公众号记得加星标⭐️，第一时间看推送不会错过。 可 以 肯 定 的 是 ， 纳 米 尺 寸 越 小 ， 芯 片 就 越 先 进 。 当 今 最 先 进 的 主 流 芯 片 是 3 纳 米 工 艺 ， 例 如 苹 果 iPhone和其他消费设备中使用的芯片。 自2022年ChatGPT首次亮相以来，GPU已成为人工智能的关键——这使英伟达的价值增长了十倍， 并使其成为全球市值第二高的公司。尽管印度拥有强大的芯片设计人才，但缺乏自主研发的GPU专 利，导致其在核心人工智能技术方面依赖美国公司。印度正在寻求改变这种依赖。 上述第二位官员表示，该芯片的早期预览版将于2025年底展示，Minthad上个月已报道过此事。然 而，即使C-Dac开发出2纳米芯片，印度在未来五年内也不太可能拥有一家能够生产此类芯片的国内 制造工厂，因此"我们很可能会与台积电（TSMC）合作进行大规模生产"，第二位官员表示，并补充 说，印度GPU的成本"将比英伟达目前的芯片零售价低50%"。 截至发稿时，一封要求Meity和C-Dac就此事置评的电子邮件仍未得到回复。 芯片客户 诚然，印度历来是美国芯片制造商英特尔、AMD、高通和英伟达的客户， ...

大型语言模型的计算挑战与光子硬件解决方案 - 训练GPT-3消耗约1300兆瓦时电力，下一代LLM可能需要吉瓦级电力预算[1][4] - 传统硅基芯片接近物理极限（3纳米晶体管），冯·诺依曼架构存在存储器-处理器瓶颈[4] - 光子计算具有高带宽、超强并行性和极低热耗散优势，可能超越电子处理器几个数量级[2][4] 光子神经网络核心器件 - 微环谐振器(MRRs)实现波长复用与光频梳生成，支持多波长信号处理[10][12] - 马赫-曾德干涉仪(MZI)阵列执行光学矩阵-向量乘法运算，实现可编程酉变换[13] - 超表面通过亚波长结构调控光波相位与幅度，支持大规模并行光学计算[14][16] - 4f系统利用傅里叶变换在衍射域实现线性滤波功能[20][21] - 垂直腔面发射激光器(VCSEL)实现全光尖峰神经网络，支持光速计算[25][29] 二维材料在光子芯片中的应用 - 石墨烯在宽光谱吸收2.3%入射光，载流子迁移率支持高速调制[30][31] - TMDCs(如MoS₂)具有可调带隙和强激子效应，增强光与物质相互作用[31] - 石墨烯调制器实现超过100GHz运行频率，适用于AI高速数据传输[35] - 石墨烯-量子点混合光电探测器提升宽带探测能力[36][41] - 范德瓦尔斯异质结构实现超薄波导，保持低传播损耗特性[37] 自旋电子类脑计算技术 - 磁隧道结(MTJ)实现604%隧道磁阻比，支持概率计算和GHz级振荡[54] - 磁涡旋(skyrmion)模拟神经递质释放机制，阈值电流仅10μA[55] - 自旋霍尔纳米振荡器(SHNO)阵列实现96%元音识别准确率，每次分类仅3mW功耗[56] - 反铁磁自旋电子器件实现4fJ/次突触更新能耗，10^12次循环权重漂移<0.1%[57] 光子LLM实现挑战与解决方案 - 光子芯片缺乏片上内存缓存长序列tokens，限制上下文窗口扩展[62] - PB级数据集存储导致I/O瓶颈，数据移动成为系统主导限制因素[63][65] - 光子模拟计算难以表示高精度张量，ADC/DAC电路占50%芯片面积[66] - 缺乏原生非线性函数实现，需依赖电子电路完成激活函数[67] - 光子张量核利用MZI网格实现大规模矩阵并行运算，减少片外转换[68][69] 未来发展方向 - 脉冲光子LLM将token流编码为光学脉冲，通过光子SNN实现序列处理[70][71] - 光电协同封装将光子张量核与共置内存紧密耦合，缓解数据瓶颈[72] - 神经形态光子技术有望实现PetaOPs/Watt计算效率[75] - PIC成本、可扩展性和集成性提升，可能取代IC成为计算系统核心[75]

