江苏芯缘半导体有限公司



Jiangsu Thankyou Semiconductor Co.,Ltd.

搜索
求是缘半导体周要闻－莫大康(2026.7.27)
来源: | 作者:芯缘 | 发布时间: 2026-07-27 | 210 次浏览 | 🔊 点击朗读正文 ❚❚ ▶ | 分享到:

台积电加码千亿美元扩产2nm，三季度加速放量

财务数据显示，台积电第二季度合并营收达12,703.8亿新台币（约402.0亿美元），同比增长36.0%，环比增长12.0%，触及此前财测区间上限；税后净利润7,065.6亿新台币，同比大增77.4%，每股收益（EPS）27.25新台币，创下单季新高。盈利能力层面，公司毛利率达到67.7%，营业利益率60.3%，净利率55.6%。
从制程营收结构看，7纳米及以下先进工艺贡献77%晶圆销售额。其中5纳米占比33%、3纳米占30%、7纳米占11%；2纳米工艺已进入初期量产并开始贡献营收，当季营收占比3%。

图片

战略与技术层面，董事长暨总裁魏哲家指出，除传统AI加速器之外，Agentic AI（代理型AI）快速兴起，拉动数据中心高性能CPU增量需求。台积电正与x86、ARM、RISC-V架构主流CPU客户深度合作。公司预计2纳米工艺自第三季度起加速放量；下一代A14（1.4纳米）研发进度符合预期，计划2028年大规模量产，该工艺预计拥有较长生命周期，衍生工艺A13、A12顺延至2029年量产。
在需求乐观预期之下，台积电上调全年经营目标与资本开支。公司将2026年美元计价营收增速预期，由此前“年增逾30%”上调至“略高于40%”；全年资本支出预算由520亿~560亿美元上调至600亿~640亿美元，资金主要投向先进制程与CoWoS先进封装产能建设。
全球扩产规划同步落地：台积电宣布在美国亚利桑那州追加1000亿美元投资，建设2纳米及以下晶圆产线与配套先进封装厂区；同时计划在日本扩大成熟制程产能；在中国台湾，则同步推进13座先进制程及先进封装晶圆厂建设。
针对2026年第三季度，台积电给出强劲业绩指引。在1美元兑换32新台币汇率假设下，预计第三季度合并营收介于446亿至458亿美元，营收中位数环比增约12%，同比增长约37%；毛利率预估区间65.0%~67.0%，营业利益率56.0%~58.0%。02

