AI重構、供應鏈震蕩、量子突起│2025 半導體變局復盤

(作者  /  Brian Bailey)2025年無疑是一個充滿意外變化的一年。這些變化對半導體行業及其一切支持體系產生了重大影響。并非所有變化都是壞事，但靈活性已成為持續成功或充分利用所提供機會的必要條件。

 

航空航天和國防等一些行業在全球范圍內正經歷顯著提振。在人工智能幾乎無法滿足的需求推動下，數據中心持續增長，而這正驅動著行業增長——盡管供應鏈面臨挑戰。

 

"有幾件事的發展速度超出了我的預期，包括已宣布的人工智能基礎設施投資、預計的半導體和內存消耗、電力需求以及對先進封裝的需求，" Rambus公司院士兼杰出發明家 Steven Woo 表示。"但有些事情進展得比我預期的要慢，包括先進工藝節點的基本電壓縮放、高數值孔徑 EUV 的使用以及芯粒接口的標準化。"

 

變化速度是一個共同主題。"我過去認為半導體世界的發展速度要慢得多，但過去六個月證明我錯了，" ChipAgents 首席執行官 William Wang 說道。"由人工智能驅動的內存和存儲超級周期的開始、IDM 策略的快速轉變、對智能體 AI 的激增需求以及 EDA 已經加速了整個技術棧的創新。"

 

人工智能正在直接或間接地影響整個行業。"大型公司正在雇傭更多的工程師。每個人都想制造芯片，" IC Manage 執行副總裁 Shiv Sikand 表示。"一切都曾是關于軟件，大家都忘記了硬件。然后你意識到，等一下，軟件需要運行在某種東西上。于是'芯片即我們'的時代又回來了。我們將擁有更多芯片，也將擁有更好的芯片，因為人工智能工具提高了我們的生產力。"

 

不只是芯片。"純設計公司（Pure-play）在技術棧上下游移動，既創造了新的競爭壓力，也帶來了新的機遇，" proteanTecs 首席戰略官 Uzi Baruch 說道。"芯片公司開始構建完整系統，甚至是數據中心規模的解決方案，而超大規模公司和設備制造商則大力投資定制芯片。圍繞這些垂直化方法形成了完整的生態系統，隨之而來的是新的商業模式。企業發現自己越來越多地不僅參與硅片層面，還參與系統層面，許多企業進入定制芯片業務以實現差異化并捕獲更多價值鏈價值。"

 

圖片來源  /   豆包

 

Part 1

供應鏈

 

全球供應鏈已經斷裂，各公司正競相應對其后果。"真正讓我們驚訝的是我們的供應鏈有多么不穩定，" 弗勞恩霍夫 IIS 自適應系統工程部高效電子部門負責人 Andy Heinig 表示。"我們最近在歐洲的 Nexperia 問題中再次看到了這一點。我們預計在疫情后供應鏈會變得更穩定一點，但它們再次出現問題。我們不能再相信可以從世界各地獲取器件。我們需要更多的本地供應鏈，可能也需要更多的本地解決方案。價值幾分錢的器件已經造成了問題，并破壞了整個供應鏈。"

 

即使是最簡單的器件消失也可能產生重大影響。"原始設備制造商（OEM）正試圖建立不易受到中斷影響的供應鏈，包括公司破產，" 弗勞恩霍夫 IIS/EAS 設計方法學部門主管 Roland Jancke 表示。"Nexperia 的問題意味著大眾汽車無法再生產汽車。我們不再有'第二貨源'的概念，即一家公司無法交貨時，另一家公司可以迅速介入。"

 

半導體制造已開始變得更加分散，改變了組裝和封裝的動態。"'先進封裝'這個名字具有誤導性，" Ansys（現屬新思科技）產品營銷總監 Marc Swinnen 表示。"它說得太早了。現在做的是芯片組裝，這是新的東西。它有自己的格式，自己的約束。"

 

這也創造了一些新的機會。"很明顯，傳統封裝無法在歐洲完成，因為以歐洲的工資水平不可能做到，" 弗勞恩霍夫的 Heinig 說道。"但如果我們做先進封裝和芯粒——你在封裝中放入更多功能，封裝本身也更復雜——那么在歐洲做這件事就有意義，因為這樣你增加了價值，并在你的供應鏈中建立了更多信任。"