公司控制权变更 - 控股股东威朗国际集团筹划控制权变更 可能导致控股股东及实际控制人变化 [1] - 公司自2025年6月9日起停牌 预计停牌时间不超过2个交易日 [1] - 威朗国际直接持有公司18.49%股份 截至2025年第一季度末 [1] 管理层背景 - 董事长傅启明为中国香港籍 拥有集成电路设计行业多年从业经验 曾任职联华电子/飞利浦/联咏科技等企业 [2] - 傅启明2002年加入公司 现任董事长及多家子公司董事/总经理职务 [2] 财务表现 - 2024年营业收入13.43亿元 较上年13.00亿元增长3.32% [3] - 2025年第一季度营收同比增长0.05% 增速陷入停滞 [2] - 归属于上市公司股东的净利润1.34亿元 较上年1.86亿元减少28.01% 主要系上年收到供货商一次性大额赔偿款所致 [4] - 扣非净利润1.31亿元 较上年1.04亿元增长26.61% 核心业务盈利能力提升 [4] 业务结构 - 集成电路产品设计销售业务收入13.42亿元 占比99.88% 同比增长3.42% [3] - 工业控制产品收入10.93亿元 占比81.39% 同比增长7.87% [3] - 消费电子产品收入2.50亿元 占比18.61% 同比减少12.75% [3] - 境内收入9.63亿元 占比71.69% 同比增长4.81% [3] - 境外收入3.80亿元 占比28.31% 同比减少0.26% [3] 行业背景 - 公司为国产MCU标志性企业 在2021年芯片涨价潮中备受关注 [2] - 2021年全球MCU缺货严重 海外大厂交期最长达52周 国内白色家电厂商转而采用公司国产MCU作为辅配方案 [2] - 当前MCU行业面临高度内卷和国际竞争格局 [4] 经营策略 - 管理层倾向于稳健经营策略 注重稳定发展和股东回报 [4] - 销售模式以经销为主 经销收入13.31亿元 占比99.10% 同比增长4.62% [3] - 直销收入1212.68万元 占比0.90% 同比减少56.28% [3]

USB-C行业现状分析 核心问题 - USB-C接口设计初衷是统一标准，但实际应用中存在严重的兼容性混乱和功能不透明问题，导致消费者面临充电速度、数据传输等多方面不确定性[2][3] - 行业规范碎片化严重，同一接口可能支持USB 2.0（0.48Gbps）至Thunderbolt（40Gbps）等不同协议，且DisplayPort/PCIe等功能支持仍为可选[8][9] 充电领域进展与挑战 - 欧盟强制要求15W以上设备支持USB PD协议，中国推出UFCS标准（兼容PD 3.0），但无法向下兼容SuperVOOC等私有协议[4] - USB PD PPS标准推进缓慢，消费者需特定PPS插头才能实现18W+快充（如Galaxy S25），而Pixel 9 Pro XL需20V PPS插头才能达到37W[5][6] 数据传输标准混乱 - USB4规范被拆分为Gen 2×1（10Gbps）至Gen 4（120Gbps）等多个版本，且线缆质量直接影响功能实现[9] - 苹果iPhone 15系列中基础款仍采用USB 2.0（480Mbps），Pro款升级至USB 3.1 Gen 2x1（10Gbps），但未达到iPad Pro的Thunderbolt 40Gbps水平[11] 行业标准化尝试 - 微软将通过Windows硬件兼容性计划（WHCP）强制要求USB4端口支持40/80Gbps数据传输、15W充电功率及双4K@60Hz显示输出[13][15] - USB-C接口已广泛普及于耳机/VR等设备，但标准碎片化导致电子垃圾问题加剧，无法实现跨设备配件复用[18][19] 技术演进矛盾 - 行业面临创新自由与标准统一的矛盾：USB-C允许灵活配置但牺牲用户体验，而强制规范可能限制技术迭代[19] - 当前解决方案（如UFCS/WHCP）均为局部改进，无法根治历史遗留的协议分层问题[4][15]