进迭时空K3芯片如何半天跑通人形机器人


7月18日，由芯原微电子和上海开放处理器产业创新中心主办的"RISC-V和物理智能论坛"在上海张江科学会堂举行，主题为"RISC-V赋能空间计算与物理智能"。会上，进迭时空联合创始人兼总裁孙彦邦发表题为《下一个计算时代：RISC-V×Physical AI》的演讲，分享了进迭时空对RISC-V与物理AI的认知，以及公司过去五年在该领域的产品化实践。
进迭时空联合创始人兼总裁孙彦邦
什么是RISC-V？孙彦邦认为，"开放"是最重要的一点。RISC-V有两位非常成功的前辈——x86和Arm，其使命是"指令集应该开放免费"，基因则是开放与模块化。
RISC-V适合做什么？这是2021年进迭时空创业之初在各种场合被反复问到的问题。"很多人可能会认为RISC-V比较适合用来替代Arm和x86的市场，比如PC或者服务器。我们当时认为更适合去做未来的东西。"孙彦邦展示了一页公司创业时商业计划书中的判断：一个新技术的成功，大概率是面向一个新产品，随着新产品的产业化落地和规模化量产形成新生态——x86抓住了"大型机-小型机-个人机"的机会，Arm抓住了从高性能计算到移动领域的机会。RISC-V如果去做PC和手机，会面临生态不成熟的种种问题；但如果做机器人、做AI，从编程语言到操作系统的技术栈都是全新的，"做全新的东西，它就有新的机会"。
沿着这个逻辑，孙彦邦给出了"下一代计算机系统的时代机遇"的演进图：个人计算机（PC）时代，交互方式是鼠标键盘，应用软件是桌面软件，编程语言C/C++，操作系统Windows，芯片来自Intel/AMD，架构是x86，市场容量约每年亿台；移动计算机（MC）时代，交互变为触控，应用是手机APP，语言是Java，系统iOS/安卓，芯片是高通、博通、苹果、Marvell、MTK，架构Arm，市场容量约每年十亿台；而下一个时代是机器人计算机（RC, Robot Computer）——交互是自然语言/多模态，应用是智能体（AI Agent），编程语言是Python+Triton，操作系统是Agent OS，芯片是AI CPU，架构是RISC-V，市场容量约每年百亿台。新型RC产品将带动重构整个计算机核心组件，弱化甚至绕过现有软件生态壁垒，构建新的计算生态。"当时机器人跟AI还没有今天这样大的融合——也就是现在大家说的物理AI。"
回到机器人本身。孙彦邦认为，一个新品类会催生新的计算需求，机器人对计算的需求是多样化的：一是大CPU算力，用于逻辑调度和系统管理；二是大AI算力，用于大脑感知理解和智能决策——现在的机器人还停留在"发展身体"四肢的阶段，真正做到具身，估计需要上千T的AI算力；三是实时算力，用于传感数据处理和实时控制。"机器人的实时不是用户体验的问题，是安全问题——如果到那个点动作做不完，就可能带来安全隐患。"
面对多样化需求，现有方案普遍采用异构计算：用一颗x86 CPU加一张英伟达GPU卡解决大CPU和AI算力，再用一个MCU解决实时算力。这种方案存在明显弊端——软件层面，多架构、多操作系统的开发环境和系统平台，要求开发者掌握多套编程语言和底层框架，开发周期长，系统集成难度大；硬件层面，内存无法共享，内存拷贝带来通信时延和额外功耗，时延直接影响机器人功能与安全，硬件冗余还带来成本和供应链管理问题。孙彦邦还分享了一个产线见闻：机器人各块板子之间用很多线互连，连完以后为了防止跑动过程中线松动，要加一堆胶做固定，"可靠性很低，这种异构方案对大规模量产其实有很多隐患"。
如果用RISC-V来做，应该怎么做？进迭时空提出了同构融合计算方案的三个方向：
统一架构——所有的CPU算力、AI算力、实时算力都基于开源开放的RISC-V架构，灵活定制，打破"软件孤岛"；统一内存——统一地址空间编址，保证数据一致性，共享内存空间，消除"搬运损耗"，"为什么最近苹果的电脑跑AI跑得很好？就是因为它解决了统一内存"；融合算力——CPU算力、AI算力、实时算力在一颗芯片上实现"按需分配"。最终用一颗芯片满足机器人的多样化算力需求，同时提供机器人IO接口，实现面向机器人的RC芯片。
在架构实现上，进迭时空以标准RISC-V指令为基础，通过扩展AI指令实现带有AI融合算力的CPU，遵守RISC-V IME设计，复用RVV资源进行AI计算，通用CPU、AI CPU、RT CPU均基于RISC-V并共享DRAM。"以CPU形式提供AI算力，便于软件编程和用户开发。"孙彦邦展示了一张K3芯片运行Linux系统的截图——监控界面里只有RISC-V CPU Core和AI Core的负载曲线，"Everything is CPU，所有的一切都是CPU"。他认为，对于端侧和机器人，最重要的还是迭代能力，而对软件和应用来说，最好的迭代能力就是提供通用CPU，其向量能力、标量能力和AI能力可以动态可扩展。
基于这一架构理念，进迭时空五年间推出了两代RC芯片。
第一代RC芯片K1更多是对架构的产品化验证：CPU算力为4核X60（1.6GHz），AI算力为4核A60（2 TOPS），实时算力为单核（300MHz）。作为入门级AI-CPU（4核X60、2 TOPS、16GB内存、10GB/s带宽、可运行1B本地模型），K1定位机器人功能模块，完成了三类产品化应用——自然语言处理：语音识别准确率超过98%，支持语音识别、语音切分及声纹注册，声纹识别准确率超过99.5%，并可通过本地化大模型实现语义理解与纠错；机器视觉感知：双目视觉多传感器位姿里程计，全局快门、640×480分辨率、50fps帧率，标准算法输出里程计与位姿信息，实现空间定位与环境感知；运动姿态控制：智能移动底盘与六轴机械臂解决方案，集成ROS2，支持图形化编程和通用Python软件接口，提供开源模型示例并支持二次开发。"不能一颗芯片把机器人都搞定，我们就先做机器人的语言处理、视觉和姿态控制，先从关节端做起。"
第二代RC芯片K3则实现了三类算力的全面集成：CPU算力为8核X100（2.4GHz），AI算力为8核A100（60 TOPS，以SRAM高速紧耦合内存TCM装载具身RL模型，降低推理延迟），实时算力为2核RT24（600MHz）。相比K1，K3的AI算力提升32-64倍，CPU性能提升4-8倍，作为主流AI-CPU（32GB内存、50GB/s带宽、可运行30B本地模型），定位机器人融合主机和具身机器人运控。孙彦邦也坦言，K3上实时Core尚未能被Linux统一调度，这是下一步要解决的问题。03

