1. 总结2024全球半导体产业链

全球规模：2024年6559亿美元，较2023年增长21%，预计2030年将超过1万亿美元。

增长动力：AI基础设施建设需求（尤其是GPU和AI处理器）及存储芯片产值增长超70%。

半导体产业链犹如精密运转的庞大生态系统，涵盖EDA & IP、设计公司、晶圆代工、封装测试、设备材料等核心环节，紧密协作，共同推动产业发展：

EDA & IP

IP（知识产权核） 是预先设计、验证的电路功能模块（如处理器、存储器接口），通过复用缩短芯片开发周期。2024年全球IP市场规模 78亿美元，其中处理器IP占47%（Arm主导）。IP分为软核（HDL代码）、硬核（物理布局）和固核，是构建复杂芯片的“积木”。

全球Top5

中国大陆Top5

Fabless（无晶圆厂设计公司）

2024年全球Fabless市场规模达2,150亿美元（占比IC行业总营收32.9%）。

全球Top 5无晶圆厂设计公司

中国大陆Top 5无晶圆厂设计公司

Foundry （晶圆代工）

制造主导：代工厂依据Fabless的设计图纸，完成硅片加工、光刻、蚀刻等超千道工序，掌握7nm以下先进工艺（如台积电3nm制程良率超80%），2025年全球12英寸晶圆月产能突破3000万片。

资本与技术双密集：一座先进晶圆厂投资超200亿美元，且需持续迭代设备（如EUV光刻机单价1.8亿美元），台积电研发投入占营收20%（2024年达172亿美元）。

全球Top 5晶圆代工厂

中国大陆Top 5晶圆代工厂

Assembling & Testing（封装测试）

封装环节包含切割、焊线/倒装焊接、塑封成型等步骤，将裸片装配至基板（如引线框架或有机基板）并添加外壳，形成可直接焊接至电路板的独立芯片（如QFN、BGA等形态）。

测试环节则通过探针台、测试机等设备，对封装后的芯片进行功能验证（如逻辑运算）、性能测试（如速度、功耗）及可靠性考核（如高温高湿、温度循环等环境应力试验），筛除缺陷品并分级标注性能参数。

全球Top 5封装测试企业 

Equipment & Materials（设备材料）

全球Top 5半导体设备企业

中国大陆Top 5半导体设备企业

2. 中国制造下一战场：通用机器人全面开花

中国在机器人技术领域取得的进展，其影响力将比在过去那些战略性产业（如电池、太阳能和电动汽车）中取得的成就更具指数级增长。这些机器人系统将制造更多的机器人系统，随着每个部件的生产，成本将不断下降，质量会提高，这会进一步加强它们的“生产飞轮”。

如今，在美国制造一只相同的机械臂（仿照Universal Robots UR5e制造）的成本比在中国高出约2.2倍。

本土领导者大疆，如今占据了全球商用无人机80%以上以及美国消费领域90%的市场份额！尽管该公司是行业的先行者，但它能够在超过十年的时间里保持并巩固其市场地位，这得益于中国的制造优势以及规模经济策略。

目前，全球已安装并运行超过400万台机器人，其中90%的年出货量为标准工业机器人，10%为协作机器人。工业机器人通常应用于汽车行业、食品和消费品包装以及电子产品制造。在同样的行业中，协作机器人可以执行更复杂、需要高精度的任务，但需要在人类的指令下进行。

机器人领域历来由四个国家主导：韩国、日本、德国和美国。如今，中国是机器人领域的一支主要力量，我们随后将深入探讨这个国家。仔细研究一下前面四个国家，就会发现在不同程度上推动它们成功的共同因素：

库卡（KUKA）是机器人领域被称为“四大”的少数几家公司之一，发那科(FANUC，日本）、ABB（瑞士/瑞典）、安川(Yaskawa，日本）和库卡（KUKA，原德国，现中国）这些公司几十年来一直主宰着该行业。

中国决意称霸机器人领域

中国正在发生最令人印象深刻的变化，2018年中国每万名员工拥有的机器人数量排名前十，到2024年将以每万名员工拥有470台机器人的水平超越德国，成为世界第三。中国每年的机器人安装量远远超过四大西方国家的总和。