英伟达市场表现 - 2025年第一季度专用桌面显卡总销量达920万台 同比增长和环比增长均超8% [1] - 英伟达市场份额飙升至历史性92% 将AMD挤压至8%的历史低点 [1] - 1月至3月期间售出数百万台RTX 50系列GPU 游戏收入达创纪录的38亿美元 同比增长42% 环比增长48% [1][6] - 高端消费级GPU正被重新用于机器学习工作负载 推动游戏收入增长 [6] AMD市场表现 - Radeon 9000系列出货量不足75万台 产量不足是市场份额低的主要原因 [1] - RX 9070和9070 XT需求"前所未有" 公司正竞相增加供应 [3] - 面临在Radeon GPU和Ryzen 9000 CPU之间平衡台积电半导体供应的挑战 [4] - 最新Radeon显卡在光线追踪性能和画质提升方面追上英伟达 600美元以上的Radeon 9070 XT在某些情况下追平1000美元的RTX 5080 [8] 市场竞争态势 - 德国GPU销量显示AMD销量超过英伟达 暗示若产量跟上 AMD可能展现增长势头 [4] - 英伟达可能缩减消费级GPU产量 重新专注于AI芯片 [8] - RTX 50系列GPU性能提升幅度不及RTX 40 Super系列 [4]

芯片封装技术创新 - 公司正在开发新的芯片封装技术以支持更大的人工智能处理器 突破单个封装中硅片数量和尺寸的限制 包括改进连接技术 更精确的硅片键合方法 以及扩展散热关键部件尺寸的系统 [1] - 新技术使得在面积超过21,000平方毫米的封装内集成超过10,000平方毫米的硅片成为可能 这一面积相当于四张半信用卡大小 [1] EMIB技术升级 - 公司推出EMIB-T技术 在原有水平互连基础上增加垂直铜连接(硅通孔TSV) 减少功率损耗 并包含铜网格以降低电源噪声 [3] - 该技术允许在单个封装中使用38个或更多EMIB-T桥接器 连接相当于12个以上全尺寸硅芯片(10,000平方毫米硅片) [4] 热控制技术 - 公司开发低热梯度热压键合技术 使热膨胀失配更可预测 从而支持超大型基板上的芯片安装 或将EMIB连接密度提升至每25微米一个 [6] 散热解决方案 - 针对更大硅片组件的散热问题 公司将集成散热器分成多个部件组装 确保所有部件保持平整和固定 提高可靠性和产量 [8][9] 商业化前景 - 这些技术仍处于研发阶段 未公布具体商业化时间表 但预计需要未来几年内实现商业化以与台积电的封装扩张计划竞争 [9]

台积电嘉义先进封装厂进展 - 嘉义AP7厂设备进机时间从第三季延至第四季[1] - 厂区发生两起工安事件导致部分工程停工 需提交复工改善计划并通过审查[2] - 第一期工程原计划第三季装机 现调整为第四季进机[1] 嘉义厂技术布局 - 第一阶段将布建晶圆级多芯片模组(WMCM)封装产能 实现多芯片异质整合[1] - P1厂规划WMCM技术 类似InFo与CoWoS混合体 将应用于未来苹果手机封装[4] - P2厂将优先扩充SoIC产能 因竹南厂SoIC扩产空间被CoWoS占用[4] 产能扩张计划 - 2024年SoIC月产能约4000-5000片 2025年上看1万片 2026年有望倍增[4] - 南科AP8厂提前至2025年4月进机 主要扩充CoWoS产能 下半年可上线[4] - 嘉义AP7共规划六个phase P2厂进机时间从年底大幅提前至8月[4] 客户合作情况 - SoIC技术已掌握四大客户:AMD(首发客户) 苹果(M5芯片将采用) 辉达 博通[5] - 苹果采用SoIC-mH制程 制造成本比当前方案更具优势[5] - 与辉达 博通合作主要因应硅光子及CPO技术趋势[5] 建厂历史问题 - 嘉义厂动工后曾因挖到文化遗址而停工 并调整施工顺序[1] - 目前已在当地招募技术员 年薪70万元以上[2]

