1 ) 3纳米订单爆满！

尽管台积电对各客户的具体合作细节严格保密，外界目前无从知晓，但台积电 CEO 魏哲家（CC Wei）在一场投资者会议上，回应了分析师关于智能手机库存的提问。他表示，当前库存已回归季节性正常水平，这也印证了 2026 年消费级应用市场将实现增长的预期。 

除了 iPhone 17 出货量提升带动 A19、A19 Pro 芯片订单增加外，台积电还迎来了高通（Qualcomm）和联发科（MediaTek）的订单激增 —— 这两家企业的骁龙 8 Elite Gen 5（Snapdragon 8 Elite Gen 5）与天玑 9500（Dimensity 9500）芯片，均采用相同光刻工艺制造。

据悉，尽管高通和联发科需向台积电支付比以往高出至多 24% 的芯片代工费用，但这一趋势并未出现逆转迹象。   

不过，高通与联发科的智能手机合作厂商却需承担相应财务压力。受多种因素影响，骁龙 8 Elite Gen 5 和天玑 9500 芯片的成本预计分别为 280 美元和 200 美元。据《联合报》（United Daily News）报道，2026 年生产的智能手机芯片组中，有三分之一（即 33%）将采用台积电的 3 纳米或 2 纳米工艺。  

苹果计划于明年推出 A20 和 A20 Pro 芯片，据称该公司已锁定了台积电初期 2 纳米产能的一半以上，以压制竞争对手。随着台积电的技术推进，分析师对高端智能手机市场的稳定持乐观态度；但目前汽车半导体需求仍显疲软，该领域需进行调整。

2 ) 索尼推出全球首颗内置SerDes的汽车CIS

2025年10月28日，索尼半导体解决方案公司（以下简称“SSS”）发布了一款内置MIPI A-PHY（以下简称“A-PHY”）接口的800万像素CMOS图像传感器“IMX828”。索尼声称，这是业内首款搭载车载高速传输标准的传感器。此外，该传感器的最大动态范围高达150 dB，并配备了独特的低功耗停车监控功能。索尼表示，该传感器将“为下一代车载摄像头所需的技术创新做出贡献”。

本质上是把“摄像头”和“数据线”做成了一个更紧凑、更可靠、更便宜的系统级器件。相比传统“CIS + 外置串行器”方案，带来的优势可归纳为6点：

1. 省BOM、省面积

一颗芯片就完成图像采集+高速串行化，可省掉独立串行器及周边阻容、晶振、连接器，整机BOM成本降低“数美元”，摄像头模组PCB面积缩小约20%。

2. 省线束、省重量

像素数据在片内直接转成串行信号，只需一对差分线即可传到ECU，替代原来的8/10/12根并行线，整车线束更少、更轻，EMI也更低。

3. 更长、更稳的链路

采用MIPI A-PHY等车载协议，支持15 m同轴线/屏蔽双绞线，下行8 Gbps、上行100 Mbps，带重传纠错，误码率低于传统分立场串行器。

4. 低功耗停车监控

传感器在“1–10 fps低分辨率”模式下即可做移动侦测，整颗芯片功耗<100 mW，ECU可完全下电，兼顾全天候泊车安防与电瓶寿命。

5. 更高成像性能

CIS与SerDes同工艺、同封装，可原生支持150 dB高动态范围、LED闪烁抑制、40 kcd/m²高亮不饱和，避免交通信号灯“变色”误判。

6. 供应链弹性与成本

国产CIS厂（豪威、索尼SSS等）推出“CIS+SerDes”一站式方案，兼容公有A-PHY/HSMT协议，客户可混用不同厂商解串器，打破私有协议垄断，价格较进口分立场方案低30–50%。

一句话总结：把SerDes“塞”进汽车CIS里，既让摄像头更轻更小更便宜，又带来更长链路、更低功耗和更高成像可靠性，是800万像素以上智驾摄像头最主流的技术路线。