 

Part 2

停滯的Chiplet

 

半導體行業中從事先進芯片組裝和封裝的廠商與繼續進行單片集成的廠商之間的分歧日益擴大。"2.5D 和 3D 設計方法學的發展速度比預期的要快，" Arteris 產品管理和營銷副總裁 Andy Nightingale 表示。"CoWoS、Foveros Direct 和 I-Cube3 的產能擴張使得多芯片封裝變得實用。EDA 流程最終趕上了封裝物理學的步伐，集成了熱、應力和電壓感知的收斂檢查。這種轉變也延伸到了互連層。片上網絡（NoC）不斷發展，以管理跨多個芯片的延遲平衡、帶寬分配和 IP 解聚——有效地將互連設計確立為一個系統級學科。有趣的是，芯粒驗證如何迅速開始效仿傳統的 NoC 集成方法論。"

 

但這并不意味著它是容易的。"Chiplet會繼續存在，但我不認為良率挑戰已經解決，" 是德科技設計與驗證事業部總經理 Nilesh Kamdar 表示。"Chiplet仍然是一組非常復雜的技術，將多個芯片封裝在一起仍然昂貴且困難。它確實可行，并且某些 3D 內存堆疊已經展示得很好。但除此之外，在這個領域仍有很多工作需要完成。"

 

數據中心的設計正在采用 2.5D 集成，因為他們別無選擇。他們已經達到了光罩極限，為了提升計算能力，他們必須擴展到多個芯片上。大多數設計尚未達到這個階段，因此其經濟性看起來并不那么有吸引力。"我從來不是Chiplet的狂熱粉絲，因為我信奉 VLSI（超大規模集成電路），" IC Manage 的 Sikand 表示。"Chiplet與集成是截然相反的。如果它不在同一個芯片上發生，那就意味著你需要在芯粒之間有導線，而這些導線總是會拖慢一切，導致復雜性、串擾、干擾和側信道攻擊。集成硅片仍然是圣杯。"

 

但當達到光罩極限時，Chiplet可能是最簡單的前進方式。"隨著傳統縮放壁壘變得不可否認，異構集成從一種可選優化轉變為滿足現代人工智能和 HPC 工作負載的重要策略，" proteanTecs 的 Baruch 表示。"讓許多人驚訝的是生態系統對齊成熟的如此之快。封裝技術、EDA 流程和測試方法學共同進步，使得僅在不久前還感覺是推測性的架構成為可能。然而，隨著集成密度的增加，新的系統級變異性和故障機制也隨之出現，挑戰了長期以來關于可靠性和覆蓋率的假設。"

 

看起來這一趨勢將持續下去。"去年，我們預測 50% 的 HPC 設計將是多芯片的，" 新思科技產品管理執行總監 Shekhar Kapoor 說道。"十二個月后，行業報告和調查證實了我們的預期——多芯片設計正在達到規模。多芯片設計已成為先進半導體設計的基石。這一轉變由兩股力量驅動：單片縮放在物理和經濟上的極限，以及要求更高性能和效率的人工智能和 HPC 工作負載的爆炸式增長。"

 

除了尺寸，采用Chiplet還有其他原因。"比如產品線靈活性，" Ansys 的 Swinnen 表示。"你可以在多種工藝之間切換，而無需重新設計整個產品。你只需更換以實現升級。例如，如果你有一個新的 USB 接口，你不必重新設計整個芯片。你只需更換那個Chiplet就可以了。除了簡單的性能和功耗，還有其他優勢。"

 

行業正努力實現這一目標。"在Chiplet峰會上，人們對于Chiplet感到沮喪，" Heinig 表示。"數據中心方面的情況并非如此。對他們來說，這完全清楚，因為他們需要Chiplet來提升性能。但對于行業其他部分，許多公司已經停止了所有Chiplet活動，因為沒有商業模式。如果你采用Chiplet，一切都會更昂貴。"

 

