节外包出去，集中精力搞研发。
Foundry（晶圆代工厂）：超级制造厂
代表企业： TSMC
（台积电）、中芯国际（SMIC）、联电（UMC）
角色定位：
只做代工制造，不卖自己品牌的芯片。Fabless 设计好图纸后，发给 Foundry 打印在硅片上，生产出"晶圆（Wafer）"。
OSAT（外包封装测试厂）：衣服与质检
代表企业：
日月光、长电科技、通富微电
角色定位： Foundry
切割好的裸芯片（Die）非常脆弱，OSAT 负责给它加上保护外壳、引出接脚（封装），并进行电性能和可靠性测试（测试）。
02
—
第二阶段：芯片的"流通"——渠道与分销
芯片做出来后，如何从芯片原厂送到成千上万家电子制造企业的手里？这就需要供应链与分销渠道。
代理商（Authorized Distributor）：官方 正牌军队
代表企业：
安富利（Avnet）、箭牌（Arrow）、大联大（WPG）
角色定位：
拿到芯片原厂（如 ST、TI、NXP）的官方授权，主要服务中大型客户。价格透明，有原厂技术支持（FAE），但账期和起订量（MOQ）限制较严。
分销商 / 现货商（Independent Distributor）：灵活性保障
角色定位：
没有特定原厂的官方授权束缚，全球采购、灵活现货。在原厂缺货、交期过长、或客户需要小批量急用时，分销商能依靠强大的现货调配能力和供应链响应速度，帮客户"救火"和做成本优化。
03
—
第三阶段：芯片的"落地"——制造与终端
芯片本身只是一个零组件，必须焊接到电路板（PCB）上，装进终端设备里，才能送到最终消费者手中。
EMS（电子制造服务商）：代工组装厂
代表企业：
富士康（Foxconn）、捷普（Jabil）、伟创力（Flex）
角色定位：
纯代工模式。客户提供设计图纸和 BOM 表（物料清单），EMS 负责买配件、贴片（SMT）、组装成成品。
OEM（原始设备制造商）：品牌方
代表企业：
苹果、华为、特斯拉、联想
角色定位：
拥有自己的品牌和产品定义，掌握核心技术，把制造交给 EMS 或 ODM，最终将产品卖给终端消费者。
ODM（原始设计制造商）：打包方案商
代表企业：
华勤技术、闻泰科技、立讯精密
角色定位：
不仅帮你做，还帮你设计。如果某个品牌（OEM）想出一条新产品线但不想投入大量研发，就会找 ODM 拿现成的整机方案，贴上自己的品牌直接卖。
一颗芯片的"接力"全景图
将所有角色串联起来，一颗芯片的旅程通常有两种路径：
搞清楚这些角色的分工，不仅能让我们对半导体产业链有更深刻的理解，也能让我们在供应链服务中，更精准地找到自己的定位与价值，为客户解决供应链难题。免责声明：本文采摘自"美托斯国际"，仅代表作者观点，如有侵权或异议请联系我们删除。
英伟达称霸机器人SoC市场，芯原如何助力国产“换芯”突围？
2026-07-11
267
7月3日，在上海浦东嘉里酒店举行的"具身机器人专题技术研讨会"上，芯原股份董事长戴伟民及多位高管详细介绍了芯原在具身机器人领域的布局。在他看来，2026年正是具身机器人能否从"演示"跨越到"稳定交付任务"的关键转折点，而芯原股份已经站在这条赛道的核心位置。
一、AI ASIC需求爆发，芯原订单额暴涨
近年来，AI算力需求持续爆发，以英伟达为代表的通用AI GPU厂商也迎来了爆发式增长。随着AI智能体时代的开启，AI算力需求由训练转向推理的背景之下，AI AISC需求也开始爆发。
在此背景之下，芯原股份2025年业绩高速增长，其根源就在于抓住了AI算力爆发的结构性机遇。
当前云服务提供商（CSP）、互联网巨头和造车新势力都在自研AI芯片，他们需要的正是芯原这样的"造芯服务商"。虽然像谷歌TPU、亚马逊Trainium等都云服务大厂的AI ASIC（专用芯片）主要是找的博通来合作，但是还有很多其他的AI ASIC客户，特别是在国内市场，这类客户更多（比如很多的国产云端AI芯片以及造车新势力自研的智驾AI芯片等）。
对于作为国产半导体IP和芯片定制服务大厂，芯原股份董事长、首席执行官兼总裁戴伟民在开场致辞当中指出，芯原作为中国的AI ASIC龙头企业，正受益于ASIC定制浪潮，国内外的CPS和互联网大厂以及国内的AI ASIC厂商，很大一部分都是芯原的客户。
得益于抓住AI ASIC市场的需求爆发，芯原股份今年一季度财报也显示，公司实现营业收入8.36亿元，同比大涨114.47%。2026年1月1日至4月29日公司新签订单金额高达82.40亿元，绝大部分为一站式芯片定制业务订单。其中AI算力相关订单占比达到91.37%，数据处理领域占比90.15%（主要来自于云侧AI ASIC及IP）。
二、芯原没有对标的公司
谈及外界对于芯原的定位，戴伟民坦言，有人称芯原是"中国的博通"，也有人说是"中国的Arm"，但在他看来，这些都不准确。
"这说明什么？芯原没有对标公司。"戴伟民指出，这种独特性源于其SiPaaS（芯片设计平台即服务） 的商业模式。与传统的芯片设计公司（如英伟达）不同，芯原的核心业务是半导体IP授权和一站式芯片定制服务——将自研的IP授权给客户使用，或帮助客户完成从设计到量产的芯片全流程。
