江蘇芯緣半導體有限公司
Jiangsu Thankyou Semiconductor Co.,Ltd.
1. 芯片設備三巨頭最新觀點
在此前美國的一場討論會上，面對高盛分析師Jim Schneider關于2025年晶圓廠設備市場前景的提問，Applied Materials CEO Gary Dickerson給出“低單位數成長”的保守預測，KLA Corporation CFO Bren Higgins卻預期“中單位數增長”，Lam Research CFO Doug Bettinger則完全回避數字預測。這種分歧并非市場判斷能力的差異，而是三家巨頭對半導體技術發(fā)展方向有著根本性的不同看法。
半導體設備產業(yè)向來以技術門檻極高著稱，Applied Materials的材料工程、KLA的檢測系統、Lam Research的蝕刻工藝，每項技術都需要十年以上的深度積累。然而，AI制程需求的爆發(fā)與地緣政治限制正在壓縮產業(yè)的技術更新周期，迫使設備商在不確定性中做出戰(zhàn)略押注。從2022年管制啟動到當前市場格局重塑，整個產業(yè)正在經歷從技術分歧到競爭邏輯重構的深層變革。三大設備巨頭將透過技術路線差異、產業(yè)生態(tài)斷裂、制造方式革命，以及政治風險內化四個維度，展現這場產業(yè)轉折點的真實面貌。
Gary Dickerson的謹慎表態(tài)背后，隱藏著Applied Materials對未來技術路線的深度思考。這位執(zhí)行長在會議上強調iCAPS市場的“消化期”，實際上反映了該公司對摩爾定律平面縮放到達極限的判斷。 Applied Materials正在押注先進封裝技術，認為AI芯片的復雜性將迫使產業(yè)從2D轉向3D整合。該公司位于奧巴尼的EPIC Center已投入15億美元，專門開發(fā)CoWoS（Chip-on-Wafer-on-Substrate）技術，這是一場對異質整合未來的豪賭。 Dickerson相信，當CPU、GPU、記憶體必須整合在同一封裝內時，傳統的晶圓制造將讓位給材料工程和封裝技術。
Bren Higgins的樂觀預測則建立在制程復雜化不可逆轉的技術判斷上。 KLA Corporation這位財務長在會議中詳細描述了一個技術現實：臺積電3納米制程的檢測步驟比7納米制程增加60%，每當制程節(jié)點向前推進，電晶體尺寸就更接近物理極限。 Higgins押注的是“制程越先進，檢測越重要”的技術邏輯，該公司的電子束檢測設備能夠發(fā)現10納米以下的缺陷，正好契合AI芯片的零容錯要求。 KLA相信，即使地緣政治風險持續(xù)，先進制程的檢測需求也不會減少，反而會因為良率壓力而持續(xù)增長。
Doug Bettinger的策略回避顯露出Lam Research對技術路線的復雜判斷。該公司財務長在會議中反覆提及“etch-and-deposition intensity”概念，暗示公司同時押注兩個技術方向：3D NAND的垂直擴展和先進邏輯的3D架構。 3D NAND從96層向200層演進需要深寬比超過100:1的垂直蝕刻技術，而AI芯片的3D電晶體結構同樣需要原子級精度的工藝控制。然而，這兩個技術方向都面臨物理極限的挑戰(zhàn)，Lam Research選擇保留戰(zhàn)略彈性，等待市場需求進一步明朗化。
Applied Materials中國營收從32%暴跌至18%，每季損失10億美元的數字震撼市場，但真正的危機遠超財務報表。這家設備巨頭失去的不僅是收入來源，更是與全球最大半導體消費市場的技術共同發(fā)展機會。中國市場向來是新技術驗證和工藝優(yōu)化的重要場域，當Applied Materials被迫退出時，該公司實際上失去了一個關鍵的技術改進回饋機制。更嚴峻的是，中國本土設備商北方華創(chuàng)、中微公司正在成熟制程領域快速追趕，Applied Materials重返中國市場的技術門檻正在不斷提高。
KLA Corporation面臨的5億美元損失看似溫和，但技術生態(tài)的影響更加深遠。該公司的檢測設備不只是硬體產品，更是整個制程監(jiān)控體系的技術核心。中國晶圓廠被迫尋找替代方案時，正在重新建構獨立的檢測標準和供應鏈體系。長期而言，這種技術標準的分化將導致全球半導體產業(yè)出現兩套平行的品質管控系統，所有參與者的研發(fā)成本和技術復雜度都將大幅增加。 KLA面臨的真正挑戰(zhàn)不是短期收入損失，而是全球技術標準統一性的瓦解。