如此规模的变革，堪称一场机器人革命。目前，中国制造业以汽车和电子产品生产为主，因为自2009年以来，中国生产的汽车数量超过美国和日本的总和，并组装了全球约70%的电子产品。尽管自动化行业规模庞大，但2023年全球51%的机器人安装量来自中国，仅当年就增加了27.6万台！

2023年，中国加倍投入机器人技术，中国工业和信息化部发布了四年计划，将人形机器人定位为经济增长的战略引擎。在这一纲要中，他们强调要建立强大的人形机器人创新体系，到2025年实现“规模化生产”，到2027年实现增长引擎。这种国家支持对该行业意义重大，因为中美经济与安全审查委员会于2024年10月发布了一份问题警报，指出中国的人形机器人公司仅在2023年就筹集7.69亿美元，2024年上半年筹集超过9.9亿美元。中国相信机器人技术及其相关的形态是国家的未来，不久前，宇树科技CEO王兴兴甚至出现在民营企业座谈会上。

如今，人形机器人现在在中国也蓬勃发展，但仍然被认为是最难解锁的，许多较早的预测都误解了即将到来的革命，例如高盛不得不将其2035年的TAM（潜在市场规模）修改了6倍！在北京举行的2024年世界机器人大会上，超过27种不同的人形机器人首次亮相并活跃起来，而特斯拉擎天柱（Optimus）则一动不动地待在一个透明的盒子里。这与2025年2月和旁边的人类进行同步舞蹈的宇树Unitree H1形成了鲜明的对比。虽然看到中国人形机器人的表现令人印象深刻，但更令人震惊的是他们能够以比其他任何国家更快、更大的规模生产这些机器人。优必选科技（UBTech）已计划在2025年底前量产近1000台人形机器人；智元机器人（Agibot）于2023年创建，并已开始量产，截至2024年12月15日已完全生产962台人形机器人。最重要的是，宇树科技已经在美国上市，而这款人形机器人的标价令人震惊，仅为1.6万美元。世界上没有其他人形机器人可供消费者购买，大多数人形机器人的标价都在10万美元左右，而相当一部分人形机器人的标价高达20万美元左右。

3. 高速光互连CPO、NPO、LPO以及OIO概念

在高速光互联领域，CPO、NPO、LPO、OIO 均代表不同的技术或封装形式，以下是前几种的具体介绍：

CPO（Co - Packaged Optics，光电共封装模块）：

是一种新光电互联集成技术，通过将光模块和交换芯片紧邻封装在一起，可极大地减少信号在电光转换和传输过程中的距离，从而显著降低功耗、提高信号完整性、减少延迟，并且缩小体积。主要应用于连接数据中心服务器的前端网络。

NPO（Near - Packaged Optics，近封装光学）：

将光学引擎和开关芯片解耦，再将它们组装在同一块系统板上。与CPO 相比，NPO 的模块与主机 ASIC 的距离更远，CPO 可实现更低的信道损耗和功耗。

LPO（Linear Photonic Optical，线性驱动可插拔模块）：

是一种光模块封装技术，通过线性直驱技术替换传统的DSP，实现系统降功耗、降延迟的优势，但系统误码率和传输距离有所牺牲。它摒弃数字信号处理器（DSP），通过使用具有优异线性度和均衡能力的转阻放大器（TIA）和驱动芯片（DRIVER）来替代 DSP，消除信号恢复需求，降低处理开销和系统延迟，特别适用于对时序要求极高的高性能计算中心（HPC）中 GPU 间通信场景。