为什么智能体Agent重构整个世界


一、核心原因：为什么智能体Agent注定重构整个世界？
一、最本质分界：传统大模型是被动问答工具（只思考、不行动）；Agent是目标驱动、自主规划、调用工具、闭环执行、自我纠错的独立行动主体。
1. 完成了从“信息输出”到“现实改造”的跃迁
大模型只能输出文字、方案，无法作用于真实世界；
Agent拥有规划、记忆、工具调用、复盘迭代四层能力，接收一个最终目标就能拆解全流程、自动操作软件、设备、系统，走完完整业务闭环，真正介入生产、生活、城市运转的各个环节。
2. 重构生产力底层逻辑，劳动力范式彻底改变
过去生产力依靠人力排班、固定流程、中心化指令；
海量轻量化智能体可以7×24小时并行作业，替代大量重复性脑力、标准化体力工作；企业组织模式、岗位结构、生产排产逻辑全部改写，生产效率上限被大幅抬高。
3. 打通万物智能，承接Token全域数字化浪潮
所有设备、环境数据都可以转为Token，交由边缘/云端Agent统一调度；
智能家居、工业设备、车载终端、城市设施不再孤立，无数Agent互相协同，形成智能体互联网，把碎片化数字世界连成整体。
4. 倒逼商业、社会治理、全球竞争规则改写
企业经营从“管人、管流程”转向“管理智能体、设定目标与边界”；
社会层面，就业结构、养老、医疗、公共服务模式被迫迭代；
大国科技竞争重心，从比拼大模型参数，转向比拼智能体架构、算力调度、安全管控体系。
5. 降低智能化门槛，普惠性极强
中小公司、个人无需自研复杂系统，轻量化专属Agent即可完成办公、经营、创业全流程；催生一人公司、微型创业新模式，打破大企业技术垄断，重塑市场竞争格局 。
二、具体体现在六大核心领域
1、个人日常生活：彻底解放琐碎事务
1. 专属私人管家
只需要下达最终需求，Agent自动完成：行程规划、订票订房、就医挂号、家务设备联动、账单整理、报销、采购比价下单，不用逐个切换APP手动操作；
2. 养老、居家安全优化
针对老年群体（尤其轻度认知障碍老人），家庭智能体联动门窗、水电、监测设备，自主识别跌倒、异常动静、室温风险，主动预警、联系子女和社区；
3. 学习与生活个性化适配
根据作息、薄弱点定制学习计划，自主搜集资料、拆解习题、答疑复盘；饮食、作息、健康监测自动调整方案。
2、企业生产与商业：重构经营模式、砍掉冗余环节
（1）办公层面
行政、财务、人事、基础运营岗位大量精简；会议安排、考勤、合同审核、发票报销、客户跟进全部由数字Agent自主完成，跨部门信息孤岛被打通 ；
（2）工业制造
产线部署工业智能体，实时读取机床、传感器数据，自主排查故障、微调工艺参数、排产调度；次品率、停机时间大幅下降，实现无人化柔性生产；搭配机器人完成高危、重复作业；
（3）商贸外贸
跨境Agent自动完成时差接待、多语种沟通、报价、报关、物流追踪、回款对账，解决外贸沟通壁垒；小店、个体户依靠低成本Agent完成上架、运营、售后全流程，创业门槛大幅降低 。
3、医疗健康：改写诊疗、康养体系
1. 门诊智能体承接挂号、问诊初筛、检查预约、报告解读，分流基础轻症，缓解医院压力；
2. 慢病居家监测Agent联动血压、血糖设备，长期记录数据、预警指标异常、推送用药提醒；
3. 依托AI科研智能体加速新药靶点推演、临床试验数据分析，缩短新药研发周期；养老机构依靠看护智能体弥补护工缺口，标准化照护老人起居、服药、情绪安抚。
4、城市公共治理：从被动管控转为主动预判
1. 交通智能体实时整合车流、路况、天气，动态调整红绿灯、疏导拥堵；
2. 市政Agent自动识别占道、垃圾堆积、积水隐患，派单处置；水务、电力、燃气设备异常提前预警；
3. 政务办事由智能体承接，材料核验、审批流转全程线上自动推进，群众办事无需多次提交资料，实现“一问即办” 。
5、科研与技术迭代：加速半导体、AI、新材料突破
1. 科研智能体自主完成文献检索、实验方案设计、数据演算、结果复盘；芯片仿真、材料配比、工艺试错效率提升数倍；
2. 搭配华为韬定律、高通HBC这类硬件优化方案，智能体调度算力、分配存储资源，缓解内存墙压力，降低AI算力部署成本；
3. 深空探测、气象预警、灾害推演依靠集群智能体协同计算，提升预判精准度。
6、社会结构、就业与全球格局深层改变
正向变化
1. 重复性岗位缩减，人类工作重心转向创意、决策、情感沟通、高价值统筹；
2. 养老、助残、普惠公共服务成本下降，老龄化社会压力得到缓解；
3. 中小经济体可以依靠通用智能体补齐产业短板，缩小头部国家技术优势差距。
衍生变化（风险层面）
1. 低端基础岗位收缩，中年群体转型压力增加，倒逼社会完善再培训、兜底保障制度；
2. 多智能体自主协同模式，让中心化管控难度提升，必须建立统一行为边界、追责机制；
3. 各国智能体技术路线分化，伦理底线容易达成共识，但产业利益、算力自主权很难妥协，全球AI治理格局走向差异化并行模式。
精简总结


  1. 核心根源：Agent把AI从“动脑工具”变成“可自主落地执行的劳动力”，能够改造现实世界，而非只输出信息；
  2. 落地体现：覆盖个人生活、企业生产、医疗养老、城市治理、科研创新、社会就业六大维度；
  3. 最终本质：不只是技术升级，而是生产力、生产关系、商业规则、社会运行模式的全方位重构。04