Lam Research中國營收占比從32%縮減至24%的過程中，客戶支援業(yè)務群組（CSBG）受到最嚴重沖擊。半導體設備的商業(yè)模式特性決定了設備銷售只是開始，后續(xù)十年的技術支援、升級改造、備件供應才是真正的利潤來源。一臺蝕刻設備的使用周期通常超過十年，服務收入往往是設備價值的兩倍以上。中國市場的服務中斷不僅是當期現金流損失，更意味著未來十年收益的永久消失。這種產業(yè)生態(tài)鏈的斷裂正在重塑全球半導體設備產業(yè)的商業(yè)邏輯。
Applied Materials賭的是封裝技術將取代傳統制程，KLA賭的是檢測需求將無限放大，Lam Research賭的是保持選擇權比下注更安全。三家公司看似預測市場，實際上是在選擇生存方式：是押注單一技術路線獲得先發(fā)優(yōu)勢，還是分散風險等待局勢明朗？
時間會證明誰的判斷更準確。 AI芯片的制造需求能否真正彌補中國市場的損失，先進封裝技術能否如Applied Materials所愿成為新的增長引擎，檢測設備的重要性是否如KLA預期般持續(xù)提升，市場終將給出答案。
但無論結果如何，有一點已經確定：半導體設備產業(yè)已經從純粹的技術競爭，轉變?yōu)榧夹g與政治并重的復合競爭。在這個新的競爭環(huán)境中，技術領先不再是唯一的勝負標準，政治風險管控能力同樣決定企業(yè)的生死存亡。游戲規(guī)則已經改變，回不去了。
2. openai與英偉達合作開發(fā)10千兆瓦系統
OpenAI 與英偉達確實已宣布達成戰(zhàn)略合作伙伴關系，計劃共同開發(fā)并部署至少 10 千兆瓦（10 gigawatts）的人工智能基礎設施系統，用于訓練和運行 OpenAI 的下一代模型，推動通往“超級智能”的目標。
合作要點如下：
部署規(guī)模：雙方將建設并部署至少 10GW 的 NVIDIA 系統，代表數百萬顆 GPU 的算力，是目前全球最大規(guī)模的 AI 數據中心建設計劃之一。
投資金額：英偉達計劃隨著每千兆瓦系統的部署，逐步向 OpenAI 投資高達 1000 億美元，用于支持數據中心和電力基礎設施建設。
時間表：首個 1GW 的系統預計將在 2026 年下半年上線，采用英偉達下一代 Vera Rubin 平臺。
合作性質：OpenAI 將英偉達列為其“AI 工廠增長計劃”的首選戰(zhàn)略計算與網絡合作伙伴，雙方將協同優(yōu)化硬件與軟件發(fā)展路線圖。
此次合作標志著 AI 基礎設施建設進入“吉瓦級”時代，遠超傳統數據中心的規(guī)模。
3. 傳中芯國際在測試首款國產28納米DUV光刻機
據多家行業(yè)媒體援引知情人士近日消息，中芯國際（SMIC）已開始對首款國產深紫外（DUV）光刻機進行評估和測試。
據悉，中芯國際正在測試的深紫外線（DUV）光刻機由上海初創(chuàng)公司宇量昇生產，采用浸沒式技術，類似于ASML所采用的技術。這臺國產的28納米（nm）DUV光刻機，可利用“多重曝光技術”生產7納米芯片，即在沒有EUV光刻機的情況下，通過多次光刻實現更精細線路圖案的折中方案。
目前尚不清楚該光刻機是否及何時能夠用于高端芯片的量產。但毫無疑問，成功研發(fā)并量產國產DUV光刻機，對于保障中國龐大的成熟制程芯片供應鏈安全、提升產業(yè)鏈韌性具有至關重要的戰(zhàn)略意義。
4. CPO概念爆火2025年光通信革命哪些企業(yè)已入局？
共封裝光學（Co-packaged Optics, CPO）作為光通信領域的顛覆性技術，在2025年迎來了爆發(fā)式增長。
2025年3月，英偉達在GTC大會上正式發(fā)布了Quantum-X Photonics InfiniBand和Spectrum-x Photonics Ethernet兩款CPO交換機，前者預計于2025年下半年上市，后者則將在2026年推出。與傳統插拔式光模塊相比，英偉達的CPO創(chuàng)新技術可將現有能效提高3.5倍，網絡可靠性提高10倍，部署時間縮短1.3倍。
