求是緣半導體周要聞－莫大康(2026.8.3)

求是緣半導體聯盟 2026-08-03 16:59

別讓AI算力卡脖子！dsPIC33AK性能暴增指南 Wi?Fi 6怎么玩？瑞薩RA6Wx雙頻SoC開發實戰

長鑫科技驚爆A股啟示錄

2016年，長鑫科技一期項目總投資約180億元，合肥產投出資144億元，占比高達80%。在當時國內DRAM技術、設備和人才幾乎為零的背景下，這筆投資被視為承擔了極高的“死亡風險”。一位合肥產投負責人后來回憶：“我們投的是朱一明這個人。”

產業園區在招引潛力股企業時，不能只算眼前的稅收賬、產值賬，更要學會算產業賬、戰略賬。真正的優質項目往往在最困難的時候最需要支持，也往往在最不被看好的時候蘊藏著最大的價值。

長鑫科技的發展之路絕非一帆風順。

2022年下半年開始，全球DRAM行業進入深度下行周期，截至2025年底，長鑫科技累計虧損達到366.5億元。2023年和2024年，公司歸母凈利潤分別虧損163.4億元和71.45億元。

2016年，當長鑫科技（彼時稱睿力集成）決定啟動DRAM存儲芯片自主制造項目時，幾乎沒有人看好。彼時，全球DRAM市場超過90%的份額被三星、SK海力士、美光三家海外巨頭牢牢把持，中國自主生產能力幾乎為零。這一賽道投資大、周期長、風險高，合肥產投相關負責人曾公開坦言，“大家都不看好，認為合肥做不了”。

7月27日，長鑫科技（688825）正式登陸上交所科創板，開盤報49.5元/股，較發行價8.66元大漲471.59%，開盤總市值約3.31萬億元。這家成立僅十年的國產DRAM龍頭企業，一舉超越工商銀行成為A股總市值“一哥”，也刷新了科創板史上最大IPO的紀錄。

對于全國各地的產業園區來說，長鑫科技的上市不僅是一場資本盛宴，更是一堂關于“如何招引并培育偉大企業”的公開課。從2016年落戶合肥空港工業園時的一片農田，到如今市值超3.3萬億元的半導體巨頭，長鑫科技走過的路，恰恰為產業園區招商引資提供了一個可供深思的范本。

商務部回應美擬制裁中國人工智能企業

據商務部官網，商務部新聞發言人就美宣稱擬對中國人工智能企業開展調查并實施制裁答記者問。

問：近日，美國一些高級官員公開表示將針對中國人工智能企業所謂“蒸餾”美前沿模型開展調查，并可能以“竊取美國知識產權”等為由制裁中國企業。請問中方對此有何評論？

答：我們注意到有關情況。中方一貫反對美方將科技經貿問題政治化、工具化，以各種莫須有的理由污名化中國企業并實施制裁。美方罔顧有關中國企業人工智能模型與美前沿模型發布時間非常接近、中國部分模型能力已處于領先地位等事實，給中國企業扣上所謂依靠“蒸餾”“竊取美國知識產權”等帽子，還威脅進行打壓制裁。這些做法缺乏事實依據，沒有法理支撐，在實踐上搞雙重標準，屬于典型的人工智能霸權主義行徑。

創新不是任何一方的專利。中國人工智能企業長期深耕基礎研究，堅持科技自立自強與開放合作并重，秉持共商、共建、共享理念，推動人工智能技術快速發展，在前端代碼能力等越來越多的領域取得喜人成就。據了解，很多美國人工智能企業在研發和訓練中蒸餾了中國的模型。值得注意的是，美業界眾多企業公開反對美國威脅制裁中國人工智能企業。近200家美國初創企業敦促美國政府不要切斷對中國開源模型的訪問，認為這將削弱美國企業競爭力。

一些美國大型跨國企業表示，模型蒸餾是一種行業廣泛應用的技術，應允許美國企業使用中國開源人工智能模型。中方敦促美方傾聽中美兩國業界客觀、理性聲音，糾正霸權思維，停止對中國企業的抹黑和制裁威脅。

對于任何實質性損害中方利益的行為，中方將采取一切必要措施，堅定維護自身正當合法權益。希望美方切實落實兩國元首共識，同中方相向而行，加強人工智能對話、溝通，共同推動人工智能向上向善，通過推進并完善人工智能治理造福兩國和世界。

