1. 沈向洋谈中美之间在人工智能方面的差距

近日，在香港大学主办的经济峰会上，著名计算机科学家沈向洋表示，中国在AI算法方面正在迅速赶上美国，但在芯片技术方面，与美国仍有较大差距，计算能力仍然是中国内地和香港企业面临的重大挑战。

沈向洋指出，人工智能的竞争主要包含芯片、算法和应用三个关键方面。中国在算法方面已经取得了显著进展，他以为例，称这家初创公司仅使用约1万块AI芯片就取得了与美国顶尖竞争对手相当的成果，而OpenAI和谷歌等公司则需要数十万块芯片。但在芯片领域，美国的领先优势明显，中国在芯片生产方面面临的差距“无法在一两年内弥补”。

2. 汽车芯片2030年将是萧条还是繁荣？

汽车行业无疑正经历着颠覆性的时期，既有积极的一面，也有消极的一面。继2023年强劲增长后，标普全球移动出行公司最新报告称，2024年轻型汽车产量下降了1.6%。造成这一现象的原因包括疫情后的高库存水平、全球经济逆风、政府对电动汽车购买激励措施的减少以及复杂的供应链挑战。

但是从长远来看，汽车芯片行业的前景远非悲观——事实上，我们有充分的理由保持乐观。

尽管道路充满曲折，国际货币基金组织和世界银行均预测到2025年全球经济将稳步增长，后者预计全球经济增长率为2.7%。利率也在缓慢下降，不过有人担心美国的新关税政策可能导致全球通胀压力上升，从而抑制利率下行空间。如果利率持续稳步下降，这将有助于全年提振消费需求。

根据标普全球移动出行公司的预测，到2030年，每辆车平均使用的半导体价值可能从目前的大约1,000美元上升至超过1,400美元，增幅高达40%。当然，高端车辆中的半导体含量将远超这个平均水平。

具体到ADAS方面，根据美国交通安全分析研究伙伴关系(PRA)的一份报告指出，在14项ADAS功能中，已有10项在新车中的市场渗透率超过50%，其中前方碰撞预警、自动紧急制动(AEB)、行人检测预警、行人AEB和车道偏离预警等功能的市场渗透率已经达到了91%至94%。

ADAS的日益普及趋势适用于电动汽车、混合动力汽车和内燃机(ICE)汽车。标普估计，仅用于ADAS的汽车半导体平均成本就将从目前的160美元增长到2030年的260美元以上。

就电动汽车而言，分析机构RHO Motion估计，电动汽车所需的半导体数量是传统燃油汽车的三倍。标普预测，2023年至2030年间，电动汽车产量的复合年增长率将达到19%，而燃油汽车的产量则预计将以每年约12%的速度减少。这意味着到2030年，电动汽车将占汽车总产量的40%以上。

汽车座舱环境对美观性、功能性和操作安全性的要求越来越高。(来源：Adobe Stock)

顺便提一句，标普估计，这些座舱功能所用半导体的价值甚至可能高于ADAS。目前每辆汽车的座舱半导体平均价值约为350美元，预计到2030年将升至约550美元。

广义上讲，受益于ADAS和座舱用户体验增长的主要半导体需求类别包括微控制器(MCU)、存储器和混合信号SoC。这些需求将受到多种因素的推动，比如各类传感器对先进信号处理和数据采集的需求、用于数据和视频传输的高速网络，以及用于设备接口、小型电机控制和复杂照明的强大电源管理和控制需求。

由于这些趋势，麦肯锡预测汽车芯片销售额的增长速度将高于整个行业水平。而标普全球移动出行公司认为，从2024年到2030年，汽车行业的潜在半导体市场规模将以9%的复合年增长率扩大，这意味着市场将从去年的820亿美元增长到本世纪末的1490亿美元。

3. 海尔锚定新赛道进军集成电路装备领域

6月26日，海尔集团通过战略入股上海新时达电气股份有限公司，并与上海市嘉定区达成战略合作，发力机器人和集成电路装备领域，引发行业广泛关注。海尔的布局折射出机器人与半导体产业协同发展的新趋势。随着机器人行业的蓬勃发展，集成电路装备领域有望迎来新一轮技术突破与产业变革。

