（原标题：全球芯片，最新预测）
公众号记得加星标，第一时间看推送不会错过。
半导体行业正经历快速转型，其发展受人工智能进步、地缘政治变化以及各国政府对本土生产投资增加的影响。随着人工智能应用加速，对高性能芯片的需求激增，而供应链动态正因不断演变的贸易政策和国家安全担忧而重塑。与此同时，半导体在汽车、医疗保健和能源等行业变得不可或缺，这推动了对持续创新和战略调整的需求。供应链韧性和技术主权现在已成为企业和政府的首要任务。各方正在努力实现生产多元化并减少依赖，但结构性挑战依然存在。出口管制、关键材料限制以及不断变化的贸易联盟正在重新定义半导体行业格局，要求企业在保持竞争优势的同时应对日益增加的复杂性。
需求分析：
半导体为创新和日常生活提供动力
为何需求至关重要?
在当今世界，半导体不可或缺。由于技术的快速进步和各行业需求的增长，半导体市场需求呈现强劲且不断演变的态势。当需求超过供给时，分析这些动态可以揭示把握新兴机遇的多种途径。
作为数据中心、人工智能、自动驾驶汽车、智能手机以及其他新兴技术趋势的支柱和赋能者，在各终端市场广泛进步的推动下，全球半导体市场预计将从 2024 年的 6270 亿美元增长到 2030 年的 1.03 万亿美元。
汽车领域
在电气化、自动驾驶和软件定义汽车（SDV）的推动下，汽车行业正经历深刻变革。这些趋势正迅速成为行业标准，放大了半导体在现代汽车中的作用和价值。
随着电动汽车（EV）市场预计在 2030 年左右占据主要份额，对碳化硅（SiC）等高压功率半导体的需求将激增。与此同时，自动驾驶技术可能会取得进展，大多数车辆将达到 L2 级，越来越多的车辆将达到 L3 级。这种发展将推高每辆车的半导体含量，从传感器和连接集成电路（IC）到处理单元均是如此。软件定义汽车的兴起可能使车辆转向具有集中计算能力的区域架构，从而提高汽车系统级芯片（SoC）的性能要求。
未来的汽车可能不仅仅是一种交通工具 —— 它可以成为一种新的 “家”，一台车轮上的高性能计算机，由半导体无缝提供动力。
电气化与互联化
汽车行业目前正处于以电气化、自动驾驶和互联化为特征的转型阶段。随着电动汽车市场的快速扩张（首先是中国，随后是欧洲、美国和其他地区），原始设备制造商（OEM）正越来越多地投资于混合动力汽车和电动汽车。预计到 2030 年，这些车辆可能占总汽车销量的 50% 左右。
联网汽车和自动驾驶汽车的出现也在塑造汽车市场的未来，推动其走向成熟。这些趋势，再加上动力系统技术的转变，可能成为汽车行业的新标准，提升半导体的地位。
更多电动汽车？需要更多电力！
电动汽车的快速增长，以及信息娱乐和自动驾驶的集成，正增加对功率半导体的需求。功率半导体对于管理和转换现代车辆中的电气系统至关重要。
随着汽车行业从内燃机（ICE）向混合动力电动汽车（HEV）和纯电动汽车（EV）转型，功率半导体可能占半导体总成本的 50% 以上。
更高效？需要更强大的芯片！
随着向电气化的转变，动力的高效控制变得更具挑战性，因为发动机驱动和控制以及自动驾驶、信息娱乐等更多功能都依赖电力。由于驾驶电动汽车意味着高压电力的反复切换，对能够高效处理更高功率的功率半导体的需求可能会激增。如果芯片无法承受高压环境，可能会导致火灾等严重的运行故障。
这可能导致对碳化硅（SiC）和氮化镓（GaN）等新材料的需求增加。与硅芯片相比，它们能承受更高的电压，并提供更快的开关速度，减少开关时的功率损耗。因此，汽车制造商在速度关键的中压阶段使用氮化镓，并将碳化硅作为高压、高功率路径的核心器件，在电动汽车动力系统的效率、重量和总系统成本之间取得平衡。
自动驾驶技术分为 0 到 5 级。0-1 级提供碰撞预防、车道偏离预防等驾驶辅助功能。2 级实现部分自动驾驶，例如在道路上与其他车辆保持距离。从 3 级开始，车辆可以在无需驾驶员持续监控的情况下运行。3 级适用于高速公路，4 级扩展到普通道路，5 级则完全无需驾驶员，驾驶员仅作为 “乘客”。到 2030 年，大多数新车可能具备 2 级自动驾驶功能，3 级自动驾驶的出货量可能超过总量的 10%。
汽车的 “眼睛、大脑和肌肉”
随着自动驾驶级别的提升，车辆需要更大的能力来收集和处理数据。这种进步增加了车辆电子架构的复杂性，推高了高性能计算（HPC）和高级驾驶辅助系统（ADAS）的半导体成本。为了实现自动驾驶功能，汽车必须配备多个传感器和连接芯片以感知实时信息，配备计算芯片以处理这些数据，并配备电子控制单元（ECU）以最低延迟采取行动。
因此，随着车辆变得更加自动化，安装的芯片数量和每颗芯片的平均价格都大幅上升，推动了汽车半导体市场的增长。
软件定义汽车改变汽车的工作方式
你是否曾在智能手机软件更新后发现新功能？现在想象一下汽车也采用同样的概念。软件定义汽车（SDV）无需硬件更改，通过更新即可实现新功能。
随着软件定义汽车的兴起，行业正朝着区域架构方向发展，即由中央计算机管理车辆的不同区域。这种方法进一步简化了布线，降低了物理复杂性，并显著提高了软件更新的稳定性。
这种架构变革也在重塑汽车半导体市场。以前处理单个功能的电子控制单元（ECU）数量现在正在减少，同时承担更复杂的角色。重点正从单个 ECU 转向高性能 SoC、AI 加速器和高速存储芯片。用于实时数据传输的连接芯片和用于软件保护的安全微控制器单元（MCU）也变得越来越重要。
汽车 SoC 将集成图形处理器（GPU）和图像信号处理器（ISP）等处理单元，但随着计算需求的激增以及汽车架构向区域化发展，专用 AI 加速器的采用也将增加。
2030 年按应用划分的半导体需求
气泡图展示了 2030 年主要应用的预计半导体需求。橙色虚线标记了各轴上的平均值，将应用分为四个象限。
电气化与自动化
这两大趋势对增加半导体需求具有重大影响。就电动动力系统而言，它主要影响功率半导体（如绝缘栅双极晶体管（IGBT）和碳化硅芯片），而自动驾驶则主要影响高级驾驶辅助系统 ECU。此外，对电动汽车和自动驾驶汽车的需求正在同时增长。
此外，随着自动驾驶技术和软件定义汽车趋势的推进和扩展，对汽车高性能计算、传感器和连接芯片等相关半导体的需求预计将增长。此外，人们还期望升级与车身、信息娱乐和乘客安全相关的半导体，以改善车内环境。
然而，就底盘和内燃机而言，由于技术创新减少和市场规模停滞，预计其市场规模将逐渐下降。
服务器与网络
自 2022 年生成式 AI（Gen AI）应用兴起以来，生成和处理的数据量呈指数级增长。从 AI 驱动的自动化、物联网普及到汽车和工业系统智能化程度的提高，数据不再仅仅是一种资产 —— 它已成为现代数字基础设施的基石。
到 2030 年，对计算能力的需求增长预计将进一步推动 CPU、GPU 和 AI 加速器的发展，而高带宽内存（HBM）将继续作为支持它们的关键组件。特别是对于服务器，包括云服务提供商在内的主要科技公司已经开始开发自己的专用集成电路（ASIC）以降低运营成本。与此同时，5G 的扩展可能推动对网络设备计算能力和基于氮化镓（GaN）的射频（RF）芯片的需求，以实现超高速、低延迟通信。