端侧AI市场5年暴增10倍，谁在收割价值？


端侧AI市场规模5年暴增10倍：1939亿→19071亿元，CAGR 58%。AR眼镜、AR-HUD、AI PC、折叠屏四条线同时爆发。📊 AR-HUD搭载量5年增长30倍：2021年5.1万台→2025年155万台→2030年1003.5万台，CAGR 135%。渗透率从0.2%升至6.7%，正在全面替代传统W-HUD。折叠屏BOM贵70%但增量更大：UTG超薄柔性玻璃、水滴型铰链、液态金属——每一层都是价值增量。2026年全球出货+51%，苹果2H26入局大幅加速市场教育。📊智能座舱8微秒颠覆毫秒级：比亚迪璇玑架构2.0把座舱、驾驶、电动三域融合到统一架构，系统延迟从毫秒级降至8微秒，较行业降低80%。地平线AD SoC出货同比+33%，爱芯元智边缘AI推理业务2026/27年增速226%/180%。核心逻辑：不是"量的逻辑"而是"价的逻辑"——单台价值量在涨，供应链在重构，国产替代窗口打开。

图片05

关于半导体行业的十三个核心判断


  1. 需求源头未见顶。四大Hyperscaler(微软/谷歌/亚马逊/Meta)2026 年资本开支指引合计约 7,250 亿美元(同比 +77%),加上甲骨文超7,750 亿美元;2026 年 4 月底财报季四家全部上调、无一下调。摩根士丹利、摩根大通、美银对 2027 年的预测已收敛于"1.1 万亿美元"——约等于标普 500 全部非科技公司资本开支之和。宏观上这笔账算得过来:按"AI 拉动全球 GDP 10% × 头部模型约 75% 推理毛利率"反推,可支撑约 3 万亿美元/年的资本开支;供给端的物理天花板(由 ASML 光刻机产量定义)约 4–5 万亿。
  2. 传导链条完整成立,且被"内存涨价"放大。AI CAPEX → 芯片(英伟达 FY2026 数据中心收入 1,973 亿美元,+71%;博通 FY2026 AI 收入指引约 560 亿美元,+180%)→ 存储超级周期(美光单季营收同比 4.5 倍、毛利率84.9%)→ 晶圆厂扩产(台积电 2026 CAPEX 520–560 亿美元、存储三巨头集体上调)→ 设备采购。SemiAnalysis测算内存将占 2026 年 Hyperscaler CAPEX约 30%(2023/24 年仅约 8%)。
  3. 半导体销售额大盘经历"史上最大年中改写",传导第一环得到统计验证。WSTS 年初对2026 年全球半导体销售额的预测为 9,754 亿美元,6 月春季修订直接上调至 1.51 万亿美元(+90%)——一次上修约 5,350 亿美元,为该统计设立以来最大幅度,行业首次跨过 1 万亿美元门槛;存储一项超 8,000 亿美元(约 +250%),历史上第一次占到全行业收入的半壁江山。半导体对全球 GDP 增速的倍数从长期约 2 倍跳升至 20–30 倍——行业正在脱离宏观周期,改跟 Scaling Law 走。
  4. WFE 共识经历了一次罕见的"半年内大迁移"。2025 年 12月 SEMI 对 2026 年 WFE 的预测还是 +9%;2026 年 5–7 月,摩根士丹利(1,490 亿美元,+27%)、UBS(1,470 亿)、Mizuho(1,530 亿)、伯恩斯坦(1,480亿)集中上修至+21%~28%;2027年预测中枢已上移至 1,750 亿–2,100 亿美元。触发因素是存储超级周期确立与台积电/三星 CAPEX 上修;共识追不上的机制,与谷歌 2023 年在 TPU 上的教训同源——用线性思维预测指数世界。美银 1 月已定性本轮为"WFE 超级周期的起点";卖方拆解模型显示 2027/2028 年全球设备供需存在约 14% 的硬缺口(4.6),EUV 供需差要到 2029 年才收敛(趋势四)。
  5. 设备公司自身指引印证上行：应用材料称其设备业务 2026 自然年增长"超过30%";泛林对 2026 年 WFE 的判断从"1,350 亿美元"上调至"1,400 亿美元、且偏上行";东京电子给出"CY2026–2027 每年 1,500–1,700 亿美元"的激进口径;ASML 把2026 年营收指引从 340–390 亿欧元上调至360–400亿欧元,并计划 2026 年出货至少 60 台 Low-NA EUV(常年40–50 台)。更新的信号是定价权:日系设备商开始系统性涨价(东京电子的目标是把毛利率提到 50% 以上),SK 海力士据报道已收到 3–4% 的设备涨价要求——"设备通胀"启动。
