铃阅
❌

普通视图

昨日接收 — 2026年11月16日 ⏭ 半导体行业观察

报名中|12月3日,先进封装开发者大会@香港

2026年11月16日 12:53

半导体行业观察 2026-11-16 12:53 上海

2026 年 12 月 3 日,2026 先进封装开发者大会(APDC)将于香港科学园举行。

香港特别行政区行政长官李家超、华润集团董事长王海民、香港科技园董事局主席钟郝仪、中国半导体行业协会理事长陈南翔等重磅嘉宾将带来开场致辞。

来自腾讯集团、长电科技、京东方、北方华创、爱德万、Cadence、恩智浦、香港科技大学、天津大学、美国国家工程院等产学研各界的专家学者齐聚一堂,就AI与高性能计算、CPO与光互连、高密度互连、仿真、测试、热管理等前沿方向,带来40场精彩演讲,探讨先进封装的机遇与挑战。

欢迎扫描海报中的二维码,提交参会信息,我们期待与各位先进封装技术开发者现场交流。

跳转微信打开

一场股权整合,折射国产硅片竞争新局

2026年11月16日 08:43

原创 夏雪 2026-11-16 08:43 安徽

10月30日,TCL中环发布停牌公告,宣布筹划发行股份购买资产暨关联交易事项。11月13日,TCL中环召开董事会审议通过交易预案,并于11月14日披露相关公告。

随着AI芯片和先进存储需求持续增长,半导体硅片这场长期由海外巨头主导的竞争,正在迎来新的变量。

10月30日,TCL中环发布停牌公告,宣布筹划发行股份购买资产暨关联交易事项。11月13日,TCL中环召开董事会审议通过交易预案,并于11月14日披露相关公告。根据最近预案,公司拟通过发行股份的方式,向无锡产发、TCL科技、国投集新等50名交易对方购买中环领先65.80%的股份。若交易完成,TCL中环持有中环领先的股份比例预计将由目前的32.72%提升至98.52%。

来源:中环领先

这笔股权整合发生的时间点很巧妙,当前正值半导体硅片市场逐步复苏的阶段,AI基础设施建设带动先进逻辑和存储芯片需求,汽车电子、工业控制、电源管理等应用也为成熟制程和特色工艺提供支撑。不同尺寸、不同工艺的硅片需求正在出现新的变化。

对于TCL中环而言,此次筹划进一步整合中环领先,既涉及到半导体材料业务的股权关系,也关系到未来数年的资本投入和业务发展。在全球硅片市场仍由少数国际厂商占据主要份额的背景下,中环领先如何发挥已有产品和制造基础,进一步提升全球竞争力,是这场股权整合背后更值得关注的问题。

半导体硅片,正在迎来结构性变化

半导体硅片是芯片制造的基础材料,晶圆厂在硅片表面经过光刻、沉积、刻蚀、离子注入等一系列工艺,最终形成集成电路。硅片的尺寸、晶体质量、表面平整度和缺陷控制能力,都会影响后续芯片制造的工艺表现和良率。

因此,硅片需求与半导体制造产能密切相关。下游芯片需求增长,需要经过晶圆厂扩产、产能利用率提升和晶圆投片量增加,才能逐步传导至硅片采购端。当前AI产业带来的变化,正沿着这一链条向上游材料延伸。

AI服务器和数据中心建设,首先带动GPU、CPU及高速互连芯片需求,也推动先进逻辑芯片制造规模扩大。与此同时,AI模型训练和推理对数据存储能力提出更高要求,HBM之外,服务器DRAM、企业级NAND等存储产品也获得新的需求支撑。需求端的改变,已经体现在市场数据中。SEMI预测,2026年全球硅片出货面积将增长11.8%,达到14,420 MSI;2026年第三季度全球硅片出货面积达到3,756 MSI,同比增长13.4%,环比增长5.1%。

在AI带来的硅片需求增长的同时,汽车电子、工业控制、电源管理、模拟芯片等产品,依然为8英寸及以下硅片提供稳定需求。尤其是AI服务器,随着服务器电源架构升级,相关功率器件需求也会向上游硅片传导。

从供给端看,当前先进逻辑芯片和主流存储芯片制造主要使用300mm硅片,对晶体质量、缺陷密度、表面平整度和批次一致性有较高要求。硅片厂商要承接新增需求,既要有相应尺寸和规格的产能,也要有足够的技术实力通过客户的验证并稳定交付。能否覆盖多种尺寸、工艺和应用,由此成为硅片厂商把握这一轮市场机会的重要条件。

国产硅片,正在建立自己的竞争优势

但是市场复苏,并不意味着现有格局会轻易松动。硅片行业具有较高的技术和客户壁垒,信越化学、SUMCO、环球晶圆、Siltronic和SK Siltron等国际头部企业,经过数十年积累,在晶体生长、硅片加工、表面处理和缺陷控制方面形成了成熟的技术体系,并与全球主要晶圆厂建立了长期合作关系。

对国产厂商来说,想要打破这种市场格局并不容易。因为硅片属于晶圆制造的基础材料,供应商需要经过客户严格的产品验证,产品切换涉及工艺参数调整、良率评估和长期可靠性测试,即使具备相应产能,也需要较长时间才能进入主流客户的供应体系。

在这样的行业环境下,中环领先的竞争基础,首先来自长期积累形成的产品体系。

中环领先成立于2017年,其技术积累可以追溯至1958年成立的天津市半导体材料厂。经过六十多年的发展,公司已经形成覆盖4英寸至12英寸的半导体硅片产品体系,布局直拉、区熔等工艺路线,产品包括轻掺、重掺硅片,以及抛光片、外延片等不同类型,应用覆盖逻辑、存储、功率、模拟和图像传感器等领域。这种跨尺寸、跨工艺、跨应用领域的产品布局,与全球头部硅片厂商保持一致,体现出中环领先向综合性硅片供应商发展的方向。根据统计,截至2026年三季度末,中环领先半导体硅片全尺寸出货面积保持国内第一、全球第六。

来源:中环领先

来源:中环领先

这种全尺寸布局的价值,首先体现在客户覆盖上。不同晶圆厂和器件厂商往往拥有不同的产线规格、工艺路线和产品需求,能够同时提供多种尺寸及工艺的产品,有助于供应商扩大客户覆盖范围,并在长期合作中形成更深的配套关系。

除此之外,成熟产品与高端产品之间能够形成业务和能力上的支撑。据了解,8英寸业务仍是中环领先重要的盈利来源,能够持续创造利润和现金流,为新产品研发、工程能力建设和人才培养提供支持。同时,持续服务不同尺寸和工艺客户,也让企业积累了处理多规格产品、复杂工艺和客户定制需求的经验。

在具体应用领域,中环领先也形成了不同的业务发展路径。

在高端逻辑方面,不同晶圆厂的工艺路线和材料需求存在差异,硅片供应商需要深入理解客户工艺,开展产品设计、工艺适配和验证。中环领先正在配合国内逻辑头部客户推进相关产品开发,通过共同研发逐步提升高端产品能力。这类业务对材料性能、工艺理解和客户协同提出了更高要求,也是公司向高端硅片市场拓展的重要方向。

存储是中环领先重点拓展的另一增长方向。当前存储市场需求量较大,部分产品规格相对集中,有利于形成规模化制造能力,也能为工厂产能利用率和经营效率提供支撑。伴随国内存储产业链发展,中环领先在相关产品开发和供货能力方面已经取得进展,市场份额也进入了国内供应商的第一梯队。下一步,公司还将继续扩大产品规模,并逐步提升海外市场参与度。

与此同时,汽车电子、工业控制和电源管理等市场,为8英寸及以下硅片提供了重要需求支撑。这些领域对硅片材料的电阻率、晶体质量和工艺适配有不同要求;区熔硅片则主要面向高压、高阻等特定器件应用,对材料性能和制造工艺提出更高要求。中环领先在功率、区熔以及CIS等产品上持续积累,形成了区别于以大尺寸逻辑和存储为主要业务方向的产品特色。

海外业务的增长,也受益于中环领先此前的业务整合和客户积累。根据财报显示,公司前三季度海外收入达到11.4亿元,同比增长19%。从业务构成来看,中环领先与欧洲、日本等市场客户保持长期合作,主要涉及功率电子和特色工艺产品。此前整合徐州业务后,公司补充了存储、高端逻辑产品和国际化团队,海外市场覆盖能力得到进一步完善。

以上这些业务的发展正在转化为经营数据上的增长,TCL中环2026年第三季度报告披露,2026年前三季度,中环领先实现营业收入49亿元,同比增长15%,整体实现盈亏平衡;第三季度营业收入18.6亿元,同比增长23%,净利润0.8亿元,单季度实现经营性盈利。

随着产品能力、制造规模和客户验证逐步推进,国内硅片企业参与国际市场竞争的条件正在改善。对中环领先而言,海外收入增长不仅意味着市场范围扩大,也意味着其产品正在进入更多国际客户的供应体系。与国际头部企业相比,国内厂商在长期工艺积累和客户合作经验方面仍有提升空间,但规模化出货和海外业务增长,已经为后续发展提供了基础。

从产品布局、规模化出货到海外客户拓展,中环领先已经建立起一定的竞争基础。国产硅片企业正在通过产品、制造和客户能力的积累,逐步扩大在全球市场中的参与度。不过,产品线铺开、客户认证推进、海外市场拓展,每一项都要依赖持续的资本开支支撑。

股权整合之后,中环领先想更进一步

众所周知,硅片行业具有明显的资本和技术密集特征。从晶体生长、切片、研磨、抛光到清洗和检测,每个环节都需要专用设备和工艺积累。尤其是12英寸硅片,产线建设投入大,设备调试、工艺优化和良率爬坡都需要较长时间。

因此,中环领先正在积极推进多基地制造布局,根据TCL中环三季报披露的规划,预计到2026年底,宜兴和徐州基地12英寸硅片产能合计将提升至100万片/月;与此同时,公司将加快深圳12英寸工厂建设,推进宜兴和天津基地8英寸产能升级,以及内蒙古基地晶体产能配套上量。按照规划,五大基地全面达产后,12英寸和8英寸硅片产能将分别达到210万片/月和140万片/月。

这类制造能力的积累,离不开持续的资本投入和工程团队建设。对于中环领先而言,进一步整合股权,正是在这一背景下展开。

据介绍,此次筹划股权整合主要考虑业务发展、资金投入和人才机制三个方面。未来三至五年,公司需要完善8英寸业务,推进现有12英寸工厂扩产,并围绕市场需求布局新的12英寸产能。若交易顺利完成,TCL中环有望进一步加强对半导体材料业务的资源统筹,为未来数年的扩产、研发和运营提供支持。

需要注意的是,股权进一步整合之后,两个业务板块仍将保持专业化经营和相对独立管理,并在此基础上加强能够共享的资源与能力协同。

对于中环领先而言,除了资本和人才,产业链协同也将影响国产硅片企业下一阶段的发展进程。硅片生产对设备、原材料和辅料有较高要求,相关产品进入生产线需要经过持续验证。目前中环领先正在与国内设备和材料供应商开展联合研发、设备验证和工艺改进。随着国内存储和逻辑厂商持续提升制造能力,材料供应商有机会更深入地参与客户工艺开发。对于硅片企业而言,客户提出的具体工艺需求,既是产品验证的标准,也是推动技术迭代的重要来源。

回到TCL中环此次筹划的股权整合,其意义在于为中环领先下一阶段的发展提供更集中的资源支持。虽然最终方案和实施结果尚未确定,但公司已经明确了未来几年在产能、研发和人才方面的投入方向。

结语

把前面几条线索合起来看,中环领先正处在一个新的窗口期。AI基础设施建设正在为半导体硅片市场带来新的增长动力,成熟制程和特色工艺需求也在逐步恢复,为国产硅片企业提供了发展机遇。

对中环领先来说,全尺寸产品布局、规模化出货、细分工艺积累和海外客户基础,构成了进一步发展的起点。因此,本次股权整合有望为后续产能建设、研发投入和人才机制提供支持。而真正决定其全球竞争位置的,仍然是能否把这些资源转化为稳定的产品能力、制造能力和客户服务能力。

国产硅片的竞争,正在进入比拼综合实力和长期经营的新阶段。

*免责声明:本文由作者原创。文章内容系作者个人观点,半导体行业观察转载仅为了传达一种不同的观点,不代表半导体行业观察对该观点赞同或支持,如果有任何异议,欢迎联系半导体行业观察。