"我们的IP是给别人用的，也不生产自有品牌芯片，不贴牌，所以客户不需要担心。我们就是提供服务。"戴伟民强调，芯原与客户之间是"水涨船高"的共生关系。
戴伟民指出，近两年来芯原股份在A股市场的股价表现出色——"两年不到涨了超过12倍"。他半开玩笑地说道，"不是叫你去买股票哦"，而是想说明一件事，"芯原走的这条路，市场是认可的"。
三、人形机器人市场潜力巨大，中国厂商已占据半壁江山
虽然芯原吃到了云端AI ASIC市场需求爆发的红利，但是戴伟民判断，大模型和云端AI基建只是第一步，真正的价值在于AI在端侧的落地。而端侧AI的落地，需要的是针对特定场景和模型优化的定制化芯片。所以，端侧AI ASIC将是下一个风口，具身机器人正是其中的一个高价值的应用赛道。
戴伟民指出，家庭场景是具身机器人的终极落地场景 (环境为人类设计+任务多样) ，但安全/成本/可靠性门槛最高，预计2028年后开始规模化，2030年才会进入大众市场。
对照汽车自动驾驶的分级体系，戴伟民判断具身机器人整体尚处L2阶段，远未达到L3。2026年将成为具身机器人能否跨越L2进入L3门槛（从"演示"到"稳定交付任务"）的关键节点。
Yole Group汽车及机器人首席分析师杨宇指出，2025年人形机器人市场规模约6亿美元，2030年将突破60亿美元，年复合增长率约为56%，2035年将进一步达到510亿美元，年复合增长率约为55%。
从出货量预测数据来看，Yole Group在2025年发布的一份报告中预计，2025年全球人形机器人出货量约8000台，2030年将增至约13.6万台，2035年达到210万台。
杨宇还展示了当前双足人形机器人市场格局：从全球60余家活跃人形机器人企业的分布来看，中国占据半壁江山，美国约12家，欧洲相对较少且以初创公司为主。
2025年人形机器人市场份额数据显示，宇树科技（Unitree）以37%的市场份额领跑全球，前五名中有三家是中国企业。
特斯拉与SpaceX首席执行官埃隆·马斯克此前也曾表示："我认为中国将是迄今为止人形机器人市场上最大的竞争对手。""任何人都不应低估中国。中国是下一个级别的玩家。""如果美国没有突破性创新，中国将在人工智能、电动汽车制造和人形机器人领域完全占据主导地位。"
戴伟民也特别看好具身机器人市场，因为具身机器人不仅需要更高算力的端侧AI芯片来作为"大脑"，也需要更多的低功耗的端侧AI芯片来作为"小脑"，负责实时控制、运动协调、身体平衡和本能反应。显然，对于芯原股份这样的芯片设计服务和IP提供商来说，具身机器人是一个极具价值的市场。
戴伟民指出，当前具身机器人的"小脑"（运动控制）已经不错，但"大脑"（认知与决策）还远未成熟。
芯原股份首席战略官、执行副总裁、IP事业部总经理戴伟进也表示，人形机器人是行业长期终极目标，但产业落地遵循循序渐进路线。产业不必盲目追求全功能人形产品，优先复用成熟视觉、AI、视频处理技术，基于现有芯片体系打造轻量化、可量产的机器人方案，才是更务实的发展路径。
但是，如果从机器人SoC芯片市场份额来看，英伟达市场份额高达67%，而中国厂商的市场份额仅5%。
虽然当前机器人SoC芯片市场主要被国外厂商所占据，但是随着中国厂商在具身机器人市场出货量增长和市场份额的稳固，必然将会带动国产机器人SoC芯片需求的增长。
四、从IP到SoC，芯原提供一站式机器人芯片解决方案
具身机器人的本质是在物理世界中实现"感知-认知-决策-执行"的闭环智能。其算力体系并非依靠单一的端侧AI芯片，而是囊括了 CPU、GPU、NPU、ISP、VPU、DSP 等诸多计算单元的异构协同的混合计算平台。同时，计算不能全部堆在设备端，还需要端云分层协同。
芯原股份作为一家成立于2001年的国产半导体IP和芯片定制服务大厂，拥有具身机器人所需的全链路半导体IP产品矩阵，形成从感知、AI推理、视频编解码到人机交互显示的完整技术闭环，可助力具身机器人感知、决策、反馈全流的程打通，支撑量产落地。
1. 感知层：视觉与语音的"感官基石"
在机器人的感知层面，视觉系统是最为关键的一环，对此芯原也拥有
面向机器人视觉的子系统方案，该方案正是基于芯原多年来的ISP技术积累和智能驾驶领域的技术沉淀。
在机器人通过视觉感知所获取的视频流数据的处理方面，芯原也拥有强大的Hantro系列视频处理（VPU）IP，在主流视频格式支持、多核可扩展性、帧压缩、编码质量和码率控制等方面的能力突出。目前已经形成从低功耗到高性能的完整产品矩阵，覆盖视频编解码、转码加速等多种场景，适合机器人视觉视频流数据的低功耗、高压缩处理需求。
值得一提的是，芯原Hantro系列VPU IP已经被全球前20大云厂商当中的7家所采用，并且国内头部互联网企业与多家新能源车企也有采用。
此外，原始摄像头数据（RAW图/视频流）也不能直接喂给AI模型，必须先进行格式转换、去噪、色彩校正、特征提取等操作。这些本质上是涉及大量矩阵计算任务，DSP（数字信号处理器）在处理这类任务时能效远高于CPU或NPU。
除了视觉系统之外，语音/音频也是机器人感知和交互的关键部分，但是要让机器人"听得清、听得懂"就需要克服嘈杂环境、远场干扰与混音等物理障碍。而DSP在波束成型、语音降噪等算法处理上的表现，优于其他计算架构。