3 ）HBM版NAND终于来了！

SK海力士27日表示，公司于当地时间10月13日至16日参加了在美国加利福尼亚州圣何塞举行的“2025 OCP（开放计算项目）全球峰会”，并在会上发布了最新的NAND存储产品战略。 

公司表示：“随着AI推理市场的迅速增长，能够快速、高效处理海量数据的NAND存储产品需求正在急剧扩大。对此，我们构建了‘AIN（AI-NAND）Family’产品阵容，旨在以面向AI时代的最优解决方案满足客户需求。” 

 在大会第二天的高管专场中，SK海力士eSSD产品开发负责人金千成（Kim Cheonseong）副社长作为演讲嘉宾，介绍了AIN产品系列。 

 AIN系列从性能（Performance）、带宽（Bandwidth）、容量（Density）三个维度进行优化，旨在同时提升数据处理速度和存储容量。 

 AIN P（Performance） 是一款可在大规模AI推理环境中高效处理海量数据读写的解决方案。通过最小化AI计算与存储之间的瓶颈，大幅提升处理速度和能效。公司目前正在以全新架构设计NAND与控制器，计划于2026年底推出样品。

AIN D（Density） 是一款以低功耗、低成本存储大容量数据为目标的高密度解决方案，适用于AI数据存储。该产品旨在将基于QLC的TB级SSD容量提升至PB级，同时兼具SSD的速度与HDD的经济性，定位为中间层级存储。 

 NAND闪存根据单个存储单元（Cell）可存储的比特数量不同，分为SLC（1bit）、MLC（2bit）、TLC（3bit）、QLC（4bit）、PLC（5bit）等多种规格。 

 AIN B（Bandwidth） 是通过垂直堆叠NAND来扩大带宽的解决方案，这正是公司采用“HBF”技术的产品名称。

SK海力士启动AIN B研究的初衷是为了解决内存容量不足问题，其核心在于将高容量、低成本的NAND与HBM堆叠结构相结合。公司正在研究将AIN B与HBM协同部署，以补充容量不足等多种应用场景。 

为推动AIN B生态系统发展，SK海力士与美国SanDisk于8月签署了HBF标准化谅解备忘录（MOU），并于14日晚在OCP峰会会场附近的科技互动中心（The Tech Interactive）举办了“HBF之夜”活动，邀请了多家全球大型科技公司的代表出席。

4 ) 先进封装最新路线图

1. 异构集成（HI）正式接棒摩尔定律

尺寸微缩已走到 3 nm 以下物理墙，PPA 再进化只能靠封装级整合；2026 年起≥50% 的高性能芯片把性能提升押注在“封装创新”而非“制程节点”。

2. Chiplet + UCIe 生态进入“拼乐高”时代

2025 年主流 I/O 间距 25 µm，2027 年缩到 10 µm；混合键合（Hybrid Bonding）把互连密度再提 300×，使不同厂、不同工艺芯粒可像 IP 一样自由组合，预计 2030 年 ≥30% 的处理器采用 Chiplet 架构。

3. 3D 堆叠纵深演进：带宽先冲 10 TB/s，再冲 1 KB/µm²

HBM 4/5 将核心+存储整体 3D 封装，TSV 节距从 40 µm 缩至 4 µm，堆叠层数 16→24→32 层；AMD、英伟达 2026 平台演示 10 TB/s 级内存带宽，比 2024 水平再翻 3 倍。

4. 基板“玻璃化”+ 超大封装，把单包晶体管推向 1 万亿

英特尔 2026 年量产 120 mm × 120 mm 玻璃基板，热变形 ↓50%，互连密度 ↑10×，为 2030 年“单封装 1 T 晶体管”铺路；同时支持把光互连、嵌入式电容/电感一起整进基板。

5. 面板级封装（PLP）降本 20 %，先进封装“下沉”中端市场

2027 年后 600 mm×600 mm 面板量产，配合干膜光刻胶与高速贴片，把 2.5D/FO 成本拉到传统 QFN 区间，使车载 MCU、边缘 AI SoC 也能用高密度互连。

