文章核心观点 - 3D AI推理芯片创新企业算苗科技在4个月内完成两轮融资，累计募集资金近10亿元，标志着3D堆叠芯片技术获得资本市场深度认可，公司成为国产算力赛道新晋黑马 [1] - 随着AI大模型规模化落地推动推理算力需求爆发，3D算力芯片凭借突破“内存墙”的技术优势，正成为全球算力产业从“替代跟随”向“引领创新”跃迁的核心方向，产业发展迎来全新阶段 [1] 3D算力芯片技术价值与优势 - “内存墙”是制约AI算力释放的核心瓶颈：过去20年芯片计算能力增长6万倍，内存带宽仅增长100倍，互连带宽仅增30倍，英伟达H100跑AI推理时甚至有70%计算单元因等待数据空转 [2] - 与传统2D/2.5D IC相比，3D IC通过垂直高密度堆叠实现极致内存带宽与集成密度，算苗科技的3D TokenPU架构是典型应用 [3] - 算苗科技3D DRAM带宽达32TB/s，是英伟达B200的4倍，其首款芯片A4在主流开源大模型上的推理吞吐量达到英伟达H200的1.26-2.19倍 [3] - 算苗科技采用12nm工艺实现了对台积电4nm工艺产品的性能超越，单价低30%同时毛利率超60%，契合AI产业对“高性能+低成本”算力的核心需求 [3] AI驱动下的市场与产业趋势 - 生成式AI带来指数级算力需求，驱动先进封装市场规模高速扩张：2025年全球先进封装市场规模约571亿美元，预计2028年将达786亿美元，年复合增长率11.24% [7] - 2.5D/3D封装技术是先进封装核心方向，其市场规模2022-2028年复合增速达18.7%，占比将从21%提升至33% [7] - 2025年成为全球推理算力爆发元年，中国推理算力市场规模达438.5亿元，年均复合增长率66.3%，2028年将突破2931亿元，全球市场达千亿美金级别 [7] - 政策支持为产业提供红利：在“东数西算”“人工智能+”战略推动下，国内对自主可控AI芯片需求激增，北京等地对相关产业给予最高30%的投资补贴 [9] 国际竞争格局与巨头动态 - 3D算力芯片已成为全球半导体企业必争之地，形成“巨头领跑技术迭代，本土企业聚焦场景突破”的竞争格局 [10] - 英伟达新一代AI计算平台NVIDIA Rubin通过技术创新实现推理性能5倍提升，背后是3D封装技术对芯片集成效率的优化 [10] - AMD在CES 2026发布的Instinct MI455X GPU整合了12个2纳米和3纳米制程的Chiplet，通过下一代3D芯片堆叠技术实现3200亿晶体管高密度集成，并提出四年内实现AI性能1000倍提升的目标 [10] - 谷歌在其第七代TPU“Ironwood”中融入3D互连技术，聚焦推理场景的能效优化 [11] 国产企业进展与产业链协同 - 以算苗科技为代表的国内企业正凭借架构创新、本土化场景适配与全产业链国产化优势实现弯道超车 [12] - 算苗科技与长鑫存储、中芯国际、兆易创新等顶级3D IC产业伙伴携手，构建自主可控的产业链体系 [12] - 云天励飞聚焦大算力推理芯片，提出“GPNPU=GPGPU+NPU+3D堆叠存储”的架构公式，深度研发3D堆叠存储技术以提升推理能效 [12] - 盛合晶微作为国内晶圆级先进封装龙头企业，已实现2.5D封装规模量产，并募资布局三维多芯片集成封装项目，为3D算力芯片量产提供关键封测支撑 [12] - 长电科技、通富微电等封测企业持续加码3D IC技术，完善国产3D算力芯片产业链配套 [12] - 产业链形成深度协同：算苗科技与云天励飞位于上游芯片设计环节，是“架构定义者”；盛合晶微、长电科技与通富微电位于中后道先进封测环节，是“物理实现者”，它们之间是上下游协同伙伴关系 [14] - 算苗科技与盛合晶微的合作是“设计架构创新”与“封装工艺落地”的典型闭环，印证中国3D算力芯片产业已具备从概念到量产的完整闭环能力 [14] 国产企业的核心优势与未来竞争焦点 - 国产3D算力芯片企业的核心优势在于深度契合国内AI应用场景，能精准把握场景化算力需求打造高性价比定制化解决方案 [15] - 国内企业摆脱对海外先进制程依赖，以成熟制程结合3D架构创新实现性能突破，大幅降低研发与量产成本，形成差异化竞争优势 [15] - 未来竞争与发展将围绕技术迭代、量产能力与生态构建三大核心展开 [16] - 技术迭代重点包括混合键合、超精细互连、Chiplet与3D堆叠的融合，追求更高带宽密度、更低传输延迟、更大存储容量 [16] - 量产层面的良率提升与成本控制是企业规模化落地关键，国内封测产业的技术突破与产能扩张将为量产奠定基础 [16] - 生态构建需要软件与硬件协同优化、产业链上下游深度融合，构建自主可控的全产业链体系 [16]

全球半导体解决方案供应商瑞萨电子（ TSE：6723）今日宣布数项高层人事任命，旨在加速推进公司在全球最具活力、增长最为迅速的印度与中 国两大市场的战略布局。 刘芳 履历 背景 · 行业经验 ： 26 年 半导体行业资深经验 · 职业履历 ：加入瑞萨前，曾任 恩智浦半导体集团副总裁兼大中华区汽车业务总经理 · 专业领域 ：覆盖半导体全价值链，在 汽车、消费电子、工业、物联网、网络安全 领域积累深厚。 Malini Narayanamoorthi——曾任India Country Manager & Vice President of MID Engineering，隶属于Analog & Mixed Signal Product Group，现出任Vice President & President of Renesas Electronics India，任命自2026年3月1日起生效。过去数年间，Malini通过构建稳固的 客户合作关系、推进关键项目实施、加强全球团队协同，为拓展瑞萨在印度的业务布局发挥了关键作用。在其职责范围扩大后，她将进一步加速公 司在印度的发展，充分利用该国快速增长的技术生态系统推动 ...

公司上市进程变动 - 格兰菲智能科技股份有限公司于2026年2月主动撤回了IPO辅导备案，其辅导状态由“辅导备案”变更为“撤回辅导备案”[1] - 公司此前于2025年2月7日才刚启动上市辅导，辅导机构为国泰海通证券股份有限公司[1] 公司基本情况 - 公司成立于2020年12月，总部位于上海张江，在北京、武汉、西安和海南设有分支机构[1] - 公司是一家专注于GPU图形图像和AMOLED显示解决方案的提供商[1] - 公司在2022年通过国家高新技术企业认定，并于2025年获得国家级专精特新“小巨人”企业称号[1][2] 公司技术与研发实力 - 公司的GPU团队源自2001年的S3 Graphics中国团队，是国内最早、体系最完整的图形处理器研发队伍之一[2] - 公司自主搭建了独立于欧美的图形架构，其首款独立显卡芯片Arise-GT10C0已经实现量产[2] - 公司在AMOLED显示驱动领域拥有完整解决方案[2] 公司股权与客户结构 - 上海兆芯是公司的第一大股东，持股比例为27.44%[3] - 上海兆芯同时也是公司的重要客户，过去几年，公司向兆芯销售的IP和服务占据了其营收的相当比例[3] 公司面临的挑战 - 公司目前仍处于持续亏损状态，持续的研发投入和市场拓展给其带来盈利压力[3] - 公司对第一大股东兼重要客户上海兆芯存在业务依赖，这种“大股东依赖症”在IPO审核中可能被认定为独立性不足[3] - 公司在市场知名度和客户拓展方面相对滞后于摩尔线程、沐曦等头部同行[3] 行业环境与市场变化 - 自2025年以来，市场对AI算力的关注度有所降温[3] - 