面对具身机器人的这类感知计算需求，芯原推出了第五代DSP产品矩阵。其中，ZSPNano系列专注于低功耗语音处理，而高性能的ZSP5000系列则针对计算机视觉、无线通信及SLAM算法进行优化。值得关注的是，其Zturbo扩展接口允许客户根据自身需求自定义指令或硬件加速模块，这种"紧耦合"或"松耦合"的定制化能力，使得DSP能够真正成为芯片IP的有机组成部分。在多核架构设计中，通过硬化的多核通信模块，DSP核之间以及与CPU之间可以实现高效的数据交互，从而在低功耗场景下依然能保持极高的鲁棒性。
2. 大脑的"AI算力核心"：NPU与GPGPU
在面向机器人大脑的AI计算方面，芯原的NPU IP和GPGPU IP拥有多年发展历史和丰富的产品矩阵。而芯原的NPU和GPGPU的核心区别在于算力配比：NPU的Tensor（张量）处理能力较大，而GPGPU的Vector（向量）处理能力与Tensor持平，可以实现Vector和Tensor协同工作的处理能力。
其中，芯原的NPU IP在市场上处于领先地位，已有接近2亿颗量产芯片出货（主要在智能手机、AIPC领域）。包括VIP Nano系列、VIP9000-FS系列、VIP9X00系列等，覆盖了从1TOPS以下到200TOPS，可满足不同的性能层级需求，适配不同形态机器人的差异化算力需求。目前，在工业机器人及服务机器人领域，芯原的NPU IP也获得了客户的采用。
在GPGPU IP方面，芯原拥有面向边缘服务器的CC9X00CC以及面向云端大模型的CC9X00TC。同时，芯原还推出了新一代CC10000系列的GPGPU IP，在300-500TOPS算力范围内，PPA（性能、功耗、面积）相比上一代提升了约40%-50%，适合于有大算力需求机器人、边缘服务器和云端产品。据芯原股份GPU/NPU产品高级副总裁张慧明透露，目前芯原正在与跟多个合作伙伴推进该IP的产品化落地。
3. 软件平台与系统方案：降低开发门槛，加速产品落地
在软件平台方面，芯原搭建了一套一站式的、统一的AI计算编译器。该AI编译器上层可以对接各种AI框架，下层则可以适配不同算力的IP，中间层则负责完成模型优化及与硬件无关的软件抽象，从而实现软件与硬件的解耦。因此，当客户AI芯片需要升级换代的时候，只需升级到芯原新的IP解决方案之后，可以继续沿用之前的软件栈和软件生态，极大的减少了客户在软件方面重复开发和相关研发投入，也缩短了芯片迭代到上市的周期。
芯原除了有NPU IP和GPGPU IP解决方案也有SoC解决方案，芯原的IP团队和SoC团队也做了一系列的芯片架构参考设计，既可以支持客户自己的SoC研发，也可以用芯原的设计服务来帮助客户提供整体的解决方案。
同时，为了满足更高算力的需求，芯原还推出了CC10000系列的Die to Die的互联（基于芯原自研的UCIe芯片互联接口技术）及Chip To chip互联方案，相关互联技术已在4nm、8nm工艺客户项目中成功流片商用。通过多芯片互联架构，可以帮助客户突破单芯片算力瓶颈，进一步释放端侧AI与具身机器人的极致算力潜力。
4. 显示与全链路优化
对于带屏显示的机器人（比如商用引导机器人、具有表情交互和画面展示功能的家用陪伴机器人）来说，还会涉及到显示处理器。芯原则通过收购逐点半导体（Pixelworks China） 的控制权，将自身的图像前处理技术与对方的图像后处理IP相结合，可以为客户提供了一整套完整的显示处理器IP解决方案。
值得一提的是，当前具身机器人"感知-认知-决策-执行"链路还面临着高带宽、高功耗、高时延的难题，一旦遇到高速移动、动态避障场景，极易出现感知滞后、决策迟缓、动作失控的后果。
对此，芯原推出了 FLEXA 全链路无 DDR 解决方案，实现分段式片上 SRAM 数据流处理、硬件并行执行，ISP、NPU、GPU、VPU、显示处理器之间可直接互通数据，全程无需外部 DDR 参与数据中转。
基于芯原FLEXA技术和六大类处理器IP打造的一体化IP子系统，可实现低时延 AI 计算、超低功耗运行和一体化流式处理。
小结：
除了这六大类处理器IP与FLEXA技术之外，芯原还拥有超过1700项数模混合IP、射频IP和接口IP，全面覆盖250nm至4nm全主流晶圆工艺节点，且所有IP均已实现大规模量产，广泛应用于AI芯片、MCU控制芯片等各类终端核心器件。在这些IP与技术和大量的芯片定制量产经验加持之下，芯原可以为机器人客户提供一站式的芯片定制服务。
芯原股份执行副总裁、定制芯片平台事业部总经理汪志伟强调，芯原凭借全球领先的知识产权库，已成长为全球第二大数字IP供应商，并在全栈芯片定制业务领域位居全球第四。这些技术基石不仅支撑了传统的消费电子领域，更为当前具身机器人所需的复杂异构计算提供了核心驱动力。
编辑：芯智讯-浪客剑免责声明：本文采摘自"芯智讯"，本文仅代表作者个人观点，不代表萨科微及行业观点，只为转载与分享，支持保护知识产权，转载请注明原出处及作者，如有侵权请联系我们删除。
