UWB技术发展历程 - UWB技术最早可追溯至1887年Heinrich Hertz的实验 但直到1989年美国国防部才正式命名"超宽带" 此前长期远离消费市场[1] - 2019年苹果iPhone 11集成U1芯片后 UWB在消费电子市场快速普及 三星/谷歌/华为等厂商相继跟进[1] - 尽管在防丢器/汽车钥匙/资产追踪等领域有所应用 但过去几年UWB整体发展未达预期[1][2] UWB技术特性与优势 - 基于IEEE 802.15.4标准 通过测量无线电信号飞行时间实现厘米级定位精度[3] - 相比BLE/NFC方案 UWB具备抗干扰能力强/安全性高等特性 可有效防御中继攻击[3][4] - 在汽车准入系统中能提供安全/便利/功能/可靠性四大优势 双向测距和时间戳验证确保设备真实位置[3][4] 早期UWB方案的技术瓶颈 - 采用Transceiver分立架构 需外接MCU和自研驱动 开发门槛高[4] - 第三方MCU兼容性问题导致开发周期延长 功耗管理和成本控制困难[4] - 非车规产品限制汽车市场拓展 中小厂商面临显著开发挑战[4] 新一代UWB解决方案突破 - 主流芯片厂商推出集成化SoC方案 如Qorvo QM35825集成射频模块/MCU/安全功能 显著降低设计门槛[6] - QM35825支持±5cm测距精度和±2° AoA精度 兼容FiRa/Omlox/Aliro标准 适用于智能家居/工业/医疗场景[7] - 车规级QPF5100Q通过AEC-Q100认证 工作温度-40℃至105℃ 支持850kbps-62.4Mbps数据速率[8][12] UWB应用场景拓展 - 与Nordic合作推出Matter协议参考设计 加速智能门锁等门禁控制应用落地[14] - 在汽车市场应用于儿童存在检测(CPD) 通过呼吸/心率监测预防婴儿遗留事故 优于传统摄像头方案[15] - 还可用于手势识别/错误警报消除等车载功能 多普勒效应可检测细微动作[16] 产业链协同与未来展望 - Fira/CCC联盟推动标准统一 芯片厂商持续优化SoC架构 支持全球化频谱规范[12][16] - 集成化方案解决早期分立架构痛点 车规认证突破关键市场壁垒[6][8] - 在定位精度/延迟/可靠性等方面全面优于BLE 结合测向能力拓展智能家居/工业物联网应用[13][14]

智能汽车SerDes芯片市场概况 - 全球车载SerDes芯片市场规模预计2023年达数十亿美元，未来十年将向百亿美元规模高速发展，中国智能驾驶市场有望占据40%份额[1] - 当前市场由ADI和TI双头垄断，分别凭借GMSL和FPD-Link技术占据主导地位，两者协议均为私有标准[1] - GMSL技术开源后，市场格局发生重大变化[1][24] 主流SerDes技术对比 FPD-Link技术 - 由TI前身美国国家半导体公司1996年创建，是首个大规模应用的LVDS标准，采用开放标准策略[3] - 主要应用于车载导航系统、娱乐系统、倒车摄像头及ADAS系统[3] GMSL技术 - ADI旗下Maxim于2008年推出，采用非对称全双工设计，支持单线传输电源/数据/视频流[5][6] - 技术迭代：GMSL1(3.125Gb/s)→GMSL2(6Gb/s)→GMSL3(12Gb/s)，支持4K视频/多摄像头聚合[8][9] - 累计交付超10亿颗芯片，总传输距离达20万亿公里（2光年）[11] - 技术优势：支持ASIL B安全等级、EMI/EMC合规、实时链路诊断、功耗降低30%[12] 新兴标准化协议 MIPI A-PHY - 2021年成为IEEE 2977标准，支持2-16Gbps速率（PAM16调制），适用于ADAS/IVI系统[14] - 数据速率覆盖1.55Gbps(G1)至14.4Gbps(G4)[15] ASA Motion Link - 由宝马/博通/恩智浦等90家企业推动，支持2-16Gbps非对称传输[17] - 下行速率达16Gbps(PAM4)时上行保持100Mbps，功耗比对称标准低40%[19] HSMT技术 - 中国自主标准，支持12Gbps@15m传输，BER达10^-12，时延<50μs[20] - 采用PAM4调制时正向速率达12.8Gbps，反向100Mbps[21] GMSL开源战略 - ADI联合吉利/高通/村田等22家企业成立OpenGMSL协会，将私有协议转为开放标准[24][25] - 技术文档超200页，涵盖物理层/数据链路层/协议适配器等全栈规范[30] - 相比以太网节省60%功耗，特别适合传感器单向数据传输场景[29] - 现有生态覆盖25家OEM和50家Tier1供应商，芯片累计出货量行业第一[28] 市场竞争格局 - 当前尚无标准能在成熟度（10亿颗出货）和普及度（25家OEM采用）上匹敌GMSL[32] - MIPI/ASA/HSMT等新技术尚未完成大规模商业验证，供应链建设需3-5年[32] - 开源策略将加速GMSL在自动驾驶/ADAS/车载娱乐系统的渗透率提升[26][28]