盡管CPO不是非常新的技術，但其“突然爆火”并非偶然，而是技術演進、市場需求和商業(yè)壓力三者共同作用下的必然結果。最直接的原因是，它完美地解決了當前數據中心和AI計算領域最迫切的痛點——顯著縮短了電信號傳輸距離，減少了信號完整性問題，同時顯著降低了功耗和延遲。
當然，除了英偉達之外，全球還有數十家核心科技企業(yè)深度布局CPO領域，包括光通信巨頭、芯片制造商和云計算公司。市場應用方面，預計CPO技術將在2025年開始商用，2026-2027年規(guī)模上量。第一代CPO產品將從800G和1.6T端口開始商用 ，逐步向更高速率發(fā)展。本文將從技術優(yōu)勢、市場驅動力、核心企業(yè)布局、市場前景與挑戰(zhàn)等層面，全方位解析CPO技術這一2025開年以來的資本市場熱點。
CPO技術主要應用于數據中心的交換機接口，其核心優(yōu)勢體現在三個維度：功耗、帶寬密度和延遲。根據多項研究數據，CPO在關鍵性能指標上顯著優(yōu)于傳統可插拔光模塊：
功耗方面：Broadcom數據顯示，可插拔光模塊功耗范圍為15-20 pJ/bit，而CPO系統可降低50%以上，達到5-10 pJ/bit。在800G傳輸速率下，CPO功耗為5.5W，而傳統可插拔技術為14W。
帶寬密度：CPO提升5-10倍帶寬密度，支持高速光通信和高帶寬需求。
尺寸與集成度：CPO實現更小尺寸、更緊湊設計和高集成度。
延遲方面：通過消除長距離電氣連接，CPO可提供亞微秒級的低延遲。
以上關鍵性能優(yōu)勢，對于高性能計算和AI訓練集群至關重要。不過，CPO要求極高的對準精度，通常需要<50nm橫向對準公差以及光纖陣列的3D對準。
整體來看，CPO技術爆火主要有以下幾個原因：
一是最根本的驅動力：AI大模型的算力競賽。這也是CPO熱度飆升的最直接、最強大的催化劑。從2022年以來，ChatGPT等生成式AI的爆發(fā)，催生了巨大的算力需求，其背后是無數英偉達GPU組成的超大規(guī)模計算集群。這些GPU之間需要高速、低延遲、高帶寬地交換數據（比如模型參數、梯度信息）。傳統的網絡連接速度無法滿足需求，導致強大的GPU算力在“等待”數據，效率低下。這也意味著GPU間通信成為瓶頸。
而CPO技術能夠將光引擎直接封裝在GPU旁邊，實現超短距離的高速互連，提供前所未有的帶寬（如1.6Tb/s甚至更高）和極低的功耗，徹底打破了GPU間的通信瓶頸，讓算力集群的性能得以充分發(fā)揮。
二是無法忍受的“功耗墻”。除了高速互聯之外，功耗是數據中心運營商的噩夢，而傳統可插拔光模塊的功耗已經逼近極限。隨著數據傳輸速率從800G向1.6T甚至3.2T演進，使用傳統的可插拔光學（Pluggable Optics）方案，光模塊的功耗、發(fā)熱和密度問題變得極其突出。一個1.6T的可插拔光模塊功耗可能超過20W，一個高密度交換機可能就需要數十個這樣的模塊，其總功耗和散熱需求是天文數字。
CPO將光引擎和電芯片（ASIC）緊密集成，通過芯片級的互連替代了傳統PCB板上的高速銅線，大幅降低了信號傳輸的功耗和損耗。數據顯示，CPO技術相比可插拔方案，能效可提升50%以上。這對于降低數據中心PUE（能源使用效率）、節(jié)省電費至關重要。
三是帶寬密度需求的爆炸式增長。數據流量每年都在指數級增長，要求交換機的端口速率和密度越來越高。然而，交換機的前面板面積是固定的，但需要塞進更多、更高速的端口。可插拔光模塊的尺寸和散熱限制了端口密度的進一步提升。CPO則將光連接移至交換機內部，與交換芯片共同封裝，解放了前面板的空間，從而極大地提高了交換機的帶寬密度。這使得單臺交換機能夠處理的數據流量呈數量級增長。
四是技術成熟度的拐點。任何技術從概念到爆火都需要經過漫長的研發(fā)和積累，而CPO正處在產業(yè)化的臨界點。CPO并非全新概念，業(yè)界已對其研究和探索了多年，在材料、硅光技術、封裝工藝、熱管理等方面都有了長足的進步，其在2023-2025年間實現了從技術概念到產業(yè)熱點的跨越式發(fā)展。
5. TechInsights 2025報告DRAM 與 NAND 趨勢與展望
DRAM
DRAM陣營里，Samsung、SK hynix、Micron三巨頭正把1z nm推向1β→1γ→1dnm，并在2027年前后轉入4F2單元結構，通過縮小特征尺寸、多層金屬互連和高介電常數電容薄膜把單片容量繼續(xù)往上頂。