服务器和网络可以成为我们周围智能应用的支柱，由半导体的持续进步提供动力。
AI 数据中心与下一代连接
人工智能、连接技术的快速发展以及客户对先进技术的采用，导致对数据中心及其中服务器的需求增加，以处理这些数据。随着云服务提供商、托管中心和电信公司对数据中心的投资，2030 年全球服务器市场预计将超过 3000 亿美元。
与此同时，对支持服务器间和节点间连接的基础设施的需求正在上升。
对更快、更广泛、更可靠连接的需求推动了路由器和调制解调器等设备的市场增长，这些设备是骨干和基础设施的一部分。这一趋势不仅限于单一应用，还涵盖了企业、公共和私有网络。
更快、更大、更智能的数据中心
虽然是老生常谈，但我们现在确实生活在数据和连接的世界中。汽车、家用电器、智能手机和个人电脑等互联设备的数量前所未有。除了连接设备数量的增长，消费者还要求更高质量的娱乐，如 AR/VR/XR 游戏和无缝视频流。此外，2022 年 11 月 “ChatGPT” 的推出促使企业和个人在各种可能的应用中积极利用 AI 服务。
这些应用生成并需要海量数据，而我们才刚刚见证其开端。随着对游戏和视频流的高需求，尤其是对 AI 需求的上升，预计到 2030 年全球数据中心的功耗将增加一倍以上。
数据中心是存储、处理和管理数据的关键资源。它们过去主要专注于为企业提供服务，但随着需求的增长，它们已达到超大规模，提供互联网即服务。现在，随着 AI 特定应用的需求，数据中心正再次演变为 AI 数据中心，增强管理人员为数据中心用户提供无中断服务的能力。
智能基础设施的未来
随着 AI 应用推动所需处理数据量的增加，以及数据中心规模相应扩大，冷却和电力的运营支出已达到天文数字。企业现在正在寻求更具成本效益的运营方式。
在提高 AI 性能的同时实现这一目标的第一种方法是使用数据中心专用芯片。这些芯片对于实现高性能至关重要，因为它们比通用处理器更能高效处理数据处理的密集计算需求。为了获得所需的性能水平，企业正转向这些专用芯片来满足其需求。
然而，即使是专为数据中心设计的标准芯片，也是为多个客户设计的，因此包含特定客户可能不会使用的功能。因此，像云服务提供商这样的大型科技公司正在开发专门针对自己数据中心应用的 AI 加速器。
通过开发针对特定工作负载的 AI 芯片，企业可以在降低成本和功耗的同时实现更高的性能。随着数据处理需求的增加，对成本降低的需求也在增长，预计对 AI 加速器的需求将上升。
因此，AI 加速器在数据中心所用芯片中的收入占比可能会快速增长，达到数据中心芯片总量的 50% 左右。
除了 AI 加速器，其他数据中心专用芯片如数据处理单元（DPU）和高带宽内存（HBM）等先进存储芯片也可能增长。HBM 减少了数据处理瓶颈，支持高性能 GPU，而数据处理单元（DPU）通过处理数据传输来减轻 CPU 的网络工作负载。这些数据中心专用芯片的销售可能会继续增长，因为它们变得至关重要。
下一代 Wi-Fi 与移动网络
当数据流量增加时，不仅数据中心需要升级，连接设备和传输数据的标准化网络协议也可能需要增强。
你现在的设备可能通过 Wi-Fi 或蜂窝数据连接。4G/5G 中的 “G” 代表 “代”，从 20 世纪 90 年代用于语音和短消息服务（SMS）的 2G，到 2000 年代用于媒体的 3G，再到 2010 年代的高速 4G 和 2020 年代的 5G，大约每十年升级一次。同样，Wi-Fi 标准也在不断演进。
当无线数据的种类和数量增加时，可能需要更宽的带宽（更大的 “交通车道”）和新的频段（新的 “路线”）。这就像随着交通量的增长而扩建道路或修建新的高速公路一样。当前的 Wi-Fi 和 4G 速度可能看起来足够，但数据的激增最终可能会推动我们采用更高的标准。
随着 5G 和未来 6G 网络的扩展，速度可能会达到 4G 的 20 到 100 倍。像使用卫星作为基站的非地面网络（NTN）等技术可能会进一步增强网络覆盖范围。
同样，从 Wi-Fi 6/6E 过渡到 Wi-Fi 7 可以通过更宽的信道实现更快的数据传输。
特别是借助多链路操作（MLO）技术，Wi-Fi 7 可以同时使用多条路由，即使某条路由受到干扰，也能实现快速稳定的连接 —— 这对于游戏和视频流来说非常理想。
随着连接标准的进步，网络设备和基础设施也在更新。尽管这些变化不像服务器升级那样明显，但未来对改进的网络设备和基础设施的需求将持续存在。
为数据连接提供动力
半导体性能必须与连接标准的升级同步推进。半导体对于防止电梯内连接不良或信号强度因位置而异等问题至关重要。半导体可以放大信号，使其覆盖范围更广且无失真。
尽管半导体仍然必不可少，但与数据中心相比，支持 5G 的半导体组件市场预计增长相对较慢。许多国家的 5G 基础设施已基本成熟，导致电信公司将投资重点放在数据中心上。因此，到 2030 年，电信设备用半导体的增长可能会保持温和。
另一方面，随着数据流量的增加和 AI 在企业中的广泛采用，对支持数据中心云服务运营的交换机、路由器和智能网络接口卡（NIC）的需求显著上升。这种转变正在推动数据中心网络设备、局域网（LAN）和广域网（WAN）市场的增长。因此，面向这些领域的半导体预计到 2030 年将实现强劲增长。
不断增长的数据量需要更先进、更复杂的网络设备。因此，对专用集成电路（ASIC）和现场可编程门阵列（FPGA）的需求正在增加，更多的电信设备公司可能会开发自己的芯片。
电信市场向氮化镓射频芯片的转变
射频（RF）芯片承担着放大无线传输信号的关键功能。毫米波 5G 的出现需要能够处理高频范围的半导体，而氮化镓（GaN）和砷化镓（GaAs）正好满足这一需求。此外，与砷化镓不同，氮化镓能够同时处理高功率和高频，使其非常适合基站所需的严苛规格。氮化镓半导体的优势预计将在基站、国防和航空航天等需要可靠通信的领域得到充分体现。
到 2025 年，尽管随着发达国家 5G 电信设备技术的成熟，其增长可能会放缓，但全球仍有显著的增长潜力，对现有基站升级的需求持续存在。尽管氮化镓射频芯片比硅基选项更昂贵，但氮化镓射频芯片市场有望继续增长。氮化镓已经占据了电信设备市场中射频芯片的一半以上，预计未来将占据高达 90% 的市场份额。然而，这并不意味着硅基射频芯片可以被完全取代。基站通常通过多个阶段放大信号，使得硅基芯片成为低频应用的经济实惠选择。
2030 年按应用划分的半导体需求
人工智能与连接性
人工智能模型变得越来越复杂，数据集不断扩大，导致对数据中心内部和跨网络的高速数据传输需求大幅增加。因此，对能够管理这种不断增长的数据流量的服务器需求显著增加，从而推动市场增长。