OIO（Optical I/O，光互连输入输出）：

是为了解决计算芯片CPU，GPU，XPU 等之间的互联问题，利用光互连低功耗、高带宽、低延迟的优势，取代传统的 electrical IO 方案。

OIO可以达到最优化的功耗、成本和时延，是光电集成互联的最终形态，更多用于计算节点内部。

4. 华为昇腾芯片强在哪里？

昇腾（Ascend）芯片是华为（海思）自研的、专门面向高性能AI计算的NPU（神经网络处理器）芯片。

昇腾芯片是一个大系列，主要包括昇腾310和昇腾910两个子系列。

在2018年的华为全联接大会上，华为轮值CEO徐直军首次阐述了他们的AI战略，并正式公布了昇腾910和昇腾310两款AI芯片。当时，实体展示的，是昇腾310。

一年后，2019年8月，华为又正式推出了昇腾910。

昇腾310是SoC小芯片，和我们手机芯片差不多，只有指甲盖那么大，功耗仅有8W。

根据海思官网的披露，昇腾310的FP16算力为8TOPS，INT8算力为16TOPS，采用12nm工艺制造。

昇腾910是大芯片，和我们的掌心差不多大，功耗在300W以上，主要面向云端高性能计算。它的算力更强，既能用于AI推理任务，也能用于AI训练任务。

华为早期发布的昇腾910，其实应该算是910A。

当时，因为华为还没有被完全禁售，所以910A仍然采用了台积电的7nm增强版EUV工艺。

芯片内建了32颗达芬奇Max核心（达芬奇核心分为Max/Lite/Tiny三种，Max最完整），支持混合精度计算（FP16/FP32/INT8），FP16算力为256TFOPs，最大功耗350W（一开始说是350W，后来变成了310W）

2020年华为被列入实体清单后，台积电那边的先进工艺就用不了。于是，华为与中芯国际（SMIC）合作，采用他们的N+1工艺（等效7nm），推出了910B。

910B优化了架构设计，提升了能效比，芯片尺寸为21.32mm×31.22mm，FP16算力约320TFLOPS，INT8算力约640TOPS。显存为64GB HBM2e，显存带宽400GB/s。

910B也分为B1/B2/B3。910B3引入了HBM3e内存，带宽提升至1.2TB/s，支持万亿参数模型训练。

最近这两年，华为又推出了昇腾910C。

昇腾910C采用中芯国际的7nm（N+2）工艺，晶体管数量达到530亿。

910C采用了类似B200的双die封装设计（将两颗独立的芯片die分别放置在各自的中介层，再通过有机基板将两个中介层连接起来），通过把两颗昇腾910B整合到一起，实现了性能的提升。

业界估测，910C在FP16精度下的单卡算力能达到800TFLOPS左右，大概是英伟达H100芯片（2022年推出）的80%。

值得一提的是，910C的芯片逻辑面积大约比H100多60%。这意味着910C在架构效率和设计优化方面， 与H100依然存在差距。

910C的HBM高带宽内存仍然来自海外厂商（国内DRAM制造商长鑫存储HBM2e相关技术还需要再等等）。芯片的整体国产化比例据说已经达到90%以

根据网络上的不可靠信息，910C于2024年四季度推出样片，2025年一季度开始量产，目前已经处于大规模出货阶段，全年销量大概在70-80万颗。

也有不可靠消息指出，2024年910B的出货量约四十万张，今年910B出货量可能与去年持平或略低（约30万张），而910C的出货量预计可能超过40万张。因此，华为今年910B+910C的整体出货量可能是70-100万张。

出货量和产能也有很大关系。中芯国际N+2工艺良率去年只有20%，今年据说已经达到40-50%，分配给910C的产能貌似是2.6万片晶圆/月（数据不靠谱，仅供参考，与我无关）。 

价格方面，910B的均价据说大约是11万/片，910C可能是18-20万/片。网上很多文章说910C价格是1800美元，我觉得不靠谱。相比之下，英伟达H100的市场价格，大约是2.5-3万美元/张。

910C之后，据说还有910D，采用5nm制程，4Die封装，支持FP8。今年5-6月份回片，预期2026Q2-Q3大规模量产。这个消息的来源不可靠，同样仅供参考。

再往后，华为可能就会推出昇腾920系列，采用下一代工艺，更先进制程，努力缩小和英伟达的差距。

5. 台湾当局将华为、中芯国际等601个实体被列入出口管制黑名单

中国台湾地区经济部门近日更新“战略性高科技货品出口实体管理名单”，一口气新增601个涉及“武器扩散”活动的实体，其中包括中国大陆科技巨头华为、中芯国际及其多家子公司。截至目前，该名单已累计纳入 18444 个实体与个人。

这一举措被视为台湾地区在技术出口管制领域的重大升级，或使其进一步被绑定至外部势力的科技遏制战略，而忽视了两岸产业深度融合的现实需求，可能对全球半导体产业链产生深远影响。

