文章核心观点 CES 2026将集中体现高性能计算、软件定义汽车以及嵌入式AI的持续普及，展会核心将由NVIDIA、AMD和高通等硅谷巨头主导，展示AI优先的计算模式在各领域的应用与升级[4][5] 硅谷巨头：AI计算核心 - **NVIDIA**：将CES视为集中展示AI实力的舞台，CEO黄仁勋主题演讲将涵盖数据中心加速器、AI PC、基于Arm的客户端芯片以及汽车与机器人平台，现场演示将聚焦生成式AI创作、轻薄RTX笔记本及边缘计算，使Blackwell级技术应用于云端之外[6] - **AMD**：CEO苏姿丰主题演讲旨在将公司定位为从云端到边缘再到PC的AI解决方案引领者，在游戏领域优化现有Radeon产品线并推广其AI驱动的FSR/Redstone帧生成技术，整体策略为稳健的渐进式演进，注重AI与游戏性能优化及能效[7] - **Qualcomm**：旨在巩固其在AI密集型移动平台和Arm架构PC领域的核心地位，并彰显汽车领域影响力，移动端重点展示搭载升级AI引擎和Hexagon NPU的Snapdragon 8 Elite Gen 5，PC端重点展示Snapdragon X2 Elite系列笔记本，强调全天续航、成熟的Windows on Arm系统及NPU驱动的本地AI功能[8] 汽车技术：未来出行关键战役 - **软件定义汽车成为成本关键平台**：CES 2026将展示传统车企与供应商如何实现大规模、快速且盈利的转型，重点转向使SDV更实惠且可扩展，一级供应商将展示模块化E/E架构以缩短开发周期，“左移测试”能力通过数字孪生实现软件虚拟测试，售后变现挑战将通过基于AI的个性化订阅服务应对[10][11][13] - **直面中国车企竞争**：比亚迪、吉利及小米、小鹏等新兴企业凭借国家支持与垂直整合，主导本土市场并加速海外扩张，其成功关键在于提供快速迭代的卓越数字化体验，西方车企需展示其高度集成、AI驱动的智能驾驶舱系统以弥合软件差距，并通过战略合作构建模块化平台以匹配中国效率[11][13] - **AI驱动的高级与自动驾驶系统**：ADAS和自动驾驶的演进完全依赖于计算能力与软件复杂性，CES将展示SoC厂商的最新芯片及软件公司的L4级解决方案，重点在于规模化，先进传感器融合与机器学习模型将成为展示重点，4D成像雷达与自适应激光雷达等技术将用于提升复杂环境下的系统安全性[12][13] 客户端计算：AI PC规模化 - **AI PC进入规模化阶段**：CES 2026将见证AI PC从早期采用迈向规模化应用，商用、消费级及创作者领域将出现更成熟的产品组合，宣传重点转向实际生产力提升、本地推理可靠性及软件生态系统就绪性，NPU将成为标准平台组件[15] - **x86与Arm架构竞争加剧**：讨论焦点从“能否抗衡”转向“各自优势”，基于Arm的PC着力于电池续航、散热、常驻AI及轻薄设计，而x86平台则突出性能扩展性、兼容性及企业生态，品牌演示将聚焦每瓦性能与实际续航能力[16] - **第二代AI PC平台特征**：具备更高的NPU TOPS性能，实现更优的CPU-GPU-NPU工作负载协同调度，更侧重于商用AI PC、安全应用及规模化部署，内存配置持续面临压力影响价格分层，无风扇设计及无缝贯穿操作系统、芯片和应用的AI体验成为趋势[20][21] 消费科技与健康可穿戴 - **智能眼镜与XR**：不带透视显示的智能眼镜已超越XR设备成为市场焦点，CES将成为XR显示技术展示平台，如Swave Photonics将展示基于低成本CMOS工艺的动态彩色全息XR显示屏，解决方案提供商致力于解决智能眼镜在热量、重量和用户界面方面的挑战[17] - **健康科技与新型传感器**：智能可穿戴设备将融入新型传感器实现新应用场景，例如集成于耳塞的入耳式脑电波传感器可提供实时脑波监测，应用涵盖神经学、心理健康及脑机接口，此外，可与手机配对的激素检测仪、通过30秒自拍预测健康风险的长寿镜以及增强人类运动能力的外骨骼装置也将亮相[19][22] 