6月26日，海尔集团成功完成对上海新时达电气股份有限公司（简称“新时达”）的战略入股协议转让股份交割，标志着新时达正式融入海尔卡奥斯工业互联网生态。据悉，海尔对上海新时达的战略入股，交易金额高达13亿元，用于收购10%的股份并获得19.24%的表决权，此外还计划投入超12亿元参与新时达的定向增发项目。

新时达创立于1995年，聚焦工业自动化领域，于2010年在深圳证券交易所主板上市。新时达以算法和软件为核心，主要有控制与驱动产品及系统业务、机器人产品及系统业务、电梯控制产品及系统业务等三大核心业务板块。机器人是新时达近些年来的主攻方向之一，早在2010年，新时达便研制出首台工业机器人，现已拥有9个系列80多款工业机器人产品。

据悉，新时达拥有上海首个实现 “机器人制造机器人” 的工厂，作为打造首款 “全长三角造” 机器人项目的 “链主” 企业，牵头12家上下游企业协同研发，有力推动了长三角区域内国产机器人零部件的整机应用。

青岛海尔卡奥斯工业智能有限公司成立于2025年2月，由海尔集团实际控制。其核心业务聚焦于工业互联网平台运营与数字化解决方案输出。旗下的卡奥斯COSMOPlat工业互联网平台，以大规模定制为独特核心，创新性地引入用户全流程参与体验模式，构建起跨行业、跨领域、跨区域的立体化赋能新范式。截至目前，该平台已成功赋能家电、汽车、电子、化工等15个行业实现数字化转型升级，累计服务企业数量高达16万家。

2025年，机器人行业呈现出迅猛的发展态势，为集成电路半导体领域带来了诸多机遇。

一些半导体国际巨头早已布局机器人赛道。6月12日，英伟达CEO黄仁勋在GTC巴黎峰会期间接受媒体采访时表示，未来十年将属于自动驾驶和机器人。黄仁勋还表示：除了人工智能，机器人技术尤其是人形机器人，将是这家人工智能芯片巨头的最大规模潜在增长市场。英伟达此前已发布全球首个开源人形机器人基础模型 Isaac GR00T N1 ，采用独特双系统架构，系统1负责快速动作执行，类似人类直觉反应，系统2专注深度推理，进行复杂分析与决策，赋予机器人通用技能与推理能力，广泛应用于工业搬运、精密检测等领域。

此外，机器人市场规模的持续扩张也将形成庞大芯片需求增量。根据TrendForce集邦咨询数据，预计中国市场2025年人形机器人本体产值将超过45亿元人民币，中国厂商如宇树科技、优必选、智元机器人、银河通用、众擎机器人、乐聚机器人等对2025年量产规划超过千台。

单台机器人涉及传感器、驱动、控制等多类芯片，从通用MCU到定制化ASIC芯片均存在广阔市场空间，为半导体企业开辟新增长曲线。同时，机器人对实时感知、高速运算与精准控制的需求，也将驱动半导体行业向更高性能、更低功耗方向突破，如存算一体芯片、专用加速器（NPU、TPU）等创新形态正在不断涌现。

4. Google说服OpenAI使用TPU来对抗英伟达？

这两天大家都在谈论OpenAI要使用Google TPU的信息，这件事的源头是The Information的一个报道：

OpenAI 的芯片策略调整

OpenAI 作为英伟达人工智能芯片的大型客户之一，长期以来主要通过微软和甲骨文租赁英伟达服务器芯片，用于开发、训练模型以及为 ChatGPT 提供算力支持 。过去一年，其在这类服务器上的投入超 40 亿美元，训练和推理环节支出近乎对半分，且预计 2025 年在 AI 芯片服务器上的花费将接近140 亿美元 。

伴随 ChatGPT 发展，其付费订阅用户从年初 1500 万增长至超 2500 万，每周还有数亿人免费使用，算力需求急剧攀升 。在此背景下，OpenAI 近期开始尝试从 Google Cloud 租赁 TPU 芯片，用于为 ChatGPT 等产品提供算力，这是其首次以有实际意义的方式使用非英伟达芯片，期望借此降低推理计算成本 。不过，OpenAI 发言人曾在相关报道发布前拒绝置评，报道发布数日后又表示 “目前没有专门使用 TPU 的计划”，使得合作细节尚不明朗 。这一点很重要，就是到现在其实双方都还未证实。