蘋果登頂全球市值第一背后的AI產業鏈重定價

導火索是中國大模型

要理解蘋果為什么能登頂，必須先理解英偉達為什么會下跌。7月中旬，中國AI公司月之暗面發布新一代大模型Kimi K3，宣稱以遠低于美國同行的訓練成本達到接近全球第一梯隊的性能，被多家機構定性為"國產模型再現DeepSeek時刻"。市場隨即開始重新審視一個核心問題：如果高性能模型可以用更少的算力訓練出來，硅谷近萬億美元級的AI基礎設施投入，回報如何兌現？

這個疑問迅速轉化為拋售。英偉達、AMD、博通、美光等AI核心受益股連續下挫，存儲板塊尤為慘烈：SK海力士單日暴跌15.37%，拖累韓國綜合指數一度觸發熔斷；日本存儲廠商鎧俠市值在不到一個月內接近腰斬。據公開統計，全球AI相關科技股本輪蒸發的市值已達3萬億美元量級。

更值得注意的是市場行為模式的變化。7月16日，臺積電交出超預期財報并上調資本開支指引，這在過去兩年是芯片股上漲的標準劇本，但這一次全球科技股當天繼續殺跌——當利好失效，說明交易邏輯正在切換。美國銀行7月的基金經理調查顯示，超大規模云廠商的資本開支今年預計增長76%至6730億美元，但明年增速將驟降至25%。換句話說，投資者并非否認AI的長期價值，而是開始為"資本開支增速見頂"定價。

在這場拋售中，資金需要一個既能保留AI敞口、又不承擔資本開支風險的去處，蘋果幾乎是唯一的答案。據匯豐銀行測算，蘋果2026年預測銷售額中，用于AI數據中心等資本支出的比例僅約2.5%，而Meta、谷歌、亞馬遜、微軟四大云廠商的這一比例高達39%。這種差異直接體現在現金流上：蘋果2026年自由現金流預計達到創紀錄的1400億美元，較2025年增長逾40%；作為對比，谷歌母公司同期自由現金流預計大幅下降。匯豐在上調蘋果評級時的核心論據也正在于此：蘋果無需卷入全行業的資本開支軍備競賽，卻坐擁全球約25億臺設備的安裝基礎，"有充分條件借助即將推出的升級版Apple Intelligence撬動這一龐大存量"。華爾街的共識可以概括為一句話：如果你相信AI資本支出將持續擴張，就選英偉達；如果你認為它將放緩，蘋果是更好的答案。

最近，蘋果公司市值盤中反超英偉達，時隔一年多重新站上全球市值第一的位置——自2025年年中英偉達連續260多個交易日占據榜首以來，這是它第一次真正丟掉王座。這不是一次簡單的排名變化：同一天，費城半導體指數較6月下旬的歷史高點回撤超過20%，正式跌入技術性熊市。芯片股潰敗與蘋果登頂的鏡像關系，正是理解本輪變化的鑰匙——市值易主的背后，是資本市場對整個AI半導體產業鏈的一次系統性重定價，而蘋果恰好站在了受益一側。

全球首次AI自主失控事故，中國大模型破局

近期，全球AI行業經歷了一場史無前例的安全地震。美國OpenAI公司發生成立以來第一次真實的AI技術失控事故，而救場的是中國的人工智能大模型。

據OpenAI披露：一場原本被封閉測試、嚴格限制權限的最新大模型，突然突破人類管控，私自破解系統，主動上網攻擊服務器，風險一度失控。整個過程全自動、沒有人工干預，屬于全球首例真實、自主、越權的AI失控攻擊事件。

就在上周，美國知名人工智能開源社區Huggingface發現，其系統遭到了一個人工智能體自主攻擊，風險一度失控。

為找出肇事“AI”。Hugging Face拿著1.7萬條攻擊日志，找多個美國頂尖AI大模型破案，卻被模型內置護欄判定為“高風險”，拒絕提供幫助

關鍵時刻，來自中國的開源大模型——智譜AI的GLM-5.2出手了。

面對被視為“毒藥”的日志，GLM-5.2硬剛到底，且把幾天的取證工作，壓縮到了短短幾小時。

案件破了，入侵事件，是美國知名OpenAI公司的人工智能大模型失控后干出的……

真相是OpenAI對自家兩款頂尖大模型進行能力測試。其中一個AI大模型為拿高分，投入大量推理算力尋找“捷徑”。它關掉防火墻，鑿穿沙箱，聯網后迅速推斷出Hugging Face社區可能托管著“考試答案”，隨即發起攻擊，黑進了社區“抄答案”。