3D NAND Layer
另一邊，3D NAND的層數已把218L/236L拋在身后，Samsung 286L、KIOXIA 286L、Micron 276L、SK hynix 321L、YMTC 267L紛紛進入量產。
Hybrid bonding
為了在繼續(xù)加層的同時不讓晶圓翹曲、縫隙填充和柵極應力失控，各家都把“陣列-邏輯分離+Hybrid Bonding”當成續(xù)命良藥——先在一枚晶圓上做完三百多層垂直通道與柵極堆疊，再把它倒扣到另一枚已布好外圍電路的CMOS晶圓上，用亞微米級銅-銅直接鍵合省去凸塊、壓縮厚度、提升帶寬，也讓國產YMTC Xtacking和KIOXIA BiCS-CBA在制裁陰影下仍能繼續(xù)迭代。
簡言之，存儲芯片的物理極限正被 “更細的線條、更薄的Die、更高堆疊+晶圓級混合鍵合” 這套組合一點點推開，DRAM在納米尺度里榨電容，NAND在微米垂直里深挖，Hybrid Bonding是兩者共同且最關鍵的跳板。
6. 一文讀懂大模型常見的10個核心概念
1）、大模型型號
每個大模型都有其獨特的設計和功能，有些大模型可能在語言理解方面表現出色，有些則可能在生成圖像或解決特定領域問題上更有優(yōu)勢，就像不同品牌的汽車。
同一個大模型也會有不同的版本型號，例如DeepSeek R1、DeepSeek V3等，不同的版本號代表著全面的進化，例如更大的參數、更快的速度、更長的上下文、或者多模態(tài)之類的新功能。
很多模型還針對不同任務做了微調，這些在名字上同樣有區(qū)分，比如DeepSeek Coder V2、DeepSeek Math等。
通常情況對話型就加chat，寫代碼就加coder，算數學就加math，做視覺就加vision等等。
2）、模型參數
模型參數的數量通常非常龐大，比如7B、14B、32B等（7B=7Billion=7000000000個參數），一個擁有數十億甚至數萬億參數的大模型，就像一個擁有超級多“腦細胞”的超級大腦。這些參數決定了模型如何理解輸入的信息，并生成相應的輸出。
模型參數越大，通常能夠學習到更復雜的模式和規(guī)律。
參數越大，價格越貴，所以需要根據處理任務的復雜度，合理選擇不同“尺寸”的模型。
7B 模型
適用場景：適用于一些對實時性要求較高，且任務相對簡單的場景。
14B 模型
適用場景：可以處理稍微復雜一點的自然語言處理任務。
32B 模型
適用場景：生成質量較高的文本，比如吸引人的廣告文案、社交媒體推文等內容，提供一些不錯的創(chuàng)意和內容生成。在知識問答系統中，能夠回答一些涉及一定領域知識的問題，如 “人工智能的發(fā)展歷程是怎樣的”。
70B 模型
適用場景：具備更強的語言理解和生成能力，適用于復雜的對話系統，能夠進行多輪對話，理解對話中的上下文信息，并給出合理的回應；在文本生成方面，能夠生成更連貫、更有邏輯的長篇內容，如小說、技術文檔等。
671B 模型
適用場景：通常具有非常強大的知識儲備和語言處理能力，能夠處理極其復雜的任務。
3）、上下文長度
你可以把上下文長度想象成一個“記憶窗口”。
當大模型處理文本時，它會考慮一定長度的前文內容來理解當前的文本信息，這個長度就是上下文長度。一般簡單且短的問題用低上下文，而嚴謹且文本量大的用高上下文。
上下文長度通常有：
4）、Token
Token可以理解為文本的“積木塊”。
當大模型處理文本時，它會把文本分成一個個小的單元，這些小單元就是Token。比如句子“我喜歡吃蘋果”，可能會被分成“我”“喜歡”“吃”“蘋果”這幾個Token。
每個Token都有其對應的編號或向量表示，就像每個積木塊都有自己的獨特標識一樣，模型就是通過操作這些“積木塊”來進行語言處理。
5）、蒸餾
蒸餾可以想象成從一個“知識淵博的老師”（大模型）那里提取精華，傳授給一個“學生”（小模型）的過程。大模型通常包含了大量的知識和信息，但它可能比較復雜，運行起來比較慢。
蒸餾是通過一種特殊的訓練方法，讓小模型學習大模型的行為和知識，從而變得更加聰明。就像學生向老師學習一樣，小模型通過蒸餾可以在保持一定性能的同時，變得更加簡潔和高效，能夠更快地處理任務。
6）、量化