路透社指出，台湾当局此次动作正值美西方持续加码对华科技遏制的背景下。2025 年以来，美国已多次更新 EDA 软件、半导体设备等出口管制清单，而台湾地区作为全球半导体产业链重要环节，其出口管制政策调整被普遍视为配合外部势力的战略布局。

6. Gartner：供应链AI战略缺口超七成，短视主义拖累长期竞争力

如今，高达75%的首席执行官认为，供应链中断是其业务面临的最重大风险之一。

在全球格局空前分歧动荡的时代，全球供应链正面临战略转折点，人工智能(AI)战略的缺失将引发长期风险。

当前，AI仍普遍被视作降本工具而非增长引擎，这与首席执行官(CEO)们日益将AI定位为关键增长驱动力的战略视野形成鲜明反差。此种战略性短视正带来惨痛代价：77%的CEO坦言，现有运营模式难以在AI主导的时代保持竞争力。

迈向AI驱动世界的转型浪潮，正倒逼企业进行根本性变革。传统首席供应链官以运营卓越与成本控制为核心的职能定位已然让位，新型企业领袖正应势崛起。

现代首席供应链官必须兼具战略架构师的全局视野、客户代言人的市场敏锐、韧性守护者的抗风险能力，并引领深刻的人机协同变革。这一转型将供应链的核心使命从成本最小化转向价值创造，让供应链跻身企业增长引擎、客户满意度提升与韧性建设的核心驱动力之列。

更重要的是，随着人工智能实现决策自动化，首席供应链官的职责将发生战略重心转移：从直接制定运营决策，转为设计自主决策系统、构建治理框架、制定风险情报规程，并设立道德准则底线。

更重要的是，首席供应链官必须引领团队跨越AI带来的深层变革。正如Gartner的精辟洞见：技术变革是交易性的，而人类的应对——这场转型本身——本质上是情感性的。

为驾驭这些复杂挑战，Gartner建议首席供应链官构建AI投资组合，审慎权衡短期与长期优先级，并采用“运行-增长-转型”(Run-Grow-Transform)框架，实施资源战略配置。

尽管人工智能的潜力巨大，但实现其价值却面临诸多挑战。基础性挑战包括数据质量低下、缺乏标准化，以及数据碎片化，这导致43%的商业领袖承认他们甚至无法清晰了解其主要供应商的绩效表现。

组织障碍包括严重的人才缺口，报告存在技能缺口的公司比例从2021年的55%上升至2023年的69%，而麦肯锡将变革管理认定为实施过程中最大的单一风险，这一观点得到了82%的供应链领导者的认同。

7. 华为四芯片封装能否挑战Nvidia GPU封锁？

近日，华为公开了一项名为“四芯片（quad-chiplet）封装设计”的专利技术文件，引发半导体行业高度关注。该技术被外媒猜测将应用于其下一代AI加速器昇腾910D（Ascend 910D），或成为华为突破美国技术封锁、追赶NVIDIA AI GPU的关键布局。

技术亮点包括： 

1.中介层架构优化接口连接：通过中介层实现裸片交换逻辑块、线路逻辑块与接口的交叉连接，解决传统合封的线路交叉问题，支持接口路径动态配置。 

2.重布线层与有源器件增效：中介层集成重布线层（RDL）降低布线成本，搭配寄存器等有源器件增强长距离信号传输性能。 

3.嵌入式与多层设计提升集成度：中介层嵌入式基板设计缩减封装厚度与成本，多层结构满足高密度布线需求。 

4.多裸片与单元级接口交换：通信芯片内多裸片及同构单元通过中介层交叉连接，适配交换单元 / 光传输单元等场景。 5.成熟工艺降本与性能平衡：依托中介层技术，使用成熟制程制造裸片，在降低工艺依赖的同时保障系统性能。     

对标NVIDIA：绕过制裁的技术突围 外媒Tom's Hardware分析指出，华为四芯片封装架构与NVIDIA 2026年计划推出的Rubin Ultra平台存在技术相似性。后者采用台积电CoWoS-L技术实现四颗GPU与六颗HBM3E内存的集成，而华为专利通过自研封装工艺达成类似效果。  

专利内容显示，华为的封装方式预计会搭配多组高带宽内存（HBM），并通过中介层实现高效互联。这种设计可以满足 AI 训练对计算能力的高需求，同时在架构上与某些国际厂商的产品类似。 