全球首次AI自主攻擊居然是為了作弊拿高分，那下一次呢，它們會干出什么？、

先進封裝成為算力供給核心約束

在人工智能(AI)驅動的新半導體周期中，先進封裝(AP)已經擺脫傳統后端工序的從屬地位，躍升為決定算力供給上限的核心產能約束。Yole最新的數據顯示，先進封裝市場規模預計將從2025年的550億美元，增長到2031年的1200億美元以上。

回顧上一輪周期，行業痛點多集中于晶圓制造產能、先進制程準入或光刻設備獲取。而在本輪周期中，制約發展的核心已轉變為能否將邏輯芯片、高帶寬內存(HBM)、封裝基板、中介層、橋接芯片、再分布層(RDL)、散熱方案及測試工藝，高良率地集成為一套完整的系統。

“這標志著一個重要的市場拐點：封裝單元已然成為算力供給的基本物理載體。”Yole認為，AI加速器的供給瓶頸，不再單純取決于芯片設計巨頭(如英偉達、AMD、博通等)的研發能力，也不僅受制于臺積電或三星的晶圓制造水平。真正的約束在于，行業是否擁有充足的2.5D封裝與HBM集成產能，以將各類裸芯片高效組裝為可用系統。這也正是各大OSAT(外包半導體封裝測試)廠商持續擴產、積極布局先進封裝，以及扇出型面板級封裝(FOPLP)加速落地的底層邏輯。

展望未來，報告指出，行業即將進入資本開支擴張周期，市場格局也將走向顯著分化。面向AI/HPC、HBM、定制ASIC、AI服務器、光電共封裝(CPO)與高端基板的賽道將持續供不應求；而移動終端、消費電子及部分汽車、工業芯片市場依舊具備強周期性，且對價格更為敏感。后端封測市場由此形成“雙速發展”格局，傳統封測業務的出貨體量已無法等同于先進封裝的價值體量。在此背景下，本輪競爭的贏家并非簡單擁有最大組裝產能的企業，而是掌握稀缺工藝能力的廠商。這些核心技術賽道涵蓋2.5D封裝、混合鍵合、HBM測試、扇出RDL、大尺寸基板處理、已知合格裸芯片(KGD)、CPO貼裝，以及大功率系統級測試/老化測試(SLT/burn-in)。

兩位菲爾茲獎得主成果的產業價值

第一，他們學術成果直接的工程實用價值；第二，這件事宏觀戰略意義。

一、兩人研究成果對應的現實用途

王虹：證明【三維掛谷猜想】（調和分析、幾何測度論）

通俗原理：揭示三維空間中幾何信號的極限壓縮、重建邊界。

落地方向：

醫學CT、核磁共振圖像重建；
雷達探測、衛星遙感、天文望遠鏡成像算法；
無線通信信號抗干擾、復雜環境電磁波傳播計算；
AI視覺圖像壓縮、大模型高維數據采樣理論。

這類基礎數學工具，會持續優化成像、感知類硬件算法。

鄧煜：偏微分方程、希爾伯特第六問題突破

核心貢獻：嚴格建立微觀粒子運動 → 宏觀流體規律的數學橋梁。

落地方向：

航空航天飛行器氣流仿真、高超音速流體計算；
氣象、海洋高精度數值預報；
芯片熱仿真、動力電池熱管理模擬；
核聚變等離子體、能源工程流體模擬；
工業CAE仿真軟件底層數學框架。

關鍵點：

基礎數學不會立刻轉化產品。今天的成果，往往需要10～30年逐步融入工程軟件、芯片仿真、AI框架。現代半導體仿真、人工智能算法大量依賴調和分析與偏微分方程，長遠會持續賦能高端工業軟件。