模型參數通常是非常精確的數字，占用大量的存儲空間和計算資源。量化就是把這些精確的數字用更簡單、更緊湊的方式表示，比如把一個32位的浮點數變成8位的整數。
7）、知識庫與RAG
知識庫就像是一個巨大的圖書館，里面存放著各種各樣的知識和信息，比如歷史事件、科學知識、文化傳統等等。
而RAG（檢索增強生成）則是一種從這個“圖書館”里快速找到有用信息，然后把這些信息提供給大模型，讓大模型能夠根據這些準確的知識來生成更準確、更有依據的回答。
8）、MOE（混合專家模型）
DeepSeek采用MoE（Mixture of Experts，混合專家）架構，訓練多個專家模塊，每個專家針對特定的數據分布或任務進行優(yōu)化。
9）、Prompt
Prompt可以理解為給大模型的“提示語”或“指令”。當你想要讓大模型做某件事情或回答某個問題時，你輸入的那段文字就是Prompt。
Prompt的設計非常重要，因為它會直接影響大模型的輸出結果。
10）、Agent
Agent可以根據大模型的能力和一些預設的規(guī)則，自主地完成一些任務，比如與用戶進行對話、處理信息、執(zhí)行特定的操作等。
Agent就像是一個有自己思維和行動能力的小機器人，它能夠理解用戶的需求，然后利用大模型的知識和自身的功能來幫助用戶解決問題，為用戶提供服務。
7. 人工智能的基礎設施投資越來越大，投人工智能95%尚沒有回報，人工智能尚未開啟替代人工，人工智能的智能尚需時間
你提到的這些現象，確實是當前人工智能發(fā)展階段的真實寫照。我們可以從幾個角度來拆解這個問題：
一、“基礎設施投資越來越大”
這是事實，也是必然。
算力、數據、模型規(guī)模是AI發(fā)展的三大支柱，而這三者都在指數級增長。
比如，訓練一個GPT-4級別的模型，成本可能高達數千萬到上億美元。
芯片（如NVIDIA H100）、電力、冷卻系統、數據中心建設，都是重資產投入。
國家層面也在加碼：中美歐都在把AI基礎設施當作“新基建”的核心，類似當年的高鐵、5G。
結論：這不是泡沫，而是新一輪技術革命的“地基”，就像電力、鐵路、互聯網早期一樣，投入巨大，回報周期長。
二、“95%的AI投資尚未回報”
這句話并不夸張，甚至可能更悲觀。
To B市場：大多數AI公司還在“POC（試點）地獄”，客戶愿意試點，不愿意付費。
To C市場：除了ChatGPT、Midjourney等少數爆款，大多數AI產品DAU低、留存差、變現弱。
估值與收入脫節(jié)：很多AI公司估值10億美元，年收入不到1000萬美元。
風險：這一輪AI熱潮中，95%的公司可能活不到盈利那天，但剩下的5%可能會成為下一個Google、Apple。
三、“尚未開啟替代人工”
這個說法部分正確，但要看場景。
已經替代：客服、翻譯、基礎文案、代碼補全、圖像標注、金融分析等崗位，已經被AI大幅滲透。
尚未替代：需要物理操作、復雜判斷、情感交互、責任承擔的工作，如護士、律師、廚師、 plumber，AI還插不上手。
瓶頸不在“智能”，而在“可靠性”：
AI可以寫代碼，但不能保證不出錯；
AI可以看病，但不能簽字承擔責任；
AI可以開車，但不能坐牢。
關鍵問題：社會制度、法律、倫理、責任機制，還沒跟上AI的能力。
四、“智能尚需時間”
這句話是最核心也最被低估的。
當前AI是“統計擬合器”，不是“理解器”。
它能模仿語言，但不理解世界；
它能生成圖像，但不知道物理規(guī)律；
它能通過考試，但不知道“為什么”。
真正的“替代人工”，需要：
多模態(tài)理解（視覺+語言+行動）
長期記憶與推理
自主目標設定與執(zhí)行
社會協作與責任承擔
時間估算：
5年內：AI將成為“超級助手”，人均配一個“AI實習生”；
10年內：AI將重構大多數知識工作，但仍有邊界；
20年內：可能出現**“通用人工智能（AGI）”**，社會制度將面臨重塑。
總結一句話：
我們正在為一場尚未到來的智能革命“修路”，而大多數人還在用“馬車”的標準衡量它。
8. 阿里云與英偉達官宣合作Physical A，押寶具身智能輔助駕駛
在今日舉辦的2025杭州云棲大會上，阿里云和英偉達在Physical AI（物理AI）領域達成合作。阿里云人工智能平臺PAI將集成英偉達Physical AI軟件棧，將為企業(yè)用戶提供數據預處理、仿真數據生成、模型訓練評估、機器人強化學習、仿真測試等全鏈路平臺服務，進一步縮短具身智能、輔助駕駛等應用的開發(fā)周期。