END

今天是《半导体行业观察》为您分享的第4592期内容,欢迎关注。

推荐阅读

加星标⭐️第一时间看推送~

求点赞

求分享

求推荐

跳转微信打开

AI时代,FPGA再次崛起

2026年11月16日 08:43

原创 夏雪 2026-11-16 08:43 安徽

半导体行业观察:AI数据中心的快速扩张,正在为FPGA带来新的市场机会。

公众号记得加星标⭐️,第一时间看推送不会错过。

AI数据中心的快速扩张,正在为FPGA带来新的市场机会。

11月2日,Lattice公布2026财年第三季度业绩,营收达到2.91亿美元,同比增长118%;其中,FPGA收入同比增长约90%。公司CEO Ford Tamer表示,数据中心AI需求的加速,是推动业务增长的重要因素。

这组数据让FPGA重新进入产业视野。过去,FPGA曾被寄予拓展异构计算的厚望,但在AI计算市场的快速发展中,它始终未能成为主流计算平台。

如今,AI数据中心的增长正在打开另一条路径。GPU承担着越来越多的核心计算任务,但服务器、机柜和集群的规模持续扩大,也让系统管理、接口控制和安全防护变得更加复杂。FPGA的可编程特性,恰好能够在这些环节发挥作用。

从争夺计算核心,到进入系统底层,FPGA在AI产业发展中迎来了新的发展期。

巨头押注,FPGA却没能进入主流

半导体巨头曾经希望,FPGA能够成为未来计算架构的重要组成部分。

2015年,Intel宣布以约167亿美元收购Altera。当时,Intel希望将FPGA与Xeon处理器结合,为数据中心提供更灵活的异构计算方案。通过CPU与FPGA协同,用户可以针对特定工作负载进行硬件加速,在通用处理器之外获得更高的性能和能效。

无独有偶,AMD也看中了这一市场。2020年,AMD宣布以约350亿美元收购Xilinx,并于2022年完成交易。相比Intel当时强调的CPU与FPGA协同,AMD希望借助Xilinx补齐自适应计算能力,将CPU、GPU、FPGA以及相关软件技术纳入更完整的产品体系。

当时行业主流判断,数据处理需求越来越多样化,单一架构难以覆盖所有场景,能够根据应用需求灵活调整硬件逻辑的FPGA,有希望成为异构计算的重要组成部分。因此,两笔收购案的背后,承载的正是巨头对未来计算架构的共同期望。

但AI产业的发展,逐渐改变了计算市场的竞争格局。

大模型训练和推理带来了庞大的并行计算需求,GPU凭借成熟的软件生态、开发者基础和规模化部署能力,迅速成为AI数据中心的核心计算平台。与此同时,针对特定工作负载进行优化的ASIC也在不断扩大应用。前者凭借通用性和生态优势占据主流AI计算市场,后者则通过定制化设计,在特定场景追求更高的性能和能效。

夹在两条路线之间的FPGA,处境变得尴尬。面对通用计算,FPGA难以与GPU成熟的软件生态和规模化能力竞争;面对专用计算,ASIC又能围绕固定工作负载进行针对性优化。尽管FPGA具备可编程、低时延和灵活适配等优势,但较高的开发门槛、工具链和IP生态建设难度,也限制了其大规模应用。

这也让Intel和AMD当初对FPGA的设想未能充分实现,此后的业务调整,也让两笔收购的后续显得有些虎头蛇尾。

2025年,Intel宣布向Silver Lake出售Altera 51%的股权,Altera转为独立运营。数据显示,Altera在2024财年实现15.4亿美元营收,但GAAP口径下经营亏损达到6.15亿美元。而AMD虽然保留了Xilinx的产品和技术体系,但FPGA也始终没有成为其AI计算业务的核心。

因此,FPGA需要寻找新的市场落脚点,而AI数据中心的持续扩张,恰好提供了这样一片土壤。

AI数据中心,给FPGA带来新位置

AI数据中心为FPGA打开的新空间,首先来自计算系统本身的变化。

随着AI算力需求持续增长,数据中心正在从以计算芯片为中心的建设,走向计算、网络、供电和散热等多个环节协同的复杂系统。GPU负责处理核心计算任务,但要让大规模算力稳定运行,还需要大量硬件模块相互配合。服务器之间、板卡之间以及不同功能模块之间的连接和管理,也因此变得更加复杂。

这种变化,让计算之外的硬件控制需求逐渐凸显。以AI服务器为例,随着部署规模从单机扩展到整机柜和集群,GPU数量增加,高速网络、供电和散热系统日趋复杂。服务器不仅需要实时监控温度、电压和设备状态,还要协调不同模块之间的通信,并处理上电、复位、故障响应和安全启动等任务。

这里不得不再次提到AMD,虽然收购Xilinx的初衷没能实现,但是它找到了更适合FPGA的应用位置。AMD将FPGA应用在服务器主板管理中,其Spartan UltraScale+系列面向数据中心服务器I/O和主板管理控制器(BMC),在服务器主板上负责电源时序管理、温度和电压监测、风扇控制、I/O扩展及系统状态监控。2026年6月,AMD宣布Spartan UltraScale+ SU200P进入量产准备阶段,并于同年7月正式量产。

与CPU、GPU相比,这些任务不需要复杂的通用计算能力,却要求硬件能够及时响应并持续运行,FPGA可以作为专门的板级控制器承担相关工作。随着服务器主板集成的传感器、电源域和接口数量增加,FPGA在底层管理和控制中的作用也在提升。

另一边,Lattice选择将FPGA的应用从服务器主板延伸至安全管理和机柜控制。在服务器层面,Lattice的低功耗FPGA可以承担安全启动、硬件身份验证、固件保护、传感器监测和接口管理等任务;在机柜层面,则可以配合管理软件监测服务器运行状态、功耗和温度,帮助数据中心运营方进行集中管理。2026年10月,Lattice与Arm宣布合作,将Lattice FPGA、Arm AGI CPU服务器平台和AMI固件结合起来。

与前面两家不同,独立后的Altera则将FPGA进一步延伸至数据中心的数据通路。在DPU和AI网卡中,FPGA可以承担RDMA、虚拟交换、网络安全和数据预处理等任务;在存储系统中,则可以用于NVMe-oF协议处理、数据加密和压缩。这些任务如果交由CPU处理,会占用一定的计算资源。通过将部分功能卸载到FPGA,可以减少CPU负担,并利用可编程逻辑适应不同网络协议和系统架构。

可以看出,AI数据中心带给FPGA的机会,并不局限于增加计算能力。随着算力规模扩大,数据中心对底层硬件控制、设备管理和系统协同的要求也在提高。对于FPGA厂商来说,这些过去相对边缘的环节,正在成为新的市场入口。

FPGA厂商,开始争夺平台入口

FPGA进入AI数据中心,带来的变化不只是应用场景的增加,也在改变厂商之间的竞争方式。

FPGA厂商过去主要围绕芯片性能、逻辑资源、功耗和开发工具展开竞争。但在AI数据中心市场,产品能否进入服务器设计,还取决于其与处理器、固件及管理软件的协同能力。芯片之外的平台支持和生态建设,正在成为厂商争夺市场的新重点。

2026年7月,Lattice完成对AMI的收购。AMI长期提供BIOS、BMC固件和数据中心基础设施管理软件,业务覆盖服务器启动、硬件管理和平台运维等环节。其中最关键的,在于AMI能提供连接处理器与底层硬件的软件和固件支持。对Lattice来说,这笔交易补充了其原本相对薄弱的软件和固件能力,也让FPGA业务有机会进入服务器更底层的管理架构。

与Lattice通过收购补齐软件和固件能力不同,Altera更侧重通过丰富FPGA的产品组合来覆盖多样化的系统需求。2026年10月,Altera发布Agilex 2X产品组合,面向数字AI基础设施、网络和物理AI等领域。其产品布局覆盖高速收发器、以太网和PCIe等连接能力,也涉及板级与机柜控制、接口桥接和硬件信任根等应用。

同时,AMD也在继续依托Xilinx的技术积累,推进自适应计算和嵌入式产品布局。由此可见,虽然各家厂商的竞争路径有所不同,但共同点在于,FPGA正在从单一芯片产品向更广泛的系统应用延伸。

除了产品和业务布局,FPGA厂商还开始参与数据中心管理标准的建设。

2026年10月,Lattice与AMI在开放计算项目(OCP)推动成立SCMP工作组,AMD、Arm、Intel、Jabil、ASPEED和Microsoft等企业参与其中。该工作组希望推动开放、厂商中立的安全控制与管理架构,改善不同设备之间身份验证和管理接口的兼容问题。

随着数据中心规模扩大,服务器内部及不同设备之间的管理关系越来越复杂。统一的管理标准有助于降低不同厂商硬件之间的集成难度,也能减少平台建设对特定供应商方案的依赖。对参与其中的芯片厂商来说,标准制定还关系到未来平台架构的话语权,以及自身产品进入产业链的机会。

中国FPGA产业,能否抓住新机会

海外FPGA厂商正在加快向AI数据中心拓展业务,中国厂商也面临着一次新的市场机会。

从市场规模来看,Grand View Research预计,中国FPGA市场将从2023年的约21.01亿美元增长至2030年的46.89亿美元,2024年至2030年的复合年增长率为12.2%。通信和工业控制仍是重要应用领域,数据中心、汽车电子和人工智能则为市场提供了新的增长方向。

但市场需求扩大,并不意味着国产FPGA能够直接分享AI算力增长的红利。尤其在数据中心领域,FPGA厂商需要针对不同应用场景提升产品能力。高性能计算和高速网络应用,要求芯片具备较强的逻辑资源、高速SerDes、先进接口和功耗控制能力;服务器管理则更看重低功耗、接口兼容、安全控制和长期稳定运行能力。不同应用方向对芯片性能、功能配置和配套生态提出了差异化要求。

前文中,海外厂商的布局提供了一种值得参考的思路:国产FPGA不必将所有资源都集中在高端计算加速市场,也可以从更具体的系统需求寻找突破口。例如,服务器板级管理、接口扩展、协议转换和安全控制等环节,对FPGA的灵活适配能力有实际需求。与直接参与GPU周边的高性能计算竞争相比,这些细分场景或许更适合作为部分国产厂商进入数据中心供应链的起点。

不过,进入数据中心供应链,需要的不只是硬件产品,还包括开发工具、IP资源、软件支持和平台适配能力。国产厂商如果希望从提供芯片进一步走向平台导入,同样需要补齐这些环节。

目前国内市场的优势在于拥有规模庞大的服务器和数据中心市场,应用场景丰富,并且本土FPGA厂商在客户沟通、定制开发和供应链协同方面也具备一定灵活性。如果能够围绕本土服务器厂商的实际需求进行产品开发,并与处理器、BMC及固件供应商建立合作,就有机会缩短产品验证和导入周期。

当然,这些优势最终仍要接受产品和市场的检验。

结语

FPGA在AI时代重新获得关注,反映出数据中心对硬件能力的需求正在变得更加多元。未来的竞争,既发生在GPU所代表的计算核心,也发生在支撑整个系统稳定运行的底层环节。

对FPGA厂商而言,这轮变化带来的价值,在于拓宽了产品的应用空间,也让软硬件协同、平台适配和生态建设成为新的竞争环节。FPGA或许不会成为AI计算的主角,却有机会在AI基础设施中占据更重要的位置。

*免责声明:本文由作者原创。文章内容系作者个人观点,半导体行业观察转载仅为了传达一种不同的观点,不代表半导体行业观察对该观点赞同或支持,如果有任何异议,欢迎联系半导体行业观察。

END

今天是《半导体行业观察》为您分享的第4592期内容,欢迎关注。

推荐阅读

加星标⭐️第一时间看推送~

求点赞

求分享

求推荐

跳转微信打开

CPO,还得等等!