显示技术趋势 - **OLED技术普及与演进**：OLED技术在笔记本、显示器和高端平板中的应用将持续扩大，尤其在游戏和创作者领域增长强劲，高刷新率OLED显示器（240Hz–500Hz+）成为焦点，叠层OLED技术和新型补偿算法在亮度、能效和烧屏控制方面有显著提升[23] - **MiniLED定位转向**：MiniLED技术将逐渐定位为成本优化的高端方案，背光将实现更薄化、分区数量增加及局部调光算法改进，尤其在大尺寸笔记本和游戏本领域，因OLED产品平均售价仍难突破[23] - **其他显示趋势**：包括为电竞打造的超高刷新率OLED显示器（360Hz-500Hz+）、具备更高亮度和更长寿命的串联及改进型WOLED/QD-OLED面板、作为AI笔记本和掌机核心卖点的卓越能效，以及折叠屏、可卷曲等概念设计，更多触控、手写笔和混合使用场景演示将模糊平板与笔记本界限[26]

文章核心观点 - 微控制器行业正经历一场由边缘人工智能驱动的架构革命，其核心目标并非追求极致算力，而是在坚守实时性、低功耗和系统确定性的传统优势基础上，原生支持人工智能工作负载 [1][2] - 这场变革的两大技术支柱是集成专用神经网络处理单元和采用新型存储器，前者实现人工智能推理与实时控制的“算力隔离”，后者则解决了传统闪存在先进制程、寿命和性能上的瓶颈，共同推动微控制器向微型、确定性、低功耗的系统级计算平台演化 [3][17][33] 微控制器集成NPU的核心逻辑与特点 - **根本目的**：集成NPU并非为了算力竞赛，而是作为嵌入式系统的“减震器”，通过“算力隔离”将人工智能推理任务从主控制路径中剥离，确保实时控制任务不受干扰，解决既要智能又不能牺牲实时性的关键矛盾 [3][4] - **性能特点**：嵌入式NPU算力表现“克制”，范围从几十GOPS到数百GOPS，远低于移动端和云端，旨在满足边缘轻量级模型需求，并在确定性、低功耗与小面积之间找到最佳平衡 [4][5] - **功耗与模型**：专用NPU通过固定架构使功耗可预测，适配边缘设备的严苛功耗预算；当前在微控制器上运行的神经网络多为参数量几万到几百万的深度优化轻量模型，几百GOPS算力已足够 [4][5] 主要微控制器厂商的NPU战略与产品 - **德州仪器**：战略聚焦工业与汽车安全场景，推动实时控制与人工智能深度融合，其TMS320F28P55x系列是业界首款集成NPU的实时控制微控制器，NPU针对卷积神经网络优化，可将人工智能推理延迟降低5-10倍，并将故障检测准确率提升至99%以上 [7][8] - **英飞凌**：战略侧重降低开发门槛，采用“Arm架构+生态协作”的轻量化路线，其PSOC Edge E8x系列采用Arm Cortex-M内核与Ethos-U55微NPU组合，其中高端型号的机器学习性能较传统Cortex-M系统提升480倍，并在毫瓦级功耗下实现人工智能加速 [9][10] - **恩智浦**：战略特色是“硬件可扩展+软件全栈”，通过自研可扩展的eIQ Neutron NPU内核支持多种神经网络模型，并搭配统一的eIQ人工智能软件工具包，打造灵活的边缘人工智能解决方案 [11][12] - **意法半导体**：战略主攻高性能边缘视觉场景，其STM32N6系列集成自研的Neural-ART Accelerator NPU，人工智能算力达600 GOPS，并配备完整的计算机视觉处理链路以支持高分辨率图像处理等复杂任务 [12][13] - **瑞萨电子**：战略核心是“异构架构+安全第一”，聚焦高可靠边缘AIoT场景，其RA8P1微控制器采用双核架构并搭配Arm Ethos-U55 NPU，人工智能算力达256 GOPS，同时集成硬件信任根和先进加密引擎强化安全 [15][16] 新型存储器兴起的驱动因素 - **传统闪存的困境**：人工智能模型需要持续在线更新，但闪存擦写寿命仅几千到数万次，难以支持频繁的OTA更新；其读取延迟和预热时间影响“上电即跑”的实时性需求，例如更新20MB代码，闪存需约1分钟，而新型存储可缩短至3秒 [17][18] - **制程升级的瓶颈**：嵌入式闪存工艺难以扩展到40nm以下，成为微控制器向28nm、22nm等先进制程演进以获得更高性能、更低功耗以支撑NPU的拖累，倒逼存储升级 [18] - **可靠性要求**：车规级芯片要求工作温度范围达-40°C到150°C且数据保持10年以上，传统闪存在高温下性能衰减，难以满足新一代汽车电子和严苛工业应用的标准 [19] 新型存储器的四大技术路线与厂商布局 - **MRAM**：具有非易失性、高速、高耐久特性，读写次数理论无限，适配车规与工业高可靠场景，恩智浦已于2023年推出基于台积电16nm FinFET eMRAM工艺的S32K5系列汽车微控制器；瑞萨已在2024年整合22nm eMRAM技术，并于2025年发布搭载该技术的RA8P1微控制器 [22][23][24] - **RRAM**：读写速度快、寿命长，支持按位写入且延迟可降低1000倍，特别适配存算一体架构，英飞凌是核心推动者，在其下一代AURIX微控制器及PSoC Edge系列中集成台积电28nm/22nm RRAM技术；德州仪器也已通过授权引入ReRAM技术 [25][26][27] - **PCM**：可实现更高存储密度和更大片上容量，意法半导体与三星合作，基于18nm FD-SOI + ePCM技术的下一代STM32微控制器预计2024年下半年出样，2025年下半年量产 [28][29] - **FRAM**：融合了RAM的高速写入与Flash的非易失性，写入速度接近SRAM，耐写次数可达数万亿次，适配高频写入场景，德州仪器是早期探索者，其MSP430FR系列微控制器已形成“超低功耗+高可靠FRAM存储”平台 [30][31] 行业变革的深远影响 - **存储格局多元化**：传统闪存的统治地位松动，MRAM、RRAM、PCM、FRAM将在特定场景展现优势，未来五年嵌入式存储市场将呈现多元化竞争格局 [33] - **竞争核心转向系统级优化**：集成NPU和新型存储的微控制器，其价值在于数据无需芯片间搬运、功耗可全局管理的系统级优化与深度集成能力，这将成为下一阶段竞争的核心 [33] - **为后来者提供机会窗口**：人工智能化转型带来的架构重构以及新型存储技术尚未完全定型，为国产微控制器和存储厂商提供了结构性机会和弯道超车的可能 [33] - **应用场景持续拓展**：带NPU的微控制器将广泛应用于工业物联网预测性维护、智能家居本地人工智能推理、医疗可穿戴设备毫瓦级心电分析以及自动驾驶辅助系统等领域 [34]

文章核心观点 - 中国制造业向高端化、智能化跃迁，对可信、可验证、可部署的工程能力需求日益迫切 [1] - 高科技初创企业面临工程化能力缺失等挑战，需要全方位支持以存活和成长 [2][3] - 苏州国际科技园与MathWorks的战略合作，旨在为AI、工业、医疗等领域初创企业提供工具链与技术支持，延伸服务链条至“工具层” [1][3][4] - “软件定义硬件”和“工程化实现能力”正成为衡量企业核心竞争力的新标尺 [4] 合作项目与背景 - SISPARK与数学计算软件开发商MathWorks签署战略合作协议，启动“面向初创企业加速器”项目 [1] - SISPARK隶属苏州工业园区，该园区2024年GDP突破4000亿元，工业总产值达7000亿元，研发投入占GDP比重达5.61% [1] - SISPARK此前已布局数据中心、超算中心，并与微软、华为、IBM等企业共建创新中心 [4] - 此次合作标志着SISPARK的服务链条延伸至“工具层” [4] 行业挑战与工程化需求 - 当前创业公司仅有核心技术，普遍缺钱、缺人、缺市场 [3] - 一个隐性瓶颈是工程化能力缺失，特别是在AI应用“下沉”至边缘设备的趋势下 [3] - 关键挑战在于AI系统的可解释性与合规性，例如医疗、航空航天、自动驾驶等领域的安全关键代码不能是黑盒子，必须是白盒 [3] - MathWorks的核心价值在于提供一条从数据到部署的完整、可信的工程化路径 [3] 重点发展行业与趋势 - 汽车行业：政策要求新能源汽车“三电系统”中至少有一个是软件自研，推动主机厂建立研发团队，对确保代码可靠性、进行系统仿真和测试验证的专业工具需求应运而生 [4] - 低空经济：被视为未来产业规模可能比肩汽车行业的巨大赛道 [5] - 医疗设备：正处于从低端制造向高端研发迈进的过程 [5] - 人形机器人：汽车公司将其在汽车开发中积累的能力复用到人形机器人研发，使得用于复杂系统建模、仿真和控制的工具链至关重要 [5] - 这些高安全性、高可靠性要求的“硬科技”领域，随着产业升级深化，对强劲工程化能力的需求将增长 [6]

产品发布核心信息 - 公司推出业界首款采用18纳米工艺的高性能微控制器STM32V8 [1][2] - 新产品是公司迄今为止速度最快的STM32微控制器，时钟速度高达800兆赫兹 [3][4] - 该微控制器采用先进相变存储器技术，集成4MB嵌入式非易失性存储器 [2][9] 技术与性能特点 - 新产品基于Arm Cortex-M85核心，并采用18纳米FD-SOI工艺技术制造 [4][8] - 技术支持最高140°C的结温，在恶劣操作环境中提供强健性和可靠性 [8] - 微控制器集成图形、加密/哈希等专用加速器，并配备1Gb以太网等丰富数字接口 [11] 目标市场与应用领域 - 产品专为工业控制、传感器融合、图像处理、语音控制等要求严苛的嵌入式及边缘AI应用设计 [3] - 特别适用于工厂自动化、电机控制和机器人等最严苛的工业应用场景 [9] - SpaceX已选择该微控制器用于星链星座的迷你激光系统，实现高速卫星连接 [5][6] 生产与上市计划 - 产品在法国Crolles的300毫米晶圆厂制造，并与三星代工厂合作生产 [2] - 目前处于早期客户访问阶段，关键OEM客户将于2026年第一季度获得产品，随后扩大供应范围 [7] 生态系统与支持 - 产品得到STM32开发生态系统支持，包括STM32Cube软件开发和交钥匙硬件 [12] - 提供Discovery套件和具有价格竞争力的Nucleo评估板 [12]

产品定位与核心价值 - 公司推出一款名为Imeta-Y1的轻量级高性价比机械臂，专为具身智能科研领域的新手和初学者设计 [2][3] - 该产品旨在帮助用户低成本、高效率地完成算法验证与项目开发，目标客户包括学生、教育工作者和机器人领域开发者 [3] - 产品定位为解决具身智能领域硬件选择难题，平衡价格与易用性 [3] 核心产品优势 - 提供全流程开源工具链和代码示例，覆盖从数据采集到模型部署的全部环节，对新手友好 [4][17] - 支持Python和C++双语言接口，兼容ROS1和ROS2，并提供URDF模型，实现仿真与真机的无缝切换 [4][18][19] - 提供24小时快速售后响应，确保用户学习过程顺畅 [4] - 产品融合高精度运动控制、低功耗设计与开放软硬件架构，支持从仿真到真机的无缝联调 [6] - 紧凑型结构与模块化接口适用于嵌入式AI与机器人学习平台的开发 [7] - 后期将陆续升级更新VLA、VA相关源码，新老客户均可享受升级 [19] 机械臂核心性能参数 - 本体重量为4.2公斤，额定负载为3公斤，具备6个自由度 [9][19] - 工作半径为612.5毫米，重复定位精度达到±0.1毫米 [9][19] - 供电电压为24V，控制器为PC，材质采用铝合金 [9][19] - 通讯方式为CAN，控制方式支持轨迹跟踪、示教和API [9][19] - 关节运动最大速度范围为180°/s至220°/s [9][19] 技术生态与工具链支持 - 提供完整的开源软件开发工具包，包含驱动程序、API接口、示例代码与文档 [26] - 支持视觉、力控等多模态数据融合，兼容TensorFlow、PyTorch等主流框架，实现端到端的智能算法落地 [17][32] - 目前已开源适配的算法包括lerobot和ACT，未来将逐步适配并开源robotwin、pi0等模型 [46] - 产品适配的相机包括realsensor D435系列和奥比中光DCW2 [46] 硬件测试与质量保证 - 机械臂通过严格的硬件测试流程，包括精度校准、耐久性、负载性能与稳定性验证 [35] - 非人为损坏情况下提供半年质保，交付周期为1-2周 [44][45]