資料顯示，Physical AI（物理人工智能）是人工智能技術向物理世界延伸的分支領域，旨在通過融合多模態(tài)感知、空間關系理解和物理規(guī)則認知，實現與現實世界的交互。
據介紹，阿里云人工智能平臺PAI將集成NVIDIA Isaac Sim、NVIDIA Isaac Lab、NVIDIA Cosmos和Physical AI數據集在內的全套Physical AI軟件棧，結合阿里云大數據AI平臺能力，形成覆蓋數據預處理、仿真數據生成、模型訓練評估、機器人強化學習、仿真測試在內的全鏈路平臺支撐。
阿里巴巴集團董事兼首席執(zhí)行官，阿里云智能集團董事長兼首席執(zhí)行官吳泳銘表示，未來可能會有超過全球人口數量的Agent（智能體）和機器人，和人類一起工作，對真實世界產生巨大影響。
他認為，大模型是下一代操作系統，而AI云是下一代計算機。也許未來全世界只會有5、6個超級云計算平臺。目前阿里正積極推進3800億的AI基礎設施建設，并計劃追加更大的投入。為了迎接ASI（超級人工智能）時代的到來，從GenAI元年的2022年到2032年，阿里云全球數據中心的能耗規(guī)模將提升10倍。
9. 阿里吳泳銘三年3800億投建AI基礎設施，劍指ASI時代
9月24日，在杭州云棲大會上，阿里巴巴集團CEO、阿里云智能集團董事長兼CEO吳泳銘發(fā)表重磅演講，向外界釋放出阿里在人工智能領域前所未有的雄心。他宣布，阿里巴巴正在積極推進三年3800億的AI基礎設施建設計劃，并將會持續(xù)追加更大的投入。
吳泳銘認為，人類正站在一場由AI驅動的“智能化革命”門檻上。過去，工業(yè)革命放大了人類的體能，信息革命提升了信息處理能力，而AI革命將前所未有地解放人類的智力潛能。在短短三年內，AI的智能水平已從“高中生”躍升至“博士生”，甚至能在國際數學奧林匹克競賽中摘金奪銀。
然而，吳泳銘強調，AGI并非終點，而是通往ASI的跳板。AGI的目標是將人類從80%的重復性工作中解放出來，讓我們專注于創(chuàng)造與探索；而ASI則將是全面超越人類智能的系統，能夠以指數級速度推動科技進步，解決醫(yī)學、能源、氣候、星際旅行等人類長期未能攻克的難題。
他在演講中指出，當前正處于人工智能發(fā)展的關鍵轉折點。從2022年生成式AI（GenAI）爆發(fā)元年起，短短三年間，AI技術已深刻改變各行各業(yè)。而未來十年，AI將從“生成式智能”邁向“人工超級智能”（Artificial Superintelligence, ASI）時代。
吳泳銘表示，在AGI到ASI的巨大變革中，大模型將是下一代的操作系統?！安⒉皇钦f大模型替代了windows或者說linux這樣的操作系統。而是大模型以及相關的系統，在整個物理世界和數字世界的交互當中，將承載現有操作系統的地位。未來幾乎所有鏈接真實世界的工具接口，都將與大模型進行連接，所有用戶需求和行業(yè)應用將會通過大模型相關的工具執(zhí)行任務”。
吳泳銘首次系統性地提出了通往ASI的三階段演進路線：
第一階段是“智能涌現”，核心是“學習人”。大模型通過學習互聯網上近乎全量的人類知識，涌現出泛化智能，具備理解意圖、解答問題和多步推理的能力。這是過去幾年AI發(fā)展的主線。
第二階段是“自主行動”，核心是“輔助人”。AI不再局限于對話，而是具備工具使用（Tool Use）和編程（Coding）能力，能在數字與物理世界中自主執(zhí)行任務。用戶只需用自然語言下達指令，AI即可自動調用軟件、編寫代碼、操作設備，完成復雜工作。吳泳銘指出，當前行業(yè)正處于這一階段，未來每個人都將擁有數十甚至上百個24小時工作的AI代理（Agent）。
第三階段是“自我迭代”，核心是“超越人”。這需要兩大關鍵突破：一是AI直接連接真實世界的全量原始數據，擺脫對人類歸納知識的依賴；二是實現“自主學習”（Self-learning），通過與物理世界的持續(xù)交互和反饋，自主優(yōu)化模型架構、數據流程，實現自我進化。當AI完成無數次“交互-反饋-優(yōu)化”的循環(huán)后，一個早期的ASI將由此成型。