尽管在芯片工艺方面，华为目前仍落后于国际领先水平约一代，但在封装技术层面，华为已展现出与业内顶尖企业相当的能力。关键差异在于供应链自主化，华为方案完全基于中芯国际14nm制程与长电科技封装产线，规避美国对先进制程设备的出口管制。 

其次在成本上也有优势，据估算，单颗昇腾910D芯片组成本较NVIDIA H200低约40%，主要得益于本土化供应链与简化设计。这意味着，即便使用相对成熟的制造工艺生产多个芯片，再通过先进封装进行整合，也能在整体性能上实现显著提升，从而缩小与采用最先进工艺芯片之间的差距。  

行业专家观点 业内人士认为，若该技术量产成功，华为将实现算力密度跃升和生态兼容性两大突破。四芯片封装可使单卡FP16算力提升至1,400 TFLOPS，接近NVIDIA H100水平，而通过支持CUDA-X AI软件栈，降低用户迁移成本，直击NVIDIA核心优势。 此前，华为创始人任正非在接受《人民日报》采访时曾表示，芯片技术的发展并不一定完全依赖最尖端的制造工艺，通过叠加、集群等方式，同样可以达到与高端芯片相近的计算效果。 

这一观点得到了 NVIDIA CEO 黄仁勋的解读和认同。黄仁勋指出，AI 任务本身具有高度并行的特性，即便单个芯片性能不足，也可以通过增加芯片数量来弥补算力缺口。他还提到，中国的能源资源较为充足，这为大规模部署计算设备提供了可能。因此，即便当前在技术上仍存在一定差距，但通过系统级优化和规模化应用，中国依然能够实现高效的 AI 计算能力。  

先进封装成破局关键，生态与量产难题待解 据悉，华为目前已经与清华大学成立“三维集成联合实验室”，聚焦混合键合、玻璃转接板等前沿技术。华为的封装技术布局正引发连锁反应，尤其是台积电的警觉。据《电子时报》报道，台积电已将CoWoS产能优先级向NVIDIA倾斜，并加速研发FOPLoS（Fan-Out Package-on-Substrate）技术应对竞争。 

与此同时，深南电路、兴森科技等国产供应链正在积极跟进。一些封装基板厂商已启动高密度线路板扩产计划，目标2026年实现月产10万片产能。 

尽管技术前景被看好，华为仍需突破多重壁垒。软件生态是最大短板，由于昇腾CANN架构仅支持主流AI框架的子集，所以与CUDA兼容性差距明显。芯片面积方面也是难点，单颗昇腾 910B 芯片面积约 665 平方毫米，四芯片组总芯片面积达 2660 平方毫米，若每颗芯片配置 4 颗 HBM 内存，16 颗 HBM 将占约 1366 平方毫米面积，昇腾910D整体封装尺寸或达 4020 平方毫米，远超台积电目前约 858 平方毫米的光罩极限尺寸，相当于五个 EUV 光罩面积。    

最后是良率，超大尺寸的四芯片堆叠封装良率目前不足65%，大规模量产需良率提升至85%以上，散热设计也是个问题。考虑到头部互联网厂商的测试验证周期长达6-9个月，这款芯片方案的商业化进度或晚于预期。

8. 回应美国断供EDA和IP，中科院发布的启蒙系统让美国网友惊呼又一个市场丢了

5月30日，美国政府为了遏制中国半导体的发展，突然宣布对中国断供EDA和IP ，详见《这次美国EDA断供远比传闻严重！但危中有机！》，近日，中国科学院计算技术研究所处理器芯片全国重点实验室联合软件研究所，宣布推出全球首个基于人工智能技术的处理器芯片软硬件全自动设计系统——“启蒙”。

该系统可以实现从芯片硬件到基础软件的全流程自动化设计，在多项关键指标上达到人类专家手工设计水平，标志着我国在人工智能自动设计芯片方面迈出坚实一步。

该系统依托大模型等先进人工智能技术，可实现自动设计CPU，并能为芯片自动配置相应的操作系统、转译程序、高性能算子库等基础软件，性能可比肩人类专家手工设计水平。

早在2023年，中国科学院计算所就宣布用AI技术设计出了世界上首个无人工干预、全自动生成的CPU芯片——启蒙1号。

该CPU基于RISC-V的32位架构，用5小时完成，比GPT-4能设计出的电路规模大4000倍，采用65nm工艺，频率达到300MHz，性能与英特尔486系列CPU相当，可运行Linux操作系统，相关成果于2023年6月27日发表在arXiv预印本平台上。