但也有一些曙光。"在過去幾周，特別是對于國防和汽車行業，我們收到了加快Chiplet應用的請求，" Heinig 補充道。"對一些公司來說，已經明確他們需要多花一點錢，而Chiplet可以成為保障其供應鏈的一種解決方案。他們將先進封裝和Chiplet視為實現這一目標的方式。通過使用構建塊，你可以從兩個供應商訂購處理器并獲得靈活性。"

 

仍有許多問題需要解決。"當我們談論工作在數十或數百千兆赫茲的芯片時，Chiplet或 2.5D 或 3D 堆疊會是什么樣子？" 是德科技的 Kamdar 問道。"在航空航天應用中，如果有一個通信芯片和一個數字芯片緊挨著，會發生什么？那里解決的問題有很大不同，并且由于更高頻率的通信挑戰，這些問題更難解決。我們看到在這個領域有很多參與，并且已經發表了一些令人興奮的研究。我只是認為它的推出會稍微慢一些。"

 

行業可能需要有耐心。"Chiplet仍然更多是一種愿望而非現實，" Swinnen 表示。"它被過度炒作了，但最終我們會實現。這就像 IP 革命。人們也曾掙扎過。那花了幾年時間進行標準化才得以理順。Chiplet甚至比那更復雜，因為涉及的因素更多。但最終我們會實現。"

 

標準將是更廣泛采用的基礎。"標準正在推進，先進封裝技術正在推動異構集成，" 新思科技的 Kapoor 表示。"這些發展反映了行業向多芯片設計的根本性轉變。UCIe 3.0 規范于八月發布。此次更新提供了高帶寬、互操作性和生態系統升級，降低了風險并加速了采用，支持多芯片設計成為主流設計策略。"

 

要建立一個更開放的Chiplet市場，需要克服一些技術障礙。"熱和機械應力分析正從小眾需求變為必需品，" 是德科技的 Kamdar 表示。"如果你看Chiplet問題，它不僅僅是'我能否將芯片封裝得更近？'我必須考慮功率會發生什么變化，溫度會發生什么變化，以及如果我在彼此之上堆疊太多芯片會發生什么。是否存在改變芯片老化特性的機械應力？從多物理場而不僅僅是電子學角度來探索這些問題，正變得越來越必要。"

 

Part 3

人工智能的采用

 

人工智能的迅猛崛起正在影響每個人。"生成式 AI（GenAI）的爆炸式崛起重塑半導體路線圖的速度，甚至超過了最大膽的預測，" proteanTecs 的 Baruch 表示。"最初的計算競賽迅速演變為系統級的變革，暴露了內存帶寬、互連、電源完整性、可靠性和生命周期監控等方面的瓶頸。AI 部署的規模和速度將設備復雜度推向了前所未有的水平，隨之而來的是對可觀察性、可預測性和長期彈性的更深遠要求。"

 

這些瓶頸正在持續得到解決。"正如預期，內存仍然是性能的關鍵驅動力，但計劃的建設規模將需要巨大的半導體制造和先進封裝投資，僅為了跟上需求，" Rambus 的 Woo 表示。"我預計 HBM（高帶寬內存）將繼續成為焦點，并且對當前和未來 HBM DRAM 的需求似乎永無止境。Rubin CPX 的發布以及 GDDR 與 Rubin 和 HBM 的同時使用是一個驚喜，表明業界對大型語言模型（LLM）的長期可行性和實用性以及為不同階段和用例優化硬件的必要性充滿信心。"

 

但并非所有人都能以相同的速度前進。"讓我驚訝的是，人們對 AI 有巨大的渴望，但涉及到 EDA 時，反應則更為微妙，" Kamdar 表示。"你在基礎模型以及 OpenAI、Google 和其他公司那里看到的情況，他們發布新基礎模型的速度有多快，被采納的速度有多快——EDA 世界肯定有一個略有不同的視角。"

 

這有幾個原因。"在 2025 年，我們開始投入精力涉足 AI，因為在此之前，AI 似乎很有前景，但一切變化得太快，對其進行可持續的工程投資有點令人困惑，" Real Intent 首席執行官 Prakash Narain 表示。"今年這種情況已經澄清。另一個變得更清晰的方面是從培訓角度來看 AI 的價值。通常，任何時候我們的客戶引入工具的新用戶，都涉及到培訓的元素。這個方面通過 AI 得到了很好的促進，減少了達到專業水平或熟悉程度所需的時間。"