超仿生人形机器人卖爆后，优必选对具身智能给出了如下判断！
2026-07-11
275
近日，人形机器人领域一个重大进展是优必选旗下消费级品牌优世界（UWORLD）在6月30日年度全球发布会上正式推出的U1系列全尺寸超仿生人形机器人全渠道订单量突破1.1万台！
这在人形机器人领域属于里程碑式突破！数据显示，2025年中国企业人形机器人出货量约1.3万台，而摩根士丹利预测2026年中国人形机器人销量将达2.8万台！仅优必选一家出货就直逼2025年全年出货！
有如此骄人的业绩，优必选是如何看待具身智能机器人的未来发展呢？在7月3日召开的芯原具身机器人专题技术研讨会上，优必选科技高级副总裁、战略投资总顾问侯宗放给出了他的判断：”具身智能的本质，不是单体机器人能力的突破，而是“系统级工业智能体”的构建。“
换句话说——行业的问题，从来不是“机器人像不像人”，而是：能不能稳定、可控、低成本地进入生产体系。
一、具身智能的技术断层：大模型≠行动能力
侯宗放在演讲中指出优必选首先明确了一件事： 传统AI（尤其大语言模型），并不能直接转化为物理世界的行动能力。他举例说：一个简单任务——“帮我拿一瓶可乐”，背后至少包含四层技术链路：
任务理解（语言 → 意图）
任务拆解（意图 → 子任务）
空间导航（A点 → B点）
物体识别 + 操作执行
当前大模型的能力，主要停留在前两步。而真正决定机器人价值的，是后两步： 感知 + 运动控制 + 执行闭环。这意味着一个关键结论：具身智能不是“大模型延伸”，而是“AI体系重构”。
二、核心架构：总控大脑 + 分布式“小脑”的物理AI体系
他提出了一个非常关键的架构范式： Central Brain + Distributed Sub-Brains（总控大脑 + 模块小脑）
这本质上是一种“分布式智能体系统”：
1. 总控大脑（Global Brain）
负责任务理解、决策、路径规划
对应大模型 / 世界模型
更偏向云侧或高算力节点
2. 模块小脑（Local Intelligence Units）
嵌入在：
关节
执行器
传感器
材料单元
具备局部感知 + 局部控制能力
3. 结果：系统级智能，而非单点智能
这带来一个重要变化：智能不再集中在“一个大脑”，而是分布在“整个身体”。甚至进一步延伸：未来的“材料本身”，也可能具备感知与计算能力。这就是优必选所说的“物理AI进阶形态”。
三、为什么坚持做人形？但又不迷信人形
具身机器人一定要人形吗？他表示优必选对“人形”的态度非常有代表性：战略上重视，战术上克制。
1. 人形的三大价值
兼容性
：适配人类构建的世界（工具、空间、设备）
自由度
：双足结构带来更高操作灵活性
平台化能力
：可向四足、轮式等形态演化
他们提出一个关键概念：人形是“第一个1”，不是最终答案。
2. 当前现实：轮式仍然主导工业
他表示在实际出货中：轮式机器人还是主力，而人形机器人还在探索中，原因很现实：
指标
人形
轮式
成本
高
低
稳定性
中
高
通过性
强
更高（工业场景）
工程成熟度
低
高
结论：工业优先级 ≠ 人形优先级
四、工业落地逻辑：从“单机替代”到“系统重构”
他指出优必选明确反对一个常见但错误的商业模型： “一台机器人 = 替代一个工人”
他们提出新的计算方式：多机器人 + 人类协同 = 工业智能综合体工业智能综合体（Industrial Intelligence System）构成：人形机器人、机械臂、移动机器人（AGV/AMR）、人类工人
目标： 整体效率优化，而不是单点替代
五、典型可落地任务：六大工业场景
他指出优必选将当前可行任务收敛为六类：
搬运（搬箱）
质量检测
物料操作
螺栓拧紧
零件装配
SPS分拣
当前能力边界：效率 ≈ 人类40%，但在质检环节已超越人类，关键约束：一致性 + 节拍控制
六、能力瓶颈：不是算力，而是“技能结构”
他表示优必选提出一个非常工程化的指标：机器人是否具备5–10个“技能包”，决定是否能进入规模化。技能包（Skill Package）体系构成：
原子动作（抓取、移动）
组合任务（搬运、装配）
场景适配（工厂/物流）
方法： 先训练“原子技能”，再组合成复杂任务
这本质上类似：软件中的“函数库” → 工业中的“动作库”
七、三层智能架构：从控制到认知的分层设计
他给出了一个清晰的具身智能技术分层：
第一层：本体控制层（实时层）
小模型 + 控制算法
高实时性、强稳定性
封闭系统为主
第二层：任务执行层（VLA层）
Vision-Language-Action
多模态理解 + 任务分发
小模型即可完成
第三层：世界模型层（认知层）
空间理解 + 时间推演
未来预测能力
依赖大模型 + 高算力
所以：不是一个模型解决一切，而是分层协同。
八、算力与数据的真实问题：不是不够，而是“用不起”
他在演讲中指出一个被低估的瓶颈：数据与算力结构不匹配，现实问题：单个数据包：5GB–10GB，但500T算力仍难支撑复杂VLA训练
关键痛点：
数据过重（效率低）
缺乏标准化
训练成本极高
由此引出一个产业机会：“数据压缩 + 数据结构优化”将成为关键赛道，这也是芯原戴伟进提出的关键技术，就是要高效的压缩。
