国防开支与智能军事技术 - 西方国家正在加大国防开支，投资于智能军事技术，包括新型雷达、抗干扰高频通信系统、远程高精度导弹及电子对抗系统 [1] - 新军事设备需要在千兆赫级频率下运行，且功率需求比以往更大，可能部署在太空、飞机或地面 [1] - 对军事装备的要求包括更轻、更小、更坚固耐用 [1] 宽带隙半导体(WBG)的优势 - 基于SiC和GaN的宽带隙半导体可解决军事设备的关键需求，相比传统硅基器件具有独特优势 [1] - WBG半导体导带和价带间隙较大，能在相同尺寸器件中处理更大功率，支持更高工作频率 [1] - WBG可取代雷达中用作功率输出级的行波管，节省重量和空间，提高机械可靠性 [1] - WBG能在更高温度下工作，散热性能更好，减轻热管理挑战 [2] - GaN晶体管拥有超快的10 MHz开关频率，是电压转换器的关键元件 [2] 太空应用与抗辐射性能 - 军用卫星、导弹和空间站中的半导体易受太空辐射影响，GaN和SiC能提供不同程度的辐射防护 [2] - 与硅基技术相比，GaN器件物理特性和结构使其不易受太空辐射损害 [3] - SiC坚固的晶格结构能有效抵御高能粒子侵袭，抵抗辐射累积效应(TID)和大规模单粒子效应(SEE) [4] - WBG半导体需要更多辐射能量才能产生有害效应，适合太空应用 [3] 军事雷达系统 - 美国陆军开始生产采用GaN功率半导体的LTAMDS雷达系统，取代"爱国者"导弹防御系统的雷达 [5] - 新型雷达采用ASEA(有源电子扫描阵列)系统，无需机械旋转天线，通过相控阵技术扫描天空 [5] - LTAMDS配备三组射频发射器，可同时扫描360°天空 [5] - 相控阵系统可形成多束光束，同时跟踪多个目标，并支持跳频技术 [7] 军事通信与导弹系统 - 抗干扰通信需要高功率、高频射频信号，传统硅基系统难以实现，WBG半导体提供解决方案 [6] - WBG散热效率更高，减少散热器需求，减轻重量，提高功率密度和效率 [6] - GaN支持军事通信中常见的Ku波段和X波段频率 [6] - SiC适用于导弹系统，能承受600℃高温环境，满足起飞阶段极端要求 [6] 技术发展与未来趋势 - 全球半导体制造商正致力于降低SiC生产成本，提高可制造性 [7] - 雷神公司获得DARPA合同，开发基于金刚石和氮化铝的超宽带隙半导体(UWBGS) [7] - UWBGS将提供更强大功率输出和热管理，适用于高度紧凑、超高功率的射频设备 [8] - WBG半导体使激光制导导弹射程更远、精度更高，雷达更强大且抗干扰 [7]

如果您希望可以时常见面，欢迎标星收藏哦~ 分析师还预测，ASIC的需求激增将为三星带来比SK海力士更大的机遇，因为后者可能已提前将其 产能出售给英伟达等客户，而三星将拥有更大的灵活性，可以向更广泛的未来客户提供高频宽记忆 体芯片。 END 半导体精品公众号推荐 ▲点击上方名片即可关注 专注半导体领域更多原创内容 ▲点击上方名片即可关注 关注全球半导体产业动向与趋势 *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。 来源：内容来自 自由财经 。 南韩SK海力士（SK Hynix）已成为英伟达（NVIDIA）最重要的高频宽记忆体（HBM）供应商， 而三星仍在等待通过英伟达的品质测试。韩媒Sammobile报导指出，三星输掉了HBM战场，但将 ASIC（特定应用积体电路）视为下一个重大机会，希望赢得Google等企业的订单。 为了满足AI加速器的巨大需求，辉达正尽可能地采购高频宽记忆体芯片。 SK Hynix表现非常出 色，成为英伟达供应商。三星错过了SK海力士垄断的大部分HBM3E市场 ...