Google 的 TPU 布局与博弈

约 10 年前，Google 启动 TPU 研发，2017 年起向有训练自家 AI 模型需求的云客户开放 。在 AI 软硬件生态中，Google 是唯一在九大类别（涵盖 AI 服务器芯片、训练集群、云服务器租赁、AI 应用程序接口等 ）均布局相关技术或业务的主要企业，构建起从芯片到 AI 全栈生态，强化竞争壁垒 。

尽管 Google Cloud 向客户出租英伟达芯片服务器带来的收益，仍显著高于出租 TPU（因英伟达芯片是行业标准，开发者对控制芯片的专用软件更熟悉 ），但 TPU 是 Google 开展差异化竞争的重要筹码 。在与 OpenAI 的合作中，Google 并未将最强大的 TPU 租予对方，而是优先预留，供自家 AI 团队开发 Gemini 模型 。这一举措，一方面保障自身 AI 研发的算力需求，另一方面也可试探 OpenAI 对 TPU 的需求究竟聚焦于推理环节，还是涉及训练环节 。

由于与 OpenAI 的合作使自身数据中心面临算力紧张，Google 近期主动接触其他主要出租英伟达 GPU 的云服务商（如 CoreWeave ），探讨在其数据中心安装 TPU，为特定 Google Cloud 客户服务的可能性 。虽然目前尚未确认是否达成协议，但这一动作彰显出 Google 扩大 TPU 覆盖范围、挑战英伟达生态主导地位的意图 。

除 OpenAI 外，苹果、Safe Superintelligence、Cohere 等企业也从 Google Cloud 租赁 TPU，部分原因在于这些企业的员工曾在 Google 工作，对 TPU 技术较为熟悉 。Meta 作为与 OpenAI 类似的英伟达 AI 芯片大客户，近期也考虑过使用 TPU，不过官方称暂未采用，反映出行业内企业对英伟达芯片 “替代方案” 的持续探索 。

微软作为 OpenAI 紧密的合作伙伴和早期投资者，投入大量资源研发 AI 芯片，期望 OpenAI 采用 。但研发过程中遭遇问题，不得不推迟新版本发布时间，导致其芯片短期内难以与英伟达竞争 。OpenAI 转向与 Google 合作，可能使微软在这场 AI 算力博弈中遭遇挫折，凸显出 AI 芯片自研的高难度，以及生态博弈的残酷性 。

当前，尚无企业能在 AI 训练芯片性能上与英伟达匹敌，但推理芯片研发热潮已起，云服务商、AI 大厂纷纷布局，试图减少对英伟达的依赖，并长期降低成本 。不过，云服务商推广替代芯片时，常需借助 “财务激励”（如向 Anthropic 等企业提供数十亿美元融资，换取其使用自家芯片 ），可见生态替换之路充满挑战 。

为什么OpenAI会选择TPU？

The Information的报道中也提了，OpenAI的算力需求在急剧攀升，一是因为大家对AI的使用频率越来越高，也是因为现在OpenAI 推出新的图像生成平台后，计算需求激增，运营成本上升。

所以降低成本是OpenAI最优先考虑的问题，而且现在OpenAI增加的需求绝大多数都是推理需求，而TPU也非常适合做推理的任务，在推理任务上具有高效性和较低的能耗。

还一个考量是OpenAI 可能希望减少对单一供应商（如 Nvidia）和特定基础设施（如 Microsoft 托管数据中心）的依赖，以增强灵活性和谈判能力。

在Morgan Stanley的一个分析中，还认为英伟达的产能限制可能也是 OpenAI 做此决定的一个因素，大摩认为虽然Google有自己的TPU，但Google同样也是英伟达的大客户，今年光在Google的业务就增长了超过3倍，虽然 Google会称英伟达的出货量仅针对其业务的云部分，但大摩还是认为英伟达在业务的非云部分的影响力也在扩大。英伟达的产品已售罄，尤其是机架规模的产品。在大摩看来，替代架构的发展至少部分是由推理能力短缺驱动的。