2026年11月16日 08:43

编辑部 2026-11-16 08:43 安徽

半导体行业观察:CPO(共封装光学)正在成为AI数据中心光互连的重要技术方向。

公众号记得加星标⭐️,第一时间看推送不会错过。

CPO(共封装光学)正在成为AI数据中心光互连的重要技术方向。随着AI集群规模不断扩大,传统可插拔光模块在功耗、带宽密度以及系统集成方面面临越来越大的压力,将光引擎与交换芯片共同封装,被认为是下一代高速光互连的重要发展方向。

不过,CPO距离真正的大规模量产,可能还有一段距离。

11月13日,半导体产业研究机构FUNDA发布了一份关于CPO量产进展的深度报告。报告认为,虽然面向Scale-out交换机的CPO已经开始生产并实现小批量出货,但目前的产能爬坡受到混合键合和测试环节的限制,大规模交付可能要推迟至2027年末至2028年。

此前,市场曾对2027年CPO放量抱有较高期待。FUNDA则认为,按照目前的工艺进展,2027年的出货量可能低于此前预期。尤其是英伟达Spectrum-X CPO交换机,此前市场关注的2027年约10万台出货目标,实现起来存在较大压力。

报告将目前的量产瓶颈归结为两个问题:一是台积电COUPE平台上的混合键合良率仍然偏低,特别是W2W(晶圆对晶圆)键合;二是CPO测试环节的Insertion 2设备供应商尚未确定。

混合键合良率,成为CPO量产最大障碍

FUNDA此次重点分析的是英伟达基于台积电COUPE平台开发的CPO光引擎。该方案采用3D混合键合技术,整个制造流程涉及两道连续的键合工序,分别是D2W(Die-to-Wafer,芯片对晶圆)和W2W(Wafer-to-Wafer,晶圆对晶圆)。

简单来说,D2W主要负责将经过筛选的良品电子集成电路芯片(EIC)和透镜逐一放置到光子集成电路(PIC)晶圆上;W2W则负责将整个晶圆与载体晶圆进行键合,为后续晶圆翻转、减薄以及背面布线等工序提供机械支撑。这两道工序并不是两种相互竞争的技术路线,而是同一制造流程中的连续环节。

混合键合之所以受到重视,主要在于它能够同时实现介质层与铜-铜之间的直接连接,不再依赖传统微凸块。传统微凸块的互连间距通常在40至50微米,而混合键合能够将间距缩小到10微米以下,从而提高I/O密度,并缩短电气连接路径。这对于需要高密度互连的先进封装和光电集成而言,具有明显优势。

但工艺优势并不意味着量产已经成熟。FUNDA援引设备厂商工艺专家的判断称,目前D2W的良率约为80%,W2W的良率只有约50%。要实现稳定、具有经济效益的大规模生产,两道工序的良率都需要达到90%以上。由于两道工序连续进行,良率还会相互叠加,因此其中任何一个环节出现问题,都会影响最终光引擎的产出。

相比之下,D2W的技术成熟度相对较高。Besi是这一环节的主要设备供应商,单台设备价格约为300万美元。FUNDA估计,台积电相关产线目前已经部署约30台D2W设备,未来规划增加至约100台。从设备数量和现有产能来看,D2W暂时不是2027年CPO出货的主要限制因素。不过,随着后续需求增加,Besi的设备交付能力仍然值得关注。

真正棘手的是W2W。

问题出在透镜表面并不平整。在完成D2W之后,整个晶圆需要与载体晶圆进行键合,但由于透镜表面存在凹凸结构,当其与平整的载体晶圆接触时,界面容易形成空隙,气体被困在其中,进而产生气泡或局部未键合区域。

更麻烦的是,这些缺陷可能在后续退火过程中进一步扩大,甚至从单颗芯片扩散至相邻区域,最终影响整片晶圆的良率。FUNDA采访的工艺专家认为,EIC与PIC之间的键合工艺本身已经基本得到验证,真正需要解决的是如何将带有不平整透镜结构的表面,与平整的载体晶圆可靠地键合在一起。

目前,W2W仍主要采用非真空设备,良率约为50%。要解决这一问题,需要开发带有真空腔体的键合设备,在键合之前排出界面气体,从而减少气泡和空洞。FUNDA认为,这类设备的成熟程度,将直接影响CPO后续的量产进度。

真空键合设备展开竞争,测试也是瓶颈

在W2W设备供应商方面,FUNDA重点提到了EV Group(EVG)和东京电子(TEL)。

两家公司都具备开发真空腔体键合设备的能力。根据FUNDA的产业链调查,EVG已经拥有相关平台,但晶圆厂对其键合对准能力仍有顾虑,目前更倾向于评估TEL的方案,同时将EVG作为备选。晶圆厂也希望引入第二家供应商,不过其他设备厂商目前似乎还没有展现出能够匹配现有方案的性能。

设备研发进度同样不容乐观。报告预计,新一代真空键合设备可能在2027年下半年出现早期样机,真正成熟则可能要到2028年。至于设备价格,受访专家估计单台可能达到3000万美元,随着后续进入规模化生产,价格有望下降。

这意味着,即使CPO已经开始小批量出货,决定其能否快速扩大规模的关键工艺设备,仍然处于开发和验证阶段。

值得注意的是,单纯增加检测设备,并不能从根本上解决W2W良率问题。FUNDA指出,键合前可以通过高分辨率光学扫描检测1至2微米的颗粒,键合后则可以通过声学扫描检查空洞和未键合区域。但检测只能发现缺陷,不能消除颗粒、气泡等缺陷产生的根源。真正提高良率,仍然需要依靠设备和工艺本身的改进。

除了混合键合,测试环节也是CPO量产需要跨过的一道门槛。

与传统可插拔光模块不同,CPO将光引擎与交换芯片集成在一起,制造流程中的测试需要分布在多个不同阶段。FUNDA指出,目前测试流程中的Insertion 2设备供应商尚未确定,这也是影响后续量产进度的因素之一。

报告还援引一位测试设备领域专家的判断称,目前从PIC晶圆到最终合格光引擎的综合良率只有30%至40%。这里的30%至40%并不是单独D2W工序的良率,而是从PIC晶圆到最终合格光引擎的整体良率。由于良率偏低,加上系统集成难度较高,部分客户已经开始调整CPO导入计划,将全面采用CPO的时间推迟至2028年。

从整体来看,CPO量产并不是解决某一道工艺就能实现,而是需要混合键合、测试和后续封装等多个环节共同成熟。尤其是在目前的制造流程中,W2W键合良率偏低,已经成为限制光引擎产出的关键因素。

CPO放缓,NPO可能获得更长窗口期

对于CPO量产进度推迟,FUNDA认为,受到影响的主要是光互连需求兑现的时间,而不是需求本身。报告特别指出,光互连以及高功率外置光源的需求并未因此受到影响。

另一个值得关注的变化是NPO(近封装光学)。FUNDA认为,CPO成熟时间越长,NPO在Scale-up场景中的应用就越有可能延续更长时间。换句话说,如果CPO在制造工艺和良率方面仍需要更多时间,NPO就可能在一段时间内继续承担部分高速光互连需求。

至于英伟达下一代Scale-up系统最终采用CPO还是NPO,目前仍未有定论。FUNDA认为,虽然下一代Scale-up系统肯定会采用光互连,但目前这些制造约束使得其较早转向CPO的可能性有所降低。

从这份报告来看,CPO已经从技术验证走向了小批量出货,但距离真正的大规模商业化,仍然需要解决制造工艺和设备成熟度的问题。特别是混合键合,技术路线本身并不是最大障碍,如何把W2W良率从目前约50%提升至量产所需水平,才是接下来真正需要突破的地方。

对于产业链而言,除了关注英伟达CPO交换机的出货情况,Besi、TEL、EVG等设备厂商在混合键合领域的进展,以及后续测试设备供应商的选择,同样值得持续关注。

*免责声明:本文由作者原创。文章内容系作者个人观点,半导体行业观察转载仅为了传达一种不同的观点,不代表半导体行业观察对该观点赞同或支持,如果有任何异议,欢迎联系半导体行业观察。

END

今天是《半导体行业观察》为您分享的第4592期内容,欢迎关注。

推荐阅读

加星标⭐️第一时间看推送~

求点赞

求分享

求推荐

跳转微信打开

IEDM 2026前瞻:AI芯片突破,不只是制程微缩

2026年11月16日 08:43

半导体行业观察 2026-11-16 08:43 安徽

半导体行业观察:AI算力需求持续增长,正在给半导体技术带来新的挑战。更快的处理器、更高带宽的存储,以及更低的能耗,已经成为产业共同面对的课题。

公众号记得加星标⭐️,第一时间看推送不会错过。

AI算力需求持续增长,正在给半导体技术带来新的挑战。更快的处理器、更高带宽的存储,以及更低的能耗,已经成为产业共同面对的课题。即将于12月12日至16日在美国旧金山举行的2026年IEEE国际电子器件会议(IEDM 2026),将展示半导体产业在这一方向上的最新探索。

本届IEDM的主题为“Devices at the Heart of the Intelligence Revolution”(器件技术驱动智能革命)。从目前公布的技术议程来看,研究方向已经不再局限于晶体管尺寸缩小,而是进一步延伸至新型存储器、光互连、先进制造和异构集成等领域。

其中,台积电、英特尔、SK海力士、三星以及imec等企业和研究机构都将带来相关技术成果。

台积电A14:瞄准2028年量产

台积电计划在IEDM 2026上介绍A14 CMOS NanoFlex Pro平台。

这一平台采用纳米片晶体管技术,并结合互连和集成技术的改进,面向移动处理器以及AI、高性能计算等应用。按照台积电此前公布的规划,A14预计于2028年进入量产。值得关注的是,A14的技术价值并不只是进一步缩小晶体管尺寸,而是通过晶体管结构、互连以及集成技术的协同优化,提升最终产品的性能和能效。

与此同时,英特尔将展示锗晶体管相关研究成果。这项研究重点在于解决晶体管栅极堆叠结构中的一个难题:随着绝缘层不断变薄,如何在维持器件可靠性的同时,继续提升电气性能。英特尔研究人员将介绍一种新的栅极堆叠设计,在迁移率、尺寸微缩和可靠性之间取得平衡。这项研究也为未来垂直堆叠互补晶体管架构提供了潜在技术路径。

光刻与互连:继续向更高密度推进

除了晶体管本身,制造工艺也在持续演进。imec将在本届IEDM上展示高数值孔径(High-NA)EUV光刻技术的电学验证成果,采用单次曝光图形化工艺,实现18nm间距的钌互连结构。这一研究的意义在于,通过简化图形化流程,降低制造复杂度,同时支持更高密度的芯片互连。

随着先进制程继续推进,芯片性能提升越来越依赖互连技术。如何在有限的芯片面积内布置更多、更密集的连接,已经成为先进工艺的重要课题。

SK海力士:176层铁电NAND,读取能耗降低32%

存储技术同样是本届IEDM的重要看点。

SK海力士将展示一款176层铁电NAND芯片,采用多晶硅沟道结构,并与现有NAND制造工艺兼容。根据会议资料,该技术通过降低读取过程中的通过电压,将电压从6V降至3V,预计每比特读取能耗可以降低约32%。

对于需要处理海量数据的AI系统而言,存储器的能耗同样不容忽视。随着数据读取和传输量不断增加,降低存储器自身的功耗,有助于改善整个系统的能源效率。东京大学则提出了另一种存储器集成思路——IntMOSAIC。这项技术采用有机中介层进行存储芯片堆叠,已经展示了48颗芯片的堆叠结构,并避免使用硅通孔(TSV)等部分复杂集成工艺。

该架构希望通过重新设计存储芯片的物理布局,实现更大的存储容量和更高带宽,为AI处理器提供更加经济的近距离存储解决方案。这也说明,AI存储技术的发展并不只有HBM一条路径,芯片堆叠和新型中介层同样可能带来新的技术机会。

三星:电子与光子集成,探索下一代光互连

随着AI数据中心规模不断扩大,芯片之间的数据传输也成为重要瓶颈。三星将在IEDM 2026上介绍一款光引擎,将电子器件与光子器件集成在一起,利用多个波长传输数据,以提高数据传输效率。

根据会议资料,相关器件技术已经在生产级产线上完成制造、组装和测试。这意味着相关研究不仅停留在实验室器件设计层面,也开始向实际制造工艺推进。对于AI数据中心而言,随着计算规模扩大,芯片之间、设备之间需要交换的数据量持续增加。光互连有望成为解决高速数据传输和能耗问题的重要技术方向。

量子计算、散热与可靠性也进入议程

除上述技术外,本届IEDM还将设置半导体量子计算专题会议,讨论量子计算所涉及的制造工艺、控制电子学、封装以及良率问题。在散热和可靠性方面,韩国科学技术院(KAIST)将展示涉及供电、冷却和电容器工程的研究成果,imec则将研究原子级薄晶体管沟道的可靠性问题。

这些研究虽然分属不同技术领域,但都指向同一个目标:如何让更复杂、更高性能的半导体器件,在实际应用中保持稳定运行。

从本届IEDM公布的技术内容来看,AI带来的半导体创新已经深入到整个产业链。晶体管需要继续微缩,互连需要进一步提高密度,存储器需要提升带宽并降低能耗,芯片之间的数据传输也需要寻找新的解决方案。

值得注意的是,这些技术目前处于不同研发阶段,距离大规模商业化仍有一定距离。但可以确定的是,AI正在推动半导体技术从单一器件性能竞争,走向材料、工艺、存储、互连和封装等多个环节的协同创新。

(来源:编译自semiwiki)

*免责声明:本文由作者原创。文章内容系作者个人观点,半导体行业观察转载仅为了传达一种不同的观点,不代表半导体行业观察对该观点赞同或支持,如果有任何异议,欢迎联系半导体行业观察。

END

今天是《半导体行业观察》为您分享的第4592期内容,欢迎关注。

推荐阅读

加星标⭐️第一时间看推送~

求点赞

求分享

求推荐

跳转微信打开

DRAM价格暴涨697%,三巨头遭反垄断诉讼!