半导体技术突破 - 布里斯托大学主导的研究在《自然电子学》发表 展示半导体技术根本性突破 将加速自动驾驶 远程医疗 虚拟体验等未来技术的实现[1] - 该技术突破可显著提升数据通信传输能力 通过创新物理方法实现全球数十用户间的加速数据传输[1] - 研究团队预测未来十年内 该技术将彻底改变人类体验 包括远程医疗诊断手术 虚拟教育 虚拟旅游等应用场景[1] 6G通信技术发展 - 5G向6G演进需要半导体技术全面升级 关键元件氮化镓(GaN)射频放大器需具备更高速度 功率及可靠性[2] - 国际团队开发出新型GaN放大器架构 利用锁存效应将器件性能提升至新高度 采用亚100纳米侧鳍结构的并行通道设计[2] - 超晶格城堡场效应晶体管(SLCFET)技术在W波段(75-110GHz)展现最高性能 使用超过1000个宽度小于100纳米的鳍片驱动电流[2] 器件可靠性研究 - 通过3D建模验证锁存效应 长期测试表明该效应不影响器件可靠性与性能 关键保障在于每个鳍片周围的薄介电涂层[3] - 研究团队下一步将提升器件功率密度以服务更广泛用户 同时推进该技术的商业化应用[3] - 布里斯托大学在电气性能与效率提升领域保持领先 重点开发净零排放 通信及雷达用下一代半导体器件[3]

美国政府对中国AI芯片出口限制政策 - 特朗普政府将继续努力防止先进AI技术落入中国手中，认为扩大对华AI芯片出口存在安全风险 [1] - 特朗普政府正在撤销并取代拜登时代的AI扩散规则，认为该规则造成了"GPU有与无"的局面 [1] - 白宫同意英伟达CEO观点，需要重新审视对其他美国贸易伙伴的限制 [1] - 美国上周宣布在沙特和阿联酋开展AI项目，简化盟友获取AI的渠道，但仍包含安全限制 [2] - 美国商务部上个月表示将对某些英伟达芯片出口实施新的许可要求，并计划取代拜登时代的限制 [4] - 美国禁止向数十家新公司（主要来自中国）出售先进技术 [4] 英伟达CEO黄仁勋的立场 - 黄仁勋呼吁放松对中国芯片出口限制，认为当前政策"失败" [1][2] - 黄仁勋警告美国公司可能将500亿美元的中国市场拱手让给华为等竞争对手 [2] - 英伟达在中国市场份额从95%下降到50%，限制促使中国企业转向本土替代品 [4] - 黄仁勋认为最初导致AI扩散规则的基本假设已被证明存在根本缺陷 [4] - 英伟达最近注销了价值55亿美元的H20 AI芯片，这些芯片成为特朗普政府新一轮限制措施的目标 [2] 中国市场情况 - 中国拥有全球50%的AI开发者 [2] - 到2026年，中国将占据500亿美元的AI芯片市场机遇 [2] - 中国商务部批评美国措施是单边霸凌和保护主义做法，严重损害全球半导体产业链 [5] - 中国警告美国公司使用华为芯片可能违反美国规定 [4] - 中国表示将采取坚决措施维护自身权益，任何执行美方措施的组织和个人将承担法律责任 [5] 行业影响 - 美国芯片政策促使中国增加对半导体行业的投资 [4] - 限制措施刺激中国企业转向本土替代品 [4] - 中美在半导体领域的紧张关系反映了全球商业利益与国家安全问题的平衡难题 [4] - 创新发展、合作共赢被视为大势所趋 [5]

思科AI业务突破 - 公司在截至4月的第三财季AI设备销售额突破10亿美元预期目标，主要受益于超大规模数据中心和云服务商采用其Silicon One G200交换机ASIC及相关设备构建AI集群后端网络[2] - G200 ASIC发布于2023年6月，旨在挑战英伟达InfiniBand方案，通过改进以太网实现高带宽、低延迟等优势，同时保持标准兼容性[2] - 本季度AI相关产品销售额达6.09亿美元，同比翻倍，环比增长71.5%，2025财年前三季度累计AI销售额已达12.8亿美元[5] 技术竞争与合作 - 思科G200研发早于超级以太网联盟成立，促使英伟达推出Spectrum-X以太网交换机组合应对竞争[3] - 公司与英伟达存在技术合作，基于Spectrum 4 ASIC制造Nexus交换机，并与BlueField DPU配对优化流量控制[3] - AI订单中三分之二来自基于G200的系统，剩余三分之一为光学产品（收发器、电缆等）[8][10] 中东市场机遇 - 与沙特Humain公司的合作带来额外订单，该合作方计划投入数千亿美元建设基础设施，思科将提供网络、计算等解决方案[11][12][17] - Humain首席执行官背景（曾主导Jio和乐天技术开发）增强了合作可信度，该合作未被纳入公司原有预测[11] 财务表现 - 第三财季总营收141.5亿美元（同比+11.4%），产品销售额103.7亿美元（同比+15%），营业利润32亿美元（同比+46.1%）[12] - 网络集团销售额70.7亿美元（同比+8.4%），数据中心交换机和企业路由订单均实现两位数增长[15] - 公司当前持有现金及投资156.4亿美元，但280亿美元收购Splunk对资金造成压力[13] 行业趋势 - 超大规模厂商回归保密采购模式，使ASIC供应商难以预测订单节奏[5] - 以太网技术路线（如G200）正在改变AI网络架构竞争格局，替代传统InfiniBand方案[2][3] - 沙特市场扩张可能为思科带来数百亿美元规模的新增量，涉及网络、服务器等多领域[17]