 

EDA 流程的許多方面正在得到改進。"在生成式 AI 助手或副駕駛（copilot）的開發和部署方面取得了顯著進展，" 新思科技 AI 產品管理總監 Anand Thiruvengadam 表示。"這些副駕駛現在為工具和工作流程提供專家指導，自動化復雜的任務，如 RTL 和形式化測試平臺的創建，并極大地提高了設計團隊的效率和生產力。AI 代理能夠單獨或作為協作團隊的一部分進行推理、計劃、學習和執行工程任務。通過協作，多代理系統可以應對以前需要大量手動努力和專業知識的復雜、多步驟的工程挑戰。"

 

關于模型也存在疑問。它們到底適合什么任務？"智能體 AI 是當前流行的風格，但 LLM 本質上有缺陷，因為它們無法推理，并且其編程方式是為了取悅用戶，" IC Manage 的 Sikand 表示。"需要的是世界模型。LLM 是在白人數據集上訓練的。我們的期刊、新聞、政治兩極分化、社會問題都是第一世界的問題。但地球上的大多數人在哪里？他們不在這里。我們如何幫助那些人？這更重要。AI 真正需要做的是幫助人們擺脫貧困，這樣我們才能擁有一個更美好的世界。"

 

AI 的采用也強化了關于云使用的觀點。"我們看到一個重大變化，即許多公司現在要求所有 AI 都應通過本地部署（on-prem）交付，" Kamdar 表示。"這涉及設計、EDA 和 IP，大多數公司還沒有準備好讓他們的 IP 離開現場，進入云端。我們之所以發現這一點，是因為我們開發了云應用程序，我們不得不調整和修改它們，使其成為本地部署的 AI 解決方案。"

 

Part 4

數據中心

 

每個人都意識到了數據中心建設的速度，但究竟有多大呢？"半導體行業正在討論到 2030 年成為一個萬億美元規模的行業，僅看增長率而言，" Ansys 電子和半導體事業部總監 Rich Goldman 表示。"這對半導體行業來說是一個偉大的標志。但最近，Jensen（黃仁勛）表示，僅英偉達一家公司，對 Blackwell 和 Rubin 到 2026 年未來五個季度的銷售可見度總計達 5000 億美元。這是他們去年收入的三倍。這使他們達到了半導體行業聲稱將在五年內實現的目標的一半。這不僅讓我驚訝，更讓我震驚。"

 

雖然增長是好事，但它要求基礎設施的其他部分能夠跟上。"我預計 AI 基礎設施建設的計劃會持續快速推進，但讓我驚訝的是包括 Meta、Google、Oracle 和 OpenAI 在內的公司所討論的投資規模，" Woo 表示。"支持擬議投資規模所需的電力令人難以置信。電力變得如此重要，以至于部署現在是以吉瓦（GW）為單位來討論，而不是每秒萬億次操作（TOPs）或某些傳統的計算相關指標。"

 

這正在向整個行業發出明確的信號。"如果我們要建設下一代 AI，我們沒有足夠的電力來支持它們，" Sikand 表示。"我們還沒有解決核聚變問題。我們仍然依賴傳統能源。今天，建設這些數據中心所需的能源密度是不可行的。我們以前說過這一點，但現在我們有一個規模問題，而且沒有足夠的電力。如果你看看正在產生多少電力，僅就新的發電能力而言，這一切都發生在中國。他們有大量的發電能力，因此他們能夠擴大規模。我們電力不足。硅谷需要提高效率并推動能效提升。你不一定需要我們當前遺留架構中所擁有的晶體管數量。"

 

設計公司需要適應。"功率、性能和熱限制已成為首要的設計約束，而架構、工藝和封裝的協同優化現在正近乎實時地進行（整合了硅前和硅后流程），" ChipAgents 的 Wang 表示。"行業對 AI 工作負載的響應表明，當計算需求和硅能力之間的反饋循環收緊時，硬件演進的速度可以像模型創新一樣快。"

 