九、关键技术趋势：从芯片到材料的全面智能化
优必选给出三个重要趋势：
1. 算法写入硬件（Algo-in-Sensor）
感知前移
降低延迟
降低系统复杂度
2. 材料智能化（Smart Material）
材料具备感知与响应能力
适应环境变化（温度、压力等）
3. 能源系统重构
自动换电
24小时运行
专用能源管理芯片
因此我们可以得出如下结论：机器人，不只是“AI + 机械”，而是“AI + 硬件系统 + 材料科学”。
十、时间表：工业→商业→家庭的三级跃迁
他表示优必选给出具身智能的明确发展节奏：
阶段
时间
场景
第一阶段
2–3年
工业制造
第二阶段
3–5年
商用服务
第三阶段
5–8年
家庭/陪伴
核心逻辑就是从结构化 → 半结构化 → 非结构化
最终结论：具身智能的胜负，不在“像人”，而在“能用”
综合侯宗放的分享可以得到一个非常清晰的技术路线：不是单体智能，而是系统智能；不是模型驱动，而是架构驱动；不是替代人，而是重构生产；不是追求人形，而是追求适配；不是算力问题，而是数据与结构问题
也可以说：任何脱离应用场景的具身智能，都是伪命题。所以具身机器人行业真正的分水岭，不是发布会，也不是Demo，而是——
什么时候，它能稳定地出现在产线上，并持续创造价值。免责声明：本文采摘自“电子创新网”，本文仅代表作者个人观点，不代表萨科微及行业观点，只为转载与分享，支持保护知识产权，转载请注明原出处及作者，如有侵权请联系我们删除。
电子供应链进入“韧性竞争”时代：全球电子元器件供需对接峰会释放了哪些信号？
2026-07-11
292
7月2日，2026慕尼黑上海电子展期间，由四方维、与非网、慕尼黑展览（上海）有限公司联合主办的"全球电子元器件供需对接峰会"在上海新国际博览中心举行。围绕全球电子元器件供需变化、供应链韧性、国产芯片出海、绿色合规、数字化采购、PCB供应链风险以及金融赋能等议题，多位来自电子产业链上下游的企业代表展开分享与讨论。
与过去几年元器件供需论坛上反复出现的"缺芯""涨价""交期拉长"不同，这场峰会释放出的信号更复杂，也更接近电子产业链当下真实的焦虑：电子供应链的问题，已经不再只是采购部门如何找货、如何压价、如何保障交付，而是正在上升为企业全球化经营、产品合规、研发效率、供应安全和生态竞争的一部分。
如果用一句话概括这场峰会的核心判断，那就是：电子供应链正在从"交易链条"变成"战略基础设施"。过去，供应链的核心目标是成本、交期和库存。采购部门只要能把料买回来，价格足够低，交付足够快，就算完成任务。但在疫情、芯片短缺、地缘政治冲突、贸易壁垒、物流中断和ESG规则叠加之后，供应链评价体系已经被重写。今天，一个成熟的电子供应链体系，不仅要回答"有没有货"，还要回答"风险在哪里""替代方案在哪里""数据是否透明""供应商是否可靠""产品是否合规""碳足迹是否可追踪""能否支撑全球化客户的设计和采购流程"。
这意味着，电子元器件供需关系正在发生结构性变化。一方面，AI数据中心、汽车电子、人形机器人、新能源、工业自动化、航空航天等新兴应用带来了新的元器件需求；另一方面，终端企业对供应链安全、绿色合规和数据透明的要求不断提高。对中国元器件企业来说，过去依靠成本、交付和响应速度形成的竞争优势，正在被更高层级的全球化门槛重新检验。
西门子：供应链韧性是业务成功基础
作为全球工业科技公司的代表，西门子的分享为本次峰会定下了第一个关键词：韧性。
西门子Regional Commodity Manager Sophia Shi在现场介绍，西门子2025财年实现789亿欧元营收，新订单金额达到884亿欧元，净收益达104亿欧元。西门子的业务覆盖工业、基础设施、交通、医疗等多个板块，收入在欧洲、美洲和亚洲之间保持相对均衡分布。正是这种全球化业务结构，决定了西门子的供应链天然具有复杂性。西门子的客户遍布全球，产品销往全球，生产网络也覆盖全球，因此供应链韧性对西门子来说是业务成功的基础。
这一判断非常关键。过去，很多企业把供应链韧性理解为"危机来了以后有没有应急能力"，比如缺料时能不能快速找货，原厂停产时能不能临时寻找替代。但在西门子的体系中，韧性不是临时响应，而是提前构建在组织、数据、供应商管理和区域化布局中的能力。
在西门子看来，当前全球供应链主要面临三类挑战：贸易环境变化、地缘政治风险以及可获得性风险。针对这些挑战，西门子的策略包括降低依赖度、提升数据透明度、推进多层级供应链管理，以及推动local for local、regional for regional的区域化供应链体系。其中，"透明度是一切管理的基础"是现场最值得关注的表述之一。
在传统采购体系中，很多企业只管理一级供应商。一级供应商能否交货、价格是否合理、质量是否稳定，是采购部门关注的重点。但过去几年暴露出来的问题是，很多真正的风险并不发生在一级供应商，而是发生在更深层的物料、工艺、晶圆、封装、物流、金融和地缘政治环节。企业如果只看到一级供应商，就很难判断风险真正来自哪里。