资本市场对GPU企业的估值逻辑正从“看重技术故事”转向“看重商业化落地”[3] - 行业内的头部企业正在加速推进上市进程[3] 撤回上市的可能原因与未来展望 - 公司撤回IPO辅导备案被视为一次主动的“中场休息”，而非彻底放弃上市[3] - 此举可能是为了应对当前盈利压力、优化客户结构以提升独立性，并等待更有利的市场估值环境[3] - 公司计划利用暂停期进一步打磨产品、拓展市场客户，待商业化更为成熟后再重启上市进程[3] - 这一事件提示国产GPU行业，最终能持续发展的企业需要将技术有效转化为营收，并将客户群从关联方拓展至整个市场[4]

文章核心观点 - 清华大学与华为等联合发布的基于HYDAR框架的28nm混合存内计算芯片，在性能、能效和精度上取得突破，为推荐系统等场景的算力瓶颈提供了全新解决方案，具备广阔的市场前景[1][3][18] 技术突破与性能表现 - 该芯片采用28nm工艺，以RRAM为核心载体，通过DL-ADC早期终止、PPSP调度流水线等优化，实现了高吞吐、高能效与高精度的平衡[1] - 单芯片性能表现：吞吐率达390K QPS，能效比达1574K QPS/W[1] - 多芯片扩展后，性能提升显著：QPS提升66倍，能效提升181倍[1][5] - 与同业技术对比优势明显：在28nm工艺下，其吞吐率（390K QPS）和能效比（1574K QPS/W）远超采用55nm DRAM、96层3D NAND或SRAM-CAM等技术的其他方案[9] 核心应用场景：推荐系统 - 芯片精准匹配推荐系统对相似向量检索的高算力需求，核心落地场景包括电商、流媒体、社交、广告等领域[4] - 可破解大规模推荐算力瓶颈：例如，帮助短视频平台应对高峰期每秒数十万并发调用、从上百亿级内容库中完成精准推荐的挑战[5] - 对于互联网巨头，该芯片可直接替换现有低效加速器，在保证推荐准确率的前提下，大幅降低数据中心算力成本与能耗[5] - 芯片的大规模扩展能力可适配不同业务规模，从中小平台的轻量化需求到巨头的超大规模向量检索场景，实现性能与成本的最优平衡[5] - 其高吞吐特性还能支撑生成式推荐模型的快速推理，助力平台构建“内容-推荐-广告”的协同闭环[5] 市场延伸与行业赋能 - 除推荐系统外，芯片的高并行度优势可延伸至AI推理、大数据检索、图像识别等高并行计算场景[10] - 在AI大模型边缘推理场景中，其高能效比可降低设备功耗，适配终端算力需求[10] - 中国AI芯片市场规模预计在2029年激增至1.34万亿元，年复合增长率达53.7%，存算一体芯片作为核心支撑，市场需求将持续释放[10] - 芯片采用28nm成熟工艺，相较于高端制程更具成本优势，易于规模化量产，可快速切入AI算力市场，填补中高端加速器市场空白[10] - 芯片的高能效比与小型化潜力，可适配工业物联网和消费物联网中的边缘计算场景，如设备状态监测、智能调度、个性化推荐等[11] - RRAM具备非易失性、低功耗、高密度优势，随着3D堆叠技术成熟，芯片性能与存储密度将进一步提升，成为边缘计算的核心算力支撑[11] 行业发展前景与竞争格局 - 存算一体技术被公认为深度学习加速的极具前景的技术路线，RRAM成为行业布局重点，台积电、三星、美光等全球巨头及国内企业均在积极布局[13] - 该芯片首次将RRAM存内计算技术与推荐系统深度结合，解决了核心痛点，其优化方案为行业提供了可复用的技术范式[14] - 未来随着工艺向14nm及以下制程升级，以及多芯片扩展技术完善，其性能将提升，成本将持续降低[14] - 推荐系统加速器是AI芯片的重要细分市场，互联网平台推荐系统升级需求迫切，AI大模型与推荐系统结合将进一步推高算力需求[15] - 全球存算一体技术市场规模预计从2024年的2.68亿美元增长至2031年的54亿美元，年复合增长率达42.7%[15] - 芯片凭借“高吞吐、高能效、高精度”的差异化优势，打破了现有由传统转型企业、通用工具厂商和垂直服务商构成的“三足鼎立”竞争格局[16] - 产学研协同模式是核心竞争力：清华大学提供科研支撑，华为等企业提供产业资源与场景验证，加速技术迭代与规模化应用[16] - 采用28nm成熟工艺，避免了高端制程的产能瓶颈与成本压力，量产和成本优势显著[16]