2026年11月16日 08:43

半导体行业观察 2026-11-16 08:43 安徽

半导体行业观察:AI热潮正在重塑全球存储产业的供需格局,但DRAM价格持续飙升的背后,也引发了市场对供应商是否人为限制产能的质疑。

公众号记得加星标⭐️,第一时间看推送不会错过。

AI热潮正在重塑全球存储产业的供需格局,但DRAM价格持续飙升的背后,也引发了市场对供应商是否人为限制产能的质疑。

据报道,美国加利福尼亚州北区联邦地区法院于11月14日作出裁定,驳回了三星电子、SK海力士和美光针对DRAM供应限制集体诉讼提出的驳回申请。这意味着,针对全球三大DRAM厂商涉嫌协同行动、限制供应并推高价格的诉讼,将继续推进。

这起诉讼最受关注的地方在于,原告指控三大存储厂商在AI需求爆发后,将更多生产资源转向高带宽内存(HBM),同时限制传统DRAM供应,进而推动存储价格大幅上涨。

根据原告提交的诉状,自2022年10月以来,三星、SK海力士和美光涉嫌通过协调减产、调整产能结构等方式限制通用DRAM供应。原告声称,过去18个月,DRAM价格累计上涨了697%。需要强调的是,697%是原告在诉状中提出的数字,并非法院独立核实的价格涨幅。

这起诉讼由美国5个州的17名消费者及小型企业于2026年6月25日提起。原告认为,三家公司违反了美国《谢尔曼反托拉斯法》,通过协同行动控制DRAM供应,从而获得更高的市场价格。法院此次裁定的重点,并不是认定三家公司已经构成价格垄断,而是认为原告提供的多项事实和行为线索,已经达到允许诉讼继续推进的法律门槛。

其中,HBM成为整个案件的关键。

随着生成式AI和数据中心需求快速增长,HBM已经成为AI加速器不可或缺的核心存储器件。相比传统DRAM,HBM具有更高的带宽和更好的性能表现,产品附加值也更高。对三星、SK海力士和美光而言,将部分DRAM产能转向HBM,显然具有商业合理性。法院也认可,企业投资增长更快、利润空间更大的HBM市场,本身并不构成违法行为。

但法院关注的是,三家公司在转向HBM的过程中,是否采取了一系列难以逆转的措施,从而人为限制了传统DRAM的供应。例如,原告指出,三家公司在减少传统DRAM产能的同时,通过长期合同锁定大量HBM供应。与此同时,三星和SK海力士拒绝与部分主要通用DRAM客户签订长期供应合同。美光则在2025年12月宣布结束旗下消费级存储品牌Crucial业务。原告认为,这些行为共同减少了传统DRAM市场的供应弹性。

此外,原告还指出,尽管DRAM价格已经大幅上涨,三家公司仍没有明显扩大传统DRAM产能。

法院认为,长期供货合同、品牌业务退出以及产能调整等行为,并非简单的短期经营决策。一旦企业将产能长期分配给HBM,即使传统DRAM价格上涨,也很难迅速将产能重新转回来。这也是法院认为需要进一步审查的原因之一。

除了HBM产能转移,DDR4的供应变化也成为诉讼中的重要证据。原告指出,三星、SK海力士和美光在2025年第二季度前后,几乎同时宣布缩减DDR4生产。由于DDR4当时仍有大量市场需求,部分PC厂商和其他客户开始提前采购,甚至出现DDR4价格超过DDR5的情况。法院认为,三家公司在同一季度采取类似的DDR4减产行动,值得进一步调查。

更值得关注的是,三家公司在2026年1月还被指采取了相似的客户订单审核机制,对DRAM订单进行更加严格的审查,包括最终供应对象、订购数量以及实际需求是否存在等。法院特别指出,三家公司不仅引入这套审核机制的时间接近,具体审核内容也高度相似。这种相似性成为原告主张企业之间存在协同行为的重要依据。

当然,并非原告提出的所有指控都得到了法院支持。例如,三星和SK海力士在2024年结束DDR3生产,法院认为这属于正常的产品世代更替,不能据此推断企业存在协同行为。对于企业高管在公开场合谈论产能和投资计划,以及行业会议上的接触,法院也认为,目前缺乏足够证据证明企业之间进行了具体的信息交换或供应协调。

不过,三家公司过去曾卷入DRAM价格卡特尔案件,也成为此次诉讼中被法院考虑的因素之一。1998年至2002年,三家公司曾涉及DRAM价格操纵事件,其中三星和当时的Hynix被美国司法部处以罚款。

法院认为,过去的类似行为虽然发生在约20年前,但在评估本案指控时,仍然具有一定参考价值。与此前针对DRAM价格上涨的诉讼相比,此次案件涉及的证据范围也更加广泛。原告不仅关注三家企业是否同时减产,还将HBM产能转移、长期供应合同、工厂建设延期、DDR4减产以及客户订单审核等行为联系起来,试图证明三家公司之间存在事先协调。

接下来,三星、SK海力士和美光需要在2026年12月7日前提交答辩。法院预计于2027年1月12日举行首次案件管理会议,进一步确定后续诉讼安排。需要指出的是,目前法院只是驳回了被告的诉讼驳回申请,并没有认定三家公司存在价格操纵或违法共谋。案件最终结果,仍有待后续证据调查和司法审理。

但这起诉讼已经折射出AI时代存储产业面临的一个新问题:当HBM的利润和市场需求远高于传统DRAM时,存储厂商将产能向高端产品倾斜,究竟是正常的市场选择,还是可能进一步加剧传统存储市场的供应紧张?

随着AI基础设施建设持续推进,HBM正在成为存储厂商争夺的核心市场,而传统DRAM的供应和价格变化,也将越来越受到产业链上下游的关注。

(来源:内容来自半导体行业观察综合)

*免责声明:本文由作者原创。文章内容系作者个人观点,半导体行业观察转载仅为了传达一种不同的观点,不代表半导体行业观察对该观点赞同或支持,如果有任何异议,欢迎联系半导体行业观察。

END

今天是《半导体行业观察》为您分享的第4592期内容,欢迎关注。

推荐阅读

加星标⭐️第一时间看推送~

求点赞

求分享

求推荐

跳转微信打开

外媒:黄仁勋曾参与英伟达CEO遴选工作

2026年11月16日 08:43

半导体行业观察 2026-11-16 08:43 安徽

半导体行业观察:据华盛顿邮报报道,多年来,黄仁勋一直开玩笑说,几乎不可能找到人取代他担任英伟达首席执行官,这家公司是他联合创立并运营了三十多年。

公众号记得加星标⭐️,第一时间看推送不会错过。

据华盛顿邮报报道,多年来,黄仁勋一直开玩笑说,几乎不可能找到人取代他担任英伟达首席执行官,这家公司是他联合创立并运营了三十多年。

“永远不会再有像我这样的人,”他在一月份的一次采访中说道。“原因很简单,因为我是在这家公司里成长起来的。”

但黄仁勋周四的突然辞职,让英伟达陷入了一项棘手的任务:寻找一位能够接替这位长期以来一直认为自己不可替代的CEO的继任者。

据华盛顿邮报在美国时间11月14日引述一位知情人士消息透露,虽然黄一直保持低调,但他参与了遴选过程,并且至少给一位潜在候选人打过电话。这位知情人士要求匿名,以便描述一次私人谈话。(但从FT最新消息透露,黄仁勋似乎正在谋求重返英伟达,出任CEO)

黄仁勋将英伟达打造成了一家异常依赖一人的公司:他本人。扁平化的管理体系使黄仁勋直接下属约60人,这意味着所有决策都集中在他一人手中。董事会没有主席,因此无人能够推翻他的决定。他的两个孩子都被任命为公司的高级管理职位。

英伟达与黄仁勋的个人愿景、人脉关系以及他超凡的个人魅力紧密相连。他亲自维系了公司许多最重要的外部关系,从争取美国总统特朗普的支持,到与台积电创始人张忠谋建立非同寻常的密切关系,帮助英伟达优先获得稀缺的产能。

他的直觉帮助英伟达在竞争对手之前率先押注人工智能等技术,使该公司成为世界上最有价值的公司之一。

这种权力集中使得寻找继任者变得尤为困难。哈佛商学院教授安迪·吴称之为“至少是近10到20年来最难找到合适人选的CEO职位”。

英伟达高度技术化的芯片业务意味着,可能只有工程师才能完全理解这项技术,而该公司未来的发展方向已扩展到包括元宇宙、自动驾驶汽车和机器人等在内的多个领域。“既拥有电气工程博士学位又具备管理技能的人才群体相对较少,”他说道。

英伟达发言人在一份声明中表示:“我们与台积电以及更广泛的供应链的合作关系一如既往地牢固。” 台积电尚未对此置评。

《英伟达之道》一书的作者金泰表示,黄仁勋在公司身兼数职,很难找到替代者。“他是顶尖的技术布道者、顶尖的产品远见者、顶尖的商业战略家、顶尖的市场营销者,同时也是顶尖的人力资源主管,负责招聘和培养人才。”他说道。

金表示,英伟达的未来前景部分取决于公司能否留住黄仁勋的几位得力助手,他们承载着公司的文化和经验。这些人包括伊恩·巴克(Ian Buck),他领导创建了CUDA——这款极具价值的软件拓展了GPU在众多应用领域的应用;乔纳·阿尔本(Jonah Alben),负责GPU工程;以及已被任命为临时首席执行官的首席财务官科莱特·克雷斯(Colette Kress)。“董事会现在必须立即与他们续约,”他说道,“确保英伟达留住黄仁勋培养的最优秀人才。”

即使找到了称职的继任者,科技公司也会因为创始人的离世而失去创新优势,因为继任者往往缺乏集中权力和个人魅力来说服员工和投资者承担巨大的风险。

吴先生曾撰写过一篇关于英伟达转型人工智能的案例研究,他表示:“投资未来从根本上来说需要进行高风险的押注,这些押注在短期内可能看起来不理性。这需要创始人兼首席执行官,或者拥有这种控制权的人,才能灵活地与投资者沟通,并激励员工,从而推动公司去做一些在外界看来有些荒谬的事情。”

丑闻爆发后,英伟达市值蒸发了约一万亿美元,这反映出人们对该公司能否保持成功发展势头存在深深的疑虑。

黄仁勋的离职令英伟达股价剧烈震荡,金融分析师们用行话称之为“关键人物风险”。伯恩斯坦研究公司周四将英伟达的目标股价从400美元下调至200美元,并表示怀疑“任何新任CEO能否真正胜任黄仁勋的职位”。

英伟达可能无法完全复苏的风险,其影响范围远超大多数公司。在与中国激烈的AI竞赛中,如果美国政府无法确保英伟达继续代表美国保持技术领先地位,则可能需要调整其战略。在总统罕见地干预企业继任者任命的情况下,特朗普总统公开推荐苹果公司前首席执行官蒂姆·库克担任该职位。

自1993年与两位朋友共同创立英伟达以来,黄仁勋对公司的发展方向进行了大胆而高风险的押注,最终获得了丰厚的回报。英伟达发明并推广了图形处理器(GPU),最初将其应用于视频游戏芯片,随后又将其更广泛地应用于计算机领域。黄仁勋还很早就决定投身人工智能的研发。

他凭借与供应商的私人友谊推动业务发展,尤其是与台积电的张建宗。张建宗在“收购”播客节目中透露,他和英伟达创始人黄仁勋经常通过与妻子共进披萨晚餐来化解商业分歧。他在回忆录中写道,他甚至试图说服黄仁勋加入台积电,成为他的接班人(黄仁勋拒绝了,称自己已有工作)。

商学院教授吴表示,目前存在一种风险,即英伟达可能会失去其在台积电“规模巨大”的产能,因为亚马逊和谷歌等其他买家正在争抢有限的产能。他说道:“台积电和英伟达之间存在着一种异常高的信任,这是台积电与其他任何公司都不具备的,而这种信任很大程度上体现在黄仁勋身上。”

商学院教授、英特尔前董事会成员大卫·约菲表示,像英特尔这样的公司有系统化的继任流程,每年都会对候选人进行评估。但英伟达并非如此。

继任者需要能够平衡英伟达庞大的合作伙伴公司生态系统中相互冲突的利益,与特朗普政府建立联系,并为未来的创新规划道路。

“Jensen不相信继任计划。他对此毫不掩饰,”他说。“董事会显然没有强迫他接受,因此他们现在有点进退两难。”

(来源:编译自华盛顿邮报)

*免责声明:本文由作者原创。文章内容系作者个人观点,半导体行业观察转载仅为了传达一种不同的观点,不代表半导体行业观察对该观点赞同或支持,如果有任何异议,欢迎联系半导体行业观察。