共封装光学器件(CPO)技术概述 - 基于CPO的网络交换机已商业化，支持太比特级信号路由，但面临光纤-PIC对准、热管理和光学测试等制造挑战 [1] - CPO将光电转换靠近GPU/ASIC交换机，带宽密度达1 Tbps/mm，相比可插拔模块功耗从15 pJ/bit降至5 pJ/bit(预计<1 pJ/bit) [1][6] - 当前数据中心采用可插拔光收发器通过PCB电连接交换机，存在信号损耗和能效瓶颈 [1][2] 技术优势 - 缩短电信号传输距离至100µm，信号损耗从>20dB降至1-2dB，SerDes组件需求降低 [7] - 硅光子IC采用DWDM技术，单个光纤端口带宽扩展10倍，器件微型化推动与计算节点集成 [6] - 典型配置中计算芯片被4-8个硅光子IC收发器包围，激光器因可靠性问题单独封装 [6] 制造挑战 光纤对准 - 单模光纤(8-10µm)与SOI波导(500x220nm)尺寸差异导致模式失配，需0.1µm精度对准 [8][9] - V型槽无源对准实现最低损耗，可拆卸方案每个接口增加约1dB损耗 [8] - 光纤阵列对准需3D调整，自动化系统通过光反馈优化多通道耦合效率 [10] 热管理 - 1°C温度变化导致0.1nm波长偏移，DWDM架构下热稳定性要求更严格 [11] - 激光器可靠性是最大缺陷来源，多波长激光器将提高测试要求 [13] - 需选择热界面材料并部署传感电路，保持PIC在>105°C环境下的性能 [11][13] 可靠性设计 - 采用Telcordia GR468和JEDEC标准测试，硅光子器件故障率低于1 FIT [14][16] - 冗余设计包括备份激光器阵列和容错架构，支持自动切换降低停机时间 [15] - 集成监控/BiST功能实现自校正，晶圆级测试对复杂多芯片组件至关重要 [15][16] 封装架构 - 2.5D方案中EIC与PIC通过硅中介层互连，可集成波导/光栅等光学特性 [17] - 3D堆叠允许EIC用先进CMOS节点、PIC用硅光子平台，但增加TSV/HBI成本 [18] - 单片集成简化散热但限制IC工艺节点，3.5D方案结合EMIB实现最优性能 [18] 行业应用前景 - CPO为AI数据中心提供带宽和能效突破，光子IC性能达传统收发器10倍 [7][20] - 技术依赖精密对准、热管理及测试方法，需内置冗余保障高可靠性运行 [20]

芯片设计革新 - 苹果计划在2026款iPhone（包括iPhone 18 Pro、18 Pro Max和iPhone 18 Fold）中首次采用基于台积电第二代2nm工艺（N2）的A20芯片 [1] - 公司将首次在移动设备中使用晶圆级多芯片模块（WMCM）封装技术，该技术允许将SoC和DRAM等不同组件直接集成在晶圆级 [1] - WMCM技术无需中介层或基板即可连接芯片，可提升热完整性和信号完整性 [1] WMCM技术优势 - 相比当前使用的InFo封装技术，WMCM提供更大自由度，可在单个封装内组合不同组件，实现更多样化的芯片配置 [2] - 该技术可能使公司根据不同需求和性能水平定制A20芯片，例如在Pro机型中加入更多组件，同时保持非Pro机型精简 [2][3] - WMCM能减少芯片整体尺寸和功耗，并因组件紧密接近而改善通信和性能，尤其有利于AI处理和高端游戏等任务 [3] 台积电产能规划 - 台积电将在AP7工厂建立专用WMCM生产线，采用类似CoWoS-L的设备和工艺但无需基板 [4] - 预计到2026年底产能将提升至5万片/月，2027年底进一步扩大至11万-12万片/月 [4] 行业影响 - 此举标志着移动设备领域首次引入原本用于数据中心GPU和AI加速器的先进封装技术 [4] - iPhone 18 Fold可能成为下一代硅片封装的试验平台，显示公司不仅关注外形创新 [4]