文章核心观点 - 当前存储芯片短缺与价格上涨并非简单的供需失衡，而是由AI驱动的需求结构性升级、原厂主动的产能重构与供给策略、以及渠道环节的投机行为共同导致的“人为紧张”局面 [7][13][22] - 存储原厂（三星、美光、SK海力士）正将产能和资本开支从通用存储（如DDR4）战略性转向高附加值的高端存储产品（如HBM、DDR5），以追求更高的产品结构和长期议价权，这直接导致通用存储供给断层式收缩 [12][14][20] - 代理商和渠道商的“惜售”与“囤货”行为，在原厂供给收缩的预期下，制造了恐慌性备货和重复下单，进一步放大了需求虚高和价格上涨，形成了自我强化的涨价循环 [22][26][28] - 与2017年由周期性供需错配驱动的全面涨价不同，本轮涨价潮的核心是技术跃迁（如HBM、先进制程）和战略产能转移导致的结构性缺货，且行业整体处于历史低库存水平，放大了供需失衡的效应 [33][35][37] - 行业预测显示，存储芯片价格上涨的核心周期将持续至2026年底，高景气度至少延续至2027年，HBM赛道可能要到2028年初才迎来价格拐点 [38] 根据相关目录分别进行总结 1. 存储原厂：惜售理直气壮 - **价格暴涨**：以DDR4 16Gb(2GX8)3200芯片为例，其价格从2025年6月的单颗6.2美元飙升至2026年2月的76.966美元，涨幅超过11倍 [9][10] - **策略转变**：原厂（三星、SK海力士）采取“惜售”策略，包括将季度合约改为“月调价”模式、加强配额制、优先满足AI客户与企业级高毛利产品，并相继宣布DDR4停产或减产 [11][12][14] - **产能重构驱动**：AI服务器需求爆发，拉动HBM、GDDR、DDR5等高端存储需求。2025年HBM产品价格上涨超30%，原厂将核心产能和资源全力向高端存储倾斜，导致通用存储（如DDR4）产能被压缩甚至退出产线 [14][17] - **市场结构**：存储芯片市场高度寡头化，三大原厂合计占据超过九成供给份额，在高端DRAM市场接近100%。新产能建设周期长（DRAM厂需6年以上），其他厂商短期难以补足产能缺口 [19][20] - **经营逻辑**：原厂的核心目标从“卖更多芯片”转向“经营稀缺性”，通过控制供给以维持并提升平均销售价格和长期定价主动权 [18] 2. 代理商和渠道商：炮制涨价循环 - **三层价格体系**：市场存在“原厂价格”、“代理商价格”（加价10%-30%）和“贸易商价格”（在代理商价上再翻1-2倍）三层结构，中小企业被迫接受高价 [22][27] - **人为操纵与囤货**：据业内专家估计，此轮涨价中真实需求只占40%，另外60%是“被恶意控制的泡沫”。代理商普遍“压货”等涨价，部分保持至少一个季度（300万颗）的库存进行循环操作 [22][23] - **涨价传导链路**：原厂策略收缩导致代理商预期涨价并囤货，贸易商跟风囤货导致市场货源极度紧张，下游恐慌性备货和重复下单造成需求虚高，进而为原厂新一轮涨价提供理由，形成螺旋上升循环 [24][28] - **波及效应**：中芯国际联合CEO指出，渠道商的囤货行为加剧了终端厂商的“缺芯”困境，导致需求虚高，如同为买紧缺机票而向多家航空公司询价 [26] 3. 