  6. 结构比总量更重要：2026 年WFE 增量的 80% 以上来自先进逻辑(2nm/GAA/背面供电)+ DRAM(HBM)+ 先进封装(AMAT 口径);NAND 是低基数升级复苏(占WFE 不足 10%);成熟制程与模拟/车规 CAPEX 纪律性收缩(TI 砍半、英飞凌持平、瑞萨后移)。设备行业进入"AI 强分化"时代,不再是齐涨齐跌的传统周期。
  7. 先进封装升格为"第二摩尔定律"——对中国是生死问题,不是效率问题。单颗芯片已顶到约 858mm² 的光罩物理极限,性能接力棒交给封装:台积电 CoWoS 封装面积从2016 年 1.5 倍光罩扩到 2026 年 5.5 倍、2029 年规划 14 倍以上,产能两年翻两番仍供不应求。中国受限于 DUV,单颗芯片晶体管约为英伟达的 1/3–1/2(推算口径),必须靠先进封装把多颗"做得出来的"小芯片拼成一颗大的——封装设备(键合/减薄/电镀与 TSV/检测/FAU 耦合)以 30–50% 的增速成为设备行业最快的细分,也是国产设备离第一梯队最近的赛道(详见趋势二)。
  8. 测试与后道是增速最高的子板块。2025 年测试设备市场 +48%(SEMI);爱德万 FY2025 营收 +44.7%、首破 1 兆日元,推算 CY2025 测试机市场 +50%;泰瑞达 2026Q1 营收 +87%,"约 70% 收入与 AI 挂钩"。后道呈"订单先行":ASMPT 2026Q1 订单 +71.6%(TCB 收入 2025 年 +146%),BESI 订单 +104.5%(混合键合里程碑之年),DISCO 出货额连续创新高(HBM 减薄驱动研磨机 +26%)。
  9. 中国市场进入"总量高位缓降 + 结构剧烈换血"的双轨道。海外五大设备商中国区收入占比从 2024 年约 40% 峰值集体回落至 2026 年的 20–30%(ASML 2026Q1 仅 19%);但同期中国本土设备商收入普遍 +30%~+60%,北方华创以 2025 年约 393 亿元收入跻身全球设备商第一梯队(国内卖方有"超越科磊、升至第五"的口径,与 Gartner 份额榜的统计范围存在差异,见附录 B)。伯恩斯坦估 2026 年中国本土设备商收入 150 亿美元(+36%)。
  10. 2026 年国产设备最大的边际增量是存储扩产：长存三期(国产设备占比目标 50%+)、长鑫 30 万片/月目标与 HBM 产线、二季度两家同步招标,业内测算全年招标量 +35%。国产化率两套口径(收入口径约21%、招标口径部分环节 50%+)差异巨大,使用时必须注明。
  11. 地缘变量的关键日期是 2026 年 11 月 10 日：中美"吉隆坡休战"下互相暂停的 50% 穿透规则与稀土管制同日到期。休战期内美方设备管制零松动(VEU 撤销未恢复、先进制程推定拒绝依旧),执法反而趋严(应用材料 2.52 亿美元罚单);中方以稀土"14nm/256 层"条款首次形成对美日荷设备供应链的对等威慑。MATCH 法案是下一个悬念。
  12. 风险不在需求,而在财务结构与物理约束：巴克莱测算 Meta 自由现金流 2027 年转负、微软 2028 年末转负;甲骨文 CDS 创历史新高、FY2026 自由现金流 -237 亿美元;变压器/燃气轮机交付周期 4–7 年;2026 年 6 月 23 日全球 AI 抛售日(Kospi 熔断、半导体板块单日蒸发约 1.3 万亿美元市值)演示了估值层面的脆弱性。对设备行业,真正的下行触发器是"2027 年后 HBM 供给过剩 + Hyperscaler 折旧压力倒逼 CAPEX 减速"的组合。
  13. 零部件正在成为扩产周期"瓶颈中的瓶颈"。零部件约占设备价值量四成(2025 年全球约 5,000 亿元人民币量级,卖方测算),设备市场每上一个台阶,零部件需求以约 0.4:1 跟涨;但供给端高度分化——海外主力(日本石英/陶瓷件扩产仅 5–10%、美国世伟洛克基本不扩、射频电源 MKS/AE 扩产不足 10%)普遍保守,而零部件多为重资产、扩产周期 12–18 个月,缺口持续拉大。海外多品类交期已从 3–4 个月拉长至 6–8 个月甚至一年以上,涨价 10–30%;国产厂商前瞻扩产+海外设备龙头主动来华寻源,叠加补库、经营杠杆、出海、涨价四重逻辑——零部件的利润弹性数倍于设备整机(详见第六章,数据多为卖方与产业调研口径)。06