6. 热-电-机械协同设计工具链必须先行

3D 功耗密度 > 3 W/mm² 后，热点温差可达 60 ℃；路线图把“热机械仿真+机器学习辅助设计”列为 2025-2028 三大瓶颈之首，要求 EDA、OSAT 与材料厂联合交付高保真模型，否则上述硬件创新无法量产。

一句话总结：

“拼芯粒、深堆叠、换玻璃、做面板”，再加上 AI 辅助的热-电协同设计——这就是未来五年先进封装路线图的核心主线依赖于特征尺寸缩减（尺寸缩放）的传统半导体技术已达到其物理极限。

5 ）长鑫存储LPDDR5X量产填补高端手机芯片空白

近日，长鑫存储（CXMT）正式宣布，已成功研发并量产LPDDR5X系列内存芯片，标志着我国在高端移动存储技术领域取得重大突破。这一里程碑式进展，不仅填补了国产DRAM在旗舰手机应用中的空白，更意味着国产高端智能手机正加速摆脱对美韩存储芯片的依赖。

LPDDR5X是当前智能手机中最高端的动态随机存取存储器（DRAM）标准之一，广泛应用于旗舰级手机，支持高分辨率视频处理、AI大模型本地运行、多任务并行等高性能需求场景。其核心优势在于高带宽、低功耗、高能效比，可显著提升手机的运行流畅度与续航能力。

长期以来，全球LPDDR市场被韩国三星、SK海力士和美国美光三大巨头垄断，三者合计占据超过90%的市场份额。中国手机品牌虽在全球销量领先，但核心元器件如处理器、存储芯片等仍严重依赖进口，尤其是在高端DRAM领域，国产化率几乎为零。

长鑫存储此次推出的LPDDR5X产品系列涵盖多种封装解决方案，提供12GB、16GB、24GB及32GB等不同容量选择，速率范围从8533Mbps至10677Mbps，包括9600Mbps在内的多个速率档位均有覆盖。

自长鑫存储成立以来，已相继推出DDR4、LPDDR4X、LPDDR5以及DDR5等一系列内存产品。此次LPDDR5X的推出，不仅标志着公司在技术创新方面迈出了重要一步，更进一步完善了产品矩阵，为下游客户提供了更为丰富的选择，其市场前景广阔。

此外，长鑫存储方面还透露，公司正在研发一款厚度仅为0.58mm的LPDDR5X，如果这款产品成功量产，将会是业内最薄的LPDDR5X产品。

6 ) 长江存储第三工厂全线国产设备

已从2025年下半年的首条试产线进入正式建厂阶段，但能否真正做到100%国产、且长期稳定量产，仍面临三大关键瓶颈

可行性评估：2025年启动“全国产线”是“政治可行+技术极限”并行

结论：2025年“全国产线”可以“建起来”，但距离“跑起来、跑得好”还有3-5年磨合期。

关键困难：不是“有没有”，而是“好不好用”

1. 光刻机：唯一“卡死”环节

- 无EUV：300层以上3D NAND需用EUV做极窄沟道，但国产EUV尚未立项，ASML被禁运。

- DUV勉强可用：SMEE 28nm DUV仅35%零部件国产，套刻精度、 uptime 与ASML 1980Di 仍有20-30%性能差距。

-  workaround：长存采用“双层堆叠”+串堆技术绕过EUV，把294层拆成两次147层曝光，牺牲 throughput 换层数。

2. 良率与成本：国产设备“能用”但“不经济”

结果：同样10万片/月产能，全国产线初期成本比混线高20-25%，需3-5年连续爬坡才能持平。

3. 生态协同：设备-材料-EDA-封测“全链短板”同步暴露

- 材料：ArF光刻胶（南大光电）年产能<5000吨，仅能满足1/3需求。

- EDA：芯华章7nm验证工具刚发布，尚未经过大规模量产考验。

- 封测：高端存储ATE（Teradyne/爱德万垄断）国产化率≈0，长存三厂后段仍必须进口。

中长期展望：2028-2030年或达“基本可控”