由于对先进服务器、改进的 AI 能力和定制设计的需求增加，包括 AI 加速器在内的加速器卡需求激增。此外，企业局域网需求将增长以处理更快的数据流量。随着通信标准的演进，移动基站和固定接入设备中芯片占总成本的比例预计将增加。
与此同时，由于数据流量和通信需求的增加，企业广域网、无线局域网（WLAN）和骨干基础设施的市场规模正在稳步扩大。尽管如此，半导体成本的比例不太可能显著增加，因为电信基础设施的主要投资已经完成。
2030 年各应用的半导体需求强度
家用电器
尽管家用电器市场相对饱和，但人工智能和物联网技术正使家电变得更智能，并提供新的消费体验。此外，增强现实（AR）/ 虚拟现实（VR）和可穿戴设备等新家电产品正获得市场认可。
人工智能家电的增长可能会显著增加对人工智能处理器以及电源管理集成电路（PMIC）等半导体的需求，这些半导体既实现了能效，又提供了个性化体验。用于游戏和医疗保健的可穿戴设备可以同时推动传感器、连接集成电路、处理单元等半导体市场的发展。最后，物联网的扩张可能会刺激对能够支持电子设备之间多种通信协议的连接集成电路的需求。
半导体可以作为家电持续演进的基础，从根本上改变我们家中的 “智能体验”。
传统家电与新入局产品
虽然家电市场相对成熟，但物联网和人工智能技术与冰箱等传统家电的融合可以加速消费者的更换周期。与此同时，增强现实 / 虚拟现实头显和个人机器人等创新产品开始渗透家电市场。
智能、强大且节能：下一代家电浪潮
智能手机、个人电脑和汽车中智能体验的兴起也提高了消费者对家庭体验的期望 —— 不仅限于增强现实 / 虚拟现实设备等新兴家电。尽管传统家电的出货量并未呈指数级增长，但人工智能功能已集成到电视、扫地机器人和冰箱中，推动了家电市场对人工智能处理器的需求。
除性能外，能效也至关重要。人工智能还可以提高家电的能效。这一点尤为重要，因为家电的能效标准越来越严格，包括对待机功率的规定。这种对能效日益增长的关注预计将推动对为人工智能工作负载设计的应用处理器，以及优化设备功耗的电源管理集成电路和紧凑型电池管理集成电路的需求增加。
超连接家庭体验的兴起
家电之间的连接比以往任何时候都更加紧密，为智能体验树立了新标准。洗衣机、冰箱、灯、人工智能音箱和扫地机器人等设备现在相互通信，创造无缝的智能家居体验。2022 年 Matter 智能家居标准的推出进一步加速了这一趋势，该标准使不同制造商的设备能够无缝通信。
随着物联网连接在家电中变得普遍，更多设备将配备连接集成电路。此外，这些芯片 —— 无论是独立的系统级芯片还是集成在应用处理器（AP）中 —— 都在不断发展以支持多种通信协议。
为了实现流畅的通信体验，设备会根据情况使用多个通道。Matter 支持蓝牙、Wi-Fi 以及一种名为 Thread 的直接设备到设备通信协议。例如，Wi-Fi 适用于大型高速数据传输，非常适合智能电视和带显示屏的智能冰箱。蓝牙用于短距离通信，而具有能效优势的 Thread 则适用于电池供电设备或需要直接连接其他家电的智能音箱。
总之，随着家电越来越多地采用和扩展其智能物联网功能，对连接集成电路的需求预计将上升。
连接现实与虚拟的边界
你现在佩戴着多少设备？从耳机到智能手表、健身手环、增强现实 / 虚拟现实设备以及医疗保健设备，可穿戴设备已成为我们生活中不可或缺的一部分。因此，对传感器的需求正在迅速增加，增强现实 / 虚拟现实设备可能会利用各种传感器来跟踪眼睛和运动以实现用户交互，同时使用摄像头和麦克风来提供增强现实体验。可穿戴医疗设备也使用多个传感器来监测健康状况、运动和环境。惯性传感器跟踪你的运动速度，磁场传感器通过感知你身体的运动来支持分析。诸如使用唾液或光声方法的无创血糖传感器等新传感器可能会不断涌现。
从这些传感器收集的数据通常可能存在噪声且不规则。生物信号会随着运动而波动，噪声和电磁场的外部干扰会破坏准确性。
为了应对这些挑战，半导体行业也在专注于开发先进的处理器和可穿戴设备专用系统级芯片，从而实现更高效的传感器数据处理并提高整体设备性能。
2030 年按应用划分的半导体需求
智能化与物联网
家电正变得越来越智能和互联。作为销量最大的品类，电视现在具备人工智能驱动的图像和声音增强、智能家居控制以及个性化内容推荐功能，所有这些都推高了对先进半导体的需求。
大型家电和数字机顶盒也因智能功能和连接选项的增加而提高了半导体的占比，而无线耳机和数码相机则因功能扩展和复杂化而使用了更多的半导体。
另一方面，智能音箱和消费级无人机面临的创新压力较小，并且由于其大部分成本在于非半导体组件，因此其半导体需求增量相对温和。
2030 年各应用的半导体需求强度
计算设备
尽管智能手机和个人电脑市场已经成熟，但其价值主张正转向重新定义用户体验的高性能机型。从先进摄影、游戏到实时 AI 助手等人工智能驱动应用的出现，将重新点燃市场增长，催生新一代 AI PC 和 AI 智能手机。
随着对集成 AI 的计算设备需求不断增加，神经网络处理器（NPU）的采用预计将加速，以补充应用处理器中的图形处理器（GPU）、中央处理器（CPU）和图像信号处理器（ISP）的进步。同时，低功耗双倍数据速率（LPDDR）存储技术可能会继续发展，为下一代个人电脑和智能手机提升性能、实现小型化并提高能效。
随着 AI 应用的普及，以及对更高分辨率显示屏、强大计算能力和更大存储容量需求的增长，个人电脑和智能手机可能会继续推动半导体行业的增长。
人工智能推动计算设备的再增长
与汽车和数据中心等其他应用相比，智能手机和个人电脑市场相对饱和。
然而，随着人工智能渗透到我们的日常生活中，出现了在个人设备上直接运行 AI 服务的趋势。这种转变推动了对 AI 驱动的个人电脑和智能手机的需求增长，因为用户寻求能够无缝处理先进 AI 应用的设备。
人工智能功能的日益集成，从虚拟助手到设备端机器学习任务，正在重振市场，为设备制造商和半导体公司创造新的增长机会。
设备端 AI 释放智能手机和个人电脑的下一个潜力
智能手机和个人电脑一直是推动先进工艺先进芯片需求的高端应用。它们必须在保持便携性、便利性（通过轻薄设计）和长电池寿命的同时，以低延迟处理大量数据。因此，集成了中央处理器、图形处理器和图像信号处理器等高性能计算单元的应用处理器（AP）的性能，一直是智能手机和个人电脑市场的关键竞争因素。
进一步推动设备性能的一个趋势是向 “边缘 AI” 的转变。以前，这些任务由中央处理器或图形处理器处理，但随着人工智能模型变得更加复杂和敏感数据的增加，导致设备内采用神经网络处理器（NPU）。神经网络处理器（NPU）是集成在应用处理器 / 系统级芯片中的专用 AI 处理核心，可以实现更快、更安全的数据处理。这一趋势预计将推动半导体市场增长，尤其是在高端产品线中。
凭借更快、更安全的神经网络处理器（NPU）和先进的设备端 AI，智能手机和个人电脑可以提供无缝的 AI 体验。智能手机可能能够实时总结通话内容，并在无需外部应用的情况下即时增强照片。个人电脑可以启用 AI 驱动的降噪功能，使视频通话更清晰，并提供无延迟的实时字幕翻译。