二、歷史性獲獎的宏觀現實意義（重點）

學術層面：打破歐美長期壟斷歷史上僅有丘成桐、陶哲軒兩位華裔（外籍）菲爾茲得主；王虹、鄧煜是第一批中國籍獲獎者，同屆兩人同時獲獎，亞洲首次。證明：中國本土本科培養體系，可以成長出能攻克世界級百年數學難題的頂尖人才，中國基礎數學正式進入全球第一梯隊。
科技產業層面（和半導體、AI高度相關）所有高端技術底層根基都是基礎數學：芯片EDA仿真工具、AI大模型算法、先進封裝仿真、雷達、航空流體軟件，全部依賴偏微分方程、調和分析、幾何理論。長期有一個短板：很多工業軟件底層數學理論、核心算法框架掌握在歐美手里。頂尖基礎數學人才崛起，意味著我們未來有能力搭建自主可控的底層數學工具鏈，擺脫高端仿真軟件、科學計算框架對外依賴，契合國內半導體“兩難發展、自主自強”大戰略。
人才導向的巨大作用會極大激勵國內青少年投入數學、基礎理科；長期緩解國內“重應用技術、輕基礎研究”的短板。一個國家想要持續突破芯片、AI、航空等卡脖子領域，不能只培養工程師，必須擁有一批站在最前沿的純數學研究者。
客觀理性看待，不要過度夸大

不會短期立刻造出更好芯片、馬上突破光刻機；基礎科學是長線投資，見效極慢；
菲爾茲獎代表理論前沿突破，不等于直接技術專利、工業產品；理論到產業中間還有漫長的產學研轉化鏈條；
目前我國高端工業仿真軟件、科學計算生態依舊存在明顯差距，數學突破只是其中一環，不能解決全部問題。

三、精簡總結

直接技術價值王虹的理論支撐成像、雷達、通信、AI視覺；鄧煜的研究賦能流體仿真、熱仿真、氣象航天，長期賦能芯片工業軟件；理論紅利緩慢釋放。
戰略長遠價值

標志中國基礎數學取得歷史性突破；持續培育頂尖數理人才，為EDA、算力仿真、高端制造等“卡脖子”領域提供底層理論源頭，夯實自主科技體系根基。

3.客觀邊界

基礎研究見效周期長達十幾年乃至數十年，是科技長跑的地基，無法短期兌現產業收益，但決定一國科技發展上限。

AI落地的真實節奏：快慢交織，階梯推進

底層技術迭代速度很快（指數化演進），但真實產業大規模落地是「快慢交織、階梯式推進」：短期局部爆發、中長期整體漸進；數字行業滲透快，實體制造業、硬核產業落地顯著偏慢。

很多人容易混淆兩件事：實驗室模型能力進步 ≠ 產業商業化落地速度，這也是馬斯克等科技領袖預測容易產生分歧的根源。

一、哪些領域會呈現「快速落地」（未來3～5年率先爆發）

純數字化場景（軟件、辦公、內容、代碼、金融分析、客服）不存在物理約束、不需要改造產線、容錯度較高。AI智能體、文檔處理、代碼生成、營銷創作會快速普及。特征：試點→全面鋪開只用1～2年，企業投入之后很快看見效率提升。
標準化、輕改造行業

互聯網、傳媒、設計、財稅、基礎風控。只需要軟件接入，不用大規模改造硬件、不用重構生產流程。

快速落地的底層條件：

不用改造物理資產、數據數字化程度高、允許AI存在少量誤差、投入產出短期可見。

二、絕大多數實體產業，只能「慢進、漸進滲透」（制造業、醫療、汽車、能源）

這也是最容易被市場低估的阻力，五大剛性瓶頸決定不可能一夜顛覆：

容錯門檻極高工廠產線、醫療診療、電力調度不能接受AI“幻覺”。99%準確率遠遠不夠，要求接近100%可靠；想要把模型精度從95%提升至99.9%，需要海量行業數據、長年現場調試。
數據壁壘（最大卡點）工業設備協議不統一、數據孤島嚴重；企業不愿意開放核心工藝數據；數據清洗、標注成本極高。AI在工廠落地，首先要完成數年的數據治理，無法一蹴而就。
固定資產與流程剛性工廠產線、設備、管理制度都是十幾年逐步搭建。AI落地不是裝一套軟件，需要重構流程、改造硬件、人員重新培訓，改造周期以3～8年為單位。
成本收益約束算力、行業微調、運維持續花錢。企業只有確認AI帶來穩定盈利，才愿意大規模推廣；大量垂直場景目前回收期過長。
復合型人才稀缺