对OpenAI来说，目前最大的挑战也就是将之前运行在英伟达GPU上的软件适配到TPU上。

对Google的影响

TPU 技术的验证和推广，OpenAI 的采用验证了 Google 在 TPU 技术上的长期投资。TPU 是专为机器学习设计的 ASIC，在推理任务上具有高效性和较低的能耗。OpenAI 的选择不仅证明了 TPU 的商业价值，还可能吸引更多 AI 公司转向 Google Cloud，使用 TPU 作为其计算基础设施的一部分。

通过向 OpenAI 提供 TPU，Google 不仅在 AI 硬件市场上挑战了 Nvidia 的主导地位，还在云服务领域增强了其竞争力。Google TPU的竞争对手不只有英伟达的GPU，还有其他公司的自研ASIC。

对英伟达的影响

即便考虑到目前英伟达GPU的稀缺性，OpenAI 转向 TPU 仍然标志着对 Nvidia 芯片的需求可能开始下降，尤其是对于推理任务。后面如果OpenAI在TPU上推理确实发现有很高的性价比，那就会有更多的推理任务选择非英伟达的平台。

OpenAI 的这一举动对 Nvidia 来说是一个警醒，表明其客户开始寻求更具成本效益的计算解决方案。Nvidia 可能需要在推理任务的硬件优化上加大投资，以保持其在 AI 计算市场的竞争力。

但总归来说，短期内对Nvidia 的影响可能有限，因为 OpenAI 和其他大厂们仍依赖 Nvidia 的 GPU 进行模型训练。

对亚马逊的影响

看到这里，可能有些读者会有疑问，这跟亚马逊有啥关系？

还是根据大摩的分析，若 OpenAI 与谷歌的合作得到证实，OpenAI 如今将在大多数主要云供应商（包括谷歌云、Azure、甲骨文和 CoreWeave ）上运行人AI的训练和推理任务，而亚马逊却不在这个名单中。

总结一下，这次OpenAI 与 Google 在 TPU 上的合作，是 AI 算力军备竞赛的一个缩影 。OpenAI 因算力需求调整芯片策略 “投石问路”，Google 借 TPU 拓展生态、挑战英伟达，多方围绕芯片控制权、成本、生态展开博弈 。尽管英伟达凭借技术与生态优势，仍在训练芯片领域占据主导，但 TPU 等替代方案若能在性能、成本、生态协同上实现突破，行业格局有望迎来新变化 。

5. 中国大陆将拿下全球30%芯片产能，超越中国台湾！

根据Yole Group的报告，中国大陆有望在2030年超越中国台湾，成为全球最大的半导体晶圆代工中心。2024年中国大陆占全球21%的产能，随着本土产能的快速扩张，中国大陆的崛起凸显了在分散且充满战略博弈的芯片制造格局中，行业话语权正在发生转移。 

6月23日，Yole Group发布的《半导体晶圆代工行业现状报告》显示，到2030年中国大陆有望成为全球半导体晶圆代工产能领导者，预计将占据全球总装机产能的30%。2024年中国大陆以21%的全球代工产能份额位居第二，仅次于中国台湾（23%）。韩国以19%的份额排名第三，日本（13%）、美国（10%）和欧洲（8%）紧随其后。

在供需平衡方面，美国半导体企业占全球晶圆需求的57%，但其国内晶圆代工产能仅约10%。与之相反，中国台湾拥有全球23%的晶圆代工产能，却只占4%的晶圆需求。欧洲和日本在半导体代工领域保持着稳定的供需平衡，其产能的很大一部分用于满足内部市场需求。在东南亚地区，尤其是新加坡和马来西亚，该地区占全球6%的晶圆代工产能，但这些产能完全由外资代工厂主导，因为该地区缺乏本土半导体代工企业。

报告描绘出全球晶圆代工格局正呈现分散化与战略化趋势，预计至2030年产能复合年均增长率将维持在4.3%的温和水平。值得注意的是，实际产能利用率预计稳定在70%左右，引发对投资回报率的担忧。