END

今天是《半导体行业观察》为您分享的第4592期内容,欢迎关注。

推荐阅读

加星标⭐️第一时间看推送~

求点赞

求分享

求推荐

跳转微信打开

SK海力士,将进一步扩产

2026年11月16日 08:43

半导体行业观察 2026-11-16 08:43 安徽

半导体行业观察:SK海力士正进一步扩大其高带宽内存(HBM4)产能。

公众号记得加星标⭐️,第一时间看推送不会错过。

SK海力士正进一步扩大其高带宽内存(HBM4)产能。

此举被解读为该公司认为,尽管人工智能(AI)行业面临诸多不确定性,例如英伟达CEO的更迭,但作为核心基础设施的HBM市场需求依然强劲。该公司计划投资建设专注于HBM封装和测试的设施,预计将于明年上半年全面投产。

据多家半导体设备制造商15日透露,SK海力士正在与合作伙伴洽谈HBM4生产设备的采购事宜。据悉,该公司主要与后端工艺设备供应商(包括HBM键合、切割和测试设备供应商)协调采购的时间和数量。

一位熟悉情况的SK海力士合作伙伴公司官员表示:“SK海力士正在寻求对HBM4生产设施的追加投资。”他补充道:“他们正在加快进度,目标是在明年上半年完成设备的引进和安装。” 据报道,该公司正准备快速进行设施投资,包括要求在第一季度交付部分设备。

清州P&T6是新增生产基地的首选。这家半导体晶圆厂,原名M8,已被SK海力士选为2025年HBM生产基地。该公司自今年年初以来一直在该厂建设HBM生产线。随着此次追加投资的决定,该公司计划在原定时间之外扩大HBM4的产能。

另一位业内人士表示:“SK海力士计划通过最大限度地利用P&T6晶圆厂的闲置空间来扩大HBM4的产能。”他补充道:“该晶圆厂全面投产后,每月可额外生产超过2万片HBM晶圆。”

SK海力士此举是为全面响应市场对HBM4的需求而采取的战略举措。尽管有人担心,由所谓的“黄仁勋丑闻”引发的英伟达领导层危机将导致人工智能行业的不确定性,但业内普遍认为,人工智能市场的半导体需求依然强劲。这是因为,即使英伟达的人工智能半导体业务遭遇挫折,来自AMD和博通等公司的替代需求依然旺盛。HBM4是目前已量产供应的最新型HBM,据报道,需要额外的产能来满足行业需求。

SK海力士在上个月的第三季度财报电话会议上表示:“公司未来三年(至2029年)的DRAM和高带宽内存(HBM)订单几乎全部售罄。”

英伟达近期下调了其下一代AI半导体芯片“Vera Rubin”的HBM4带宽目标,这也是一个积极的信号。通过设定一个相对更容易实现的带宽标准,减轻了制造商的生产负担。据分析,这影响了SK海力士扩大产能的决定。

半导体设备行业对此充满期待。一旦SK海力士开始大规模下单,预计众多企业将从中受益。一家后端设备公司的高管表示乐观,他说:“SK海力士正在准备大规模订单,这引起了业界的极大兴趣。”他还补充道:“HBM市场增长带来的连锁效应将真正开始显现。”

对此,SK海力士的一位官员解释说:“我们一直在按照计划持续下达设备订单”,并表示:“我们打算在不遇到任何挫折的情况下应对市场扩张。”

(来源:编译自etnews)

*免责声明:本文由作者原创。文章内容系作者个人观点,半导体行业观察转载仅为了传达一种不同的观点,不代表半导体行业观察对该观点赞同或支持,如果有任何异议,欢迎联系半导体行业观察。

END

今天是《半导体行业观察》为您分享的第4592期内容,欢迎关注。

推荐阅读

加星标⭐️第一时间看推送~

求点赞

求分享

求推荐

跳转微信打开

四大巨头,争霸ABF载板

2026年11月16日 08:43

半导体行业观察 2026-11-16 08:43 安徽

半导体行业观察:AI算力需求持续攀升,正在推动半导体产业链多个环节进入新一轮扩张周期。继HBM、先进封装和高端PCB之后,ABF载板也迎来了供需格局的显著变化。

公众号记得加星标⭐️,第一时间看推送不会错过。

AI算力需求持续攀升,正在推动半导体产业链多个环节进入新一轮扩张周期。继HBM、先进封装和高端PCB之后,ABF载板也迎来了供需格局的显著变化。

据中国台湾媒体《自由财经》报道,AI芯片持续向更大尺寸、更高层数发展,带动高阶ABF载板需求快速增长,全球高阶载板市场正进入新一轮超级周期。外资预计,全球AI ABF载板市场规模将在2027年和2028年分别达到130亿美元和180亿美元,同比增长100%和41%,供给紧张的局面可能延续至2029年。

从更长周期来看,PCB研究机构Prismark预计,全球载板市场规模将从2025年的149亿美元增长至2030年的402亿美元。AI、高性能计算(HPC)以及大型FCBGA需求增长,正在持续推高高阶ABF载板及增层材料的供应压力。报道指出,2027年以后,市场供需缺口可能进一步扩大。

这一轮需求增长,不仅来自AI服务器出货量增加,也与AI芯片本身的规格升级有关。随着芯片尺寸扩大、层数增加,单颗芯片所需的载板价值也随之提升,进一步加剧了高阶ABF载板的供需紧张。

面对这一轮需求增长,中国台湾载板厂商正在加速扩产,包括欣兴、南电、景硕以及新进入这一领域的臻鼎-KY,均推出了大规模资本支出计划。其中,部分新增产能已经被大客户提前预订。

从客户需求来看,英伟达已经向全球载板大厂Ibiden、SEMCO以及欣兴提供产能预付款,以提前锁定未来供应。与此同时,日本PCB厂商近年来扩产相对保守,也为中国台湾厂商争取更多市场机会。

具体来看,欣兴今年多次追加扩产投资,资本支出达到537亿元新台币,主要用于扩建ABF载板厂房及产能。

欣兴董事长简山杰指出,AI算力正迎来爆发期,算力增长速度持续加快。2000年至2010年,算力大约每两年翻倍;2012年至2023年,这一周期缩短至7个月;到了2024年至今年,已经加速至每5个月翻倍。

在他看来,AI供应链的瓶颈已经从单一工厂的产能问题,扩大到整个产业链的供给问题。玻纤布、铜箔基板(CCL)和ABF载板等关键材料均面临供应压力。预计2027年材料供需缺口将超过20%,部分关键设备交期甚至已经拉长至30个月。

南电则正在积极承接服务器CPU载板需求外溢。随着AMD服务器CPU订单增长,南电近期已经获得相关新订单,目前树林厂正在进行产品认证。

据报道,AMD服务器CPU业务明年有望占南电营收的20%以上。为承接新增订单,南电今年新增资本支出468亿元新台币,创下公司历史最高投资规模,主要用于建设大尺寸、高层数的高阶载板智慧工厂。

景硕同样获得了英伟达和AMD的高阶ABF载板订单,其中英伟达相关订单尤其受到市场关注。为此,景硕今年第二次追加资本支出预算。外资预计,2027年景硕来自英伟达服务器CPU载板的营收占比有望达到15%至20%,到2028年,AI相关应用将占其ABF载板营收的50%。

臻鼎-KY的AI基础设施业务也呈现快速增长,涵盖服务器、光通信和载板等领域。报道指出,其相关业务今年以来表现优于预期,实现数倍增长,2027年预计继续放量。更值得关注的是,臻鼎2027年至2028年的ABF载板产能已经全部售罄。

从欣兴、南电、景硕到臻鼎,几家厂商的扩产动作反映出AI需求正在向上游载板产业链传导。随着AI芯片规格持续升级,以及大型服务器CPU、GPU对高阶封装载板的需求增加,ABF载板的供应紧张局面短期内恐怕难以缓解。

(来源:内容来自半导体行业观察综合)

*免责声明:本文由作者原创。文章内容系作者个人观点,半导体行业观察转载仅为了传达一种不同的观点,不代表半导体行业观察对该观点赞同或支持,如果有任何异议,欢迎联系半导体行业观察。

END

今天是《半导体行业观察》为您分享的第4592期内容,欢迎关注。

推荐阅读

加星标⭐️第一时间看推送~

求点赞

求分享

求推荐

跳转微信打开

模拟芯片六巨头,透露行业新风向

2026年11月15日 10:26

原创 杜芹DQ 2026-11-15 10:26 安徽

半导体行业观察:过去一个月时间里,德州仪器、恩智浦、意法半导体、瑞萨电子、Microchip和英飞凌相继披露了最新季报。

公众号记得加星标⭐️,第一时间看推送不会错过。

过去一个月时间里,德州仪器、恩智浦、意法半导体、瑞萨电子、Microchip和英飞凌相继披露了最新季报。作为全球模拟芯片、MCU及功率半导体的绝对主力,这六家巨头的业绩集体回暖:Microchip营收同比激增42.2%,TI大增28%,恩智浦与意法半导体均实现近两成增长,英飞凌更是创下单季营收新高。

业绩端的复苏已无需赘言。然而,比“触底反弹”更值得警惕的,是供应链端传来的紧绷感。在财报电话会上,交期延长、封测资源吃紧、产品提价成为高频词。与上一轮纯靠消费与汽车电子拉动的行情不同,这一轮复苏叠加了AI数据中心对电源管理、控制及功率器件的庞大新增需求,甚至引发了成熟制程与后道封测的产能争夺。

当周期性回暖撞上AI的跨界“抢单”,半导体行业是否正在步入新一轮供需紧张周期?2027年,“缺芯潮”会再次重演吗?透过六大芯片巨头最新财报及管理层表态,我们梳理出六个值得关注的关键信号。

观察一:需求回暖已形成高度共识

如果说2025年传统半导体行业仍在等待复苏,那么2026年下半年,多家国际芯片巨头已经开始从实际经营数据中感受到需求改善。

最直观的变化发生在工业市场。

TI第三季度营收达到60.6亿美元,同比增长28%,其中工业业务同比增长超过40%,数据中心业务更是增长约95%。TI首席执行官Haviv Ilan表示,公司在工业、汽车和数据中心等主要终端市场均实现增长,过去数年的制造投资,也使其能够更好地应对当前需求回升。

意法半导体同样观察到了工业市场的明显改善。其第三季度工业业务营收同比增长40%,环比增长12%,主要受到通用MCU、模拟芯片和功率转换产品需求推动。

恩智浦的情况也颇为类似。第三季度,公司工业与物联网业务营收同比增长39%,汽车业务增长13%,通信基础设施及其他业务增长54%。与此同时,Microchip第三季度对应的2027财年第二季度营收达到16.22亿美元,同比增长42.2%,工业和数据中心成为主要增长动力。

英飞凌则将当前市场变化归结为周期性复苏与结构性增长的共同推动。公司预计,2027财年营收将达到约200亿欧元,较2026财年的163.53亿欧元增长超过20%,数据中心电源、能源基础设施、电动出行和软件定义汽车将成为主要增长方向。

这些数字表明,传统半导体市场正在走出此前漫长的库存调整阶段,需求改善已经不再局限于个别企业或者单一应用领域。

但如果进一步拆解,我们发现这轮复苏并非全面同步。AI数据中心依然是增长最强劲的领域之一,工业市场则呈现明显的周期性恢复,汽车市场虽然有所改善,但仍受到全球整车产量、不同地区电动化进程以及客户采购节奏的影响。消费电子领域的表现则更加分化,例如恩智浦第三季度移动业务营收仍同比下降4%。

瑞萨在第三季度财报电话会上指出,剔除汇率等因素后,其汽车业务同比增长13.3%,其中实际需求增长与渠道库存增加大致各贡献一半。相比之下,恩智浦首席执行官Rafael Sotomayor则明确表示,公司尚未观察到汽车客户广泛补库存的现象。

这种差异恰恰说明,半导体行业虽然出现了复苏的共同方向,但不同产品、不同客户之间的恢复节奏仍然存在明显区别。

不过,与上一轮周期相比,这次市场变化还有一个更值得关注的背景:传统需求正在恢复的同时,AI基础设施建设又创造了一股新的增长力量。以往,模拟芯片、功率器件和MCU的需求主要取决于工业设备、汽车及消费电子的出货情况。如今,一座大型AI数据中心同样需要大量电源管理、控制、传感和高速连接芯片。这意味着,传统芯片企业正在面对两种需求力量的叠加:一边是原有市场的周期性回暖,另一边则是AI推动的新增市场扩张。

而这种叠加,正在给全球半导体供应链带来新的压力。

观察二:AI芯片抢占产能,波及传统芯片

在六家企业的财报电话会中,Microchip首席执行官Steve Sanghi指出,随着AI基础设施需求快速增长,一些大型外包封装测试厂的产能开始向AI客户倾斜,Microchip原本使用的部分产能受到挤占,公司不得不寻找其他封测厂,或者考虑将部分生产环节重新转回内部。