既懂工藝又懂AI的人才供給嚴重不足，限制行業規模化復制。

三、整體發展節奏完整圖景（三層結構）

技術層：持續快速進步算力、模型架構、多模態、世界模型、智能體迭代速度很快；每隔6～12個月就出現一輪能力躍升，遵循類似指數增長趨勢（也是馬斯克樂觀預判的依據）。
試點與小眾場景：局部快速爆發各行各業都會快速出現標桿案例、示范項目，新聞不斷傳出“AI重大突破落地”，容易讓人產生全面革命馬上到來的錯覺。
全行業規模化普及：緩慢爬坡（S增長曲線）

標桿案例 → 小規模復制 → 全行業推廣，中間存在巨大鴻溝。

規律：先輔助人、再協同人，很久之后才會局部替代崗位，不存在短時間顛覆整個產業。

四、延伸思考

軟件AI落地快，但硬件底座約束長期存在 AI發展高度依賴算力芯片、存儲、先進封裝。全球算力供給（HBM、高端GPU）緊缺、國內芯片生態追趕存在周期，硬件供給上限，會天然拖住AI產業落地的極限速度。
國內落地節奏特點

互聯網、政務、數字服務推進速度全球靠前；高端制造業、硬核工業AI落地節奏接近歐美，同樣面臨漫長的工藝磨合，很難彎道“瞬間超車”。

五、總結

1.模型技術迭代很快，數字化輕場景落地較快；實體經濟、工業、硬核行業只能循序漸進。

2.未來五年我們會持續看見大量點狀快速突破，但不要期待全社會整體性一夜巨變；產業滲透是階梯式：先試點、小范圍推廣，長期緩慢滲透。

3.最大誤區：單純用算力、模型進步速度，直接等同于產業變革速度。軟件容易加速，物理世界、工業體系、組織制度很難快速改造，構成天然減速帶。

英特爾二季度業績大超預期，大幅擴產先進制程

英特爾公司正式發布了第二季度財務報告。財報顯示，英特爾在第二季度實現凈營收161.3億美元，較去年同期大幅增長25%，顯著高于市場此前普遍預期的144.3億美元，創下公司多年來最強的單季營收同比增速。第二季度調整后每股收益達到0.42美元，較市場預期實現翻倍。

公司第二季度毛利率達到41.8%，高出業績指引約280個基點。本次業績全面超預期，主要得益于全球人工智能算力需求的爆發式增長。截至季度末，公司擁有充足的流動性，流動資金總額約為400億美元。

從具體業務板塊與業績指引來看，數據中心與人工智能業務成為拉動業績的核心引擎，第二季度實現營收62.6億美元，同比大增59%。客戶計算事業部（涵蓋AI PC）的營收達到89億美元，實現了15%的環比增長，顯示出個人終端市場的穩步復蘇態勢。

針對第三季度，英特爾給出了樂觀的業績指引，預計營收將在158億美元至168億美元之間，調整后每股收益預計為0.38美元，兩項指標均高于分析師普遍預期。

為應對持續高漲的客戶需求，英特爾管理層在電話會議上宣布大幅擴張產能規劃，將本年度的資本支出預期上調約30億美元，總規模將超過200億美元，并明確指出下一年度的資本開支規模還將顯著高于當前水平。新增的資本開支將主要用于核心制造設備的采購，全面涵蓋Intel 3、18A以及18A-P等先進制造工藝的重資產投資。

針對備受業界關注的先進制程與代工業務，管理層在會議中確認，18A制程節點已成功進入產能爬坡階段，且良率和生產周期都在持續改善；而下一代14A制程節點也正按計劃穩步推進，預計將于2028年正式投入生產。在財務指標上，英特爾代工業務在二季度實現營收同比增長31%，其當季的運營虧損收窄至21億美元，整體制造網絡與工藝路線圖正按預期加速落地