对支持 AI 的智能手机和个人电脑的需求已经在增长，神经网络处理器（NPU）和边缘 AI 可能会继续推动这些行业的芯片市场发展。
人工智能个人电脑和智能手机的背后
随着处理器的进步，高性能 DRAM 对于支持更快的数据传输和无缝处理至关重要。这种需求进一步受到设备端 AI 的推动，实时 AI 处理需要高效的存储解决方案来管理高数据负载，同时保持能效。
虽然高带宽内存（HBM）是高性能存储的代名词，但其功耗限制了其在智能手机和个人电脑中的使用，因为电池寿命至关重要。
低功耗双倍数据速率（LPDDR）DRAM 通过平衡高性能处理和高能效来解决这一挑战，使其成为下一代智能手机和人工智能驱动计算的关键。
每一代 LPDDR 通过降低工作电压将功耗降低 30%-40%，而在同一代内，设计和工艺的进步还能再节省 10%-30%。无论是代际转换还是同一代内的升级，升级周期都从 1-2 年延长到了 3 年左右。预计 2026 年推出的 LPDDR6 与 LPDDR5 相比，功耗可降低约 50%，到 2030 年还将进一步改进。
随着 AI 工作负载的扩大和能效仍然是优先考虑的因素，LPDDR 可能会继续推动 DRAM 市场的增长，实现移动和个人电脑设备中的高性能、高能效计算。
化业余为专业：图像信号处理器
摄影曾经需要精心的手动设置，但一波又一波的自动化浪潮 —— 先是傻瓜胶卷相机，后来是数码傻瓜相机，现在是智能手机 —— 使高质量成像变得毫不费力。
这一过程的核心是相机传感器和图像信号处理器（ISP）。传感器就像 “眼睛”，接收光线并将其转换为电信号。图像信号处理器（ISP）在这里就像大脑，实时分析和处理这些信号，以改善最终图像。高性能智能手机相机依赖于高分辨率传感器、多个镜头，最重要的是强大的图像信号处理器（ISP）之间的协同作用。
随着相机功能变得更加先进，消费者对更好照片的期望也在上升。为了满足这一需求，智能手机现在配备了多摄像头模块设置 —— 如三摄像头或四摄像头以及更高分辨率的传感器，这反过来又需要更快的图像信号处理器（ISP）。当然，对镜头或相机传感器更高像素数量的需求会增加，但利用这些资源并实现高质量图像是 ISP 的作用。
同时，更窄的边框和更高的屏占比留下的内部空间更少，因此堆叠镜头、折叠潜望式光学元件和低功耗 ISP IP 块变得至关重要。
因此，微型相机模块和高度先进的片上 ISP 的进步正成为智能手机半导体的新增长动力，使未来的设备能够在手掌中捕捉专业级图像。
2030 年按应用划分的半导体需求
设备端 AI
随着智能手机功能的不断扩展，智能手机不再仅仅是通信设备，而是强化了其作为计算设备的地位。此外，与个人电脑和笔记本电脑等其他计算设备相比，智能手机目前的半导体需求增长更强。
其中，高端智能手机由于外围成本（如相机镜头和显示屏）较低，且价格相对于高端机型更为亲民，因此需求强劲。相比之下，低端机型的需求相对较弱。
最近，随着计算设备越来越多地配备 AI 功能，半导体成本在销货成本（COGS）中的比例迅速增加，尤其是在笔记本电脑和智能手机中。与台式机相比，人工智能功能在笔记本电脑中的集成更为积极，导致笔记本电脑中半导体成本的比例相对更大。
另一方面，智能卡和外部可移动存储等应用的需求强度相对较弱。
2030 年各应用的半导体需求强度
工业领域
半导体正帮助彻底改变各种各样的工业领域。为应对气候风险而加速向可再生能源转型、人口老龄化导致对医疗创新需求增加以及工厂和农场中智能制造的兴起，都是与半导体进步密切相关的趋势例证。
半导体通过先进的中央处理器（CPU）、图形处理器（GPU）、生物传感器和微机电系统（MEMS）技术，支持医疗专业人员实现更快的诊断、更高效的手术和预防性护理。向可再生能源的转型也可以推动对碳化硅（SiC）功率半导体的需求，而各行业智能制造的扩张正在推动传感器、连接集成电路和人工智能芯片等半导体市场的发展。
随着各行业继续整合智能、自动化和人工智能，半导体可能会渗透到更多领域，提高效率并激发进一步创新。
行业永不停歇的变革
世界各地的行业 —— 包括医疗保健、农业、制造业和国防 —— 都在不断发展，受全球人口结构变化、新技术带来的生产力提升、新产品类别的出现以及气候相关风险的推动。其中许多因素都在推动对更高性能半导体的需求以及整体数量的增长。到 2030 年，芯片可能会嵌入到更广泛的日常应用中。
半导体是医疗创新的核心
人口老龄化是全球趋势，自然引发了人们对医疗保健的浓厚兴趣。半导体在医疗创新中扮演着至关重要的角色。
一个显著的例子是机器人辅助手术，其份额越来越大。在美国，机器人辅助腹疝修补术的比例从 2010 年的 2.1% 上升到 2020 年的 20% 以上。这种增长由微机电系统（MEMS）技术推动，该技术生产用于精确运动的传感器和执行器，而实时图形处理器（GPU）驱动的分析则辅助外科医生的视觉。
由 GPU 驱动的 CT、MRI 和 3D 超声等诊断技术正在不断发展，以揭示以前无法检测到的更详细信息。由 CPU、GPU 和连接集成电路驱动的云 / 边缘 AI 工具可以进一步提高诊断的准确性和效率。
除了实体医院，半导体还可以通过生物传感器、AI 分析和配备传感器、微控制器（MCU）和通信集成电路的治疗后护理机器人，实现远程诊断和患者监测的可能性。
一些半导体需要通过电气安全和电磁兼容性（EMC）测试才能获得认证，或者在制造时就应考虑通过这些测试。虽然这是一个监管相对严格的领域，但对于芯片制造商来说，从微机电系统（MEMS）到 AI 加速器、GPU 等，医疗领域似乎有充足的机会。
向可再生能源转型
随着全球对气候危机的关注度不断提高，全球太阳能光伏和风电装机容量从 2016 年的 900 吉瓦增长到 2023 年的 2000 多吉瓦。这一变化正在加速，2030 年总装机容量预计将达到 5500 吉瓦。根据国际能源署（IEA）的数据，太阳能光伏（PV）和风能预计将提供 90% 以上的新增可再生能源容量，因为它们是最易获取且发展最快的可再生能源。
太阳能和风能都严重依赖半导体来实现有效的电力传输和使用。太阳能以直流电（DC）形式产生，必须转换为交流电（AC）才能与电网兼容。此外，由于阳光和风速的可变性，半导体在稳定可再生能源的电力输出方面起着至关重要的作用。
为了实现稳定高效的电力传输，能源行业尤其需要能够在高压环境下工作的半导体，这使得碳化硅（SiC）变得至关重要。
随着可再生能源采用率的提高，智能电网和能源存储系统（ESS）也在兴起。它们通过存储多余电力并在生产下降时重新分配来实现可再生能源的稳定供应。为实现这一点，智能电网需要持续的电力监控，这导致整个电网对通信集成电路的需求增加，以及中央控制站对 CPU/GPU 的需求增加。能源存储系统（ESS）作为备用电池，也依赖逆变器、带有功率半导体的转换器和电池管理系统（BMS）。