周期：供需失衡被低库存杠杆放大 - **历史周期对比**：与2017年涨价潮相比，本轮核心驱动从“周期性供需错配”转变为“需求端结构性升级”和“主动产能重构”。2017年追求规模与成本，本轮则追求价值优先与长期议价权 [33] - **低库存放大效应**：经历行业寒冬后，三大原厂库存处于历史低位。当前DRAM库存量仅为1.5个月（正常为2-2.5个月），NAND库存量仅为1个月左右。HBM产能已被预定至2027年，呈现“一芯难求”局面 [35] - **技术门槛差异**：2017年缺货主要源于制程升级阵痛（如向3D NAND过渡良率低）。本轮则源于技术跃迁，如DRAM进入1βnm/1γnm制程，HBM3/4、DDR5成为主流，异构计算催生高端存储品类爆发导致结构性缺货 [37] - **未来展望**：TrendForce等机构预测2026年上半年存储芯片价格仍处剧烈上行区间，Counterpoint预计DRAM等将上涨80%-90%。新建产能周期漫长，存储价格上涨核心周期预计持续至2026年底，产业高景气度至少延续至2027年 [38]

文章核心观点 - AI技术的成功应用可能导致广泛的经济灾难，其核心逻辑在于AI引发的“智能通缩”将形成一个恶性循环：企业为节省成本用AI替代高薪白领，导致大规模失业和收入下降，进而引发消费萎缩和金融系统崩溃，最终经济陷入生产力过剩但购买力不足的陷阱 [10] - Block公司（前身为Square）近期裁员40%（约4000名员工）的案例被视为这一危机预言在现实中的首次体现，其裁员并非因为业务困境，而是因为AI工具使得更小规模的团队能更高效地运作 [11][12][20] - 一篇名为《2028全球智能危机》的文章在硅谷与华尔街流传，提出了与主流叙事相悖的观点：AI的过度成功将替代人类收入，导致消费崩塌，而非必然带来GDP增长 [5][24] AI引发的经济结构性质变 - AI正在成为“摩擦力归零机”，摧毁传统依赖信息差和交易摩擦的商业模式，例如在支付领域，AI智能体使用稳定币可将单笔交易成本从约2.5%降至0.01美元固定费用，严重侵蚀了银行、支付网络等金融机构的“租金”收入 [28] - AI是人类历史上首次“替代了需求创造者”的技术，当AI智能体不仅能执行任务，还能管理流程和优化自身时，新岗位的创造速度将永远赶不上自动化的迭代速度 [24] - 生产将与收入脱钩，AI极大提升产出，但由于AI不领取薪水，创造的价值流向了算力拥有者，而非普通劳动者，可能导致“幽灵GDP”现象，即经济数据繁荣但人类实际收入萎缩 [24] 劳动力市场与收入结构的冲击 - 高技能白领被AI替代后，将大规模涌入低门槛的服务与零工经济领域，导致该领域劳动力供过于求，平均时薪被压低，形成高端劳动力收入“腰斩”并压垮整个服务行业工资水平的局面 [31][32][33] - “好公司”不再是就业避风港，即使公司业绩强劲、利润增长，员工仍可能因AI能更高效地完成其工作而被裁员，职业稳定性假设被颠覆 [21] - 以Block为例，公司业务强劲（毛利持续增长、客户群扩大、盈利能力提升），但仍决定裁员40%，因为“世界已经变了”，更小、更扁平的团队配合智能工具开启了全新的工作方式 [16][20] 潜在的金融系统性风险 - 未来可能爆发“优贷危机”，取代2008年的“次贷危机”，当信用分780+、年薪20万美元的精英白领因被AI替代导致收入骤降至5万美元时，整个房贷市场依赖的“人类借款人持续收入能力”这一底层假设将崩塌 [33] - 危机演变的逻辑链条包括：实体经济中AI导致白领裁员和收入损失；金融系统中收入损失引发财富效应崩溃、信用紧缩及资产抛售；政策层面则因税收崩溃和党派争论导致反应滞后，结构性赤字可能超过GDP的10% [37] - 