2024年中国大陆晶圆代工产业实现显著增长，在重大投资和提升本土半导体制造能力的战略举措推动下，预计2025年将继续保持扩张态势。

国际半导体产业协会（SEMI）数据显示，2024年中国大陆芯片制造商产能增长15%，达每月885万片晶圆。这一增长得益于18座新建半导体晶圆厂的投产，推动全球同年产能扩张6%。此外，中国大陆芯片产能预计2025年将继续保持14%的增幅，月度产能达1010万片晶圆。这一扩张属于全球行业趋势的一部分——2025年半导体制造行业预计增长7%，实现月度3370万片晶圆的历史最高产能。

6. 国内处理器在ARM与RISC-V双线突破

ARM与RISC-V双线突破

在全球PC处理器市场变革之际，国内厂商也在积极布局，飞腾、海思以及此芯科技等厂商基于ARM架构积极自研，加速融入PC产业生态。

例如，飞腾腾锐D3000M作为其首款国产笔记本处理器，集成8核自研FTC862内核，主频达2.5GHz，通过PSPA2.0安全架构和国产化供应链实现自主可控，已获联想开天、中国长城等 多家整机厂商采用。

海思麒麟X90则采用ARMv9指令集和自研“泰山V3”架构，支持“超线程+大小核异构”设计，麒麟X90芯片主频突破4.2GHz，与鸿蒙OS深度整合，在Geekbench 6测试中多核性能得分高达11640分，接近英特尔i7-13700H，并超越苹果M2芯片。这标志着国产ARM芯片在消费级市场的实质性突破；

此芯科技推出的异构SoC此芯P1，采用6nm制程工艺和12核Arm架构设计，集成CPU、GPU和NPU，提供45TOPS端侧AI算力，支持百亿参数内大模型部署。该处理器具备高能效和安全特性，支持多操作系统及多种接口，满足Windows AI PC算力要求，加速国产AI PC生态建设。

与此同时，开源的RISC-V架构也在PC领域崭露头角，凭借高度灵活的定制化和模块化设计优势，吸引了诸多行业厂商相继布局，成为搅动市场的“鲶鱼”，目前国内已有达摩院、赛昉科技、超睿科技多家厂商在RISC-V架构PC处理器领域展开探索，剑指x86腹地。

国内厂商以ARM与RISC-V双线破局，其技术突破不仅推动自主可控，更以“替代+创新”模式冲击全球供应链，加速PC芯片从x86走向“x86-ARM-RISC-V”多元竞争时代。

7. 哈尔滨工业大学人工智能研究院可通过以下方式加速芯片设计流程：

- 利用人工智能算法优化设计：运用机器学习算法对芯片设计中的海量数据进行分析，预测潜在问题，优化电路结构和布局。例如通过深度学习模型预测芯片在不同工况下的性能表现，提前调整设计参数，减少后期验证阶段的迭代次数。

- 开发专用设计工具：基于人工智能技术开发专用的芯片设计EDA工具，实现自动化设计和优化。如利用生成式AI根据芯片功能需求自动生成初步的电路架构，再由工程师进行微调，可大幅缩短设计时间。

- 加强跨学科合作：研究院是跨校区、跨产学研模式建设的，可充分整合哈尔滨工业大学多校区资源以及校内科研平台和校外产学研合作平台的优势，促进人工智能与微电子、材料科学等学科交叉，从新材料研发、新架构设计等方面为芯片设计加速提供支持。

- 优化设计流程管理：采用数字化、智能化的项目管理系统，对芯片设计的各个环节进行实时监控和优化。通过智能调度资源，合理安排设计任务，确保各个阶段高效衔接，减少流程中的等待时间和资源浪费。

- 人才培养与交流：培养和引进兼具人工智能与芯片设计知识的复合型人才，为加速芯片设计流程提供人才保障。同时，积极举办学术交流活动，与国内外顶尖科研机构和企业分享经验，了解最新技术动态，不断改进设计方法和流程。

8. 联电进军6nm制程

近日，《日经亚洲》报道指出，在成熟制程竞争愈发激烈的行业态势下，台湾地区第二大晶圆代工企业联华电子（联电 / UMC）积极探寻新的业绩增长点，重新进入先进制程领域成为其重要考量方向。