现在，其升级版“启蒙2号”为国际首个全自动设计的超标量处理器核，达到ARM Cortex A53性能，规模扩大至1700万个逻辑门。

在基础软件方面，“启蒙”系统同样取得显著成果，可自动生成定制优化后的操作系统内核配置，性能相比专家手工优化提升25.6%；可实现不同芯片和不同编程模型之间的自动程序转译，性能最高达到厂商手工优化算子库的2倍；可自动生成矩阵乘等高性能算子，在RISC-V CPU和NVIDIA GPU上的性能分别提高110%和15%以上。

显然，“启蒙”的发布是回应美国断供中国EDA和IP，明明白白告诉美国：我不用EDA和你的IP一样可以设计出芯片，此新闻一发布，让美国网友惊呼“又一个市场让蠢货给搞丢了！”

在中科院正式公布的论文中详细介绍了启蒙系统的架构，QiMeng 包含三个层次。在底层，构建了一个面向特定领域的大型处理器芯片模型 (LPCM： Large Processor Chip Model)，在架构、训练和推理方面引入了新颖的设计，以应对知识表示缺口、数据稀缺、正确性保证以及巨大的解空间等关键挑战。

在中间层，利用 LPCM 的知识表示和推理能力，开发了硬件设计代理和软件设计代理，以实现处理器芯片软硬件设计的自动化。顶层则是各种处理器芯片设计应用程序。

QiMeng 在AI应用于芯片设计上有很多创新，例如开发人员基于软件设计代理开创了一种名为 QiMeng-GEMM 的自动化方法，用于生成具有矩阵乘法（即 GEMM）的高性能库，QiMeng-GEMM 是第一个利用 LLM 自动生成高性能 GEMM 代码的方案。具体来说，我们抽象出了常见的 GEMM 优化方法和硬件架构特性，并为 LLM 创建了一组通用的元提示，用于生成高性能矩阵乘法运算符。这些元提示使 LLM 能够通过捕捉不同平台的架构特性来理解和实现优化目标。然后，开发人员将软件设计代理中的性能反馈回路与思维树（ToT：Tree of Thoughts）技术系统地探索优化原语组合。这能够探索由元提示生成的所有可能的优化序列，从而能够生成针对不同硬件架构特性定制的高性能矩阵乘法算子。

此外，开发人员还提出了 QiMeng-TensorOp，这是首个利用 LLM 自动生成具有硬件原语的高性能张量算子的方法。使 LLM 能够理解特定平台的架构和优化策略。

9. 日经：中国百分之100国产芯片车型2026年量产

即使具备100%国产化能力也不能放弃全球化，才是正确之道。

“中国在扩大其成熟工艺（mature node）技术的产能方面，采取了非常积极的态度，这已经对部分芯片市场板块形成了价格压力。” TechInsights分析师马塔斯（Brian Matas）在接受采访时表示，“特别是模拟芯片市场以及微控制器（MCU）市场的大部分领域，这几年市场增长缓慢，部分原因就是这些产品主要依赖成熟工艺节点，而中国的扩产压低了价格。”

据《日经亚洲》报道，中国汽车产业正加速推进芯片自主化战略，上汽集团、长安汽车、长城汽车、比亚迪、理想汽车和吉利等头部车企已启动“全国产芯片”车型量产计划，其中至少两个品牌将于2026年实现首批车型下线。

据新浪财经报道，最新的政策目标是到2027年实现汽车芯片100%自主研发和制造，相比年初设定的25%国产芯片采用率目标大幅提速，尽管并非强制性要求，但多家车企已将芯片自给率纳入战略考核。

目前尚不明确汽车芯片自给率的计算标准，一些人认为是根据车辆使用的芯片总数来计算，而另一些人则认为是根据有多少种芯片是在本地开发或制造来计算。例如，广汽集团计划到2030年实现全系车型国产芯片覆盖率超80%，其发布的12款自研芯片已通过AEC-Q100车规认证，涵盖7nm自动驾驶芯片、碳化硅功率模块等关键领域。

