行业与公司 * 行业聚焦于AI芯片与ASIC（专用集成电路）领域，涉及半导体制造、先进封装及云计算基础设施 [1][3][31] * 核心公司包括Nvidia、Broadcom、Marvell、Alchip、TSMC、Google、OpenAI、AWS、华为、SMIC等，涵盖芯片设计、制造、封装及终端应用全产业链 [1][32][48][71][76] 核心观点与论据 * AI芯片定制化趋势：Nvidia通过逐年推出新平台（2022年Hopper、2024年Blackwell、2026年Rubin、2027年Rubin Ultra）推动AI芯片复杂度和价格上升，促使科技巨头开发自研ASIC以提升效率、控制成本和减少依赖 [5][9][27][31][32] * 先进制程竞争：TSMC主导先进制程，当前最先进节点为3nm，下一代2nm因结构差异导致制造更复杂昂贵；其A16工艺采用GAA晶体管和Super Power Rail技术，需将电源域从正面移至背面，设计挑战大 [10][11][37][38][41] * 封装技术演进：Broadcom与TSMC合作开发3.5D XDSiP封装，采用芯粒架构和面对面键合技术；Marvell和Alchip均开发了集成光学引擎的先进封装方案，支持高速互连和能效优化 [48][50][61][64][65] * 全球玩家地域分布：美国以Broadcom、Marvell为主导；中国台湾有Alchip、GUC、MediaTek；日本有Socionext；欧盟有ARM；中国则重点发展华为昇腾系列，SMIC积极建设5nm工艺以支持国产AI芯片 [71][75][76][77][78] * 成本与研发投入：Nvidia最新AI GPU研发投资达100亿美元，单芯片成本3万至4万美元；运行ChatGPT等大模型每次查询成本约0.04美元，高成本促使企业权衡自研芯片的投入回报 [81][82] 其他重要内容 * 日本半导体复兴：Rapidus在北海道建设2nm晶圆厂，EUV设备安装顺利，Broadcom已参与试产，反映日本通过AI浪潮重振半导体产业的野心 [53][54] * 中国技术自主：华为昇腾910系列性能与主流AI芯片（如Nvidia H100、AMD MI300X）竞争，SMIC发展5nm工艺以确保国产AI芯片供应，减少对外依赖 [76][77][78] * 光通信与集成：Google采用OCS（光电路开关）技术提升AI网络效率；硅光集成成为未来AI芯片设计关键，影响功耗和架构 [36][90] * 制程评估指标：PPA（性能、功耗、面积）是节点关键指标，2nm相比3nm在速度和能效上有显著提升，推动TSMC亚利桑那厂导入2nm以保持竞争力 [44][46][47] * 开源生态影响：DeepSeek开源模型降低训练成本，可能激励更多企业开发ASIC芯片，其移动端集成数千万日活用户提供大量训练数据 [85][87][88] 数据与单位引用 * Nvidia AI GPU研发投资：100亿美元 [81] * 单芯片成本：30,000–40,000美元 [81] * ChatGPT查询成本：0.04美元/次 [81] * Google自定义AI芯片在ASIC云服务器市场份额：超过70% [32] * AWS Graviton系列2024年全球新CPU算力占比：超过50% [32]