更让他感到棘手的是,即使晶圆由Microchip自己的工厂制造,也不意味着产品能够顺利交付。因为部分晶圆完成制造后,仍需要送往外部封测厂进行封装和测试,只要后道产能受到限制,最终产品就可能无法按时交货。

这并不是个别产品的偶发现象。根据Microchip披露的情况,其大部分标准产品过去通常只需要4至8周交期,但如今不同产品的交期已经延长至6至32周。部分客户希望提前交付的订单无法得到满足,甚至一些高毛利产品已经获得订单,却因为供应链瓶颈而无法及时转化为收入。

Microchip的遭遇表明,AI带来的供应链压力已经开始向更加传统的半导体制造环节扩散。

恩智浦的财报电话会提供了另一个佐证。公司首席财务官Bill Betz透露,目前约80%的产品交期已经超过16周,而一年前这一比例仅约25%。他认为,当前后道封测产能已经非常紧张,未来供需压力可能进一步向前道晶圆制造扩散,并在2027年表现得更加明显。

英飞凌首席营销官Andreas Urschitz表示,AI热潮推动的产能分配紧张,已经开始向更多业务领域扩散,公司自身的AI业务增长也受到供应能力限制。不过,英飞凌同时强调,得益于德累斯顿工厂的产能扩张,公司有能力同时服务AI和汽车等市场,而不必像部分竞争对手那样在不同客户之间作出艰难取舍。

这揭示出本轮半导体供应紧张的一个重要特点:并不是整个行业都缺乏产能,而是不同制造环节、工艺节点和封装资源之间,正在出现新的结构性失衡。

对于部分企业而言,AI意味着新增收入;对于另一些企业,AI也可能意味着更高的生产成本、更长的交期,以及更加困难的产能协调。同一轮AI投资热潮,正在给传统芯片行业带来截然不同的影响。

观察三:涨价成为大势所趋

伴随需求恢复与供应趋紧,芯片价格也开始出现变化。

在过去较长一段时间里,尤其是汽车和工业半导体领域,芯片供应商普遍面临来自客户的年度降价要求。随着产品工艺成熟、规模扩大和制造成本下降,客户通常希望芯片企业能够持续让利。

而在经历此前一轮库存调整后,部分半导体产品甚至陷入激烈的价格竞争。如今,这一局面似乎正在改变。

Microchip已经率先采取行动。公司在2026年8月中旬进行了价格调整,Steve Sanghi在最新财报电话会上表示,此前涨价已经产生一定效果,而且没有导致公司失去客户。他同时指出,主要晶圆代工厂和封测供应商预计从2027年1月起实施新一轮涨价,Microchip需要继续评估成本上涨对毛利率的影响,以及是否进一步向客户转嫁。

英飞凌首席营销官Andreas Urschitz在11月10日的财报电话会上确认,2026年英飞凌已经两次提高部分产品价格,主要集中在功率半导体领域。随着AI带动的供应紧张向其他业务扩散,更积极的价格环境也开始延伸到其他产品类别。

意法半导体则表示,在投入成本提高、产品交期延长的背景下,公司正在提高部分产品价格。如果当前供需缺口持续,2027年整体价格有望保持稳定,甚至小幅上涨。

TI首席执行官Haviv Ilan也确认,2026年上半年公司整体价格基本持平,但下半年部分模拟芯片已经出现小幅提价。尤其是对于希望更快获得供货保障的客户,价格已经成为双方讨论的重要内容。

瑞萨同样进行了部分产品价格调整,但其首席财务官新开秀平也坦言,第三季度涨价对毛利率的贡献尚不足0.5个百分点,暂时还谈不上明显改善整体盈利能力。

除了这些企业的具体调价动作之外,恩智浦首席执行官Rafael Sotomayor还提出了一个更具长期意义的判断。他认为,过去十年,半导体行业普遍存在年度价格下降的惯例,但随着芯片在终端系统创新中承担越来越重要的作用,芯片供应商未来有机会获得更合理的价值回报,长期的年度降价压力可能逐渐减弱。恩智浦原本预计2026年产品价格会出现低个位数百分比的下降,但最新判断已经调整为全年基本持平。

这意味着,芯片企业可能正在经历的不仅是新一轮价格上涨,还包括定价逻辑本身的变化。一方面,客户需求恢复、部分产品交期拉长,使芯片供应商获得更强的谈判基础;另一方面,随着汽车、工业设备和数据中心系统日趋复杂,芯片在整套系统中的作用也越来越重要。

观察四:2027年会再次缺芯吗?

虽然供应开始紧张,但客户却并没有像上一轮周期那样急于囤积芯片。这可能是六家巨头财报电话会中最耐人寻味的现象之一。

Microchip的Steve Sanghi指出,即使部分产品交期已经明显延长,很多客户依然不愿意提前大量下单,更不愿意主动建立较高水平的库存。

恩智浦也给出了类似判断。Rafael Sotomayor表示,尽管一些整车厂已经开始讨论增加安全库存,以应对潜在的供应风险,但公司仍然没有看到广泛补库存行为真正发生。

这与2021年前后的半导体市场形成了鲜明对比。彼时,疫情扰动、汽车芯片短缺以及供应链不确定性,让大量下游客户通过提前下单、增加库存来保障生产,部分重复订购与库存囤积行为又进一步放大了市场的供需紧张。

随后的需求回落,则使半导体行业经历了漫长的库存消化过程。经历这一轮周期之后,客户显然变得更加谨慎。即使感受到交期延长,也不愿轻易重回高库存状态。

不过,多家芯片企业也强调,现在还不能简单将市场与2021年的全面缺芯潮相提并论。

TI首席执行官Haviv Ilan认为,当前市场仍处在不同于疫情时期的周期阶段,而且TI经过多年制造投资和库存建设,已经具备更强的供应保障能力。

Microchip同样认为,当前的产能问题虽然影响交付,但并非都属于需要数年才能解决的长期瓶颈。

观察五:IDM模式,重新凸显优势

与此同时,部分企业已经开始重新调整制造策略。

TI持续投资300mm晶圆制造能力,并扩大马来西亚的内部封装测试产能,希望降低对外部供应商的依赖。

Microchip则因为外部封测厂产能受限,考虑将部分生产环节重新转回内部。Steve Sanghi指出,过去公司往往根据内部生产与外部代工的成本比较作出选择,但当外包产能不足以支持产品交付时,制造成本已经不再是唯一需要考虑的因素。

瑞萨同样正在扩大数字电源、MCU及相关封测能力。恩智浦则通过位于新加坡的300mm晶圆厂合资项目,以及马来西亚封测设施扩建,增强未来的供应能力。

在过去较长时间里,半导体企业不断追求更高的资本效率,通过外包制造减少固定资产投入。但当供应链再次趋紧,自有制造能力、产能分配自主权以及稳定交货能力,开始重新凸显价值。尤其对于TI、英飞凌等拥有较大制造规模的IDM企业,能够提前布局产能,并在需求恢复时快速扩大生产,可能成为新的竞争优势。

在这样的背景下,扩产风险的承担方式也开始变化。

英飞凌披露,与数据中心客户签署或正在谈判的多年供货及产能预留协议,累计涉及超过100亿欧元的销售额。部分协议要求客户支付预付款或保证金,以共同承担新增产能的投资风险。在经历上一轮供需剧烈波动后,芯片厂商不再愿意完全依赖市场预测进行大规模投资,而是希望通过客户长期承诺,降低未来产能闲置的风险。

对于2027年而言,市场供需最终如何演变,仍取决于AI数据中心投资能否持续、工业和汽车市场的恢复程度,以及各家企业新增产能的释放速度。

观察六:机器人、物理AI,

成为模拟芯片的新增长引擎

如果说上述变化主要反映的是半导体行业当前的供需关系,那么在最新一轮财报电话会上,各家企业对于未来增长机会的讨论,同样透露出新的产业方向。

其中,机器人和物理AI正在成为越来越多芯片巨头共同关注的领域。

TI首席执行官Haviv Ilan在财报电话会上表示,人形机器人虽然仍处于较早发展阶段,但其单机芯片价值量非常可观。以TI能够提供的产品组合计算,单台人形机器人对应的潜在芯片价值量约为500至1000美元。

英飞凌同样对机器人市场表现出积极态度。公司认为,机器人正在成为物理AI的重要应用方向,并围绕电机控制、微控制器、电源管理、传感和安全等技术进行布局。英飞凌也与英伟达在机器人开发平台等领域展开合作,希望将自身在工业控制和功率半导体方面的能力进一步延伸至机器人系统。

意法半导体、恩智浦和Microchip也都在通过MCU、边缘计算、传感、控制及相关解决方案,寻找机器人与边缘AI带来的新增市场机会。

与机器人相比,软件定义汽车的发展则正在带来更加明确的商业机会。

恩智浦首席执行官Rafael Sotomayor指出,随着汽车从传统分布式电子电气架构向区域控制和中央计算架构转型,芯片供应商能够提供更高价值的产品组合。他预计,新一代软件定义汽车架构有望使恩智浦相关产品的单车价值量达到传统方案的2至3倍。

这也反映出汽车半导体市场正在发生的一个长期变化:即使全球汽车总产量增长有限,随着车辆电子电气架构升级、控制系统集中化以及智能化功能增加,半导体企业仍然有机会依靠单车价值量提高,实现超越整车市场的增长。

从数据中心到机器人,从工业自动化到软件定义汽车,随着越来越多设备具备感知、计算、连接和自主控制能力,半导体在终端系统中的重要性将持续提高。未来半导体行业的增长不再只由终端设备出货量决定,系统架构升级和芯片价值量提升,正在成为越来越重要的驱动力。

总结

每一轮半导体周期的重启,从来都不是历史的简单重复。

如果说2021年的缺芯潮是一场由疫情与囤货引发的供需失控,那么2026年下半年的这轮升温,则更像是一次由AI基础设施外溢与终端架构升级共同驱动的“结构性重估”。传统芯片不再只是工业与汽车的配角,而是在电源管理、边缘控制与物理AI的浪潮中,迎来了价值量与议价权的双重跃升。

*免责声明:本文由作者原创。文章内容系作者个人观点,半导体行业观察转载仅为了传达一种不同的观点,不代表半导体行业观察对该观点赞同或支持,如果有任何异议,欢迎联系半导体行业观察。

END

今天是《半导体行业观察》为您分享的第4591期内容,欢迎关注。

推荐阅读

加星标⭐️第一时间看推送~

求点赞

求分享

求推荐

跳转微信打开

AMD Zen 6,架构师深度揭秘

2026年11月15日 10:26

半导体行业观察 2026-11-15 10:26 安徽

半导体行业观察:Zen 6究竟有哪些变化?相比Zen 5,AMD新一代CPU在微架构层面做了哪些调整?Zen 6与Zen 6c为什么要采用不同的设计思路?

公众号记得加星标⭐️,第一时间看推送不会错过。

Zen 6究竟有哪些变化?相比Zen 5,AMD新一代CPU在微架构层面做了哪些调整?Zen 6与Zen 6c为什么要采用不同的设计思路?

近日,Chips and Cheese在AMD In-Depth活动期间采访了AMD Zen架构最初的设计师Mike Clark,围绕Zen 6的架构演进、执行单元、缓存、分支预测以及AI计算等话题进行了交流。

Mike Clark在AMD已经工作了33年,长期参与CPU核心设计。这次采访没有停留在产品规格层面,而是深入到了处理器内部的设计取舍,也透露了AMD对下一代CPU发展方向的一些思考。

Zen 6与Zen 6c:高频设计与高密度设计的重新定位

谈到Zen 6和Zen 6c,Mike Clark首先解释了AMD为什么继续保留两种不同的核心设计。

从Zen 4开始,AMD逐渐形成了两套核心架构路线。过去,密度更高的核心主要是为了节省芯片面积,但在Zen 6这一代,AMD希望进一步挖掘高密度设计的性能潜力,而不只是增加核心数量。

Mike Clark表示,AMD现在将过去的经典核心设计视为高频率设计,而高密度核心则被赋予了更高的性能定位。

其中,Zen 6c采用了每核心4MB L3缓存的配置,一个CCD集成32个核心,L3缓存总容量达到128MB。Mike Clark特别强调,这种设计拥有非常高的IPC表现。

这也意味着,Zen 6c不再只是传统意义上为了提高核心密度而进行的精简设计。

在调度器方面,Zen 6c也进行了一系列扩充。Mike Clark解释,AMD希望Zen 6和Zen 6c在软件层面保持相似的使用体验,让针对一种架构进行的优化,同样能够适用于另一种架构。

但由于Zen 6c的目标工作频率相对较低,它有更多空间增加内部队列容量。例如浮点调度器,以及核心内部其他一些队列,都进行了扩充,以进一步提高IPC,并改善SMT环境下的资源利用效率。

前端架构:让双解码发挥更大作用

Zen 5引入了双基础块取指设计,能够同时获取两个基本块。这是此前架构的一项重要变化。

但Mike Clark指出,在运行指令规模较大的工作负载时,处理器可能需要同时从L1指令缓存和操作缓存获取指令,如何协调两路指令流并不简单。

因此,Zen 6对前端进行了大量优化,重点是提高指令交付效率,同时降低功耗。

这项工作并不是简单地增加前端带宽,而是让Zen 5引入的新架构能够更有效地发挥作用,减少不必要的功耗消耗。

整数乘法单元:从三个减少到两个

Zen 6还有一项比较有意思的变化:整数乘法单元从Zen 5的三个减少到了两个。

为什么新一代处理器反而减少了执行单元?