在AI周期中，经济状况越差，企业越有动力投资AI以削减成本，这种“以AI补血”的行为反而会加速抽干经济中的收入循环，形成一个自我强化的下行螺旋 [25] 危机时间线与行业影响 - 《2028全球智能危机》文章给出了危机纪年表预测：2025–2026年Q3为实体经济中断期；2026年Q4–2028年Q1为金融危机蔓延期；2028年Q1之后将进入政策瘫痪与财政风险期 [37] - 当“智能”从稀缺资源变为像电力一样的“大宗商品”时，大部分人的劳动可能不再值钱，经济可能陷入“生产很多，但大家都买不起”的凯恩斯式陷阱 [34] - AI正在瓦解过去几十年依赖“人的弱点”（如忘记取消订阅、信息不对称、懒得比价）而盈利的伟大公司的商业模式，例如SaaS、外卖旅游平台、房产中介和金融顾问等 [25]

公司概况与行业背景 - 公司昉擎科技成立于2022年9月，注册于上海浦东，专注于面向人工智能的多核NPU计算芯片研发，覆盖算法-架构-芯片全链路优化，旨在解决AI大模型发展中的算力痛点 [1] - 2025年，中国AI芯片赛道进入深度洗牌期，摩尔线程、沐曦股份等GPU“四小龙”相继上市，国产AI芯片赛道迎来IPO密集窗口期 [1] - 2025年被视为AI应用爆发的决定性一年，字节跳动、腾讯、阿里等科技巨头相继宣布千亿级AI基础设施投入，智能算力紧缺成为行业紧迫挑战 [6] 核心技术优势 - 公司针对AI大模型算力利用率低、能耗高、硬件适配难等痛点，创造性地提出“上下文相关”与“上下文无关”解耦的分布式计算架构 [2] - 该架构将传统Transformer模型中紧密耦合的注意力机制与前馈神经网络彻底分离，分别交由最适配的硬件架构做分布式处理，突破传统计算流程效率瓶颈 [2] - 该架构搭配其多核NPU芯片设计能力，可显著提升芯片整体算力利用率，降低千亿参数模型的推理能耗，经内部测试，能使AI大模型训练效率提升30%以上，适用于训练、推理、边缘计算、云数据中心等多种场景 [2] 融资历程与资本认可 - 公司自成立以来融资动作频繁，截至2026年初累计完成四轮融资，累计融资额突破5亿元 [1][6] - 2023年完成天使轮融资，由小米关联公司瀚星创业投资领投，蔚来资本和明势资本跟投 [5] - 2024年，蔚来资本与明势资本再次押注，参与天使+轮融资 [5] - 2025年进入融资密集期，一年内完成3轮融资，投资方包括临港科创投、高瓴创投、京东科技、三七互娱、广发信德、翌马资本、芯联资本、达武创投等 [3][5] - 2026年开年再获国开科创的Pre-A轮注资 [3][6] - 频繁融资与知名股东阵容（如京东科技、国开科创、高瓴创投等）彰显了资本市场对其技术及赛道布局的高度信心 [5][6] 市场前景与赛道潜力 - 据IDC数据，2025年中国AI服务器市场规模已达67亿美元，其中推理负载占比首次突破50% [6] - Gartner预计，到2028年，面向Transformer优化的专用推理芯片将占据全球AI芯片市场25%以上份额，形成年规模超500亿美元的细分市场 [6] - 公司凭借其核心技术优势与充足资本，正处于该潜力巨大的细分赛道发展起点，未来有望借助行业红利实现进一步突破 [6]

文章核心观点 - 2026年央视马年春晚是芯片产业的“实战大阅兵”，集中展示了国内外顶尖芯片企业的实力，彰显了中国芯片从“可用”到“好用”的突破 [1] 舞台C位：四家人形机器人的芯片支撑 - 魔法原子、银河通用、宇树科技、松延动力四台机器人亮相，其流畅动作与精准交互由8家芯片企业支撑 [3] - **魔法原子MagicBot Z1**：核心芯片实现100%国产化，全志科技提供主控SoC芯片负责整体调度与运动规划 [4]，芯联集成联合研发并代工高集成电驱控芯片、传感器模组与伺服驱动芯片，决定关节响应速度与动作流畅度 [5] - **银河通用Galbot