模拟IC工程师的薪资与重要性 - 台湾模拟IC设计工程师年薪中位数达155万新台币，为科技业非主管职最高薪工作 [1] - 模拟IC是处理连续变化电压/电流信号的晶片，负责将现实世界的声音、光、温度等模拟信号转换为数字信号供AI处理 [1] - 没有模拟IC，AI无法接收外部信号（如语音指令、影像等），成为AI与现实世界的关键桥梁 [1][4] 模拟IC的应用领域与技术需求 - 车用电子、工业自动化、5G、物联网、穿戴装置等领域均依赖模拟IC，每个传感器模组和AI SoC都需要精准的模拟前端与电源管理 [2] - 模拟IC工程师需掌握晶体管级参数设计，涉及放大器、电源模组、滤波器、ADC/DAC等电路，需理解半导体全制程（设计/布局/制造/测试） [2][3] - 需具备电子学基础（晶体管特性、杂讯分析）、电路模拟工具（Cadence Spectre）、制程敏感度及跨领域协作能力 [3] 模拟IC工程师的培养难度与稀缺性 - 需研究所学历，新鲜人需3-5年训练才能独当一面，资深工程师需5年以上实战经验积累"数学直觉"与物理常识 [2][3][4] - 错误成本极高，微小设计失误可能导致整颗晶片报废，工作高压且责任重大 [4] - 台湾电子科系学生多选择数字IC，因模拟IC教材少、门槛高，且数字IC有开源工具支持 [4] - 产业需求高涨，资深模拟IC工程师稀缺，"有钱不一定请得到人" [4] AI时代对模拟IC的需求变化 - AI应用碎片化（自驾车、智能音箱、医疗等）推动客制化模拟IC需求，需针对不同电压/封装/介面单独设计 [5] - 模拟IC无法像数字IC通过工具自动生成，需人工设计，人才养成速度远低于需求增速 [5] - AI越强大，与现实世界的信号连结越关键，模拟IC工程师成为AI落地应用的核心角色 [4][5]