因此，西门子正在从传统的一级供应商管理，转向全价值链管理。它关注的不只是供应商本身，还包括多层级供应链透明度、second source引入、地缘政治风险管理、物料优化与创新，以及供应商财务能力等因素。Sophia Shi也提到，四方维在物料生命周期管理、临近EOL物料替代、危机期间快速寻找替代物料、获取实时市场数据以及现货支持等方面，协同西门子提升供应链韧性。
芯耀计划：国产芯片出海，先要进入全球工程师工作流
如果说西门子的分享强调的是大型工业企业如何管理供应链韧性，那么四方维市场拓展经理郄天涯的分享，则回到目前比较热门的"国产芯片出海"的话题。
郄天涯表示，国产芯片出海并不容易。难点并不只是产品性能或价格，而是更具体、更底层的问题：产品不被海外工程师认知，技术资料不被信任，design in阶段无法进入候选名单，海外通路也难以建立。
这句话点出了国产芯片出海长期被低估的一面。很多企业把出海理解为参加海外展会、建设英文官网、寻找代理商或者投放广告。但在电子元器件行业，真正决定一颗芯片能否进入海外客户供应链的，往往发生在更早的研发和选型阶段。
工程师在做方案设计时，会先查找器件参数，下载数据手册，查看封装模型，比较替代料，建立BOM清单。如果这一步看不到某个国产品牌，后续采购部门就很难主动把它纳入供应商体系。也就是说，国产芯片出海不是从销售开始，而是从工程师桌面上的设计工具、参数搜索和BOM管理开始。
四方维提出的"芯耀计划"，正是试图解决这个前置问题。据介绍，四方维在电子行业数字化领域深耕20年，总部位于美国加州，中国总部位于苏州工业园区，全球员工超过300人。四方维将自身定位为全球元器件数据库的先行者，拥有庞大的元器件数据库，并通过全球70多个专业电子网站提供底层数据支持。2021年加入西门子之后，四方维的数据能力进一步接入西门子工业生态。
"芯耀计划"的底层逻辑可以概括为九个字：被看见、被研究、被采购。所谓"被看见"，是帮助中国原厂实现技术资料的信息化、国际化和合规化，并建立双语企业专区，让中国供应商进入全球工程师和采购群体的视野。所谓"被研究"，是通过参数搜索、替代料搜索、EDA模型下载和创建服务，让国产器件进入海外工程师design in阶段的考察名单。所谓"被采购"，则是通过FindChips等平台、采购软件工具，以及西门子生态中的相关接口，让国产器件数据以可选供应商身份进入更广泛的工业用户查询和使用场景。
其中，替代料展示是一个值得关注的切入口。当海外工程师查询热门国际原厂料号时，如果国产器件能够作为推荐替代料出现在显著位置，就相当于把产品摆上了竞争对手的货架。对元器件行业来说，替代料搜索天然就是一个高意向流量场景。工程师之所以查询替代料，往往是因为原料号价格高、交期长、供应不稳定，或者需要做国产替代与降本方案。如果国产器件能在这一刻出现，就不是普通广告曝光，而是直接进入需求场景。
在圆桌论坛的交流环节，郄天涯进一步把国产芯片出海的痛点概括为"三道坎"：数字坎、信任坎和绿色坎。她提到，过去海外拓展的"老三件"——逛展会、找分销商、疯狂寄样品——正在失效。原因并不是产品变差了，而是海外用户的KPI发生了变化。以前客户更强调便宜好用，现在更强调合规、质量和数字化能力。如果产品没有标准化数字资料，很难进入全球主流工程数据库；如果没有底层供应链、生产地和溯源信息，也很难消除海外客户的不信任；如果缺少数字化合规报告，也很难满足日益严格的绿色审计要求。
欧时：ESG不是口号，碳足迹正在变成供应链成本
欧时中国业务负责人蒋文辉的分享，进一步从企业内部供应链管理，扩展到全球商业格局变化。
作为拥有近百年历史的国际供应商，欧时服务全球客户，覆盖大量国际品牌和工业客户。蒋文辉在现场强调，中国企业和中国制造不应低估自身竞争力。尽管关税、地缘政治和贸易摩擦仍然存在，中国制造仍然在性价比、自动化水平、产业配套能力和供应链完整度方面具备明显优势。她提到，全球资本持续流向高科技、高增长和未来产业，在中国市场，航空航天、无人机、光模块、人形机器人、新能源汽车、医疗、半导体和电子等产业正在成为值得重点关注的方向。
但机会并不等于没有门槛。蒋文辉认为，全球供应链正在走向多元化布局。对采购端来说，供应商组合需要保持平衡，不能把所有鸡蛋放在一个篮子里；关键物资需要提前准备替代方案；战略储备与风险管理正在成为采购逻辑中的重要组成部分。
新的门槛中，最值得关注的是ESG和碳足迹。蒋文辉提醒，欧洲市场对于ESG、碳足迹、低碳能源、绿色认证等要求正在提高。对于希望出海的中国企业来说，不能只关注产品参数、价格和交付，还要从源头开始管理碳足迹。例如选择绿电工业园区、使用符合认证要求的材料、完善生产过程中的绿色管理记录，这些都可能影响企业进入海外供应链体系的能力。
在圆桌论坛中，四方维 SaaS售前顾问张宇也指出，绿色合规最容易被忽视的隐性成本，核心是"碳"。很多企业把ESG简单理解为节能用电，但实际上，碳足迹计算正在通过客户和供应链层层传导到电子行业。他以汽车供应链为例提到，BMS、BMU、PCBA、PCB等环节并不会因为不属于传统高碳行业，就天然与碳监管无关。一旦终端车企或一级供应商要求提供可认证、可溯源的碳数据，电子元器件和模组供应商就必须具备相应的数据计算和披露能力。