人工智能全球化要解决三大核心命题


一、命题1：人工智能收益全民共享（分配核心）
现存矛盾
当前AI红利高度集中在头部科技企业、资本方、少数技术从业者；普通劳动者面临岗位替代、薪资停滞，算力、模型带来的巨额利润仅在小圈层流转，社会收益失衡。
可行落地方向
1.普惠技术下放
大模型基础能力免费向个人、小微企业开放，降低使用门槛；政务、医疗、养老、教育等公共领域优先普及免费AI工具，抹平城乡、贫富数字差距。
2.行业税收调节
对AI高盈利企业设立专项科技收益税，税收定向用于：失业人员转岗培训、被替代岗位的社会保障、基层公共AI设施建设。
3.劳动者权益兜底
企业使用AI替代人工时，设置缓冲过渡期，禁止无补偿大规模裁员；探索全民基础保障、工时优化机制，把AI提升的效率转化为缩短工时、增加假期，而非单纯压缩人力成本。
4.技术开源平衡
鼓励基础模型、轻量化AI工具适度开源，避免巨头技术垄断；扶持中小企业、传统行业低成本改造，让实体经济也能借助AI降本增收，而非只有互联网企业获利。
二、命题2：划定清晰行为边界（可做/不可做清单+报备机制）
1. 鼓励放开、大力发展的范畴


  • 民生类：辅助问诊、慢病监测、养老陪护、普惠教育、无障碍辅助、灾害预警；
  • 产业类：工业质检、设备运维、生产优化、物流调度、基础文案创作、设计辅助；
  • 公共类：城市治理、交通疏导、环境监测、科普内容、文物修复、基础科研演算；
  • 个人便民：日程规划、生活咨询、资料整理、普通影音剪辑。


2. 严格限制、禁止自主操作的范畴


  • 人身安全类：自主操控医疗手术、开具处方药、制定重症诊疗方案；
  • 社会秩序类：深度伪造人脸/声音用于造谣、诈骗、恶意抹黑；自主煽动舆论、挑起对立；
  • 法律权限类：代替司法判定、私自调取公民隐私数据、自主开展侦查取证；
  • 高危领域：自主操控军工设备、自动驾驶高危作业、化工高危生产调度；
  • 伦理底线：复刻他人人格、制造意识类模拟、干预未成年人价值观诱导。


3. 强制报备机制（核心）
只要满足以下任一条件，必须提前向监管部门备案、审批，获批后方可落地：
1）面向公众大规模商用的通用大模型；
2）接入个人隐私、身份信息、医疗档案的AI系统；
3）用于金融风控、信贷审核、人事招聘打分的决策类AI；
4）具备自主执行、跨软件操作、长期自主规划能力的AI智能体；
5）可生成深度音视频、复刻肖像声音的生成式AI；
6）应用于交通、医疗、养老、安防等关键公共场景的AI项目。
报备内容包含：技术原理、风险预案、退出机制、出错补救方案，全程留存运行日志。
三、补充第三个核心必要问题
结合全球AI发展共性痛点，必不可少的第三大问题：AI安全风险管控与技术可控性
1.技术风险管控
约束模型无限度野蛮迭代，避免算力无限制堆砌带来不可控行为；针对幻觉错误、逻辑漏洞建立强制纠错机制，高危场景禁止AI独自决策，必须保留人工终审权限。
2.数据源头规范
严格管控训练数据，禁止盗用受版权保护的图文、影像、著作；规范个人数据采集范围，杜绝过度收集隐私，数据存储、调用全程留痕。
3.全球统一基础规则
各国建立对齐的AI安全底线，避免地区规则割裂、技术灰色地带泛滥；针对跨境AI输出、跨国数据传输制定统一标准，防止技术滥用、风险跨国传导。
总结
1.收益共享：靠税收、普惠下放、劳动者兜底，打破资本独享红利；
2.行为边界：划分白名单/黑名单，高危商用场景强制前置报备；
3.安全可控：约束迭代上限、规范数据来源、保留人工终审，规避技术失控。
这三点也是目前各国AI监管政策的核心建设方向。07

台积电为什么持续加码在美投资建厂


1.全球半导体早已脱离纯市场经济逻辑，地缘政治优先级＞企业盈利
国际舆论诟病美国建厂成本高、不划算，是站在纯商业算账的角度；但台积电的决策核心是「生存优先」，短期亏损、高成本都是地缘博弈的必要代价；证明高端半导体已经彻底变成大国博弈核心抓手，企业自主经营的选择权大幅收缩。
2. 美国的核心目标：强行重构全球先进芯片供应链，摆脱对台海产能依赖
美国补贴、施压台积电赴美建厂，本质不是扶持台积电，而是借外力培育美国本土先进制造生态；通过台积电落地，带动设备、材料、零部件配套企业同步入驻美国，逐步消化吸收台积电工艺、人才、管理经验，长期降低对海外代工的依赖。
3. 台积电陷入中美双向政策夹缝，只能被动走“双线布局”路线
一边受美国管制要求加码美本土产能、限制大陆先进扩产；一边不能完全放弃中国大陆成熟制程市场；只能采取「台湾保留核心研发与顶级产能、美国布局增量先进产能、中国大陆维持成熟制程基础盘」的折中路线，左右平衡换取两边市场与供应链空间。
4. 先进制程产业的核心壁垒，早已不只是技术，还有供应链许可权
台积电手握全球最强芯片制造工艺，但技术优势无法脱离欧美设备、工具体系独立落地；这件事直观证明：工艺能力≠产业自主权，上游设备、规则、供应链控制权，比制造技术更加关键。
5. 全球芯片产能从单点集中走向多区域分散，半导体全球化彻底退潮
过去几十年芯片产能高度集中东亚（台湾、韩国、中国大陆）；而台积电加码美国建厂、三星同步扩产美国厂区，标志着全球高端芯片产能开启「区域化、本土化」拆分浪潮；全球化分工体系瓦解，各大经济体都会要求核心芯片产能落地本土，供应链安全取代低成本，成为各国第一诉求。
总结
台积电明知美国建厂低效、高成本仍持续加码，短期是为绑定美国大客户、换取设备供应链权限；中长期是对冲台海地缘风险、稳固龙头地位；这件事本质折射出：半导体行业的地缘属性已经凌驾于商业属性之上，美国正在系统性拆解东亚芯片产能优势，而头部代工企业只能在大国博弈中，以产能换生存、以布局换发展空间。08