联电在半导体发展历程中有着独特轨迹。2018年，联电宣布放弃12nm以下制程开发 ，当时其12nm级工艺采用与英特尔合作的模式，这一合作有效减轻了资产负担。如今，据消息人士透露，联电正在评估进军6nm生产的可能性，并且与英特尔的合作或许会延伸至这一节点。

然而，即便6nm并非最前沿的半导体工艺，实现量产仍需高昂投入。消息人士指出，一条月产能约2万片晶圆的6nm生产线，起步投资可能高达50亿美元（现汇率约合358.19亿元人民币） 。此外，市场需求能否充分消化新增产能，也是联电需要面对的一大挑战。毕竟，当前半导体市场需求波动，如何确保产能利用率是关键问题。

在探索先进制程的同时，联电也在积极拓展先进封装业务。近期有消息称，联电为推动封装业务发展，正考虑收购瀚宇彩晶位于南科的现有工厂。先进封装技术在半导体行业重要性日益凸显，通过收购相关工厂，联电有望快速扩充产能，提升技术水平，增强在先进封装领域的竞争力，进而满足市场对先进封装服务的需求。

9. 半导体制程从180nm到14nm技术演进总结

半导体工艺从180nm到14nm的演进中，各层结构（Layer）的差异主要体现在器件尺寸、制程技术、材料选择和复杂度等方面。 

一、光刻层数（Mask Layers）

180nm-90nm：光刻层数约为20-30层，主要包含晶体管栅极、源漏区、接触孔（Contact）和金属互连层（Metal 1-3）。

65nm-45nm：层数增加至30-40层，引入浅沟槽隔离（STI）、应力工程（Stress Engineering）和更多金属层（如 Metal 4-5）。

28nm-14nm：层数超过50层，新增高K金属栅（HKMG）、自对准双重图案（SADP）、FinFET结构等复杂工艺，金属层扩展至7-10层。

二、关键层技术差异

1)栅极结构（Gate）

180nm-90nm：多晶硅栅极SiO₂栅氧，栅长 180nm→90nm。

65nm-45nm：高K介质（如HfO₂）替代SiO₂，降低漏电流；金属栅极开始引入。

28nm：高 K 金属栅（HKMG）全面应用，提升栅极控制能力。

14nm：FinFET（鳍式场效应晶体管）取代平面结构，三维栅极显著减少短沟道效应。

工艺节点 栅极结构

180nm 多晶硅栅 + SiO₂栅氧

90nm 多晶硅栅 + 薄 SiO₂/SiON

65nm 高 K 介质（HfO₂）试点

45nm 高 K / 金属栅（HKMG）过渡

28nm 高 K / 金属栅（HKMG）全面应用

14nm FinFET（三维鳍式结构）

2)隔离技术

180nm-90nm：局部氧化隔离（LOCOS）为主，尺寸较大。

65nm及以下：浅沟槽隔离（STI）成为主流，隔离效果更好，占用空间更小。

工艺节点 隔离技术

180nm 局部氧化隔离（LOCOS）

90nm 浅沟槽隔离（STI）

65nm STI优化

45nm 应变硅技术

28nm 应变工程优化

14nm STI尺寸微缩

3)互连层（Interconnect）

180nm-90nm：铝互连SiO₂介质，层数较少（通常 3-4 层）。

65nm-45nm：铜互连全面取代铝，低 K 介质（如SiOC）减少寄生电容，金属层数增加至 5-6 层。

28nm-14nm：超低 K 介质（k<2.5）和大马士革工艺优化信号传输，金属层数达 7-10 层

工艺节点 互连材料 介质材料

180nm 铝（Al）互连 SiO₂（k≈4.0）

90nm 铜（Cu）互连试点 SiO₂（k≈4.0）

65nm 铜互连全面应用 低 K 介质（k≈3.0-3.5）

45nm 铜互连 + 低 K 介质 低 K 介质（k≈2.7-3.0）

28nm 铜互连 + 超低 K 介质 超低 K 介质（k≈2.5）

14nm 铜互连 + 超低 K 介质 超低 K 介质（k<2.5）

4)源漏区（Source/Drain）

180nm-90nm：轻掺杂漏（LDD）结构，离子注入形成。