G1**：依赖单一高性能计算芯片支撑AI交互，搭载英伟达AGX Orin 64GB版本芯片，算力达275 TOPS，支撑大模型驱动的复杂交互 [6][7] - **宇树科技Unitree H1**：是商业化出货量最高的机型，芯片配置兼顾高性能与多元化，英特尔提供Core i7处理器满足高性能运动控制与实时数据处理 [8][9]，英伟达为AI开发者版本提供Jetson Orin NX芯片主打边缘AI推理 [10]，全志科技供应底层核心控制单元芯片负责基础运动指令执行 [11] - **松延动力“小布米”**：售价不到万元，主打高性价比与低功耗，瑞芯微采用RK3588 SoC芯片提供约6 TOPS端侧AI算力作为核心计算单元 [12][13]，芯原股份为RK3588提供IP核授权与芯片设计服务以优化功耗 [14] 转播幕后：超高清直播的算力底座 - 春晚实现8K超高清无线直播、“百城千屏”同步投放及竖屏直播，依赖4家芯片企业构建的算力底座 [15] - 海思（华为）提供超高清视频编码与采集芯片：转播车搭载Hi3536DV400芯片实现8K画面实时压缩传输，华为Mate 80 Pro Max搭载麒麟9100S芯片完成广播级竖屏视频采集 [16] - 鲲鹏（华为）提供服务器芯片：转播中心核心服务器搭载鲲鹏920S芯片，支撑全球超10亿人次并发直播请求，保障直播零卡顿 [16] - 海光信息提供服务器芯片：腾讯、阿里春晚云算力核心采用海光三号服务器芯片，承担互动、视频回放、云端渲染等任务 [17] - AMD提供渲染芯片：超高清视频渲染节点采用EPYC 9004系列芯片，补充节目4D GS实时渲染算力 [18] 通信血脉：5G/卫星传输的连接芯片 - 春晚主会场与四大分会场无缝联动、8K画面无线传输依赖3家芯片企业构建的通信网络 [19] - 华为提供基站芯片：主会场5G-A专网采用天罡02基站芯片，实现8K浅压缩信号低延迟传输，系5G-A技术首次在春晚大规模应用 [19] - 中兴提供基带芯片：与北京移动联合部署的5G-A专网中，部分基站搭载GoldenDB基带芯片，支撑演播厅无线机位信号回传，解决传输干扰问题 [20] - 中国星网提供卫星通信芯片：户外分会场采用“星芯一号”卫星通信芯片，实现无地面网络区域直播信号传输，保障偏远地区信号稳定 [21] 舞台神经：智能控制与感知芯片 - 春晚舞台灯光、机械臂、AR特效等设备的精准运转依赖3家芯片企业提供的控制与感知芯片 [22] - 兆易创新提供MCU芯片：采用GD32H7系列MCU芯片，实现0.01秒级灯光切换与机械臂运动控制，保障与节目节奏无缝衔接 [23] - 斯达半导提供功率芯片：其IGBT功率芯片用于舞台大功率设备电源控制，保障大负载设备稳定运行，护航舞台安全 [24] - 奥比中光提供感知芯片：为宇树H1机器人3D视觉传感器提供自研深度感知芯片，助力机器人空间定位与动作避障 [25] 终端大屏：观众眼前的画质与安全芯片 - 观众通过电视、手机观看春晚的画质与互动安全由3家芯片企业保障 [26] - 海信信芯提供画质芯片：海信8K春晚定制电视搭载信芯X9画质芯片，作为“百城千屏”核心供应商，负责8K画面降噪、色彩优化与细节增强 [27] - 紫光国微提供安全芯片：其金融级安全芯片用于微信春晚红包、央视互动平台终端安全验证，保障数亿人次互动的数据安全 [28] - 华大北斗提供定位芯片：BD960北斗定位芯片用于户外分会场与机器人的定位、时间同步，确保跨区域设备动作与信号同步 [29]