例如，中国一汽与新紫光集团达成战略合作，覆盖车载计算、控制、存储等全链条，其THA6系列车规MCU已实现量产应用。

广汽集团则联合20余家国产供应商建立“白名单”，推动功率器件、传感器等本土化替代，并且与中芯国际（SMIC）、粤芯半导体（CanSemi Technology）等中国晶圆代工厂紧密合作，评估整个汽车芯片供应链，并协助验证国产替代芯片。

2020年10月，零跑汽车发布凌芯01智能驾驶芯片，采用28nm工艺，最大算力4.2TOPS，率先搭载于零跑C11。

2023年3月，吉利汽车旗下芯擎科技研制的龍鹰一号7nm智能座舱芯片量产下线，同年9月首搭于领克08，后搭载于多个品牌车型。2024年10月，其发布的7nm工艺、512TOPS算力的智能驾驶芯片星辰一号计划于今年量产。

2024年11月，比亚迪与联发科定制的4nm工艺智能座舱芯片BYD9000随方程豹豹8上市。

2023年末，蔚来发布的首颗自研智能驾驶芯片神玑NX9031基于5nm打造，算力超1000TOPS，2024年7月流片成功，今年4月起随蔚来ET9交付。

另据报道，小鹏汽车已设计出专注于人工智能的 “图灵芯片”，并称其最高算力达700TOPS，性能优于美国芯片巨头英伟达的产品，旨在为下一代智能汽车提供动力，将首先应用于小鹏G7。2023 年 7 月，大众汽车斥资 7 亿美元收购小鹏 4.99% 的股份，双方形成战略联盟，共同为中国市场研发电动车，并且准备采购小鹏汽车自研的图灵芯片。

尽管国产化进程提速，但高端芯片领域仍存瓶颈。当前中国汽车芯片国产化率不足10%，尤其在自动驾驶芯片领域，英伟达、高通仍占据主导地位。例如，蔚来汽车虽宣布自研5nm智能驾驶芯片“神玑NX9031”流片成功，但量产装机仍需时间。

此外，汽车芯片从研发到认证的过程复杂且周期长，通常长达五年，而中国电动车制造商采取更灵活策略，在非关键功能上使用消费级、现成可用芯片，将测试与认证时间缩短至6-9个月，从而加速国产芯片使用进程。

但是行业专家指出，车规级芯片需满足-40℃至155℃极端温湿度、抗电磁干扰等严苛标准，技术壁垒远高于消费级芯片。此外，ARM架构授权、EDA工具等底层技术仍依赖海外，国产芯片在生态兼容性上面临考验。

“中国在扩大其成熟工艺（mature node）技术的产能方面，采取了非常积极的态度，这已经对部分芯片市场板块形成了价格压力。” TechInsights分析师马塔斯（Brian Matas）在接受采访时表示，“特别是模拟芯片市场以及微控制器（MCU）市场的大部分领域，这几年市场增长缓慢，部分原因就是这些产品主要依赖成熟工艺节点，而中国的扩产压低了价格。”

据乘联会数据，2024年中国新能源汽车零售渗透率达51.1%，但单车芯片国产化率不足15%。广汽研究院院长透露，其自研芯片成本较进口产品降低40%，但需在2025年实现规模化搭载，才能形成成本优势。

国际巨头亦加速本土化布局。英飞凌（Infineon）、恩智浦（NXP）等通过与中国代工厂合作，扩大在华产能；意法半导体（STMicroelectronics）则与吉利旗下企业成立合资公司，聚焦碳化硅器件研发。英飞凌首席执行官Jochen Hanebeck在接受《日经亚洲》采访时表示，中国客户要求其将芯片生产本地化，以满足中国市场需求。

TechInsights估计，到2025年，中国本地生产的集成电路只能满足国内约1850亿美元市场中约17.5%的需求。不过根据国际半导体产业协会（SEMI）的数据，中国成熟工艺芯片（即14纳米或更高节点）产能，在全球的占比预计将从2023年的31%提升至2027年的近40%。