最终结论

- 政治决心+资金+市场三要素已齐备，2025年“全国产线”可以建起来；

- 光刻机、量测、ATE三大硬件短板短期无法彻底国产，需用系统级创新（串堆、两次曝光、AI良率调优）弥补；

- 未来3-5年是“极限压力测试期”，只要良率-成本曲线在2027年前 crossed over，中国存储产业将真正获得全球定价权。

> 简言之：“全线国产”不是能不能建，而是能不能“活下去且活得更好”——答案取决于2026-2027年的良率-成本拐点是否如期到来。

7 ) 传台积电前资深副总罗唯仁赴英特尔掌研发

台积电企业策略发展资深副总经理罗唯仁于今年7月底退休后，近期业界传出其可能重返老东家英特尔，并负责研发计划，引发业内对两大半导体巨头技术竞争与人才流动的高度关注。

罗唯仁在台积电任职长达21年，是公司技术发展的重要推手。他于2004年加入台积电，先后担任营运组织副总经理、研发副总经理等职务，最终升任先进技术事业及制造技术副总经理。在其领导下，台积电技术团队取得超过1500项专利，其中约1000项为美国专利，为台积电在先进制程领域的领先地位奠定坚实基础。

值得注意的是，罗唯仁在加入台积电前，曾于1997年至2000年间在英特尔任职，担任先进技术发展协理及CTM厂厂长，对半导体先进制程具备深厚经验。这一背景也被视为其可能重返英特尔的关键因素之一。

8 ）存储芯片新叙事，新一轮成长周期国产长鑫何以成为少数玩家？

根据全球性技术市场研究咨询机构Omdia 数据，全球DRAM 市场规模有望从2024年的976亿美元增长至2029年的2,045亿美元，年均复合增长率为15.93%。

近年来，随着AI技术发展以及AI数据中心等基建需求的增长，存储芯片需求大幅提升。国际知名高科技产业研究机构集邦咨询（TrendForce）预测2025年存储芯片市场规模有望突破2300亿美元；中研普华数据显示，2024年中国存储芯片市场规模达4600亿元人民币，2025年预计将突破5500亿元人民币。

HBM的本质是DRAM的高阶进化。HBM是DRAM为适应AI等高性能计算需求，在形态与架构上的高阶进化，HBM采用近存计算架构，通过立体3D堆叠多个DRAM芯片，利用TSV（硅通孔）技术实现芯片间的高速互连，提高数据传输速度、降低延迟、减少能耗。这种物理上的极致接近，创造了“存算一体”的理想形态——让数据在存储的过程中就能进行计算，或者在计算的过程中就能直接访问存储，既提高整体计算效率又可以降低功耗，极大地缓解“存储墙”对算力的制约。  如果说AI运算是一座繁忙的智能工厂，那么HBM就是流水线旁触手可及的“智能工作台”，而DRAM正是构成这张工作台的核心材料。与主要用于数据存储的NAND Flash（闪存）不同，DRAM作为系统内存是为高速、频繁的数据读写而生，这一特质使其与HBM产生深度链接与技术绑定。

反观NAND更像是一个远离车间的“中央仓库”，负责海量数据的存储。虽然其容量巨大且断电后数据不丢失，但其读写速度（尤其是写入速度）和寿命（擦写次数限制）与DRAM不在一个量级，无法胜任训练和推理过程中实时、高频的数据交换任务。

DRAM为何是“芯片皇冠上的明珠”

在存储芯片领域，DRAM与NAND虽同为核心品类，但两者的技术复杂度与制造难度却存在显著差异。DRAM作为系统内存，需实现高速读写与数据保持功能，其工艺对精度要求极高。而NAND主要用于数据存储，断电后数据仍可保留，技术难度明显低于DRAM。

原子核心原理的“精密极限”。DRAM的制造难度，从根本上源于其核心存储单元的结构复杂性，DRAM每个存储单元都由一个晶体管和一个电容构成，对电荷控制和工艺精度要求达到极致，需要解决漏电、刷新、高速互联等复杂问题。而NAND的存储单元是单一的浮栅晶体管，通过改变阈值电压存储数据，无需刷新，通过3D堆叠提升容量，封装复杂度远低于DRAM。总而言之，制造DRAM像是在指甲盖上建造无数个带独立供电的精密“单间”，是极致微缩的精度体现，而NAND结构相对简单，更像搭建存储数据的“积木”。