随着可再生能源使用的不断增长，对功率半导体的需求增长将不可避免。
智能制造持续演进
随着劳动力成本上升和劳动力短缺，利用人工智能和物联网改善整个生产和物流的智能工厂正在迅速扩张。它们严重依赖半导体来实现自动化。连接集成电路使整个工厂的物联网设备能够实时跟踪从原材料到库存的情况。工业计算机（可编程逻辑控制器，PLC）使用专用集成电路（ASIC）或中央处理器（CPU）来远程控制设备。传感器、微控制器（MCU）和微机电系统（MEMS）设备可以帮助检测任何缺陷并进行精确的机械控制。电源管理集成电路（PMIC）有助于保持这些系统的能效。如果我们尝试根据自动化金字塔来定义自动化水平，现在企业正从 0-1 级向 2-3 级甚至 4-5 级迈进，以提高效率。随着全自动化工厂的浪潮，工业领域对计算能力和连接集成电路的需求可能会更多。
此外，自动化、智能制造的需求不仅适用于工厂的大规模生产，也适用于智能农业和智能水产养殖。在智能农场中，传感器监测环境条件，将数据传输给人工智能处理器，以改善作物生长。由全球定位系统（GPS）、微控制器（MCU）和中央处理器（CPU）引导的自动化机械执行种植和收获工作。智能水产养殖也采用类似模式，通过水质探测器、机器视觉鱼类计数器和人工智能控制的投喂机器人来提高农场的效率和可持续性。
随着自动化的推进，对高性能半导体的需求可能会增长，使各行业更加智能、数据驱动和自给自足。
按自动化水平划分的半导体含量
先进防御系统需要先进芯片
随着地缘政治紧张局势和安全威胁的加剧，全球国防预算正在增加。2015 年至 2022 年，平均国防预算约为 2 万亿美元，但到 2030 年，这一数字预计将达到 3 至 4 万亿美元。这笔预算增加不仅用于传统的军事建设，还用于更高级别的技术创新、无人系统和先进 warfare 技术。为了减少人员伤亡并提高任务成功率，无人机、无人船和战斗机正在迅速发展。
防御系统围绕关键阶段构建：预防和训练、雷达探测、指挥和反击。现在，结合机器学习和虚拟现实 / 增强现实（VR/AR）设备的实时探测系统支持具体的防御战略。在指挥方面，鉴于行业对快速决策的需求，具有基于人工智能的数据分析和实时决策支持的软件定义防御正在迅速被采用。对高安全级别的需求推动了嵌入安全和加密软件的半导体的增长，以帮助防止网络攻击。
在作战场景中，设备现在可以连接到指挥室，有些甚至使用边缘人工智能芯片激活。用于作战情况的半导体也需要高可靠性和耐用性，因此可能使用陶瓷等封装材料用于高辐射环境并实现长寿命。高性能射频氮化镓（GaN）芯片以其高效、耐用和速度快而闻名，其需求也可能增加。随着技术继续向无人化和先进防御发展，半导体可能仍然是国防市场中的关键战略资产。
2030 年按应用划分的半导体需求
自动化与转型
智能工厂有望扩张，推动生产机械和控制基础设施的增长，尤其侧重于升级微控制器单元（MCU）。同时，不断增长的可再生能源行业也将推动对高压功率半导体的需求。
展望未来，机器人在生产中的积极整合将加剧对半导体的需求，特别是在测试、测量和自动化流程中，这些对提高生产效率至关重要。此外，人工智能在医疗保健领域的应用预计将提高半导体含量率。
相比之下，军事和安全行业依赖定制半导体，导致需求分散。同时，作为大型消费市场一部分的固态照明，由于 LED 照明已实现显著渗透，正接近成熟，因此未来增长可能低于其他行业。
2030 年各应用的半导体需求强度
供应分析（Supply Analysis）
为什么供应很重要？
半导体供应链正面临日益增长的复杂性和不稳定性，其驱动因素包括地缘政治、本地化以及不断提高的客户期望。本节将探讨市场趋势和技术进步，评估它们对未来供应链的中断和弹性将产生何种影响。
半导体行业供应链全览
设计、IP 和 EDA
随着全球半导体设计市场的增长，世界各地正在进行大量投资，加剧了该领域的竞争。由于先进工艺节点的设计复杂性增加，与 IP 授权和 EDA 工具使用相关的成本急剧上升，使得成本削减成为一个关键的竞争因素。
最近，人们注意到，市场正从通用芯片转向专用半导体，同时越来越重视低功耗和热管理。尽管存在这些挑战，设计创新仍然是半导体性能提升的核心驱动力。
无晶圆厂公司、晶圆代工厂和 IP 供应商之间的紧密合作，加上对专用架构的持续投资，有望推动市场进一步增长。最终，这些努力有助于整个半导体生态系统的进步。
半导体领导力的起点
半导体产业正站在全球科技霸权竞争的前沿，各个地区都在大规模投资以强化自身的半导体生态系统。半导体设计作为决定产品价值和差异化的关键环节，正受到越来越多的关注，尤其是在人工智能、数据中心和自动驾驶等高端市场。
芯片性能不仅仅依赖先进的工艺技术。功耗效率、安全性和功能等因素都取决于设计阶段，这推动不同地区采取差异化战略。美国聚焦于人工智能和高性能计算，中国则推动全方位的自主能力建设以实现自给自足，欧洲在宽禁带功率芯片等领域寻求领先，日本专注于汽车半导体和图像传感器，而韩国则将存储器与代工优势结合设计专长，探索移动、人工智能和汽车等新兴应用。
获得足够的半导体设计人才仍是一项紧迫挑战。预计到 2030 年，行业将需要超过 30 万名工程师，而目前仅有约 20 万名。由于工程师必须具备高水平的专业能力，因此快速扩充人才库十分困难。强化 EDA 工具、IP 基础设施以及培训计划，因而成为维持稳定设计生态的关键。通过在地区与企业间平衡合作与竞争，以设计为驱动的创新将可能成为重塑半导体格局的重要动力。
进入定制芯片时代
逻辑半导体通常分为两类：通用芯片和专用芯片。通用芯片被设计来处理广泛的任务，能够灵活支持多种工作负载和软件更新。然而，这种多功能性往往以牺牲效率为代价，因为通用芯片缺乏应对高度专业化计算任务所需的专用效率。
这正是专用芯片发挥作用的地方。随着时间推移，这类芯片逐渐受到重视，用以弥补通用芯片的性能差距。虽然灵活性较差，但它们专门为满足特定需求而打造，在性能、能效和可靠性方面优于通用芯片。
深入观察专用芯片类别，可以发现两大核心分支：ASSP（专用标准产品）和 ASIC（专用集成电路）。ASSP 针对更广泛的市场或应用领域而设计，而 ASIC 则是高度定制化的芯片，通常面向某一特定产品或有限的客户群体。
ASSP 的高成本及可能出现的过度规格问题推动了市场对 ASIC 的需求。然而，ASIC 的高度定制化特性限制了其应用范围，要通过足够的生产规模实现成本竞争力仍是一项长期挑战。随着 ASIC 技术的不断发展，对定制化设计架构的需求可能会进一步增长，从而形成良性循环，使 ASIC 在获得价格竞争力的同时持续扩张。
性能与功耗的平衡
多年来，半导体工程师们一直在性能、能效和面积之间寻找平衡——这就是经典的“P-P-A 三角”。然而，随着处理器速度越来越快、电压越来越高，其功耗急剧上升，产生更多的热量并消耗更多的电力。在大型数据中心中，这种额外的能耗带来了巨额成本。更快的芯片不仅需要更多能量，散热系统为了排出过多热量也消耗大量电力，有时甚至与新设备本身的成本相当。
