文章核心观点 - AI算力需求持续攀升使半导体产业面临制程微缩受限的现实问题，先进封装、特色工艺、系统集成和智能制造等环节正成为产业竞争不可忽视的变量 [1] - 芯片设计与制造之间的关系正在被重新定义，设计端需更早理解制造条件，制造端需更深入理解芯片应用，产业链协同从项目对接走向更深层次的工程合作 [1] - 半导体产业复杂度提高，单个环节的技术突破需要与上下游工程能力相匹配，设计与制造协同需更早介入产品开发并深入工程现场 [34][37] AI推理芯片与Token生态（云天励飞） - AI算力发展从训练阶段大规模集中投入延伸至持续高频、贴近业务场景的推理需求，市场评价标准从峰值性能转向单位成本下有效Token生成量及系统稳定承接业务负载的能力 [3] - OpenRouter平台模型周均Token调用量从2025年5月的2.29万亿增长至2026年8月的93.4万亿 [6] - 麦肯锡预测全球AI推理功率需求将由2025年的20.9GW增至2030年的93.3GW，复合年增长率达35%，高于训练负载的22% [6] - AI应用由回答问题走向执行复杂任务，推理工作负载呈现明显分层特征，不同任务对计算密度、显存带宽、响应时延和吞吐能力要求不同 [4] - 公司NPU从DeepEye系列演进到DeepEdge系列，正在研发第五代GPNPU架构，尝试结合GPGPU通用编程能力与NPU计算效率，引入3D堆叠存储架构以提升带宽、降低访存延迟并支持算力纵向扩展 [6] - 针对Agent、AI代码生成和长文档在线推理等场景，公司介绍Prefill与Decode分离的异构混推方案，将不同阶段工作负载分配给更适合的硬件资源以改善集群利用率与整体性价比 [7] - 公司提出"1001计划"，以Token生产效率为共同目标，推动芯片设计、EDA/IP、先进存储、制造、先进封装、基础设施与软件栈围绕真实业务需求形成协同 [7] 特色工艺与AI制造需求（积塔半导体） - 半导体产业正从传统周期逻辑转向由AI需求与供应瓶颈共同驱动的结构性变化，不同产品类别供需关系不一致，AI带来的增长不会平均分配到所有芯片品类 [9] - 芯片需求从GPU、HBM等核心部件逐步延伸至供电、散热、互联和能源管理等多个环节，电源管理、功率器件、模拟芯片和控制器同样不可或缺 [9] - 公司长期布局功率器件、BCD、逻辑、模拟及相关特色工艺平台，覆盖汽车、工业、光伏、物联网和AI等应用领域，已开发125个工艺平台，当前总产能约每月30万片（折合8英寸），并持续推进12英寸产线建设 [11] - AI机架功率密度提高推动供电架构从传统48V、54V向更高电压等级演进，800V高压直流逐渐进入产业讨论，SiC MOSFET、GaN、DrMOS、高压IGBT和集成电源模块等器件重要性随之提升 [11] - 公司工艺布局覆盖车规级MOSFET、IGBT、SiC器件到高压BCD及其他特色工艺，制造平台需适配不同电压、功耗、可靠性和应用条件，尤其汽车电子领域需满足车规质量体系与产品可靠性严格要求 [11][12] - 公司将继续发挥特色工艺平台作用，对接汽车电子、储能与光伏、AI服务器电源、工业自动化及机器人等不同产业链需求 [12] 先进封装与三维集成（天成先进） - AI算力需求增长速度持续超过单芯片性能提升速度，依靠晶体管微缩获得性能增长的传统路径面临约束，通过更高密度互连和异构集成释放系统性能成为后摩尔时代重要课题 [14] - Chiplet将不同功能模块拆分为多个芯粒，通过先进封装集成为完整系统，使不同芯粒可根据功能需求选择合适工艺节点，减少对单一制程路线的依赖 [14] - 互连能力成为决定集成效果的重要因素，涉及TSV硅通孔技术以及2.5D集成、3D集成等主要技术路线，通过硅转接板、有机转接板、重布线层、微凸点和混合键合等技术实现更高密度连接 [15] - 先进封装已不再只是芯片制造完成后的后端环节，而是逐渐影响芯片架构和系统设计，封装结构、互连密度和热管理能力必须在设计阶段提前考虑 [15] - 公司提出"九重"三维集成技术体系，归纳为"纵横"（聚焦2.5D系统集成）、"洞天"（面向3D立体集成）、"方圆"（覆盖高端封装与微组装）三个技术方向，提供从封装设计、仿真到加工和测试的一站式服务，面向AI算力、高性能计算、自动驾驶、传感成像和射频通信等应用 [15] - 公司布局12英寸TSV立体集成、2.5D硅转接板与无硅集成、3D TSV及高端微组装等方向，一期规划年产24万片立体集成产品，二期建成后规划提升至年产60万片 [16] 数字孪生与智能制造（鼎泰匠芯） - 公司于2020年成立并落地上海临港，建设12英寸车规级功率半导体晶圆制造中心，产品覆盖Power MOSFET、IGBT、Power IC、模拟逻辑及BCD等方向，联合赛美特研发实时调度系统RTD和全自动控制系统Fully Auto [20] - 数字孪生应用已覆盖自动搬送、生产仿真、实时排工逻辑验证、产能潜力提升、3D可视化门户、产品组合优化和财务预测等场景 [20] - 战情中心能够实时映射洁净室、机台、OHT搬送系统及在制品状态，并对关键指标集中展示和异常追溯，项目实践数据显示物料搬运时间下降10%，光刻环节设备综合效率（OEE）提升17%，现场人员减少7%，月度成本核算提速1小时 [20] - 缺陷自动分类模型准确率约92%，缺陷分类人力投入减少87%，单片缺陷分类时间由15分钟缩短至2分钟，检测覆盖扩大12.5倍 [21] - 公司对光刻机和离子注入机等关键设备开展AI预测预警应用，并探索通过MCP协议连接大模型与制造系统，结合质量分析、设备监控和业务流程推动AI参与数据分析、异常研判与任务执行 [21] 半导体工业Agent（智现未来） - 企业AI价值正从提供单一软件功能转向整合模型、数据、工具、权限和业务流程，持续交付可验证的业务结果，Agent需跨越多个系统完成任务才能真正进入工程工作流 [24] - 12英寸晶圆制造涉及1000道以上工序，生产周期长、数据量大，设备与工艺状态存在复杂关联，微小缺陷可能在后续工序中被放大，根因定位需工程师投入大量时间交叉排查 [24] - 公司AIIM工业智能体方案强调多模态数据融合、小样本学习、因果机理推理与自然语言交互能力，结合半导体垂直领域大模型"灵犀"帮助工程师通过自然语言与产线数据进行多轮分析 [25] - 工业Agent进入晶圆厂需满足四道门槛：读懂设备、工艺和多模态数据；分析结论具备可追溯证据链；关键操作具备明确权限与人工确认机制；系统能在不干扰现有量产流程前提下持续运行 [25] - 公司关注跨工序协同与Physical AI发展，提出先打通设备、晶圆和工艺状态数据，再通过影子模式进行在线仿真，验证充分后逐步输出受控建议，最终在明确安全边界内扩大AI自主协同范围 [25] 车规MCU设计与制造协同（国芯科技） - 公司产品布局覆盖从传统车身控制MCU到多核高性能车规芯片，并延伸至座舱音频DSP等应用 [30] - CCRC4系列采用RISC-V架构，面向跨域控制和智能驾驶等场景，覆盖不同内核数量与存储配置，最高主频可达500MHz，支持功能安全ASIL-D，具备AEC-Q100车规可靠性设计、硬件安全模块及丰富汽车通信接口 [30] - 22nm RRAM工艺支持直接覆盖式二次编程，在6MB空间编程测试中，传统Flash擦除与编程总耗时约13328毫秒，RRAM编程耗时约1032至5161毫秒 [30] - CCRC4旗舰配置采用多核RISC-V设计，集成硬件虚拟化、浮点运算、DSP加速和NPU等能力，支持CGDMA硬件路由子系统，测试数据显示硬件路由转发20万帧CAN报文时CPU空闲占比达99.98%，CPU负载约0.02% [31] - 公司硬件安全模块引入后量子密码相关能力，列出ML-KEM和ML-DSA等算法支持方向，并围绕AUTOSAR软件架构、底层驱动、功能安全库和主流开发工具链开展生态适配 [31] 行业协同趋势总结 - AI推理需求变化推动芯片架构与算力系统重新匹配，特色工艺承接汽车电子、功率器件与AI基础设施多样化需求，先进封装通过高密度互连拓展系统集成能力 [34] - 数字孪生和工业AI尝试改善晶圆厂生产效率与决策方式，工业Agent进一步探索跨系统问题分析和业务闭环，车规MCU将工艺、架构、安全与软件生态协同落实到具体产品 [34] - 设计阶段未充分考虑工艺约束可能增加后续验证成本，封装方案未能与芯片架构协同可能限制系统性能，制造系统积累大量数据若无法形成可执行判断也难以释放数字化价值 [34] - 工艺平台、设计工具、先进封装、工业软件与终端应用之间连接越紧密，企业越有机会把问题解决在流片和量产之前 [34]