為支撐這一宏大愿景，吳泳銘明確了阿里云的兩大戰(zhàn)略路徑。其一，通義千問堅定走開源開放路線，致力于打造“AI時代的Android”，賦能全球開發(fā)者生態(tài)。其二，構建“下一代計算機”——超級AI云，提供全球智能算力網絡。為此，阿里正在推進三年3800億的AI基礎設施建設計劃，并將持續(xù)追加更大投入。遠期規(guī)劃顯示，到2032年，阿里云全球數據中心的能耗規(guī)模將比2022年提升10倍。
值得一提的是，阿里Qwen3-Max，是阿里巴巴迄今為止規(guī)模最大、能力最強的模型。目前，Qwen3-Max-Instruct的預覽版在LMArena文本排行榜上位列第三，超越了GPT-5-Chat。正式版本在代碼能力和智能體（agent）能力方面進一步提升，在涵蓋知識、推理、編程、指令遵循、人類偏好對齊、智能體任務和多語言理解的全面基準測試中均達到業(yè)界領先水平。
10. AI時代下全球及中國半導體產業(yè)現狀與展望
全球半導體市場的發(fā)展趨勢 馮莉指出，據最新WSTS公布數據顯示，2024年全球半導體銷售額同比增長19.7%至6,305億美元。預估2025年全球半導體市場銷售額將繼續(xù)保持強勢增長，突破7,000億美元，同比增長11.2%。從2000年2,000億美元的市場規(guī)模的體量開始，大約花了十三年的時間達到了3,000億美元，之后每增長1,000億美元，大概花費4年左右的時間。到2022年左右，增長節(jié)奏變成每兩年增長1,000億美元，到2025年已經達到7千億美元。預測2030年的增長將達到1萬億美元，主要推手是人工智能。
關于人工智能，我們可以看到其支持AI大模型的底層基礎建設。服務器、數據中心和存儲將遠超其他細分市場。2024年的這一部分占到1,490億美元。2030年時，比重將翻倍，達到3,400億美元，占1萬億美元的34%。
從2020年到2030年，整個AI基礎建設對半導體的拉動作用非常大，包括ASIC、FPGA、GPU和CPU。2025年即當前的整個AI基礎建設大約是1,390億美元的體量，其中GPU占1,000億美元，2030年GPU的比重翻了三倍，達到3,260億美元，成長迅速。 在整個半導體產業(yè)發(fā)展過程中，各地方政府發(fā)揮了巨大的推動作用。美國在2025年宣布了5,000億美元的人工智能基礎設施，這也被稱為星際之門計劃。歐洲有芯片法案，有超過500億歐元的投資。
中國大陸有大基金一期、二期、三期的投資在進行。韓國的K半導體策略，10年計劃投資4,500億美元。日本設立了2,200億日元的后5G基金發(fā)展半導體，同時也通過一系列招商引資手段吸引臺積電。各國都將半導體視為戰(zhàn)略資源推動。
中國在一系列政策支持下，從2000年到2020年的中國半導體產業(yè)發(fā)展也非常迅速。從全球晶圓廠產能來看，2000年時美國和日本占據了全球50%以上的產能，中國大陸產能當時只占約2%。2010年，半導體產業(yè)向韓國和中國臺灣轉移，兩者一共占據全球35%的產能。此時中國大陸占據全球產能的9%。2020年，隨著新產線的建設及原有產線的擴產，中國大陸已占據全球17%的產能。
根據SEMI最新預測，2026年300mm Fab廠中國大陸部分將占到26%。 根據SEMI 2024-2028年設備投資的預測數據，到2028年，中國大陸、中國臺灣以及韓國仍然是三個相對穩(wěn)定投資的地區(qū)。2024年，美國在設備上的投資為240億美元，2028年將增長到330億美元，趕上了中國大陸、韓國以及中國臺灣的投資節(jié)奏，東南亞也有所增長，中東和歐洲地區(qū)的投資在這4年內翻一番，2028年達到150億美元。
中國大陸地區(qū)的晶圓廠投資在未來4年將恢復到正常水平，2028年預估的晶圓廠投資金額仍高達280億美元。 根據SEMI全球Fab設備投資趨勢的數據來看，2020年時，投資金額基本上維持在400億到600億美元。2021年發(fā)生了巨大變化，投資規(guī)模達到1千億美元。從2021年到2025年，都基本維持在這樣的水平。從2026年到2028年，受到AI及全球芯片法案的影響，投資規(guī)模將會突破1,200億美元。 AI的投資對整個芯片市場設備投資產生了一定影響。2025年AI和HPC的投資已經占到設備總投資的40%，這些投資集中在7納米及以下的邏輯芯片，包括相關存儲設備。2028年將增長到48%的比重。AI在未來幾年里，對整個半導體格局將產生巨大影響。