工艺微缩又带来新的挑战。先进制程在同一块硅片上集成了更多的晶体管。单个晶体管的效率更高，但极高的密度使单位面积的功率密度上升，并产生热点。如果这些热点得不到控制，就会导致晶体管迁移率下降、时序裕量收窄，极端情况下甚至可能造成永久性损坏。
这些现实迫使芯片设计公司将关注点从单纯的峰值性能转向每瓦性能的提升。动态电压频率调节、芯粒划分以及 AI 辅助的热管理等技术正逐渐成为主流。许多公司如今愿意牺牲几个百分点的峰值性能，以换取功耗和运行温度的显著降低。
展望未来，研发路线图正指向既能实现高计算吞吐量又能保持低能耗的架构——比如只在特定任务中唤醒的专用加速器，或是能实时将工作负载分配给最优内核的异构架构。这些创新既回应了用户对能源成本、电池续航和可持续性的迫切关切，又为性能持续提升留下空间。简而言之，行业正在重新定义“更快”：不仅要更快，还要更冷，从而确保技术与经济层面的进步都能持续下去。
推动设计未来的无名英雄
半导体 IP 指的是与半导体设计相关的知识产权，本质上就是预先设计好的模块。随着设计越来越复杂，对多样化模块的需求不断增加，这也凸显了预先设计好的半导体 IP 的重要性。
在各种类型的 IP 中，就市场规模和增长速度而言，接口 IP 和处理器 IP 最受关注。接口 IP 负责半导体芯片之间的数据交换与互联。在人工智能和自动驾驶等需要实时处理和大规模数据传输的领域，其作用不断扩大。因此，接口 IP 有望成为增长最快的领域，因为它在提升性能方面发挥着关键作用。
处理器 IP 负责系统的控制与计算。CPU、MCU 及类似的内核都属于这一类别，它们广泛应用于智能手机、服务器等高价值芯片，因此在市场中占据主导地位。随着多核与并行计算的普及，处理器 IP 在同时满足高性能与低功耗需求方面的重要性日益凸显。
总体来看，这些 IP 模块就像是硅片的积木块，使无晶圆厂企业能够专注于系统层面的差异化，同时缩短数月的设计周期，节省数百万的非重复性工程成本。随着先进封装、低功耗目标以及特定领域加速不断重塑产品路线图，高质量的接口 IP 和处理器 IP 将成为推动摩尔定律创新继续前进的动力。
飙升的芯片设计成本：如何控制账单？
随着半导体技术的发展，芯片设计的复杂性不断推高研发成本。要满足智能手机、数据中心和人工智能对高性能、低功耗和高密度的需求，就需要高效地整合多种功能，这使半导体 IP 变得至关重要。像 CPU、GPU 和 AI 加速器这样的预设计 IP 模块不仅能缩短开发周期，还能提升性能。然而，向先进制程节点迁移会导致 IP 开发和验证成本呈指数级上升，从而加剧了财务压力。
在通信等对先进 IP 至关重要的市场中，例如基站、国防和航空航天领域，这一趋势尤为突出。
截至 2025 年，尽管在发达国家 5G 电信设备的增长可能因技术趋于成熟而放缓，但全球市场依然存在显著的增长潜力，对现有基站升级的需求仍将持续。尽管氮化镓（GaN）射频芯片比硅基芯片更昂贵，但其市场仍有望持续扩张。目前，GaN 已占据电信设备射频芯片市场的一半以上，预计未来将攀升至 90%。不过，这并不意味着硅基射频芯片会被完全取代。基站的信号通常需要经过多级放大，硅基芯片在低频应用中仍然是具成本效益的选择。
通过并购推动 EDA 创新
电子设计自动化（EDA）工具让芯片工程师在掩模尚未制作之前，就能对设计进行建模、验证与优化，从而大幅降低昂贵返工的风险，并帮助布局走向更高良率。随着 SoC 向 2nm 及更先进制程迈进，这些平台的重要性愈发凸显。如今，AI 已被引入 EDA，用于测试平台生成、异常检测以及布局布线，本十年有望将设计周期缩短数十个百分点。
EDA 市场的领导权依然高度集中。老牌厂商拥有两大结构性优势。首先，可靠性至关重要：一次漏检的缺陷就可能摧毁整个流片预算，因此设计公司更倾向于选择拥有长期经验和硅验证签核流程的供应商。其次，技术壁垒极高保护了现有厂商：三大巨头已投入数十亿美元研发，并通过系统化并购整合了数百款细分工具。
展望未来，用于训练基于 AI 的 EDA 工具的专有数据集深度，有望成为竞争优势的关键所在。主要厂商已经在收购初创企业，不仅为了获取创新算法，也为了掌握驱动这些算法的数据。
对于芯片制造商而言，高度集中的供应商格局意味着更高的授权费用，但由此带来的生产力提升往往能抵消额外成本。与其期待新一批 EDA 厂商的崛起，大多数客户更可能选择加强与现有厂商的合作，采用云端工具流程，并开发自有自动化脚本，以便从这一支撑大部分先进半导体项目的生态系统中挖掘更多价值。
晶圆制造
在前端制造领域，多个地区正在兴建新的晶圆厂。在政府补贴和供应链稳定需求的推动下，这一投资趋势明显加速，企业正同步推进大规模厂房建设与技术升级。
在逻辑芯片、存储器以及 DAO（分立器件、模拟器件、光电器件）等领域，不同地区的战略差异显著。有些地区力图保持其在既有强项上的优势，而另一些则试图开拓新的领域。
随着全球对高性能、低能耗和高可靠性芯片的需求不断增长，能够并行运行多个制程节点的大型多功能晶圆厂，将可能成为保持产能进度并支撑行业下一轮增长的关键。
晶圆产能持续增长
在 1990 年代至 2000 年代中期，晶圆厂从 150mm 过渡到 200mm，更大尺寸的晶圆提升了单片产出并降低了单位成本。互联网早期的 PC 需求加速了 200mm 的普及，但许多 150mm 产线依然存活下来，转向生产功率分立器件、MEMS 和射频元件。
在 2000 年代后期至 2010 年代，Intel、台积电和三星早在 2001 年就将 300mm 晶圆厂推向量产，借助全面自动化和更佳的规模经济。存储 IDM 厂商迅速跟进，代工厂也扩大了 300mm 在先进制程上的产能。短暂低迷后，从 2016 年起 200mm 迎来第二波投资热潮，主要由物联网传感器、CMOS 图像传感器和功率 IC 推动，尤其集中在中国和东南亚。
进入 2020 年代及以后，由于成本原因 450mm 开发被搁置，300mm 仍是先进制程逻辑芯片和 DRAM/3D NAND 扩产的主力。同时，SiC、GaN、模拟芯片和特种成像的需求让 200mm 与 150mm 晶圆厂保持繁忙，预计到 2030 年，三种晶圆尺寸都将实现温和但稳定的增长。
新晶圆厂的淘金式投入
美国和中国是半导体产业的主要投入方。中国追求自给自足，以应对美国的出口管制；而美国则将巨额资金投向新工厂建设，以强化其本土芯片产业。
在逻辑半导体领域，人工智能与高科技产业的进展使逻辑芯片的重要性凸显，获得了最大份额的资金投入。美国与台湾正在扩大对先进制程的投资，而中国在先进设备进口受限的情况下，主要集中于相对成熟的制程节点。
韩国预计将通过在 DRAM 和 NAND 闪存上的重大投资，继续保持其在存储器市场的领导地位，重点在于规模与价格竞争力。随着高带宽内存（HBM）成为 AI 的关键，韩国半导体巨头正加大投入，以巩固其市场优势。