嵌入式IDE面临的挑战 - 现代嵌入式MCU/MPU已演变为包含异构内核、加速器、DSP和NPU的复杂生态系统，传统IDE工具落后于硬件复杂性[1] - 开发流程需实现跨架构调试、保障系统确定性性能，并适配多内核的差异化指令集、内存空间及工具链[2] - 边缘AI/ML发展要求IDE打通从模型训练（PyTorch、TensorFlow）到嵌入式部署（量化、优化、硬件映射）与代码生成的全流程[2] - 安全性成为硬性要求，设计之初需符合IEC 62443标准等规范，深度集成可信执行环境、安全启动、加密信任根等功能[2] - 当前IDE领域处于分散状态，开发人员需操作多个供应商专属环境，调试复杂问题可能耗费数周时间[2] - 传统IDE难以原生兼容AI工作流程，安全集成薄弱，安全启动和OTA更新常被视为独立SDK而非核心工作流程组成部分[3] - 工具链与单一供应商绑定导致碎片化问题，多核系统通常需要搭配多个IDE[4] - 部分IDE界面存在不一致性且设计过时，导致开发过程容易出错，造成时间浪费并阻碍创新[5] 主要厂商的IDE布局与策略 - 专用IDE是嵌入式IDE一大品类，厂商针对自家MCU/MPU进行全面优化以发挥硬件最大性能，工具一般为免费[6][7] - ADI推出CodeFusion Studio 20版本，基于Microsoft Visual Studio Code，提供端到端AI工作流程，内置模型兼容性检查器和性能分析工具[8][9] - ADI的CodeFusion Studio支持从TensorFlow或PyTorch导入模型并在几分钟内生成推理就绪代码，集成Zephyr AI Profiler可监控延迟和内存[9] - ADI平台支持AutoML for Embedded，在同一工作流程中实现数据集训练和优化，其System Planner支持多核应用和扩展设备兼容性[9] - ADI通过可信边缘安全架构将安全启动、TrustZone分区和加密协议作为标准工作流程一部分，确保从模型部署到固件更新每一步受保护[10] - 英飞凌推出AURIX Configuration Studio，基于DAVE技术构建，整合基于Eclipse的编辑器、GNU C编译器和开源调试器[12] - 英飞凌ACS具备直观GUI、自动化资源管理和代码生成功能，通过AI驱动求解器自动分配硬件资源，根据界面设置生成高质量生产代码[12] - 意法半导体发布STM32CubeIDE for VS Code的Release版本，移除对STM32CubeCLT依赖，引入bundles manager自动管理插件和器件支持文件[14] - STM32CubeIDE for VS Code支持Windows/Linux/macOS全平台，通过CMSIS-PACKs支持所有STM32 MCU产品系列，定位为下一代免费IDE[14][15] - 瑞萨电子在其Reality AI Tools和e2 studio IDE间建立接口，使设计人员能无缝共享数据、项目及AI代码模块，以缩短边缘AI应用设计周期[19] - 瑞萨自2022年收购Reality AI以来持续改进AI设计，其e2 studio保持每三个月一次升级的迭代频次[20] IDE的未来发展趋势 - 微软公布Visual Studio的AI路线图，核心为打造"AI驱动的智能体体验"，将推出自定义、测试、调试等多种新智能体并支持并发运行[21] - 微软计划改进聊天功能，全面实施MCP规范以增强安全性，并集成GPT-5 Codex等最新模型，提供自动模型选择功能[21] - 对于MCU/MPU厂商，为客户节省时间并使其快速拥抱嵌入式AI，是增强产品竞争力的关键[21]