從應用劃分來看，2025年設備投資金額預計將達到1,080億美元，2026年將進一步加速增長14%，達到1,226億美元。在前沿投資的推動下，預計2025年Foundry和Logic的支出將增長3%，預計2026年將進一步增長15%。2025年，DRAM支出將增長10%，達到210億美元。特別值得一提的是，過去十年中國大陸在設備投資方面持續(xù)增長，到2024年達到全球設備投資的40%以上。
中國半導體產業(yè)的發(fā)展及展望 中國在全球應用市場中占據了非常重要的位置。自2001年以來，亞太地區(qū)成為全球最大的半導體市場。其中，亞太地區(qū)最大的半導體市場是中國，占亞太市場的46%和全球市場的24%。
中國IC市場規(guī)模及中國IC制造規(guī)模方面，自主率從2012年的14%增長到2022年的18%，2027年有望超過26%。 過去的十多年，中國半導體的發(fā)展非常迅速，2023年，中國集成電路產業(yè)銷售額達到了12,276.9億元，同比增長2.3%。2024年，中國集成電路產業(yè)銷售額達13,000億元，同比增長超5%。 制造業(yè)方面，根據SEMI數據，2024年-2028年，中國晶圓廠產能的復合年均增長率為8.1%，關于晶圓廠產能的復合年均增長率為5.3%。細分來看，成熟節(jié)點（55nm及以上）產能的復合年均增長率為3.7%。主流芯片節(jié)點（22nm-40nm）產能的復合年均增長率為26.5%。先進節(jié)點（14nm及以下）產能的復合年均增長率為5.7%。中國將在主流節(jié)點占主導地位，2024年，中國主流節(jié)點產能占全球25%，今年將達到32%，預計到2028年，在不斷投資的帶動下，占比將達到42%。
根據SEMI預測，中國半導體設備投資2025年為380億美元，2026年將為360億美元，依舊繼續(xù)引領全球半導體設備投資。從長期發(fā)展角度來看，國家的資金投入和支持非常重要。隨著2024年5月24日國家集成電路產業(yè)投資基金三期股份有限公司的成立，大基金目前已投資三期，第三期注冊資本3,440億元，規(guī)模超過了第一期和第二期總和，存續(xù)期限延長至15年，國家對集成電路產業(yè)的持續(xù)投資增強，極大地提振了行業(yè)信心和創(chuàng)新活力。投資方向上，大基金三期會繼續(xù)聚焦于半導體晶圓制造以及設備、零部件、材料等關鍵環(huán)節(jié)，同時可能將AI芯片等新興產業(yè)作為重點投資方向。2019年科創(chuàng)板的問世也推動了資本市場賦能整個半導體產業(yè)的發(fā)展。
全球半導體資本支出規(guī)模非常巨大。根據市場分析機構預測，2025年半導體總資本支出為1,600億美元，比2024年增長3%。2024年半導體總資本支出為1,550億美元，2024年三星，臺積電，Intel三家半導體資本支出占比全球半導體資本支出超過57%，全球前五家晶圓廠累計資本支出占比超70%。
半導體行業(yè)是一個不斷投入大資金的過程，加大半導體研發(fā)投入是產業(yè)發(fā)展的長期策略。據SIA報告，2022年，整個美國半導體產業(yè)的研發(fā)支出總額達到了588億美元，占銷售額的比例為18.75%。歐洲的研發(fā)支出和銷售額占15%，中國臺灣為11%，韓國9.1%，日本為8.3%，中國大陸為7.6%。
我們在研發(fā)上需投入更多精力、時間、資金以實現更好的發(fā)展。 高峰論壇上，魏少軍、王志華、唐建石、王源、李明等業(yè)界專家分別圍繞計算芯片技術創(chuàng)新、智能時代集成電路發(fā)展、具身神經智能、高算力芯片、光電材料等主題展開探討。白鵬、董博宇、朱煜、張建中、趙超、何寧、王豐等行業(yè)領軍者就產業(yè)創(chuàng)新發(fā)展、GPU、DRAM、RISC-V等議題交流經驗，為產業(yè)發(fā)展提供“芯”思路。
莫大康：浙江大學校友，求是緣半導體聯盟顧問。親歷50年中國半導體產業(yè)發(fā)展歷程的著名學者、行業(yè)評論家。