DAO 半导体（分立器件、模拟器件与光电器件）的技术复杂度通常低于逻辑或存储芯片，因此资本支出也相对较少。中国在 DAO 领域的大额投入，可以视为其在高端设备受限情况下，转而集中于进入门槛较低领域的一种应对策略。
在战略投资的推动下，预计 2024 至 2030 年全球半导体晶圆厂支出将超过 1.5 万亿美元，相当于过去二十年的总和。随着 AI 热潮加速，逻辑半导体有望进一步带动投资，在此期间可能将晶圆厂支出推向更高水平。
半导体的历程：过去、现在与未来
2000 年前：产业的黎明
在 1960 年代到 1990 年代末，芯片行业从实验室里的“好奇产物”发展到大规模量产。美国的 IBM 和摩托罗拉、欧洲的飞利浦和意法半导体，以及亚洲的东芝、NEC、日立和三星，推动了存储器、微处理器和光刻领域的重大突破。商用集成电路在 1960 年代中期首次问世，而 1980 与 1990 年代对 PC 和消费电子的爆炸性需求，则为行业的长期扩张奠定了基础。
2000–2020 年：增长的时代
在 2000 年代初期，大量资本涌入先进工艺技术。韩国大幅扩展了国内 DRAM 和 NAND 晶圆厂，而台湾台积电完善了纯代工模式；到 2000 年代中期，台湾已经在逻辑芯片代工产能上居于世界领先。越来越多的欧美企业采用无晶圆厂（Fabless）模式，将晶圆制造交给亚洲代工厂和封测厂，从而进一步推动了供应链的东移。
2030年预测：一个新篇章
在国家政策的大力支持下，中国正向成熟节点逻辑和存储芯片投入数十亿美元，中国领先厂商正扩充产能——虽然仍落后前沿一到两个节点——同时数十家本地和外资企业也在建设新厂。美国则通过《芯片法案》补贴来吸引先进逻辑和异构集成工厂。韩国和台湾计划进一步强化各自在存储器（尤其是 HBM）和先进代工服务方面的主导地位，而日本和欧洲则推出一系列激励措施，以吸引先进逻辑和 SiC 功率半导体产线。总体来看，这些行动预计将在 2030 年前重新塑造全球制造格局，并为半导体产业开启新篇章。
产能正向更小节点转移
逻辑半导体——作为执行计算、控制和信号处理的“大脑”——在节点尺寸缩小时受益显著，因为在同一面积上集成更多晶体管，能够实现更快、更精确的运算。
7nm 以下的节点具备顶级性能与能效，为先进的 AI 加速器和高性能计算（HPC）解决方案提供支撑。随着晶圆代工厂的大规模投资，其产能占比正在上升。亚 7nm 工艺正日益采用业界领先的晶体管架构与封装技术，以进一步提升速度和能效。
8–16nm 节点处于中间区间，其性能低于 7nm 以下工艺，但成本又高于 22–28nm。它们常见于汽车高级驾驶辅助系统（ADAS）、移动 SoC 和中端图形芯片。不过，随着节点从 22–28nm 直接迁移到亚 7nm，以追求更优性能，8–16nm 的产能供应预计仅有小幅增长。
22–28nm 节点通常被称为“成熟主流”。22/28nm 产线是汽车 MCU、工业物联网与消费类 ASIC 的基础，这些应用更看重成本、电压容忍度与可靠性，而非晶体管密度。需求保持旺盛，但中国 28nm 产能的快速扩张可能会在本年代后期导致局部供过于求。
32nm 及以上节点主要面向价格敏感或高度可靠的器件，如电源控制器、传感器、显示驱动芯片等。许多供应商依托于已完全折旧的晶圆厂，即使在较低产量下也能保持盈利。但随着新设计逐步迁移至 28nm 及以下，整体产能预计仅会小幅增长。
构建逻辑芯片的韧性
随着半导体成为战略性资产，各国政府正在大力投入以推动先进逻辑芯片生产。疫情时期的短缺与地缘政治紧张，凸显了本地产能与稳定供应链对国家安全的重要性。
在这一不断演变的格局中，美国正战略性地利用政府补贴、税收优惠和基础设施投资来吸引先进芯片制造。中国大陆则在出口管制的限制下，在国家大力支持下大规模扩张成熟逻辑节点产能。然而，受技术与设备限制，先进节点的良率可能仍然落后，实际产出可能低于产能。
中国台湾可能通过专注于先进节点生产，继续保持其全球领先地位，但在最先进工艺上的巨额投资，使其产能扩张相对有限。包括稳定的电力与供水，以及完整的芯片生态系统在内的政府支持，可能仍是其保持 3nm 以下竞争力的关键。
韩国预计将在存储器制造方面保持优势，但也在战略性投资以提升其逻辑芯片的布局。日本则通过台积电–索尼熊本厂、功率器件扩产、Rapidus 2nm 工厂等项目，以及对先进封装的推动，重振其半导体产业。
总体来看，这些地区战略正在重塑逻辑半导体的供应版图。到 2030 年前，投资的指导原则已从单纯的成本降低，转向以韧性为核心。
下一代晶体管架构
当芯片制造商将工艺推进到 5nm 以下时，每一代工艺都需要更多的研发、资本和时间。FinFET 晶体管在这一节点附近达到了可扩展性的极限，因此行业龙头正转向 3/2nm 节点的全环绕栅极（GAA）纳米片器件。若要进一步缩小，还需要新的器件架构来抑制短沟道效应、寄生电阻和量子隧穿。
目前有两大候选架构：互补场效应晶体管（CFET）和 Forksheet。CFET 是一种下一代晶体管架构，能够实现更高的集成度和性能。英特尔、三星和台积电都在积极研究 CFET。尽管不同公司在商业化时间上有所差异，但如果制造和成本效率有显著提升，市场预计其最早可在 2030 年代初实现商业化。
在当下的 GAA 与未来的完整 CFET 堆叠之间，存在着 Forksheet 的过渡概念。它通过引入介电“叉齿”来隔离相邻的纳米片堆叠，从而进一步压缩栅极间距。一些研究联盟认为 Forksheet 是一个务实的过渡方案，而另一些则选择跳过它，将资源直接集中在 CFET 上。
无论哪条路径胜出，2nm 之后的时代都将依赖于巨额投资、新型材料和先进的 3D 集成，这凸显了制程节点缩小的竞赛将如何持续深刻地重塑半导体格局。
存储器超级周期会持续吗？
存储器市场以“超级周期”的大起大落而闻名。一个周期通常始于新平台（如智能手机、云服务器、AI 加速器）消耗大量产能，推动价格和利润飙升。随后，厂商往往产能过剩、库存堆积，进入下行周期。如今，企业通过更果断的减产、更谨慎的资本支出和更节奏化的芯片缩小策略来抑制波动，但这种周期性模式并未消失。
未来的周期是否会趋缓仍存在争议。一种观点认为，更精细的供应链分析、更短的设备交付周期以及类似 HBM 的节点多样化，可能会平抑价格波动。另一种观点则强调，爆发式的 AI 工作负载、自动驾驶汽车数据采集以及边缘计算的增长，可能成为新的需求冲击，从而引发下一轮上行周期。新兴的应用场景，如混合现实头显和智能工业传感器，也进一步凸显了存储器的核心地位。
在实践中，每一轮周期的深度可能取决于三个变量：突破性应用的放量速度、制造商产能投入的规模，以及推动单位晶圆比特数提升的工艺迁移节奏。跟踪这些指标并相应调整投资，可能是应对未来任何周期波动的关键。
亚洲引领全球存储格局变动