核心观点 - Cornelis Networks推出新一代400Gbps CN5000系列产品，专为AI和HPC市场设计，采用Omni-Path技术，提供无损、无拥塞的数据传输 [1][19][20] - 公司计划未来产品线升级路径：2026年推出800G CN6000支持以太网，2027年推出1.6T CN7000采用UltraEthernet技术 [16][17] - CN5000在性能上显著优于竞品：比InfiniBand NDR消息速率高2倍、延迟降低35%，AI集体通信速度比RoCE快6倍 [19][22] 产品技术规格 - CN5000系列包含400G SuperNIC和交换机ASIC，支持48端口交换机或576端口导向器级交换机 [3][22] - 提供风冷和液冷版本，解决AI集群中网络侧冷却效率问题 [5] - 采用无损和零拥塞架构，是100G Omni-Path OPA100的重大升级 [9][20] 市场定位与竞争优势 - 瞄准NVIDIA InfiniBand市场，提供低成本替代方案，单端口/双端口SuperNIC定价更具竞争力 [18] - 支持与AMD/Intel/NVIDIA硬件互操作，采用开源OpenFabrics软件栈实现厂商中立 [22] - 通过提高GPU利用率来提升ROI，特别适合大规模AI训练（支持50万端点部署）和HPC应用 [1][19][22] 性能表现 - HPC工作负载执行速度比InfiniBand NDR提高30%，CFD/气候建模等应用仿真时间缩短30% [19][22] - 为LLM提供近乎线性的训练性能扩展，解锁高级推理能力 [22] - 动态细粒度自适应路由和基于信用的流量控制确保最高吞吐量 [20] 产品路线图 - 2025年Q2发布CN5000商用版(GA) [11] - 2026年CN6000实现800G带宽和跨范式集成 [16][17] - 2027年CN7000达到1.6T速度，整合UltraEthernet标准 [16][17]

先进封装技术的重要性 - 先进封装从非主流的Plan B转变为主流赛道的Plan A，成为技术帝国的边疆要塞 [1] - 先进封装的发展由三股关键力量推动：算力井喷但制程进展放缓、应用多样化需求、资料搬运成本飙升 [1][2] 推动先进封装发展的三股力量 - **算力需求与制程限制**：芯片需通过切割、堆叠、重组（Chiplet）绕过光罩极限，例如Nvidia Blackwell的诞生 [1] - **应用多样化**：单一芯片无法适配所有应用，AI训练、自驾决策等需要模组化设计，先进封装提供弹性与效率的平衡 [1] - **能耗瓶颈**：AI芯片中资料搬运能耗高于运算，先进封装缩短距离以提升效能 [2] 先进封装行业规模与增长 - 行业规模预计从2023年的392亿美元增至2029年的811亿美元，复合年增长率12.9% [4] - 2024年一季度收入102亿美元（环比下滑8.1%），二季度预计回升4.6%至107亿美元 [4] - 2024年行业资本支出预计增长20%，主要参与者2023年投资99亿美元（较2022年下滑21%） [7] 行业参与者与投资动态 - 台积电、英特尔、三星、日月光等巨头大力投资高端先进封装产能，2024年预计投资约115亿美元 [4] - 先进封装技术为消费电子、高性能计算、汽车电子等多领域提供支持 [4] 行业复苏与未来展望 - 2024年为行业复苏之年，下半年业绩预计更强劲 [7] - 生成式AI与HPC领域推动行业增长，技术发展持续赋能多领域应用 [4]

如果您希望可以时常见面，欢迎标星收藏哦~ 来源：内 容 综合自 theinformation 。 虽然麻烦一直增加，但英伟达还是尝试向中国销售其人工智能芯片，人们可能会想知道为什么该公 司还要继续坚持。 答案是：它实在承受不起不这么做的后果。 英伟达上周发布的第一财季财报，向特朗普政府发出了一个相当严厉的信号，即将美国芯片公司排 除在中国人工智能市场之外的危险。英伟达首席执行官黄仁勋在公司电话会议上表示："无论有没 有美国芯片，中国的人工智能都会继续发展。" 黄仁勋指出，全球一半的人工智能开发者都在中 国，阻止美国公司在中国竞争最终可能会让美国失去在全球人工智能领域的领先地位。 "最终，赢得人工智能开发者的平台才能赢得人工智能，"黄仁勋说道。"出口管制应该加强美国平 台，而不是将全球一半的人工智能人才赶往竞争对手。" 英伟达也有充分的财务理由来支持这一论点。美国政府今年4月决定禁止该公司向中国市场销售其 H20芯片，导致该公司在截至4月底的季度损失了约25亿美元的销售额，并将在截至7月底的当前季 度再损失80亿美元。这是因为H20芯片是专门为中国市场设计的，以符合当时的出口限制，因此在 其他任何地方都无法销售 ...