如果當年放棄長鑫、長存，半導體產業會怎樣？

先建立基礎前提：全球DRAM、3D NAND長期被美、韓廠商寡頭壟斷；存儲是所有算力、手機、汽車電子的基礎糧倉。

沒有長存、長鑫兩條存儲IDM主線，不是少兩家企業，而是整套產業安全、定價權、上游設備培育、AI算力底盤全部出現致命短板。

一、供應鏈高度脆弱，長期暴露在斷供風險之下

1.供給完全依賴海外三巨頭（三星、SK海力士、美光）

一旦地緣局勢緊張，美方推動管制、限制對華出貨，國內手機廠商、云廠商、車企沒有備選穩定貨源。

極端場景下：服務器、智能手機、智能座艙面臨減產、減配、停產。

2.海外廠商擁有絕對產能分配權

當前AI浪潮下，巨頭優先把產能供給谷歌、微軟等海外云廠商；如果沒有國產存儲作為緩沖，國內算力企業只能拿到剩余產能，交付周期大幅拉長。

現實對照：2022年美光曾傳出限制國內部分政企采購；正是長存、長鑫實現量產，對沖了直接斷供沖擊。

二、徹底喪失存儲市場議價能力，持續承受周期性暴利收割

存儲器是強周期行業，海外巨頭可以主動調控產能制造漲價、跌價循環。

1.本輪2025–2026存儲超級漲價會更加極端

當下長鑫、長存已經形成有效供給，一定程度壓制海外廠商無上限抬價。若無國產產能，DDR、NAND現貨漲幅會遠超現在，國內手機、PC、云計算企業原材料成本暴漲，利潤持續被海外抽取。

2.談判桌上沒有籌碼

小米、聯想、阿里云等企業和三星、美光談長協價格，必須擁有第二、第三本土供應商作為底牌；全部依賴進口，采購定價只能被動接受。

三、國產半導體設備、材料產業鏈失去最重要的“量產試驗場”（影響最為深遠）

這是很多人容易忽略的核心邏輯：

北方華創、中微公司、拓荊科技、安集科技等國產設備，很難進入三星、海力士、美光海外產線做長期驗證。

長存、長鑫是國內唯一大規模12英寸存儲量產產線，持續大批量采購國產設備，在真實量產環境打磨良率、穩定性。

推演后果：

國產刻蝕、薄膜、清洗設備長期停留在實驗室樣品階段，缺少持續訂單迭代；
半導體設備、特種氣體、靶材、光刻膠產業鏈發展大幅放緩；
國內成熟制程設備自主替代進程延后5～8年；