这对中国电子企业的启示非常直接：碳足迹不再只是欧洲法规或终端品牌的事情，而是会沿着供应链向上游传导。过去企业出海的核心成本是关税、认证、渠道和物流；未来，碳计算、数据追溯、绿色材料选择、产品护照和合规报告，都可能成为新的隐性成本。
云汉芯城：采购数字化正在从工具走向"采购中枢"
云汉芯城马骏认为，电子元器件供应链的发展，本质上是一部从线下到线上、从传统分销到数字化、再到智能化的演进史。
在传统元器件交易模式中，供应商、代理商、次终端和中大型客户之间层层流转，沟通成本和试错成本很高。对于研发客户、科技企业和中小批量制造客户来说，这种模式很难满足快速选型、灵活采购和敏捷开发需求。
云汉芯城的判断是，并不是所有采购场景都适合线上化，但在原型设计、样品制造、现货采购和中小批量制造场景中，数字化平台的价值最为明显。因为这些场景的采购特点可以概括为"小、散、临、急"：型号分散、批量不大、需求不稳定、响应时间短。传统供应链很难高效适配，而数字化平台能够通过数据、库存、价格、替代料和履约能力提高效率。
云汉芯城是一家数字化和电子产业供应链服务融合发展的平台企业，提供从电子元器件供应、产品技术方案开发到PCBA生产的一站式数字化供应链服务，主要服务在研发和中小批量采购环节有需求的科技企业。其平台注册客户达到78万，服务超过18万家企业客户，背后有2500家优质供应商。
围绕客户需求，云汉芯城将数字化采购的核心诉求归结为三点：供应链韧性和安全、透明合规、支持产品创新。基于这些需求，云汉芯城推出元器件企业内采专属商城——云汉"芯晶采"，通过SaaS或API方式对接客户ERP和SRM系统，满足寻源比价、替代选型、采购审批等业务场景。平台通过多层账号体系实现请购、审批、下单等流程留痕，并通过国产替代搜索引擎、历史价格趋势查询、BOM智能配单等工具，帮助设计师和采购人员提升效率。
更值得关注的是云汉芯城在AI方面的大力投入。在AI应用层面，云汉芯城陆续推出"芯灵通"智能客服、电子元器件搜索Skill、AI采购助手等工具矩阵，显著提升客户体验；同时，在智能问答、智能备货、型号推荐、国产替代及风险预警等核心场景中，持续驱动业务提质增效。
这意味着，在AI驱动下，元器件采购数字化正在进入新阶段。第一阶段是把线下交易搬到线上，解决信息不透明和交易效率问题；第二阶段是建立数据中台、价格趋势、替代料引擎和流程审批，解决透明合规和协同问题；第三阶段则是通过AI和自动化，把采购系统从信息工具升级为决策中枢。
教育硬件出海：从开源硬件到"可量产、可落地、可售后"
上海智位机器人股份有限公司高级工程师、蘑菇云创客空间联合创始人夏青带来的是"教育硬件出海：中国技术创新与全球市场机遇"主题分享。
夏青指出，全球STEAM和AI教育硬件需求正在爆发。随着各国对科技人才培养的重视，教育不再只是做题和刷题，而是要让学生通过真实硬件解决现实问题，在动手实践中理解科学、工程和技术。但传统开源硬件市场存在明显痛点：SKU繁杂、开发板面向工程师而非学生、品控不统一、资料体系复杂、课堂使用门槛高。
他举了一个很小但典型的例子：一根杜邦线如果质量不稳定，就可能导致课堂上连接时断时续，老师和学生花大量时间排查问题，而不是把注意力放在代码、创意和项目实现上。这个细节说明，在教育硬件场景中，供应链能力并不只体现在成本和交付上，也体现在标准化、可靠性和课堂体验上。
夏青将海外教育硬件客户真正需要的能力总结为"可量产、可落地、可售后"。这背后不是一句简单口号，而是品质管控、库存管理、生产组织、售后服务和本地化支持的系统能力。他提到，海外客户可能一次下单就是较大规模，企业必须从"小作坊式来单生产"走向可规模复制的供应链体系。
在技术创新方面，夏青也提到，要把核心技术掌握在自己手里，包括核心芯片、核心算法、关键专利和供应链控制权。其团队曾受到树莓派缺货影响，进而意识到如果核心计算平台受制于外部供应，一旦上游缺货，教育套装和终端产品都会受到影响。因此，通过自研和国产芯片应用来降低供应风险，成为教育硬件出海的重要经验之一。
PCB供应链：AI需求正在把压力传导到材料端
NCAB集团品质与技术经理张建波的分享，则把供应链问题进一步推进到PCB这一电子制造基础环节。
在"从缺料到韧性：2026 PCB供应链现状与企业应对策略"主题中，张建波指出，AI算力爆发正在通过供应链逐级传导到PCB及上游材料。需求端的一点波动，经过供应链各环节放大，会形成类似"牛鞭效应"或"蝴蝶效应"的结果。特别是在材料短缺、交期拉长背景下，真实需求和供应链自身抖动交织在一起，容易造成供需错配。
PCB供应链的压力首先来自上游材料。高性能PCB涉及树脂、玻纤布、铜箔、PPE/PPO等低损耗材料，以及钻头等加工耗材。AI服务器、高速通信和高层板需求增加，使高端玻纤布、低轮廓铜箔、高性能板材和钻孔耗材承压。张建波提到，在AI需求推动下，高端玻纤布需求增速持续超过供给，而上游材料厂商扩产需要时间，预计未来一年半到两年内相关短缺仍将持续。
从时间节奏看，张建波判断，2026年下半年短缺可能达到最紧张阶段，2027年上半年会有所缓解，但部分产能完整释放可能要到2027年下半年甚至2028年。这意味着，PCB供应链紧张不是短期价格波动，而是由AI需求、材料产能、产品结构升级和供应链预期共同形成的周期性压力。