台积电对美国半导体关税的立场 - 台积电警告美国半导体关税可能导致电子产品需求下降，威胁亚利桑那州晶圆厂建设和运营时间表 [1] - 公司表示需求下降可能削弱其650亿美元亚利桑那州项目的财务能力，影响为苹果、AMD等客户提供服务 [1] - 亚利桑那州工厂最终将占台积电全球2纳米及更先进技术节点总产能的30% [1] - 台积电已开始建设第三座晶圆厂，初期采用2纳米工艺，后续升级至A16工艺技术 [1] - 公司敦促美国政府免除其在亚利桑那州工厂的关税或其他进口限制 [1] 台积电在美国的投资计划 - 计划投资1650亿美元在亚利桑那州建设六座先进半导体晶圆厂、两座先进封装设施和一个大型研发中心 [10] - 该项目预计将为人工智能等应用创造数千亿美元半导体价值，带来超过2000亿美元溢出经济产出 [10] - 亚利桑那州工厂全面投产后月产能将超过10万片晶圆，形成GIGAFAB集群 [10] - 第一座晶圆厂已于2024年底量产4纳米制程，第二座采用3纳米制程，第三座已开始建设将采用2纳米技术 [12] - 研发中心预计聘用约1000名高技能研发专业人员 [11] 英特尔对美国半导体政策的建议 - 英特尔呼吁保护美国制造的半导体晶圆及其衍生产品，认为晶圆制造是半导体生产中最关键阶段 [24] - 公司建议豁免基于美国工艺技术和知识产权生产的晶圆，以及关键半导体设备和材料 [25] - 英特尔指出完全本地化供应链每个环节经济上不可行，可能导致成本大幅增加和生产延迟 [3] - 公司过去五年已投资1075亿美元资本支出和788亿美元研发支出，主要用于美国制造能力扩张 [23] - 建议通过税法鼓励美国制造业，如延长先进制造业投资抵免政策 [30] 行业对美国半导体关税的担忧 - 戴尔指出美国芯片生产基础设施不足，难以满足当前和日益增长的需求 [2] - 惠普企业表示关税将损害其维持和扩大国内制造活动的能力，阻碍美国研发和创新 [2] - 半导体行业协会警告关税可能增加国内半导体生产和技术开发成本 [58] - 汽车制造商担忧半导体关税将增加生产成本，削弱美国整车竞争力 [58] - 韩国和日本政府强调半导体供应链全球化特性，警告关税可能破坏现有合作 [56] 美国半导体制造现状与预测 - 预计到2024年美国半导体制造产能将占全球总量14%，尖端产能近30% [50] - 美国在服务器、PC和智能手机市场占比分别为31%、28%和11%，这些应用消耗80%先进节点晶圆 [46] - 半导体是美国第六大出口产品，2023年出口额达527亿美元，70%销往海外客户 [38] - 行业预测到2030年美国半导体劳动力将增加11.5万个岗位，但58%面临空缺风险 [41] - 外国设施在半导体组装和测试市场占全球价值88%，美国高度依赖国际供应链 [52]

神经形态微控制器技术突破 - 荷兰公司Innatera推出全球首款商用神经形态微控制器Pulsar，采用异构架构结合模拟/数字神经形态模块、CNN加速器和RISC-V内核，芯片尺寸2.6×2.8毫米，基于台积电28纳米工艺，批量成本低于5美元 [2] - 相比传统AI处理器，Pulsar实现100倍延迟降低（1ms）和500倍功耗优化（<1mW），模拟神经网络核心通过时间电压脉冲处理时间序列数据，无需复杂模型 [2][3] - 技术亮点包括：异步事件驱动计算、纵横电容器网络实现指数级模拟计算、数字脉冲神经网络提供可配置性，案例显示手势识别模型参数从1百万压缩至1万，内存占用仅3KB [3][4] 边缘计算市场机遇 - 传感器市场持续扩张，2023年出货量380亿个，预计2030年达600亿个，边缘处理需求因数据量激增成为刚需 [2] - 现有微控制器AI模型存在功能-精度-功耗三难困境，Pulsar通过神经形态架构突破限制，例如无线耳机应用实现音频分类功耗降100-400µW（降幅100倍），模型体积缩小33倍 [4] - 雷达手势识别场景功耗比CNN降低42倍（600µW），延迟改善167倍，声音识别单次推理功耗下降88倍 [4] 开发生态系统构建 - 配套Talamo SDK支持PyTorch交互，提供脉冲网络库和SNN编译器，降低开发门槛，模型训练采用Python编写 [5] - 公司计划7月推出神经形态开发板，并启动开发者计划，未来将开源PyTorch前端并建立市场平台 [5] - 芯片设计集成传感器接口（摄像头/医疗传感器），软件工具链与硬件协同优化 [4][5] 行业影响与定位 - 该技术被定位为"传感器唯一需要的微控制器"，标志着神经形态计算从实验室走向大规模商用 [3] - 异构架构融合生物启发式设计与传统CNN/RISC-V，支持现有AI模型直接迁移，同时优化流数据处理效率 [3][4] - 公司强调这是十余年研究的成果，目标重塑边缘智能范式 [2][3]