正因核心原理和结构的差异，使得从NAND领域向DRAM进行技术迁移的难度巨大，经验难以复用，且面临极高的专利壁垒，绝非简单的技术延伸。NAND工程师聚焦大容量存储、3D堆叠技术与DRAM所需的高速数据处理、电容制造、电荷刷新等技术关联度极低。这好比一位优秀的土木工程师，很难直接转型去设计精密的机械手表，二者基础原理和知识体系不同。

9 ) 李开复：中国AI算力将是美国十倍！

在旧金山TED AI大会上，创新工场董事长、AI科学家李开复通过视频连线发表演讲，罕见地直言：“在AI硬件和机器人制造方面，美国正在被中国超越。”

李表示，这一点也不夸张。在AI硬件与机器人赛道，中国的领先正在成为事实。美国在科研与企业AI仍占优势；中国则在机器人、消费级AI、开源模型与能源布局上全面反超。

有硅谷投资人听完演讲后感叹：

“我们不是在和中国竞争，而是在平行的世界里奔跑。”这意味着AI竞争不再仅仅是技术之争，而是国家级能源与基础设施的比拼。

从AI芯片到算力中心，李开复指出，真正决定未来AI格局的，是能源基础设施：“中国的新能源项目建设速度是美国的十倍。如果这种趋势持续，中国的AI算力将在几年后达到美国的十倍。“我不担心AI变成人类敌人，我担心人类因为竞争太快，造出漏洞百出的系统，被恶意滥用。”

DeepSeek、阿里等团队推出的开源模型，性能已超越Meta的Llama系列。

在他看来，开源路线是AI生态的长期力量：“开源模型就像AI界的Linux，你可以修改、微调、自由构建，这是国家级AI主权模型的关键。”

真正的风险：不是AGI觉醒，而是“速度失控”。

李开复坦言，最让他担忧的不是AI觉醒，而是产业节奏的失控：

TikTok的全球爆红，就是这一优势的最好证明——AI算法的推荐与用户体验打磨，让美国公司仍在追赶。

“美国会继续主导企业AI，中国则将在机器人和消费AI领域领跑。”

他还特别强调，中国科技巨头在消费AI落地速度上远超硅谷：“字节跳动、阿里巴巴、腾讯的反应速度，比Meta和YouTube快得多。他们早已把AI深度融入社交、电商和内容生态。”

中国制造业基础雄厚、硬件迭代快、落地更容易。

投资逻辑的分歧：软件美国，硬件中国

李开复指出，中美资本正押注两条完全不同的AI增长曲线：

“美国VC把钱砸进大模型和企业AI软件；中国VC押注机器人与AI硬件。”

原因很现实：

美国劳动力贵、SaaS订阅成熟，企业AI变现快；

“像优必选、宇树这样的公司，已经能把AI整合进极具成本优势的机器人体系里，造价低、产能快、供应链稳，全球几乎无人能敌。美国依旧主导企业级AI和科研创新；

中国则凭借制造业与供应链优势，迅速掌控消费级AI与智能机器人市场。

10 ）AI巨投资的逻辑 

上一次冷战的成功经验并不一定适用于新的战场，但以 AI 技术改变竞争格局的共识已经达成。谁也不敢不投入。就这样 AI 投入的催化剂从消费衍生到了国家竞争，投资叙事也从一个虚拟技术扩展为重建先进制造。

用 Meta 创始人马克·扎克伯格的话说：如果投资 AI 最终白花了数千亿美元显然很不幸，但不投入的风险更大——如果 AI 实现大跨越，自己会错失先机，被对手甩开。商业巨头不会接受这样的可能，国家也一样。

莫大康：浙江大学校友，求是缘半导体联盟顾问。亲历50年中国半导体产业发展历程的著名学者、行业评论家。