Mike Clark解释,这与AMD对调度器架构的调整有关。

Zen 5采用了更加统一的调度器设计,为了让调度器更容易管理,执行单元需要保持较高的一致性。当时增加第三个乘法器相对容易,也没有给整体设计带来太多复杂性。

但在Zen 6中,AMD认为,要进一步扩展架构,需要重新采用分布式调度器,让不同的调度器负责向ALU分配任务。

与此同时,AMD发现Zen 5增加第三个乘法器后,并没有带来明显的性能收益。因此,为了优化芯片面积和调度器设计,最终决定回到两个乘法器。

这一调整也体现出AMD在Zen 6设计中的一个思路:并不是所有执行单元都需要增加,关键在于实际性能收益与芯片资源投入之间的平衡。

AI计算:Zen 6增加了两个VNNI单元

这次采访中,AI计算是另一个值得关注的话题。

Mike Clark透露,Zen 6增加了两个VNNI单元。AMD之所以作出这一调整,与AI推理工作负载的发展有关。

他坦言,Zen 6是一个开发周期很长的项目,在最初设计时,团队并没有按照今天所说的Agentic AI来定义这颗CPU。当时甚至还没有多少人使用Agentic AI这个概念。

但AMD一直认为,CPU在AI计算体系中有自己的位置,包括任务编排、数据类型处理以及运行规模较小的模型。

随着AI推理的发展,AMD意识到需要增加更多VNNI计算能力。虽然当时项目已经进入较后期阶段,芯片布局也基本确定,但设计团队最终还是设法增加了两个VNNI计算单元。

Mike Clark对此表示,这是一项非常成功的调整。

他也特别强调,CPU并不是要与GPU竞争,AMD并不认为CPU需要取代GPU,而是希望CPU在AI计算体系中承担好自己的角色。

向量加载能力进一步增强

在向量计算方面,Zen 6也解决了Zen 5存在的一项限制。

Mike Clark介绍,Zen 5虽然已经具备相应的内部连线资源,但加载单元一次只能执行两次向量加载。

Zen 6则进一步优化了这些资源的使用方式,支持256位向量加载。

他解释,AMD此前已经具备支持两次512位加载的1024条内部连线,但如果要将这些资源拆分使用,而不是作为一个连续整体使用,设计复杂度就会增加。

这一功能原本也是AMD希望在Zen 5中实现的,只是当时由于架构变化较多,最终留给了Zen 6团队完成。

L2缓存带宽与分支预测继续优化

除了执行单元,AMD还对缓存带宽和分支预测进行了优化。

在Zen 5中,L2缓存有时无法持续达到每周期64字节的读取速度。Mike Clark解释,问题之一在于预取操作过多,部分命中L2缓存的预取请求占用了缓存带宽,影响了实际数据读取。

Zen 6针对这一问题进行了调整,使预取请求能够与实际数据请求更好地并行工作,减少两者之间的冲突,最终实现每周期64字节的读取能力。

分支预测方面,AMD则希望在不明显增加预测器规模的情况下,提高预测效率。

Mike Clark表示,AMD对TAGE分支预测表进行了优化,重点在于改善预测表的组织方式,提高资源利用效率。

与此同时,团队也一直在努力降低分支预测错误后的恢复时间。因为无论分支预测器多么准确,都不可能完全避免预测错误,真正重要的是预测失败后,处理器能够多快恢复正常执行。

值得注意的是,Mike Clark还透露,AMD在分支预测优化过程中已经开始利用AI辅助探索和优化。分支预测涉及大量算法和参数组合,AI能够帮助团队寻找更有效的设计方案。

更大的L3缓存,也带来了新的延迟挑战

随着Zen 6c将一个CCD的核心数量增加到32个,L3缓存的拓扑结构也随之发生变化。

Mike Clark承认,随着缓存结构容量扩大,内部物理距离也会增加。虽然先进工艺能够缩小部分结构,但物理距离增长的问题仍然无法完全避免。

AMD一方面通过内部设计手段维持L3 Mesh的带宽,另一方面在CPU核心内部增加队列容量,以应对更高的访问延迟。

对于具体实现方式,他表示其中涉及一些AMD不愿公开的内部设计细节。

此外,谈到Verano引入LPDDR5X内存时,Mike Clark表示,AMD在核心设计阶段一直非常关注每个核心能够获得的内存带宽,并确保CCD与IOD之间拥有足够的带宽。由于此前已经为MRDIMM提供了充足的带宽,因此更换内存技术并没有对核心架构设计产生重大影响。

写在最后

从Mike Clark的这次采访可以看到,Zen 6的升级并不是简单增加执行单元、扩大缓存或者提高频率,而是涉及处理器内部多个环节的重新权衡。

有些地方增加了资源,例如Zen 6c的调度器和内部队列,以及Zen 6新增的VNNI单元;有些地方则减少了资源,例如整数乘法单元从三个回到两个。前端指令交付、L2缓存带宽、向量加载和分支预测,也都进行了针对性的优化。

尤其值得关注的是AMD对CPU在AI时代定位的思考。Mike Clark明确表示,CPU不会取代GPU,但在任务编排、数据处理和小模型运行方面,仍然具有重要价值。

Zen 6的设计周期早于Agentic AI概念的广泛兴起,但AMD仍然根据AI推理的发展趋势,在项目后期调整了设计,增加VNNI计算单元。

这或许也是新一代CPU架构演进的一个重要方向:在GPU承担大规模并行计算的同时,CPU也需要不断调整自身架构,以适应AI计算带来的新需求。

附:AMD Zen 6解读

从宏观角度来看,Zen 6 是 Zen 5 的自然演进,核心中扩展了许多面向对象(OoO)结构并进行了迭代改进。

然而,深入研究后会发现并非如此,AMD 对核心的多个部分进行了大幅重构,这让我想起了 Zen 1 到 Zen 2 的变化。

从宏观层面来看,AMD 对整数调度所做的更改最为突出,回归到类似于 Zen 3 和 Zen 4 的布局。

分支预测

Zen 5 拥有我们测试过的所有核心中最好的方向预测器,而 Zen 6 似乎在此基础上进行了改进。

我们观察到的最大区别在于方向预测器过载后的情况。两个核心几乎都在相同的位置遇到瓶颈,一旦超过瓶颈,预测器就只能随机猜测数据,因此每个分支的执行时间主要反映了核心从错误猜测中恢复所需的时间。

在 Zen 5 上,每个分支的额外时间约为 3.5 到 4 纳秒,而在 Zen 6 上约为 3 到 3.5 纳秒,这意味着 Zen 6 每次分支预测错误所付出的代价更低,这表明与 Zen 5 相比,AMD 降低了分支预测错误造成的延迟。

Zen 6 还提高了核心在每个周期执行 2 个分支的能力,Zen 6 能够在 L1 指令缓存中每个周期执行 2 个分支。

当引脚数量超过 L1i 时,除 64B 测试外,其余 BTB 的每个周期都只有一个分支;而 64B 测试在 L2 BTB 中每个分支则有 4 个周期。

与 Zen 5 相比,Zen 6 的 BTB 似乎更注重提高 BTB 的速度,而不是增加容量。

Zen 6 的分支预测单元的准确度与 Zen 5 的非常相似,而且速度更快,考虑到 Zen 5 的分支预测器已经非常准确,这是一件好事。

指令获取

Zen 6 沿用了 Zen 5 引入的双解码集群方案,但与 Zen 5 中单个线程只能有效使用单个解码集群不同,现在 Zen 6 中单个线程可以使用两个解码集群。

除了 L1i 之外,Zen 6 在指令方面与 Zen 5 的行为非常相似。

执行引擎

Zen 6 的执行引擎总体上与 Zen 5 非常相似,但有一些重要的区别需要注意。

在整数运算方面,Zen 6 恢复了 Zen 4 的 NOP 指令配对机制,每个周期最多可执行 16 个 NOP 指令。Zen 6 在简单整数指令的吞吐量方面也比 Zen 5 更接近理论峰值,在相同的六个 ALU 下,每个周期可执行 5.96 次 64 位加法运算,而 Zen 5 为 5.25 次。

AMD已将整数乘法单元的数量从三个减少到两个,PDEP和PEXT的吞吐量也从每周期三条指令减少到两条。AMD表示,Zen 5的第三个整数乘法单元的面积成本过高,得不偿失。

在向量运算方面,浮点单元保持不变,Zen 6 仍然每个周期处理两个 512 位 FADD、FMUL 或 FMA 指令。变化在于 VNNI 指令,Zen 6 将 VNNI 单元的数量从两个增加到四个,我们的 512 位 VNNI 测试结果显示,每个周期的指令数从 1.99 条增加到 3.88 条,Zen 6c 与之相当。VNNI 指令可用于计算量化推理的内循环等操作,也可用于视频编解码器中的视频滤波器。

另一个值得注意的变化是,Zen 5 每个周期已经可以执行四次操作,但我们的测试表明,无论加载的是 256 位还是 512 位数据,其中只有两次是向量加载。Zen 6 将两个核心的 256 位加载次数提升到每个周期四次,而 512 位加载次数保持不变,因此两种宽度的数据加载次数现在都达到了每个周期 128 字节。这一点至关重要,因为大多数已发布的向量代码仍然面向 AVX1/2 指令集。

乱序引擎:Zen 6 和 Zen 6c 的分裂

过去,经典核心和密集核心在架构上的区别,实际上在功能上完全相同,最大的区别在于CCD上的核心数量和每个核心的L3缓存容量。但Zen 6架构改变了这一切。

从核心内部开始,这些变化发生在微操作调度之后,并且似乎在加载队列之后结束。

Zen 6 和 Zen 6c 的主要区别在于其乱序执行结构的容量。Zen 6c 的多个乱序执行结构容量更大,使其能够同时处理更多工作并承受更高的延迟。重排序缓冲区从 576 项增加到 640 项,整数寄存器文件从 288 项增加到 352 项,向量调度器从 138 项增加到 180 项,加载队列从 280 项增加到 330 项。

这些差异表明AMD对这两种设计进行了专门优化。Zen 6似乎更适合高频,而Zen 6c则更能容忍相对较高的内存延迟。

Zen 6 和 Zen 6c 分别采用 12 核和 32 核 CCD,但两者每个核心都提供 4 MB 的 L3 缓存。这使得 12 核 CCD 拥有 48 MB 的 L3 缓存,而 32 核 CCD 拥有 128 MB 的 L3 缓存。

L3 延迟从 Zen 5 的约 47 个时钟周期增加到 Zen 6 的 55 个时钟周期,再到 Zen 6c 的 66 个时钟周期。更大的缓存和更多的网格停止点可能是造成延迟增加的原因。以纳秒为单位,Zen 6 更高的时钟频率掩盖了大部分延迟增加,其延迟为 10.7 纳秒,而基于 Zen 5 的 EPYC 9355P 的延迟为 10.3 纳秒;Zen 6c 较低的时钟频率和更大的 CCX 使其延迟达到 16.4 纳秒。

接下来我们来看看带宽方面,Zen 6 修复了 Zen 5 中 L2 缓存带宽表现异常的问题。在 Zen 5 中,核心在 L2 缓存的大部分容量下,每个时钟周期只能读取大约 42 字节;而在 Zen 6 中,读取路径现在可以稳定地提供每个时钟周期 64 字节的带宽。缓存层次结构的其他部分在每个时钟周期的带宽基本保持不变。

装载/存储

存储到加载转发似乎与 Zen 5 相同,而 Zen 6 和 Zen 6c 的行为也在此重新统一。

从同一地址加载 32 位数据与执行 64 位存储操作几乎零延迟,这使得 Zen 6 架构每个周期可以处理两对相关的存储-加载操作。完全包含在存储操作中的加载操作无论是否对齐,都能在 7 个周期内完成;而部分重叠的加载操作则需要 14 个周期,与 Zen 5 架构相同。