满足人工智能落地的芯片核心必备条件


分硬件、架构、算力、存储、互联、软件、功耗、安全8大硬性条目，通用标准，覆盖云端训练/云端推理/端侧AI）
一、核心架构硬性条件
1.必须搭载专用张量计算阵列（ systolic 脉动阵列），区别于普通CPU通用计算架构，专门承接大模型海量矩阵乘加运算；禁止仅依靠CPU、普通GPU软跑AI。
2.支持多精度混合计算，标配 FP32、FP16/BF16、FP8、INT8、INT4 多档位精度切换；高精度用于模型训练，低精度用于推理降本提速。
3.具备独立硬件NPU/AI引擎，拥有专属指令集，不依托第三方内核改造；支持稀疏计算、动态算子剪裁，适配大模型轻量化需求。
4.优先采用统一内存架构，CPU、AI计算单元、显卡共享内存池，减少数据反复搬运，缓解内存墙瓶颈；配备大容量片上L2/L3高速缓存。
二、算力指标门槛
1）训练芯片（做大模型预训练、万亿基座）


  • BF16/FP16稠密算力 ≥200 TFLOPS，旗舰级≥900 TFLOPS；
  • 支持完整反向传播梯度计算，7×24h满载运行算力误差＜3%；
  • 支持超大模型分片、模型并行、流水线并行。


2）推理芯片（商用上线、高并发调用）


  • 核心看INT8/INT4 能效算力（TOPS/W），不盲目堆浮点算力；
  • 单卡可稳定承载7B~13B主流开源大模型，端到端推理延迟可控在20~100ms；
  • 支持动态批处理、请求排队调度，高并发场景不降频、不溢出。


3）手机/边缘端AI芯片


  • 独立神经网络引擎，端侧离线可跑7B轻量化模型；
  • 兼顾AI运算与日常功耗，芯片峰值功耗严格受控，不严重发热降频。


三、存储与显存硬性要求（AI核心瓶颈）
1.训练芯片：单卡显存起步≥80GB，主流标配144GB HBM3/HBM3e高速显存；显存带宽≥3TB/s；
2.推理芯片：单卡显存最低≥32GB，满足基础大模型部署；
3.支持显存压缩、显存分页、模型显存超限置换技术，避免大模型加载报错；
4.内存控制器支持高带宽、低延迟读写，减少算力闲置等待。
四、多卡集群互联条件（规模化智算必备）
1.配备专属高速片间互联通道（NVLink、自研Chiplet互联、高速PCIe 5.0及以上）；
2.千卡/万卡分布式集群线性加速比≥88%，多卡数据传输延迟低；
3.支持异构芯片混合组网，可对接国产算力调度平台，方便集群扩容。
五、功耗与稳定性条件
1.训练卡功耗300W~700W，兼容机房风冷、液冷散热方案；推理卡功耗75W~200W，普通服务器机房可直接部署；
2.内置硬件级温控、过热降频、故障断电保护机制；长时间满载运行无宕机、算力衰减问题；
3.高低温环境适应性强，机房、车载、户外边缘场景均可稳定运行。
六、软件生态适配条件（决定能不能商用落地）
1.兼容主流AI框架：PyTorch、TensorFlow、PaddlePaddle、ONNX；
2.配套自研底层编译器、算子库、模型迁移工具、调试工具；降低模型移植、代码改写成本；
3.支持虚拟化切分（vGPU），单芯片算力可拆分多份供给多用户使用，提升算力利用率；
4.配套运维监控系统，可实时查看算力占用、显存负载、温度、报错日志。
七、多媒体配套能力
1.内置硬件编解码单元，原生支持 4K/8K、AV1、HEVC、H.265 硬件编解码；
2.适配AI画图、视频生成、语音识别、图像质检、实时画质增强等主流AI场景；
3.支持多路视频流并行解析，满足安防、直播、工业视觉需求。
八、安全与国产化合规条件（政企、国有智算中心强制要求）
1.搭载硬件可信启动、算力隔离、加密运算、硬件唯一溯源ID，防止算力盗用、数据泄露；
2.可通过国家信创、算力安全可靠性认证；核心设计、关键元器件供应链可溯源；
3.适配国产服务器、国产操作系统，降低对CUDA单一生态依赖；
4.满足国内新建智算中心采购规范，可对接东数西算一体化算力调度平台。
精简版（8条核心总结）
1.专用AI计算阵列，支持多精度运算；
2.算力匹配场景（训练重浮点、推理重能效）；
3.大容量高带宽显存，解决内存墙；
4.高速多卡互联，支持集群搭建；
5.功耗可控、长时间运行稳定；
6.完整软件栈，兼容主流AI框架；
7.自带音视频硬解码，适配多元AI场景；
8.具备硬件安全能力，商用场景满足合规09