总体来看，存储器供应链仍将以亚洲为核心，但更广泛的区域平衡正在逐步形成。
韩国可能继续在存储半导体领域保持最强地位，凭借其先进的 DRAM 与 NAND 技术以及持续的大规模投资。依托既有的市场地位、可靠性和品质，韩国有望维持甚至扩大其份额。
中国大陆正全力追求自给自足，在国家巨额补贴下建设数十条成熟节点的存储产线。国内厂商正在提升主流 DRAM 节点的良率，并加快高层数 3D NAND 的量产。
日本曾在 NAND 闪存领域占据强势地位，但到 2030 年，其市场份额可能因成本竞争力下降而略有萎缩。同时，其重点布局的游戏和电信市场并未被预期为高增长领域，这将进一步限制扩张。
中国台湾可能会专注于具成本优势的中端 DRAM 以及特种 NOR/SRAM 产线。由于缺乏大规模 NAND 产能，中国台湾在 NAND 市场的份额预计难以实现显著增长。
美国正利用政府补贴推动本土存储制造，新建的 DRAM 和 3D NAND 超级工厂正在建设中。这些产能预计会在本年代后期使美国的市场份额有所上升。
AI 推动 HBM 需求激增
生成式 AI 的训练与推理热潮，使高带宽存储器（HBM）成为现代数据中心服务器的关键组件。CPU、GPU 与加速器的性能不断提升，但若配套的存储器供数速度不足，整个工作负载就会遭遇瓶颈。
HBM 通过在小型基底逻辑芯片上堆叠多个 DRAM 芯片，并以硅通孔（TSV）连接，再将堆叠体安装在计算芯片旁的硅中介层上，从而突破这一瓶颈。这种 3D 集成在极小的面积内实现了每秒数 TB 的带宽，使 HBM 成为高功耗 AI 与 HPC 系统不可或缺的组成部分。
尽管许多供应商正加紧扩充产能，但短缺仍可能出现。首先，需求可能超出最乐观的预期，而新建 TSV 产线需要 18–24 个月周期，几乎没有快速补救的空间。其次，供应链的强度取决于最薄弱环节：硅中介层的有限供应、先进凸点工艺产能不足，或专用基底逻辑芯片的缺乏，都可能限制 HBM 的整体产出。
在封装基础设施无法与 DRAM 晶圆产能同步扩张之前，HBM 的紧张供应与高溢价价格可能会持续存在。
更大晶圆，更广供应：DAO 的转型
分立器件：大多数功率 MOSFET、IGBT 和二极管仍然运行在 150–200mm 晶圆上，但越来越多的产品正在向 300mm 迁移，主要集中在高价值器件，如低压 MOSFET、车规级 IGBT 和智能功率 IC。同时，SiC 和 GaN 器件正在 200mm 以及试验性的 300mm 设备上扩展，这预示着本年代后期将迎来更大规模的 12 英寸迁移。
模拟半导体：电源管理芯片（PMIC）、放大器和射频前端长期依赖 200mm 工艺，但由于芯片面积增大和工艺公差收紧，正在推动其向 300mm 过渡。模拟设计的“锁定效应”通常能保持营收稳定，但迁移需要细致的良率爬坡，因此大多数厂商采用分阶段路线，从 200mm 逐步过渡到 300mm。
光电半导体：LED 和大多数激光器件仍采用 100–150mm 的化合物半导体或蓝宝石衬底生产，而 CMOS 图像传感器已大规模转向 300mm 产线，以提升像素密度。将这些化合物半导体工艺迁移至更大晶圆是可行的，但进程更为缓慢，因为相关的专用设备和工艺步骤通常需要重新认证。
缓慢而稳定的增长
由于 DAO 器件很少需要最先进的制造设备，其资本投入强度相对低于先进逻辑和存储。大型的一次性超级工厂投资并不常见，但许多地区仍在逐步增加 DAO 产能，以保障本土的基础供应能力。
中国在能源、通信和工业设备对功率、模拟和光电芯片的强劲本地需求推动下，正成为扩张最快的地区。大量中端厂商利用成本优势，正在占领价格敏感型细分市场。
美国的激励措施正在资助新的模拟与混合信号晶圆厂，这些产能主要服务于高价值的航空航天、国防和工业市场，目标是重建本土能力，而非追逐标准化的大宗市场。
日本可能会在其汽车与精密设备产业中，继续保持在分立功率器件与传感器领域的稳固地位。尽管成熟市场的饱和可能放缓增长，但电动汽车的普及有望维持对日本 SiC 功率器件的需求。
总体来看，DAO 产能可能会在全球范围内缓慢但稳步增加，从而增强供应链韧性，而不会像先进逻辑或存储项目那样吸引大规模关注。
功率半导体的演进
硅（Si）因其成本可控和工艺成熟，长期以来一直是功率电子的主流材料。然而，宽禁带（WBG）半导体材料，尤其是碳化硅（SiC）和氮化镓（GaN），正在快速普及，因为它们能在更高温度和更高电压下工作，并且相比硅具有更快的开关速度。
SiC 在高电压和大电流应用中表现突出，非常适合用于电动汽车（EV）牵引逆变器、可再生能源转换器和重型工业驱动。制造商们正在从 150mm SiC 晶圆向 200mm 迁移，以降低成本并提升晶圆质量。
GaN 则在需要高速开关和小型化的产品中优势明显，如 USB-C 快充、笔记本适配器、5G 基站电源以及数据中心的高频转换器。其结构还便于与标准 CMOS 控制芯片集成，从而简化器件设计。
尽管目前已经生产了数亿颗 WBG 器件，但由于晶体生长、晶圆抛光和先进外延等工艺昂贵且耗时，供应限制依然存在。短期内仍可能出现紧缺，尤其是在 200mm SiC 衬底和高压 GaN 晶圆方面。然而，随着对大尺寸晶圆、良率提升和先进设备的持续投入，这些瓶颈将逐步缓解，SiC 和 GaN 与硅之间的成本差距也会缩小，从而加速其在更多场景下的应用落地。
封装与测试
封装与测试已不再只是对芯片裸片的保护，它们如今还承担起提升裸片间互联，以及在苛刻条件下增强电气和热可靠性的作用。
随着晶体管微缩效益递减，先进封装已成为提升系统性能的重要手段。关键创新包括更短、更高带宽的互连，以及能够以低成本、灵活方式集成异构裸片的 Chiplet 架构。
组装复杂性的提升，使得缺陷预防与良率改善尤为关键，这也推动了光学、X 射线以及系统级检测工具的快速发展。
展望未来，性能的实质性提升可能将依赖前端晶体管技术与后端封装测试工艺的紧密协同演进。
后端技术进一步突破极限
数十年来，性能提升主要依赖前端工艺的微缩，但当制程推进到 10nm 以下时，只有两家代工厂能够实现量产，目前第三家正在追赶。在这一尺度下，短沟道效应、寄生电容和漏电流上升使得每一次工艺缩小都变得更困难、更昂贵。
早期 CMOS 微缩——从 90nm 到 28nm——通常能让晶体管密度翻倍，并带来 25–50% 的功耗与性能改善。但从 16nm FinFET 到如今的 3nm 节点，密度曲线趋于平缓，效率提升放缓，而晶圆成本几乎增加了三倍，芯片级经济性大约上涨了两到三倍。EUV 光刻机、较低的初始良率和飙升的研发预算都凸显了前端微缩的高昂代价。
面对前端微缩效益递减，芯片制造商正重新将重心转向先进后端技术——Chiplet、2.5D 中介层以及 3D 堆叠——以确保在前端进展放缓的同时，系统级性能依然能够持续提升。
押注后端工艺
道正网配资提示：文章来自网络，不代表本站观点。