這將在那些能夠適應的公司和那些無法足夠快做出改變的公司之間造成鴻溝。"功率和性能管理已成為未來擴展最重要的限制因素，" Baruch 表示。"解決這個問題將是下一個增長時代的關鍵推動力，并將成為每個半導體公司的首要戰略重點。"

 

Part 5

驗證

 

西門子-Wilson 研究小組的數據顯示，芯片首次流片成功率連續第二年下降，大部分重新流片（respins）是由規格變更或不完整引起的。"AI 有助于更快地發現錯誤，但未能阻止規格漂移（spec drift），" Arteris 的 Nightingale 表示。"可執行規格仍然更多是愿景而非現實，大多數流程是文檔驅動的，而非數據驅動的。需求、RTL 和測試之間的集成仍然是碎片化的。規格可追溯性仍然是最薄弱的環節。在規格變成可執行并得到持續驗證之前，重新流片將繼續發生。"

 

AI 正在推動新應用的開發。"驗證 AI 是一個顯而易見的應用領域，我們已看到該領域的加速發展，" Breker Verification Systems 首席執行官 Dave Kelf 表示。"現在很容易預測可執行規格的到來，即由機器讀取手動規格，然后創建完整的測試平臺。然而，我對 2026 年的預測將是這種新技術與回歸基礎的驗證基礎相結合，將更傳統的技術與 AI 前端耦合，從而創建適用于當今設計整個驗證過程的實用流程。"

 

也有機會根據新興的設計趨勢定制驗證策略和工具。"AI 芯片中，至少核心 AI 芯片中，存在大量復制和重復，" Real Intent 的 Narain 表示。"每個復制的模塊都相對簡單一些，但設計的總體規模非常大。有機會利用這些方面。AI 設計有哪些特殊屬性我們可以利用？我們能否創建新的應用或改進現有應用，使其更高效地應對 AI 設計所發生的規模？"

 

Part 6

新興技術

 

有些技術似乎已經處于邊緣狀態好幾年了。"量子計算被談論，許多人說它被過度炒作了，" Swinnen 表示。"然而，如果你看看量子計算公司的估值，它們持續上漲。像 IBM 這樣的公司和其他公司并不傻。他們知道自己在做什么。他們持續投資量子計算。這讓我懷疑，也許正在發生的事情比我們知道的要多。為什么這些估值持續上升？為什么這些公司持續投資？我們不知道的是什么？"

 

其他人也持有這些觀點，但也看到了潛力和可能帶來的顛覆。"關于量子計算和量子比特能做什么有很多炒作，" Sikand 表示。"這令人興奮，因為事情可能以戲劇性的方式改變。例如，據說量子計算機可以改變比特幣的計算。盡管由于有限的限額，已經沒有多少比特幣可以開采，但它可能眨眼間就能開采出來。"

 

它也在將技術融合在一起。"光子學和量子的融合正在發生，" Kamdar 表示。"我們可以看到量子計算正沿著這條道路繼續發展。它無論如何都還不主流，但量子計算的研究仍在繼續，宣布 1000 量子比特計算機及更多的消息時有發生。西方世界有很多研究正在進行，但你也看到世界其他地區也在發生。日本、印度和其他國家正在宣布圍繞量子計算的重大研究計劃。"

 

光子學可能也準備好進行一次大動作。"并非完全出乎意料，但共封裝光學（CPO）終于來了，" Swinnen 表示。"它們已經存在多年，但一直太昂貴、太復雜。技術還不夠成熟，所以應用有限?，F在有一種感覺，它們終于到來了。臺積電（TSMC）已經表態支持 COUPE 架構，表示'這里有一個具有足夠高帶寬且足夠可靠以供廣泛應用的標準架構。'"

 

這正受到數據中心的推動。"硅光子學在機架間甚至板載、芯片級的短距離通信中的影響，絕對是正在發生的，" Kamdar 表示。"在 AI 行業和正在進行的數萬億美元投資中，金錢不再是唯一的因素。如果我們能展示更快的速度，就有足夠的投資和盈利機會。"

---

*聲明：本文系原作者創作。文章內容系其個人觀點，我方轉載僅為分享與討論，不代表我方贊成或認同，如有異議，請聯系后臺。