65nm-45nm：应力工程（如 SiGe 应力层）提升载流子迁移率。

28nm-14nm：嵌入式SiGe（eSiGe）源漏和超浅结（Ultra-Shallow Junction）技术进一步优化性能。

工艺节点 源漏工程

180nm 轻掺杂漏（LDD）

90nm 浅结 + 应力工程（SiGe 应变）

65nm 嵌入式 SiGe（eSiGe）源漏

45nm 超浅结（USJ） + NiSi silicide

28nm raised S/D + 高迁移率沟道

14nm 鳍状源漏 + 接触优化

三、工艺复杂度与新技术

90nm-65nm：引入沉浸式光刻（Immersion Lithography），提高光刻分辨率。

45nm-28nm：双重图案技术（DPT）解决光刻极限问题，鳍式场效应晶体管（FinFET）在 28nm 节点开始研发。

14nm：FinFET量产，自对准四重图案（SAQP）实现更小线宽，EUV 光刻技术开始初步应用。

四、关键工艺创新对比

工艺节点 图案化技术

180nm 单层光刻

90nm 单层光刻

65nm 双重曝光（DP）雏形

45nm 自对准双重图案（SADP）

28nm 四重图案（SAQP）/EUV 试点

14nm EUV（部分层） + SAQP

五、典型应用场景

180nm-90nm：消费电子、简单微控制器、模拟电路。

65nm-45nm：智能手机基带、中端处理器、物联网芯片。

28nm：高性能计算、移动设备（如早期骁龙、麒麟芯片）。

14nm：高端处理器（如 Intel 酷睿、AMD Ryzen、苹果 A9/A10）、AI 芯片

10. 英特尔代工业务或大调整，放弃18A外售转向14A研发与量产

7月2日消息，有知情人士透露，在面临激烈竞争和财务压力下，英特尔新任CEO陈立武正酝酿一场代工业务的重大战略调整，核心内容是放弃18A（1.8纳米）技术的外部销售，转而集中资源攻关下一代14A（1.4纳米）工艺。这一决策标志着英特尔从前任CEO基辛格的“技术开放”战略转向更加聚焦客户需求和定制化解决方案的新路线。

英特尔的代工业务自2021年基辛格提出IDM 2.0战略以来，一直以“技术开放”为核心，试图通过先进制程吸引外部客户。然而，这一战略并未取得预期效果，客户信任度较低，且18A的市场竞争力不足。

台积电的N2制程技术已经进入量产阶段，而英特尔的18A仍处于试生产阶段，面临较大的竞争压力。此外，英特尔去年净亏损188亿美元，是自1986年以来首次出现亏损，公司亟需通过战略调整扭转局面。

英特尔原本计划将18A作为其代工业务的核心卖点，试图通过这一先进制程与台积电和三星争夺市场份额。然而，18A的客户渗透率远低于预期，且其技术成熟度尚未达到大规模商用水平。

英特尔的这一战略调整引发了行业内的广泛关注。一方面，市场分析师认为，英特尔的18A工艺虽然在技术上具有竞争力，但其市场接受度仍需时间验证。另一方面，台积电和三星的先进制程技术（如N2和3纳米）已经进入量产，英特尔若想在代工业务上取得突破，必须加快14A工艺的研发和量产。

此外，英特尔的这一决策也可能影响其与客户的合作关系，例如亚马逊和微软是否继续选择英特尔作为代工厂，将取决于英特尔能否提供更具竞争力的产品和服务。

陈立武是英特尔历史上首位华人CEO，拥有丰富的半导体行业经验和投资背景。他曾在Cadence Design Systems担任高管，并被誉为“芯片创投教父”。上任后，他迅速推动公司重组，包括裁员、精简中层、强化AI和先进制程技术等。然而，英特尔目前面临市场份额下滑、财务压力和AI市场失利等多重挑战，陈立武能否带领公司走出困境，仍需时间检验。

未来，英特尔能否通过14A工艺赢得大客户的订单，并在AI和数据中心市场与英伟达等竞争对手抗衡，将是其战略调整成功与否的关键。

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。

- 以上评价仅代表嘉宾立场。

- 求是缘半导体联盟版权所有，转载需注明出处。

- 如有疑问，敬请留言。