纪要涉及的公司和行业 - 公司：意法半导体（ST Microelectronics）、恩智浦（NXP）、博世（Bosch）、森萨塔（Sensata）、惠普（HP）、电装（DENSO）、维宁尔（VEONIER）等 - 行业：半导体、传感器、汽车、工业、消费电子 纪要提到的核心观点和论据 1. **收购交易** - **交易内容**：意法半导体宣布以最高9.5亿美元现金收购恩智浦的MEMS传感器业务，其中9亿美元为 upfront 支付，5000万美元取决于技术里程碑的实现，预计2026年上半年完成交易 [6]。 - **战略意义**：该交易对意法半导体具有战略意义，双方MEMS业务在技术和产品组合上高度互补，将使产品在汽车、工业和消费终端市场更加平衡；增强意法半导体在快速增长的汽车MEMS市场的影响力，解锁新机会；符合意法半导体在资本市场日提出的智能传感器战略和IDM模式 [9][11]。 - **财务影响**：被收购业务对意法半导体2027 - 2028年的毛利率和运营利润率目标模型已经具有增值作用，预计从交易完成起对每股收益也有增值作用 [10]。 2. **意法半导体现有业务** - **市场地位**：意法半导体在传感应用半导体领域是全球领导者，拥有20多年历史，最初专注于个人电子，现在其传感器技术已扩展到汽车和工业应用 [7]。 - **产品组合**：多数STM M传感器收入与消费应用相关，产品组合包括用于智能手机、个人设备、计算机、汽车、工业、医疗保健和物联网等广泛应用的传感器和执行器；在安卓设备的运动和压力MEMS、汽车导航MEMS以及打印执行器方面处于领先地位 [8]。 - **发展目标**：通过技术融合和嵌入式人工智能使传感器更智能，包括投资研发以开发先进的传感和驱动技术、在硅或封装层面开发传感器融合以降低客户成本、嵌入处理和边缘人工智能以实现本地化智能 [8]。 3. **被收购业务情况** - **产品范围**：主要针对汽车安全传感器，包括被动安全（安全气囊）、主动车辆动力学（电子稳定控制、侧翻检测）、监测传感器（压力监测系统、发动机管理）、便利性（钥匙扣、车辆防盗和安全）等；还包括工业应用的压力传感器和加速度计 [10]。 - **营收情况**：恩智浦的MEMS业务在2024财年产生了约3亿美元的收入 [10]。 - **市场前景**：MEMS传感器和执行器整体市场预计在2024 - 2028年以超过4%的复合年增长率增长，被收购业务有望受益于快速增长的汽车MEMS市场、强大的客户关系和创新路线图，实现更快增长 [11]。 4. **竞争情况** - **主要竞争对手**：在汽车领域，博世是意法半导体最大的竞争对手，博世拥有庞大的外部市场和大量的自有市场；此外，还有森萨塔、惠普等竞争对手 [33][34]。 - **收购优势**：收购恩智浦的MEMS业务将使意法半导体成为仅次于博世的市场第二，增强研发团队，缩小与博世的差距，提高市场竞争力 [33][34]。 其他重要但是可能被忽略的内容 1. **生产协同**：意法半导体目前为恩智浦的MEMS业务提供机械部分的代工服务，两家公司产品重叠极小，收购后大部分前端业务将来自意法半导体，ASIC部分仍由外部代工厂提供 [15][16][18]。 2. **财务细节**：意法半导体此次收购预计全部以现金支付，资金来源于现有流动性；收购对公司的毛利率和EBIT利润率有增值作用，高于公司在资本市场日模型中提到的45%毛利率 [6][24]。 3. **库存情况**：尽管汽车行业存在库存调整，但意法半导体的MEMS业务在去年第四季度实现了两位数的同比增长，恩智浦的MEMS业务库存情况预计也较为健康 [42]。 4. **客户重叠**：意法半导体和恩智浦服务的一级客户有一定重合，但产品组合不同，基本不存在重叠问题；意法半导体在汽车领域的中国市场更有优势，可借此机会扩大恩智浦产品组合在该市场的销售 [63][64][65]。