10. FOPLP能否成为半导体封装的破局者

随着摩尔定律逐渐接近极限，从晶圆代工厂、封装厂、IDM公司以及IC设计公司，都开始将先进封装技术作为突破摩尔定律的一个方向。其中，扇出型面板级封装（FOPLP），作为先进封装技术的一个重要分支，引起业界广泛关注，一些大厂也在积极布局这一先进封装技术分支。

FOPLP是基于重布线层（RDL）工艺，通过在方形大尺寸面板上重新布局芯片，以实现高密度互连，可集成多芯片、无源元件及复杂互连。它具有超越传统封装的灵活性、扩展性和经济效益。

FOPLP技术凭借高面积利用率，极大减少了材料浪费，并能在单一制程中批量处理芯片，极大提升封装效率及成本效益，形成规模经济优势。与FOWLP技术相比，FOPLP的面积使用率高达95%，远高于FOWLP的85%。这意味着，在相同面积下，FOPLP的面板能比12英寸晶圆多容纳1.64倍的芯片。

同时，随着基板面积的增加，芯片制造成本逐渐下降。从200mm过渡到300mm大约能节省25%的成本，而从300mm过渡到板级封装，则能节约高达66%的成本。

此外，FOPLP依托精密的RDL工艺，可实现芯片间（D2D）的高速、高密度互连，这一特质对于AI计算至关重要，确保了庞大数据流的无缝传输与高效处理。

台积电在积极扩产CoWoS的同时，也在开发新一代的先进封装技术——CoPoS（Chip-on-Panel-on-Substrate）。CoPoS与FOPLP类似，也采用大型面板基板进行封装。但两者还存在一些差异。FOPLP是一种不需要中介层的封装方法，芯片直接重新分布在面板基板上，并通过重分布层（RDL）互连。而CoPoS则引入了中介层，从而可以实现更高的信号完整性和稳定的功率传输，对于集成GPU和HBM芯片的高端产品来说效果更好。

台积电计划2026年建造一条CoPoS试点生产线，2027年将重点改进工艺，以便满足合作伙伴的要求。2028年年底至2029年年初实现CoPoS的量产工作，台积电位于中国台湾嘉义的AP7工厂将成为CoPoS先进封装技术的生产中心。

封测大厂日月光也在近几年积极布局面板级封装技术领域。据悉，日月光已在高雄拥有一条量产的300X300mm面板级封装产线。今年2月，日月光宣布投资2亿美元，在高雄设立新的面板级扇出型封装量产线，研发试产规格为600X600mm，并计划在2025年底试产，预计明年开始送样给客户进行认证。增加对于面板级封装技术领域的投资，也反应了日月光想要进一步提升其在先进封装技术领域的竞争力和市场份额。

但三星与台积电在基板材料的选择上产生了分歧。据台媒DigiTimes去年年底的报道，三星坚持使用塑料基板，而台积电则积极探索玻璃基板的应用。三星继续沿用塑料是因为其具备成本效益、柔韧性好且制造工艺成熟等优势。而台积电则选择探索玻璃面板是因为，相比塑料，玻璃面板拥有更优异的热稳定性和平整度，并有潜力实现更紧密的互连间距。可以说，两种基板材料各有优劣，最终还需市场进行检验。

FOPLP发展面临的挑战

虽然，各方都在积极布局FOPLP领域，也看好其未来的发展前景。但FOPLP想要取得长足的发展，还面临着一些挑战。首先，面板尺寸和组装工艺未能标准化是FOPLP应用的最大障碍。目前，各家厂商的面板尺寸各成一派，已经有300X300mm、510mmX415mm、515mmX510mm、600mmX600mm、615X625mm、620mmX750mm、700mmX700mm、800X600mm、800X800mm等规格。

大的面板尺寸虽然会带来成本优势，但也会带来基板翘曲的问题，会影响到精度和良率等问题。此外，FOPLP还需解决大面积RDL形成、焦深裕度（DoF margin）、芯片位移，以及微粒控制等技术挑战。

据分析机构Yole Group数据显示，2022年FOPLP的市场空间大约是11.8亿美元，预计到2026年将增长到43.6亿美元。可以预见，FOPLP技术具备巨大的成长潜力。目前，FOPLP技术已初步形成商业化，随着更多先进企业的加入，有望加速FOPLP技术的发展与市场扩张。未来，随着材料创新与工艺协同的持续突破，FOPLP或将重塑半导体封装的产业格局。