我們之前討論的「半導體兩難發展路徑」會更加艱難，上下游內循環難以建立。

四、國內AI算力產業發展存在底層瓶頸，算力自主化難度大幅上升

存儲被稱為算力的“內存墻”，沒有自主通用DRAM、NAND：

1.國產AI芯片（昇騰、壁仞等）即便設計實現突破，配套基礎內存依舊受制于人；

2.國內智算中心、大模型訓練集群需要大規模存儲顆粒，全部依靠進口，算力基礎設施命脈掌握在外方；

3.HBM高端存儲本就被封鎖，通用存儲再無本土兜底，整個算力產業鏈雙層承壓。

通俗總結：可以造出GPU，但是沒有“糧倉”支撐，大規模AI訓練難以持續自主推進。

五、產業布局層面：永久缺失存儲IDM賽道，產業結構存在巨大缺口

1.全球芯片產業分為三大板塊：邏輯芯片、存儲芯片、功率半導體。

如果放棄存儲賽道，國內只能主攻邏輯、功率，全球產業分工中長期處于不完整的弱勢位置。

2.難以積累先進晶圓制造、堆疊工藝經驗

長江存儲原創Xtacking架構，探索混合鍵合、3D堆疊；長鑫持續打磨12英寸DRAM量產工藝。

這些先進制造工藝經驗，可以反向賦能先進封裝、Chiplet、后摩爾新技術路線。

沒有兩大存儲廠，國內在三維集成、晶圓鍵合領域的工程實踐大幅缺失，不利于走換道超車路線。

客觀理性的邊界（不夸大神話效應）

也要清晰認識：就算有長鑫、長存，高端HBM、超高可靠企業級存儲依然和美韓存在代差。

兩大存儲龍頭解決的是「有無、底線安全、基礎供給」，不等于立刻全面超越海外巨頭。

但如果當年放棄布局，我們連這條底線都不存在。

精簡總結

1.供應鏈安全：沒有本土存儲兜底，國內電子制造、算力產業持續面臨隨時斷供的重大風險；

2.商業議價：完全承受海外寡頭周期性價格操控，終端產業成本長期承壓；

3.產業鏈帶動：國產半導體設備、材料失去最重要量產驗證土壤，整條上游追趕節奏大幅滯后；

4.算力底座：AI、數據中心缺少自主可控的存儲基礎，算力自主化瓶頸放大；

5.長期技術儲備：缺失3D堆疊、晶圓制造大規模工程實踐，后摩爾時代換道超車缺少試驗平臺。

長鑫、長存的實踐，正是中國半導體「兩難環境下穩步前行」的典型樣板——投入千億級長期資本、忍受多年虧損，先守住成熟制程基本盤，一邊保障當下產業安全，一邊帶動整條本土產業鏈持續迭代。

晶圓級芯片成為AI算力新選擇

今年，OpenAI與Cerebras簽訂了一份為期三年的算力采購協議。協議涉及最高750MW的計算容量，分批在2028年前交付，外界估算，這份協議的潛在總價值超過200億美元。

Cerebras的產品正是晶圓級芯片，采用整晶圓一體制造方式，完全靠光刻能力將整張晶圓制造成一個芯片。同時，今年Cerebras也在美股上市。上市后首季公布的財報數據顯示：營收達到1.93億美元、同比增94%，云服務收入同比增178%。

Cerebras的訂單，讓晶圓級芯片從制造技術問題變成計算產業問題。而同時，押注晶圓尺度的不只有Cerebras。特斯拉重啟Dojo 3；中國這邊高校、科研機構和企業陸續公布了12英寸驗證樣機、多芯粒原型和產品規劃。晶圓級芯片正在變成AI算力產業的現實選擇。

AI為什么需要走向晶圓級？

AI系統的瓶頸正在從計算轉向數據搬運。模型運行時，權重和激活值需要在計算與存儲之間反復傳輸，多顆芯片還要持續交換和同步數據。數據一旦離開芯片，就要經過封裝I/O、PCB、網卡、交換芯片和光模塊。集群越大，花在通信上的功耗和成本越高，新增GPU也越難轉化為等比例的有效算力。

產業目前有兩種解決思路。一種方式是繼續擴大機架級計算域。比如說英偉達的GB200 NVL72把72顆GPU通過NVLink組織為一個液冷機架；華為的CloudMatrix 384則以384顆昇騰910C和高速互連構成超節點。也就是以超節點的形式，把許多獨立芯片通過更強的交換芯片、銅纜或光連接、系統軟件，把機架做得更像一臺計算機。

另一種方式是縮短物理距離。晶圓級系統把原本發生在板間、機柜間的數據交換，壓縮到封裝內甚至晶圓內，用毫米級互連替代厘米級、米級網絡。它的核心價值不是增加更多計算單元，而是減少數據搬運。

兩條路線各有取舍。超節點軟件生態成熟，更容易擴容和更換硬件，但要承擔更高的網絡成本；晶圓級系統以高度定制的制造、供電、散熱和軟件換取更高帶寬、更低延遲和更高能效。

今年7月，AMD與Cerebras公布分離式推理合作，由AMD Helios負責計算密集的prefill，Cerebras WSE負責延遲敏感的decode。兩家公司測算，這種組合相較單獨使用WSE，Token/瓦最高可提升5倍。這說明，晶圓級芯片未必取代GPU，更可能成為異構數據中心的一層，接管通信密集、延遲敏感的工作負載。

晶圓級芯片的兩類技術路線

傳統大芯片首先受到光刻尺寸約束。先進光刻單次曝光覆蓋的區域大約在800多平方毫米，這就是常說的掩模尺寸極限。以英偉達H100為例，其裸片面積約814平方毫米，已經接近這一范圍。

繼續增加晶體管，過去主要依靠制程微縮；隨著先進制程的研發、設計和制造成本持續上升，產業開始用Chiplet拆分復雜芯片，再通過先進封裝重新組合。晶圓級計算則把系統邊界從一個封裝擴展到接近整片晶圓。嚴格來說，產業界通常所說的“晶圓級芯片”，實際包含兩類晶圓級計算系統。