SPEC CPU 2026 性能

EPYC 9686F 在我们预估的 SPEC CPU 2026 单线程性能测试结果中名列前茅。它的整数运算速度与 AMD 上一代最高端客户端 CPU Ryzen 9 9950X3D2 大致相当,而浮点运算速度则更胜一筹。在相同的 4.1 GHz 频率下,尽管 X3D 架构的 9950X3D2 拥有更大的 L3 缓存,但 9686F 的整数运算速度仍比 9950X3D2 高出约 4%,浮点运算速度则高出约 11%。

EPYC 9996 的性能也毫不逊色。尽管运行频率更低,核心数量却是上一代 EPYC 9575F 的四倍,但其单线程性能与后者大致相当。此外,它的整数运算性能也略胜 NVIDIA Vera 一筹,浮点运算性能更是领先 Vera 约 20%。

EPYC 9686F 在几乎所有子测试中都领先,在两个测试套件中都比 EPYC 9996 高出约 18%。它的整数运算得分为 6.20,而 EPYC 9996 为 5.25;它的浮点运算得分为 10.6,而 EPYC 9996 为 8.99。其中,它在 714.cpython、766.femflow 和 772.marian 这几个子测试中领先幅度最大。

与基于 Zen 5 架构的 EPYC 9575F 相比,9996 在整数运算中得分 5.25,而 EPYC 9575F 为 5.13;在浮点运算中得分 8.99,而 EPYC 9575F 为 9.01,但 9996 的运行频率却低了约 900 MHz。在 721.gcc 和 765.roms 这两项子测试中,9996 的表现也略胜 9686F 一筹,而 9686F 更高的时钟频率在这两项测试中并没有带来任何优势。

对两款 Zen 6 芯片的流水线插槽进行自顶向下分析,可以揭示 9686F 领先优势的来源。在核心密集型子测试中,它们的整数速率性能曲线几乎完全相同。在 750.sealcrypto、710.omnetpp、735.gem5 和 753.ns3 测试中,两款芯片的退役插槽占比几乎相同,差异不到一个百分点。

内存密集型子测试显示出更大的差距。从 EPYC 9996 升级到 EPYC 9686F 后,后端内存停顿在 729.abc 测试中占流水线插槽的比例从 37.9% 上升到 50.0%,在 723.llvm 测试中从 19.0% 上升到 34.1%,在 708.sqlite 测试中从 24.8% 上升到 33.2%。相应地,弃用插槽的比例下降。Zen 6c 较低的时钟频率和更大的共享 L3 缓存或许可以解释其较低的内存停顿比例。

大多数子测试的浮点运算性能曲线看起来相似。731.astcenc、772.marian 和 767.nest 的退役份额相差大约一个百分点或更少,而 709.cactus 在两个芯片上都有超过一半的插槽因前端带宽不足而停滞不前。

在内存密集型子测试中,性能差距再次显现。从 EPYC 9996 升级到 EPYC 9686F 后,在 765.roms 测试中,后端内存占用率从 42.5% 上升到 55.3%;在 749.fotonik3d 测试中,从 60.9% 上升到 67.6%;在 782.lbm 测试中,从 17.8% 上升到 33.8%。在这些测试中,9686F 的更高主频优势也体现得最为明显:在 765.roms 测试中,它落后于 9996;在 749.fotonik3d 测试中,两者基本持平;而在 782.lbm 测试中,尽管 9686F 的主频高出约 29%,其性能仅领先约 11%。

将 9686F 的频率提升至 4.1 GHz 以匹配 9996 的性能后,时钟频率优势消失,整体情况发生逆转:在该频率下,9686F 的得分分别为 4.92 和 8.64,这意味着 Zen 6c 在整数运算和浮点运算方面分别领先约 6.7% 和 4%。在相同的时钟频率下,Zen 6 和 Zen 6c 在核心密集型整数子测试中表现几乎相同。在 750.sealcrypto 测试中,EPYC 9686F 的流水线插槽使用率占总使用率的 67.3%,而 EPYC 9996 则为 67.6%。在相同时钟频率下,两款芯片在多个浮点运算子测试中的表现也十分相似。在 709.cactus 测试中,两款芯片超过一半的流水线插槽都因前端带宽而停滞。在 722.palm 和 766.femflow 测试中,它们的流水线插槽使用率相差约两个百分点。

9686F 的流水线插槽在内存访问上的阻塞比例仍然较高。在 765.roms 中,后端内存阻塞占比为 50.3%,而 9996 为 42.5%;在 782.lbm 中,9686F 为 24.9%,而 9996 为 17.8%;在 749.fotonik3d 中,9686F 为 63.3%,而 9996 为 60.9%。Zen 6c 的 128 MB L3 缓存可能比 Zen 6 的 48 MB 缓存处理了更多此类请求,从而减少了对主内存的访问。

最明显的区别在于前端延迟停顿,在代码库较大的子测试中,9686F 的前端延迟停顿占比更高。在 727.cppcheck 测试中,9686F 的前端延迟停顿占比为 35.2%,而 9996 为 16.6%;在 721.gcc 测试中,9686F 的前端延迟停顿占比为 25.8%,而 9996 为 10.0%。在时钟频率相同且两款处理器使用相同前端的情况下,这些停顿很可能反映了缓存和内存层次结构的差异。

在匹配时钟频率下,两款芯片在多个子测试中的浮点运算性能曲线也十分相似。在 709.cactus 测试中,两款芯片超过一半的流水线槽位都因前端带宽而停滞。在 722.palm 和 766.femflow 测试中,它们的流水线槽位退出率相差约两个百分点。

9686F 的流水线插槽在内存访问上的阻塞比例仍然较高。在 765.roms 中,后端内存阻塞占比为 50.3%,而 9996 为 42.5%;在 782.lbm 中,9686F 为 24.9%,而 9996 为 17.8%;在 749.fotonik3d 中,9686F 为 63.3%,而 9996 为 60.9%。Zen 6c 的 128 MB L3 缓存可能比 Zen 6 的 48 MB 缓存处理了更多此类请求,从而减少了对主内存的访问。

结语

Zen 6 系列架构在多方面都超越了其前代产品。升级后的前端允许单个线程同时使用两个解码器,而更快的分支预测器则使其对预测失败的容错性更高。所有这些都与更大的 OoO 结构相结合,从而更好地隐藏内存停顿。所有这些改进共同带来了相较于 Zen 5 的代际提升。

不过,我认为更有趣的变化在于 Zen 6 和 Zen 6c 之间的区别。经典核心和高密度核心在乱序执行引擎内部有所不同,Zen 6 似乎更适合高时钟频率,而 Zen 6c 则提供了更强的延迟吸收能力。它们共享的基础架构依然清晰可见,但这些差异使得选择哪一款更多地取决于具体的工作负载特性。

性能测试结果同样令人鼓舞。根据 SPEC CPU 2026 单线程测试的预估分数,EPYC 9686F 在整数运算方面领先基于 Zen 5 架构的 EPYC 9575F 约 21%,在浮点运算方面领先约 18%。EPYC 9996 的性能与 9575F 大致相当,尽管其运行频率低了约 900 MHz,但对于这两种核心设计而言,这都是非常出色的成绩。

AMD过去对经典核心与高密度核心之争的解答是采用两种不同密度的相同核心,但Zen 6架构现在变成了两种核心,每种核心都针对其运行环境进行优化设计。这让我不禁好奇AMD在Zen 7架构中会如何布局,我们会看到基于同一基本核心设计的更精细化划分,还是会看到更大幅度的差异化设计。

(来源:Chips and Cheese)

*免责声明:本文由作者原创。文章内容系作者个人观点,半导体行业观察转载仅为了传达一种不同的观点,不代表半导体行业观察对该观点赞同或支持,如果有任何异议,欢迎联系半导体行业观察。

END

今天是《半导体行业观察》为您分享的第4591期内容,欢迎关注。

推荐阅读

加星标⭐️第一时间看推送~

求点赞

求分享

求推荐

跳转微信打开

警告:英伟达GPU恐遭“雪崩”

2026年11月15日 10:26

半导体行业观察 2026-11-15 10:26 安徽

半导体行业观察:电影《大卖空》原型人物、知名投资人贝瑞(Michael Burry)警告,早在黄仁勋去职风波爆发前,英伟达就就面临芯片供应过剩与AI产业转型「雪崩」冲击。

公众号记得加星标⭐️,第一时间看推送不会错过。

电影《大卖空》原型人物、知名投资人贝瑞(Michael Burry)警告,早在黄仁勋去职风波爆发前,英伟达就就面临芯片供应过剩与AI产业转型「雪崩」冲击。

他在部落格发文指出:「AI泡沫今年已开始真正瓦解。后续冲击才刚开始。过去一年,从英伟达股价、为泡沫提供资金的融资活动,以及向美国证券交易委员会(SEC)与监管机构提交的文件中,处处早见警讯。」

贝瑞转发《华尔街日报》近期一篇报导说,黄仁勋曾在公司内部讨论,主要云端服务供应商正逐渐转向其他芯片,计划降低对英伟达的依赖。黄仁勋当时也质疑,英伟达在AI基础设施供应链投入数十亿美元,是否过度扩张,更令他忧心的是,公司承诺采购的大量晶圆与记忆体供应,正如一场「雪崩」迎面而来。

他进一步解释,英伟达的优势可能只是特定时期的产物。 GPU带来的成本与运算容量,对许多AI工作负载而言其实并非必要。他说,对许多推论工作,以及小型语言模型的训练而言,GPU的运算能力已超出实际需求。

此外,微软、亚马逊及Google等大型云端业者积极发展自家芯片,也可能加速客户分散采购来源。若这些买家逐步减少对英伟达的依赖,英伟达不仅面临订单成长放缓,也可能失去部分定价能力,使先前大举扩张的供应链承受更大压力。

贝瑞还质疑华尔街分析师对英伟达过于乐观的获利预测,警告市场可能低估AI产业转型对公司造成的冲击。他并补充,英伟达面临期限错配问题,意指芯片技术更新速度与相关融资期限不一致,一旦设备汰换速度快于预期,企业可能面临资产价值下滑及偿债压力。

报道称,英伟达通过循环融资交易故意抬高GPU价格。

人工智能的蓬勃发展被广泛认为是过去一年GPU价格失控飙升的罪魁祸首。在黄仁勋从英伟达辞职后,新的信息表明,这正是这位前CEO商业战略的目标,而该战略长期以来一直饱受循环融资的指责。

《华尔街日报》近期一篇关于英伟达临时首席执行官科莱特·克雷斯的报道,进一步揭露了英伟达如何以颇具争议的方式为其客户融资,以推动人工智能的蓬勃发展。报道称,该公司力推在2026年中后期达成更多交易,以消化台积电晶圆的过剩供应,并维持GPU的高价。

至少从去年开始,英伟达就被指责通过支持购买其芯片的公司来延长人工智能的繁荣期。联合创始人兼前首席执行官黄仁勋和首席财务官克雷斯甚至为公司辩护,否认其与安然公司有相似之处。安然公司在2001年倒闭前曾使用类似手段非法隐瞒债务。

私下里,克雷斯对英伟达与云服务提供商和OpenAI等大型人工智能公司签署的交易规模表示担忧。尽管如此,英伟达还是继续推进这些交易,但到了2026年夏天,该公司开始反思,在从台积电订购的大量半导体“雪崩”面前,自己是否走得太远了。

据知情人士透露,大约就在这个时候,黄仁勋斥责了克雷斯,称她“像只受惊的鹿”。英伟达开始放缓步伐,缩减规模,并暂停了一些融资交易,其中包括与OpenAI的一项合作,该合作最初包含为全球最大数据中心提供2500亿美元的担保。

人工智能数据中心吸纳了原本用于消费电子设备内存和存储的DRAM和NAND闪存产能,导致价格飙升。英伟达的GeForce GPU受到的冲击尤为严重,价格往往超过其原价的160%。由于英伟达已将显存和半导体资源转向数据中心GPU,其旗舰产品RTX 5090已变得一机难求。

随着公司财务支持协议的逐步结束,黄开始担心公司的股票市场估值,因为其平均每月股票市盈率远远落后于其他大型科技公司。

在柏林的一次会议上,这位前CEO给重要客户讲了一个故事:一位忙碌的日本汤摊贩在他排了很久的队后拒绝给他第二碗汤,理由是顾客太多,汤不够。黄仁勋借此强调了维持多元化客户群和保持高价的重要性,并暗示英伟达的循环融资策略通过制造高需求假象推高了GPU价格。

在黄仁勋因多起婚外情曝光而辞职后,这则新闻才浮出水面。

(来源:内容来自半导体行业观察综合)

*免责声明:本文由作者原创。文章内容系作者个人观点,半导体行业观察转载仅为了传达一种不同的观点,不代表半导体行业观察对该观点赞同或支持,如果有任何异议,欢迎联系半导体行业观察。

END

今天是《半导体行业观察》为您分享的第4591期内容,欢迎关注。

推荐阅读

加星标⭐️第一时间看推送~

求点赞

求分享

求推荐

跳转微信打开

❌