中国半导体设备市场现状与展望 - 中国已是全球最大的晶圆制造设备支出市场[1] - 晶圆制造设备市场是半导体产业链中技术壁垒最高、价值量最大的环节，也是衡量芯片自主化水平的核心指标[2] 市场规模与增长预测 - 瑞银测算，2025年中国半导体行业设备支出约427.5亿美元，预计2028年将达503.5亿美元[2] - 未来几年中国仍将占据全球约三分之一的设备采购份额[2] - 根据表格数据，中国WFE总支出预计将从2025年的427.5亿美元增长至2028年的503.5亿美元[3] 国产设备替代进程 - 国产设备替代正在加速，盛美半导体、中微公司、北方华创等本土厂商高速增长[2] - 预计到2027年，这三家企业在国内设备支出中的占比将升至31%[2] - 在清洗、刻蚀、沉积等非光刻设备领域，中国已具备国际竞争力，并逐步降低对美国零部件的依赖[4] 主要厂商销售预测 - 根据瑞银估算，2025年主要厂商在中国市场的WFE销售额预测为：ASML 95.78亿美元，应用材料85.29亿美元，KLA 40.42亿美元，泛林半导体62.68亿美元[3] - 同期，国产厂商盛美半导体预测为9.86亿美元，中微公司为17.85亿美元，北方华创为57.06亿美元[3] - 预测显示，到2027年，北方华创的销售额将增长至102.76亿美元，中微公司增长至36.53亿美元，盛美半导体增长至17.03亿美元[3] 光刻机技术瓶颈与差距 - 光刻机仍是国产半导体设备的最大瓶颈[4] - 上海微电子的90nm及以上成熟节点机型已实现稳定量产，主要用于功率器件、显示驱动、汽车电子等领域[4] - 其28nm浸没式DUV光刻机已完成首台交付与产线验证，计划于2026年全面量产，但尚未进入大规模商用阶段[4] - 与全球龙头ASML相比，国产光刻机在制程覆盖、精度、产能、生态与先进EUV技术上仍存在显著代差[4] 技术追赶时间与先进制程挑战 - 业内专家测算，中国在光刻设备领域追赶西方差距较大：KrF光刻需3-5年，ArF浸没式需10-15年，Low-NA EUV甚至需20-30年[6] - 中芯国际能够借助ASML的DUV光刻机，通过多重曝光工艺实现7nm级芯片流片，但该路线在产能与成本上不具备市场竞争力[6] - 缺少EUV光刻机导致DUV多次曝光会显著增加工序时间、材料消耗与工艺复杂度，使得良率和产能难以快速爬坡，成本远高于采用EUV的常规先进制程[6] - 短期内国内先进制程仍无法脱离进口设备实现自主可控，国产关键装备在精度、稳定性、规模化量产能力上与国际头部厂商存在明显差距，尚不足以支撑7nm及以下工艺的大规模工业化生产[6]

公司新品发布预告 - 英伟达首席执行官黄仁勋预告，将在GTC 2026大会上揭晓“世界前所未见”的全新芯片 [1] - GTC 2026大会主题演讲将于3月15日在加利福尼亚州圣何塞举行，核心聚焦AI基础设施竞赛的新时代 [3] - 黄仁勋表示，这些全新芯片的研发极具挑战，“所有技术都已逼近极限” [3] 新品技术路线与猜测 - 外界普遍猜测新品大概率出自两大芯片系列：一是Rubin系列的衍生产品（如Rubin CPX），该系列已于2026年CES大会上亮相，包含6款全新设计芯片，目前已全面量产；二是下一代“革命性”的Feynman系列芯片 [3] - 英伟达正探索以SRAM为核心的广泛集成，或通过3D堆叠技术整合LPUs来开发Feynman系列，但相关细节尚未确认 [3] - 公司正适配AI算力需求的季度变化，从Hopper、Blackwell系列侧重模型预训练，到Grace Blackwell Ultra、Vera Rubin系列聚焦推理场景，此次新品有望针对性突破延迟和内存带宽瓶颈 [3] 公司战略与行业影响 - 此次重磅预告被认为将进一步巩固英伟达在AI基础设施领域的领先地位 [1] - 黄仁勋表示，广泛的合作与投资是英伟达保持领先的关键 [3] - 公司正布局整个AI产业链，涵盖能源、半导体、数据中心等多个领域，以助力AI产业全面发展 [3]