理想自研M00是颗5纳米芯片


理想自研马赫M100这颗5nm车规智驾芯片，晶圆流片代工方是台积电，采用台积电N5A 车规专属5nm工艺，生产基地主要为台湾新竹、台中厂区（台积电本土先进制程主力晶圆厂）。
拆分细节说明
1.制程与代工明确信息
该芯片选用台积电专为汽车芯片优化的5nm N5A车规工艺，区别于消费电子普通5nm，可满足汽车-40℃~125℃宽温、ASIL-D最高功能安全等级要求，流片全程由台积电台湾晶圆工厂完成，理想仅负责芯片架构、指令集、编译器全流程自研，无自建芯片制造工厂。
2.封装环节（区别于晶圆制造）
晶圆制造=台积电；
后续封装、测试外协给到长电科技、通富微电两家国内封测大厂完成，晶圆制造和后端封装分属不同厂商。
3.补充背景
理想本身没有自建芯片晶圆工厂，只搭建芯片设计研发团队；马赫M100选择台积电5nm车规工艺，核心原因是车规芯片良品率、稳定性门槛极高，当下国内成熟5nm车规模产代工产能尚不具备大规模上车条件，因此选择台积电作为晶圆制造方。
4.核心参数补充
单芯片INT8算力1280TOPS，自研动态数据流架构，算力利用率82%，首发搭载于理想L9 Livis车型，双芯片组合总算力2560TOPS。10

中国与美国算力对比


工信部公布的2185 EFLOPS（FP16口径，2026年6月底），是全国全部商用智能总算力（训练算力+推理算力合计）；
美国无官方统一对外公布的精准EFLOPS数值，行业差距必须分成总算力总量、高端训练算力两个维度拆开，二者差距完全不同。
一、总量口径（全部智能算力，含训练+海量推理）
1、权威机构测算数值（匹配2026年6月时间节点）
全球整体智能算力总规模约4700~4900 EFLOPS


  • 中国：2185 EFLOPS（工信部官方定值）
  • 美国全域智能总算力：约2500~2700 EFLOPS


总量差距计算
差值：2500-2185=315 EFLOPS
美国总量仅比我国高出 1.14~1.24倍；
换言之：中国整体智能算力已经达到美国的80%左右，总量差距极小。
原因：我国依托东数西算八大枢纽、海量国产昇腾、寒武纪加速卡，推理算力规模全球领先，政企、工业、民生场景普惠算力铺设极广，拉高了整体基数。
二、核心差距：高端前沿训练算力（大模型基座、超大规模AI训练）
这是中美本质代差所在，和总量数据完全割裂：
1.统计口径：仅统计可用于万亿参数大模型、通用世界模型、前沿AI智能体训练的旗舰算力（英伟达H100/H200/GB200集群）
2.份额与规模


  • 美国高端训练算力占全球 68%~75%；
  • 我国仅占 14%~15%；
  • 换算规模：美国高端训练算力是中国的4.7~7倍。


核心成因
1.出口管制限制，国内无法足量获取英伟达顶级旗舰GPU，合规高端训练卡存量缺口极大；
2.美国微软、谷歌、Meta、OpenAI四大巨头自建全球分布式超大算力集群，算力高度集中用于前沿模型迭代；
3.我国国产芯片（昇腾910系列）主打推理场景，高端训练生态、单卡极限性能仍存在硬件代差。
三、分层总结
1.全量总智能算力（工信部2185EFLOPS对标）
美国≈2500~2700 EFLOPS，差距仅20%左右，总量基本追平；
2.高端核心训练算力
美国规模是国内4.7~7倍，存在明显代差，是当前核心短板；
3.结构区别


  • 中国算力特点：分散化、普惠化、推理算力极强、上架率71.4%，落地应用场景更广；
  • 美国算力特点：高度集中、高端训练算力储备充足、前沿模型迭代算力储备碾压，但民用普惠算力铺设弱于我国。


补充关键边界
1.EFLOPS默认统一为FP16算力口径，和工信部统计标准一致；
2.全球算力格局已经从“美国单方面大幅领先”变为总量双并列、高端分层；国内算力增速177%（同比2025年6月），增速远超美国，总量差距还在持续收窄；
3.算力不等于模型能力，我国依靠算法优化、集群调度、国产芯片适配，正在缩小高端算力硬件缺口带来的实际落地差距。

☆ END ☆