RISC-V起源与发展 - 2010年加州大学伯克利分校团队因对现有ISA不满而决定开发全新RISC架构 核心诉求包括摆脱商业ISA限制、适应摩尔定律放缓趋势[1] - 项目初期面临重大技术挑战 需重建编译器/操作系统/软件生态 预估成本达数十亿美元[1] - RISC-V名称暗含"风险"双关 致敬RISC之父戴夫·帕特森的高风险高回报理念[2] - 2011年发布首个指令手册 最初定位为学术研究工具 后意外获得工业界关注[4][5] 技术特性与创新 - 设计原则强调易构建/高效/可扩展 采用伯克利软件分发许可证实现开源共享[4] - 矢量扩展(RVV)成为关键差异化优势 支持从边缘设备到HPC的可扩展矢量处理[33] - 2023年RVA23规范获批 集成向量/虚拟机管理/加密等关键组件 支持AI/汽车/Android等场景[28] - 架构自主性成为国家安全考量 中国/印度/巴西等国将其作为战略技术自主路径[25][23] 商业化进程 - 2014年Hotchips会议显示工业界对开放ISA的强烈需求 远超团队预期[7] - 2015年成立RISC-V基金会(后更名RISC-V国际) 创始会员包括谷歌/NVIDIA/IBM等42家企业[16] - NVIDIA在2016年采用RISC-V替代专有Falcon核心 2024年实现10亿核心交付[9] - 西部数据2019年宣布年出货10亿RISC-V核心目标 对标IBM对Linux的投入[20] 生态系统建设 - 学术界经历从怀疑到接纳的转变 麻省理工/苏黎世联邦理工等顶尖院校全面采用RISC-V教学[12] - 2015年PULP项目从OpenRISC转向RISC-V 推动学术与工业协作[13] - 2023年成立RISE项目 高通/谷歌/英特尔等企业投入超百万美元完善软件生态[31] - OpenHW集团提供工业级开源硬件 促进企业共享突破性IP[22] 垂直领域应用 - 汽车行业加速采用 软件定义汽车需求推动每2-3年的架构迭代周期[39] - 欧洲航天局将RISC-V用于太空计算 抗辐射版芯片已部署至国际空间站[41][43] - 中国"一生一芯"计划培养RISC-V人才 截至2025年累计培训12,000名芯片设计者[46] - HPC领域取得突破 欧洲处理器计划利用RVV扩展开发超级计算解决方案[36] 未来发展方向 - 重点构建成熟软件生态 解决"先有鸡还是先有蛋"的生态困境[30] - 按垂直市场定制完整解决方案 而非提供通用但不完整的方案[29] - 通过AI工作负载优化推动架构创新 RISE已成立专门AI/ML工作组[34] - 预计15年内实现主流化 可能出现RISC-V台式机/笔记本与现有架构竞争[32]

英伟达在电信行业的战略调整 - 英伟达从高端AI芯片转向低端市场，推出ARC-Compact服务器，针对分布式RAN（D-RAN）场景，而非集中式RAN（C-RAN）[1] - ARC-Compact采用Grace CPU和L4 Tensor Core GPU，性能较弱，适合边缘视频处理和推理，但不适合大型语言模型训练[2] - 公司将其定位为"经济高效、节能"的选择，适用于低延迟AI工作负载和RAN加速[2] 主要RAN供应商的态度 - 爱立信、诺基亚和三星是潜在采用英伟达技术的三大RAN供应商，但均未表现出对CUDA架构的强烈兴趣[4] - 爱立信和三星倾向于"lookaside"虚拟RAN模式，主要将软件保留在CPU上，仅使用硬件加速器进行前向纠错（FEC）[4] - 诺基亚采用"inline"模式，但当前使用Marvell Technology的加速器而非英伟达产品[5] 技术迁移与行业趋势 - 爱立信已实现在Grace CPU上运行为英特尔x86编写的软件，仅需极小改动[5] - 三星认为随着CPU技术进步，可能不再需要内联加速器[5] - 诺基亚表示除非电信运营商广泛采用GPU进行AI推理，否则不会大规模重写代码[6] 边缘计算与AI处理前景 - 电信公司对在基站提供AI推理服务持怀疑态度，Omdia调查显示仅17%受访者认为AI处理将在基站进行[8] - 43%受访者认为AI处理将主要在终端用户设备进行[8] - 行业分析师指出超大规模运营商对边缘计算的兴趣减弱，商业模式回报有限[9] 硬件发展趋势 - Grace CPU的出现为虚拟RAN提供了除英特尔外的替代选择[9] - 行业趋势可能从GPU转向更强大的CPU，同时AI模型规模正在缩小[10] - 英伟达CEO黄仁勋曾表示CPU无法跟上ASIC的工作负载[9]