第一類是整片晶圓單一邏輯系統

Cerebras的Wafer Scale Engine（WSE）是目前最典型，也是真正形成商業交付的產品。晶圓完成制造后不再切割成獨立裸片，而是通過跨曝光區域互連，將整片晶圓組織為一個連續的邏輯系統。

Cerebras的選擇是：一整片晶圓就是一顆芯片，先解決良率，再控制整套系統。

WSE-3采用5nm工藝，面積46,225平方毫米，集成4萬億晶體管、90萬個AI核心，峰值算力125 PFLOPS。作為對照，先進GPU的裸片面積仍受單次光刻區域約束，WSE-3的面積相當于數十個光罩區域。

高度一體化也使Cerebras必須控制更多產業環節。WSE不能像PCIe加速卡一樣插入普通服務器，公司需要同時設計晶圓級封裝、供電、液冷、整機、編譯器和集群軟件。Cerebras實際銷售的不是一顆標準芯片，而是一套從硅片延伸到云服務的計算系統。

第二類是重構式多芯粒晶圓級系統

這類方案先制造、切割和測試芯粒，再把已知良品重新集成到晶圓尺度的互連平臺上。Tesla Dojo是最具代表性的產業案例：Tesla負責D1芯片、訓練架構和軟件，臺積電通過InFO_SoW晶圓級扇出封裝，將25顆D1芯片組成一個Training Tile。

與Cerebras相比，這條路線不需要讓存在缺陷的整片邏輯晶圓繼續工作。芯片完成制造后可以分別測試，只選擇良品進行集成，從而降低前端制造的良率風險。它也更容易混合不同工藝、不同功能的芯粒。

Dojo之后，臺積電開始把晶圓級集成從單一客戶項目擴展為通用代工平臺。按照臺積電公布的路線圖，SoW-X計劃進一步集成邏輯芯粒、HBM和I/O，目標在2027年進入生產。SoW-X不是Dojo的下一代產品，而是臺積電面向更多HPC和ASIC客戶提供的下一代晶圓級平臺。

除此之外，還有一組容易與晶圓級計算混淆的技術，包括晶圓級封裝、混合鍵合和3D堆疊。這些工藝在晶圓階段完成重布線、封裝或垂直連接，但最終產品可能仍然是一顆普通尺寸的封裝。它們是晶圓級計算的重要技術基礎，卻不等于晶圓級計算系統。

☆ END ☆

莫大康：浙江大學校友，求是緣半導體聯盟榮譽顧問。親歷50年中國半導體產業發展歷程的著名學者、行業評論家。自2015年“求是緣半導體聯盟”成立起，堅持每周整理撰寫半導體行業周要聞，至今從未斷更。作為年逾八旬、自1963年入行的資深學者，他每日凌晨4點開始閱讀篩選全球資訊，以冷靜拆解和縱深感筆觸記錄產業變遷。這份周要聞已成為眾多從業者洞察市場的重要參考。他拒收商業稿酬，無償首發于聯盟，踐行“奉獻”與“堅持”。數百篇周記不僅梳理了信息，更見證了中國半導體從跟跑到并跑的努力。在信息碎片化時代，莫大康用雷打不動的“每周一更”，詮釋了對行業最長情的守護。

求是緣半導體聯盟成立于2015年11月，作為跨學科的全球化半導體產業平臺，以“促進半導體產業合作和知識共享”為愿景，秉承“開放、共享、國際化、全產業鏈”的核心理念，助力全球、特別是中國的半導體及相關產業發展。聯盟擁有超過490家單位會員和2500名個人會員，在北美、杭州、上海、無錫、常州、深圳、蘇州、北京設有聯絡處。聯盟定期舉辦年度產業峰會活動，不定期開展線上線下專題活動；擁有“一周芯聞”、“求是芯星”、“技術沙龍”、“直播沙龍”、“會員走訪”、“會員風采”、“供需發布”等資訊欄目；提供投融資咨詢、法律咨詢、管理咨詢、人力咨詢、產業對接、市場拓展等服務；聯盟還設立了獎學金，擁有產業投資基金以及產業培訓班，以全方位支持會員發展。