中国人工智能芯片自给率 - 预计中国AI芯片自给率将在三年内从34%飙升至82% [1] - 美国半导体出口管制加速中国建立自给自足生态系统 [1] - 中国通过自主研发AI芯片驱动数据中心和国产GPU人形机器人实现技术独立 [1] 人才与研发投入 - 全球约50%人工智能研究人员在中国 [2] - 中国推行系统性战略构建自给自足生态系统 [2] - 中国投入大量研发资金并通过"公共机构优先采购"政策支持国内企业 [2] 企业与技术突破 - 华为展示由昇腾910组成的超级集群，训练参数超1万亿的AI模型 [2] - 中芯国际突破制程工艺壁垒实现华为AI芯片量产 [2] - 阿里巴巴、腾讯、科沃斯和地平线等企业加速AI创新 [3] 人形机器人市场 - 预计2050年人形机器人市场规模达5万亿美元 [3] - 中国凭借成本竞争力将占据全球人形机器人供应量的30% [3] - 利用中国供应链生产人形机器人成本仅为全球供应链的三分之一 [3] 生态系统与市场规模 - 中国通过"利用替代品→打造国内市场→加速自主研发→量产"建立良性循环 [2] - 预计2030年中国核心AI产业规模将增长至1万亿元人民币 [3] - 竞争关键变量从高规格半导体芯片转向生态系统力量 [3]

台积电先进制程技术进展 - 台积电2纳米制程已于4月1日开始接受订单，每片晶圆成本达3万美元，苹果、联发科、高通等科技巨头已瞄准该技术[1] - 台积电发布A14（1.4纳米级）制造技术，预计2028年量产，每片晶圆成本高达4.5万美元，较2纳米节点价格上涨50%[3] - A14采用第二代环栅(GAA)纳米片晶体管和NanoFlex Pro技术，速度较N2提高15%，功耗降低30%，逻辑密度达1.23倍[3][5] A14技术性能参数 - 相同功耗下速度提升10~15%，相同频率下功耗降低25~30%[5] - 逻辑密度提升约23%，芯片整体密度提升约20%[5] - 采用全新标准单元架构和DTCO技术NanoFlex Pro，允许设计人员灵活优化功率性能[7] 成本与设备情况 - A14工艺无需使用售价4亿美元的High NA EUV设备，台积电技术团队找到替代方案[8] - 即使不使用High NA EUV，1.4纳米制程成本仍居高不下，未来可能继续上涨[12][13] - 若光源功率无法提升，未来节点光刻成本可能增加高达20%[14] 主要客户分析 - 英伟达对台积电收入贡献预计从2023年5-10%增至2025年20%以上，与苹果持平[8] - 苹果2025年2纳米订单规模可能达1万亿新台币(约330亿美元)，占台积电营收60%[9] - 潜在1.4纳米客户还包括英特尔、高通、博通、联发科及谷歌、微软、AWS、Meta等CSP厂商[10][11] 行业发展趋势 - 先进制程成本持续攀升，45000美元的1.4纳米晶圆并非终点[11] - 未来可能采用High NA EUV技术，但面临光源功率限制和光学元件磨损等挑战[13][14] - EDA和IP成本也在提升，未来芯片成本可能进一步飙升[17]

日本半导体产业复兴计划 - 日本成立Saimemory公司，整合软银资金、英特尔技术、东京大学科研实力及日本材料设备优势，旨在开发用于AI的下一代低功耗存储芯片，挑战韩国在HBM市场的主导地位[1] - Saimemory计划开发堆叠式DRAM芯片作为HBM替代方案，而非直接竞争，目标重塑市场格局[1] - 公司初始资金100亿日元（6970万美元），软银出资30亿日元，并寻求政府支持，利用英特尔芯片堆叠技术和东京大学数据传输专利[2] 公司架构与运营模式 - Saimemory采用无晶圆厂模式，专注于芯片设计和IP管理，区别于三星/SK海力士的IDM模式[2] - 软银任CFO，英特尔任CTO，东京大学任CSO，前东芝高管任CEO，计划7月启动运营[2] - 可能将生产外包给台积电或日本Rapidus代工厂，潜在合作伙伴包括Shinko和理化学研究所[3] 日本政府支持措施 - 日本政府已向Rapidus投资1.82万亿日元，修改《信息处理促进法》等法规支持半导体复兴[3] - 软银在北海道投资650亿日元（45%政府补贴）建数据中心，可能与Rapidus形成供应链协同[3] 韩国半导体产业现状 - 韩国占全球内存产量的71%和NAND闪存的51%，三星/SK海力士合计占DRAM市场73%的份额[3][4] - SK海力士2025年Q1以36%份额首超三星（34%）成为DRAM市场第一，美光占25%[5] - SK海力士占据全球HBM市场70%以上份额，独家供应英伟达12层HBM3E芯片[5] 技术竞争格局 - HBM芯片需求受AI热潮推动，成为GPU/CPU之外训练AI的关键设备[5] - SK海力士自2013年率先开发HBM技术，通过持续投入在AI需求爆发时确立领先优势[5] - 日本试图通过材料/设备优势+美台技术合作填补半导体制造空白，可能威胁韩国存储芯片地位[3]