公司背景与团队 - AheadComputing由四位英特尔顶尖芯片架构师创立，创始团队在英特尔拥有近一个世纪的工作经验[1] - 公司成立于一年前，目前拥有80名员工，其中许多是前英特尔员工[2] - 公司CEO Debbie Marr表示正在生产"世界上最大、最强大的CPU"[1] - 公司已获得2200万美元风险投资，并吸引半导体行业超级巨星Jim Keller加入董事会[5] 技术路线与创新 - 公司采用RISC-V开放式架构，与传统x86架构形成鲜明对比[2] - RISC-V是精简指令集计算机，无需支付许可费，与x86或ARM设计不同[3] - 公司认为开放标准是微处理器未来，能为科技公司提供更多定制化机会[4] - 公司专注于特定任务优化的小芯片设计，而非传统CPU的全能型设计[3][8] 行业趋势与竞争格局 - 计算生态系统正走向碎片化，英特尔主导地位受到挑战[1] - 无晶圆厂半导体设计模式兴起，如英伟达通过外包制造达到3万亿美元市值[3] - 半导体行业正在经历转型，涉及人工智能芯片和量子计算等创新[5] - 传统x86架构被认为"几乎是一个死角"，行业需要新型计算机架构[5] 市场定位与发展规划 - 公司产品预计将应用于个人电脑、笔记本电脑和数据中心[5] - 潜在客户包括谷歌、亚马逊、三星等大型计算公司[5] - 公司正在华盛顿县寻找更大的办公空间，现有办公室已不够用[8] - 公司采用小型专注团队模式，开发速度比预期快得多[10] 区域产业影响 - 英特尔在俄勒冈州拥有超过2万名员工，是当地最大企业雇主[3][7] - 英特尔去年裁员3000人，预计未来几周会有更多裁员[8] - 多家英特尔校友创办的芯片公司正在俄勒冈州兴起[8] - 安培计算公司(Ampere Computing)以65亿美元价格出售给软银[8]

特斯拉Dojo处理器技术 - 特斯拉开发了Stress工具，可在不使核心离线的情况下检测Dojo处理器和集群中的静默数据损坏(SDC)核心，防止数周训练成果被毁[1] - Dojo是目前全球最大的两款晶圆级处理器之一，单个晶圆级处理器包含8,850个核心，采用台积电InFO_SoW技术封装[1][5] - 每个训练块包含25个D1芯片，每个D1芯片有354个64位RISC-V内核，支持4 TB/s片外带宽，整个训练块提供10 TB/s定向带宽[5] 静默数据损坏挑战与解决方案 - Dojo处理器电流消耗达18,000安培，功耗15,000瓦，加剧了SDC风险，单个错误可能导致数周AI训练失败[3] - 初始采用差分模糊测试技术，后改进为每个核心分配0.5 MB随机指令有效载荷，内部交换数据测试4.4 GB指令，效率显著提升[7] - 通过XOR运算将寄存器值集成到SRAM区域，缺陷核心识别率提高10倍，且不影响性能[7] 多层级故障检测能力 - Stress工具可在训练块(12个模块组成)、机柜和集群级别运行，从数百万核心中识别故障核心[9] - 大多数缺陷在1-100 GB指令执行后被发现(耗时几秒至几分钟)，难检测缺陷需1,000 GB以上指令(耗时数小时)[9] - 工具轻量级运行，仅禁用故障核心，D1芯片可容忍少数核心禁用而不影响功能[9] 技术延伸与行业影响 - Stress工具发现并修复了设计级缺陷和低级软件问题，缺陷率与Google/Meta相当[11] - 计划将方法扩展至硅片投产前测试阶段，并研究硬件老化导致的性能下降[13] - 台积电预计未来将有更多公司采用其SoIC-SoW晶圆级设计技术[15]

核心观点 - AMD通过大量资金投入和频繁收购加速数据中心GPU开发，以与Nvidia竞争AI芯片市场 [1] - 公司计划在下周活动上公布下一代Instinct GPU路线图，包括2025年发布的MI400 [1] - 过去三年完成9起关键收购，强化端到端AI解决方案能力 [3] 技术路线图 - Instinct MI325X计划2024年推出，MI350即将投产 [2] - MI400获早期客户积极反馈，将扩展AI加速器总可寻址市场 [1] - 年度发布节奏对标Nvidia，缩小产品代际差距 [2] 近期收购 - Untether AI团队：增强AI编译器/内核开发能力，提升芯片能效比 [5][6] - Brium：优化AI推理堆栈，提升Instinct GPU竞争力 [8] - Enosemi：硅光子技术实现服务器机架内高效数据传输 [9] - ZT Systems：49亿美元收购，强化集群级AI系统部署能力 [11][12] - Silo AI：6.65亿美元收购欧洲最大AI实验室，增强LLM开发能力 [14][15] 历史收购整合 - Nod.ai（2023）：自动化编译器软件加速AI模型部署 [16][17] - Mipsology（2023）：FPGA推理软件优化AI性能 [18][19] - Pensando（2022）：19亿美元收购，DPU技术优化AI网络 [20] - Xilinx（2022）：490亿美元收购，FPGA技术融入AI产品线 [22][23] 市场策略 - 开放生态系统结合开源软件/标准网络技术 [12] - 硬件产品覆盖云端/边缘/终端全场景 [17] - 通过收购快速获取关键技术团队和专利 [5][8][9]