不同类型PCB面临的风险也不同。普通多层板可能缺厚芯板，因为这类板材消耗更多玻纤和树脂，而材料厂商更愿意优先生产高附加值产品；高层板则更依赖薄PP、低损耗材料和头部客户配额；厚铜板虽然看似安全，但也会受到芯板、PP和加工产能影响；高速高频板则会面临超低轮廓铜箔、高性能树脂和加工难度带来的约束。
张建波给出的应对思路包括锁定配额、与材料厂商建立战略协作、评估替代材料、重新匹配叠层阻抗，以及通过全球供应链布局分散风险。他特别强调，替代材料不是"降级"，而是经过验证的同等效能合规选择。对PCB这样高度定制化的产品来说，供需双方必须充分沟通，才能在交期、成本、性能和可靠性之间取得平衡。
XQ-ECO2与西门子金融服务：绿色合规和金融服务能力成为出海基础设施
四方维SaaS售前顾问张宇进一步围绕"从选型到绿色合规，XQ与XQ-ECO2构建绿色供应链管理"展开分享。这个议题与欧时关于ESG和碳足迹的讨论形成闭环。
张宇介绍，XQ-ECO2面向绿色合规方向，重点解决企业出海过程中绿色供应链韧性问题。其逻辑是从元器件选型、风险识别、采购策略，到绿色合规数据管理，帮助企业把碳足迹、供应链披露和产品合规从人工表格管理，逐步转为可视化、可计算、可追溯的系统化能力。
他特别提到欧盟新电池法案、产品护照、碳足迹声明等要求。对于电池、储能、BMS、BMU、PCBA和PCB等产业链环节来说，未来产品不仅要可生产、可销售，还要有可追溯的数据链条。一个二维码背后，可能连接的是产品来源、材料构成、碳排放、流通路径、报废回收等完整信息。
这意味着，绿色合规正在从"企业社会责任"转向"产品市场准入"。未来海外客户不仅看性能、价格和交期，也会看企业是否能提供碳排放数据、绿色材料证明和供应链合规报告。对于中国电子企业来说，越早把这些数据纳入产品和供应链管理，越可能在出海竞争中减少被动。
西门子金融服务商业金融中国战略总监陈晨，则从金融角度补齐了企业出海的另一块短板。她指出，今天的出海已经不是简单买一张机票、把国内产线搬到国外就能解决的问题，而是一个系统化工程。企业要真正走出去、走得好，需要本地化运营、合规管理、人才管理、客户网络和金融支持。陈晨介绍，西门子金融服务在全球超过60个国家和地区拥有本地化运营团队，拥有当地持牌机构身份，熟捻当地政策法规与商业规则，沉淀深厚区域资源。在中国，西门子金融服务扎根超过20年，以融资租赁和商业保理服务助力本土千行百业转型升级。她强调，金融不只是钱，更是合规、效率和风险管理。对于企业出海而言，合适的金融伙伴不仅能解决设备采购、现金流和回款周期问题，也能帮助企业理解当地监管、相关补贴政策，并匹配更适合目的地市场的金融服务方案。
结语：供应链成为全球化竞争的前台能力
从全天峰会来看，电子供应链正在形成几条清晰主线。
第一，韧性成为底层能力。无论是西门子强调的多层级供应链透明度、second source和区域化管理，还是NCAB强调的PCB材料替代、配额锁定和全球供应链布局，本质上都是在解决同一个问题：当不确定性成为常态，企业如何保证供应链不断裂。
第二，国产芯片出海进入"数据通路"阶段。过去中国厂商更关注产品性能、价格和渠道建设，但海外市场真正的门槛往往在工程师选型、设计导入、BOM管理和采购系统中。四方维"芯耀计划"所强调的被看见、被研究、被采购，正是把国产器件推入海外研发和采购流程的尝试。
第三，绿色合规正在成为供应链准入条件。欧时、圆桌讨论和XQ-ECO2分享都指向同一个趋势：ESG、碳足迹、新电池法案、产品护照等要求，正在从终端品牌逐步向上游传导。对电子企业而言，碳数据不是附加项，而可能成为进入全球供应链的必答题。
第四，AI正在改变采购系统的边界。元器件采购过去是经验驱动、人工沟通密集的工作，未来会越来越依赖数据中台、替代料引擎、价格趋势、智能选型和自动化履约。采购部门不会消失，但采购人员的工作方式会发生变化：从找货、比价、催单，转向管理策略、风险、合规和供应商体系。
第五，出海需要生态支撑。教育硬件出海说明，终端企业要做到可量产、可落地、可售后；PCB供应链说明，底层材料和制造能力会影响整机交付；西门子金融服务则提示企业，海外扩张还需要资金、合规和本地运营能力支持。
对于中国电子产业而言，这场"全球电子元器件供需对接峰会"表明：供应链不再是后台能力，而是前台竞争力。过去十年，中国电子产业的关键词是国产替代、成本优势和供应链完整；未来十年，关键词可能会变成数据入口、生态协同、绿色合规、金融支撑和全球信任。谁能把产品、数据、供应链和合规体系打通，谁就更有可能在下一轮全球电子供应链重构中掌握主动权。
END
注：本文题图来自freepik、作者自制、AI 生成（微信公众平台AI配图、豆包）、媒体公开资料、皆已授权。
免责声明：本文采摘自"与非网eefocus"，本文仅代表作者个人观点，不代表萨科微及行业观点，只为转载与分享，支持保护知识产权，转载请注明原出处及作者，如有侵权请联系我们删除。
粤公网安备44030002007346号