AI应用场景开始分层 半导体产业链上下游寻找新突破口

　　◎记者 窦世平

　　“DRAM特别贵，进入非常大的周期”“机器人真正落地，瓶颈可能在最后一毫米”“算力基建能否实现投资回报，才是最关键的”……

　　11月12日，在北京国家会议中心举行的第二十三届中国国际半导体博览会暨第八届IC企业家大会开幕式现场，上海证券报记者从多位与会嘉宾处了解到，从数据中心到智能汽车，从模型训练到机器人执行任务，不同场景对半导体的要求正在发生变化。AI带来的需求增长并非简单地向整个产业链平均扩散，而是呈现明显的结构性特征。

　　受访行业人士认为，随着AI从大模型训练向各类应用加速渗透，应用场景开始分层、碎片化，带动半导体产业链需求分化，也推动芯片企业重新思考产品定位与竞争方式。

　　需求增长背后

　　不同细分市场开始分层

　　“超级周期”是今年半导体行业的热门话题，但并非所有细分市场都同步增长。

　　“内存需求已全面迈入‘分层时代’，这种分层首先体现在不同细分市场的需求分化上。”长鑫科技副总裁骆晓东表示，目前服务器已占全球DRAM需求的半数以上，AI大模型和智算中心持续拉动高端存储需求。与此同时，汽车智能化推动单车内存容量增加，预计到2030年车载存储需求年复合增长率约30%。相比之下，手机、PC等传统消费电子市场仍表现出较强的周期性。

　　即使同样是AI应用，对硬件的需求也各不相同。骆晓东举例称：大模型生成回答时，主要受到内存带宽制约；处理输入内容时，算力的重要性更加突出；大参数模型训练则对内存容量与互联能力提出更高要求。

　　这种变化也出现在算力市场。太初元碁联合创始人、首席运营官乔梁表示，算力用户正从互联网大厂、大模型公司向制造业、服务业等领域扩展。不同场景对算力性能、成本和效率的要求并不一致，企业更关注业务能否负担推理成本，而不只是单张芯片的峰值性能。

　　在应用层面越深入，这类分化的差异越明显。京东物流科技行业总经理陈佳表示，以仓储机器人为例，货物重量、仓储空间和作业节奏千差万别，难以依靠一种通用机器人解决所有问题，需要针对场景配置不同设备。

　　不只拼算力

　　芯片竞争转向系统效率

　　需求变化正在传导至芯片设计和产品结构。英特尔中国研究院院长宋继强表示，AI正从单次问答走向智能体自主执行任务。智能体需要不断进行规划、推理和工具调用，带来更高的词元（Token）消耗，也对低延迟、高吞吐和能效提出新的要求。

　　他认为，未来算力提升不能仅依靠晶体管微缩，还需要通过异构计算、先进封装和高速互联提高系统效率。

　　存储企业也在寻找新的增长空间。骆晓东表示，智能体应用的高并发、长上下文特征，正推动服务器对内存容量和带宽的需求持续增长。据其透露，长鑫科技已将DDR5 RDIMM产品覆盖32GB至128GB容量，并布局更高容量、更高速率的MRDIMM产品。

　　需求还延伸至不太显眼的功率器件。安世中国首席执行官张秋明介绍，AI服务器功率密度提升，正在增加对供电转换、热插拔控制和电路保护的需求。按照其介绍的应用情况，单台AI服务器MOSFET用量可从过去的约40颗增加至200颗以上。

　　在瑞萨电子中国总裁刘芳看来，AI基础设施竞争不再是一颗芯片、一类芯片的竞争，而是涉及器件、软件、供电和系统设计的整体协同。

　　场景牵引下

　　产业链重新寻找突破口

　　随着芯片应用不断拓展，产业链上下游也面临新的技术课题。在机器人领域，刘芳认为，从演示走向家庭、养老等真实场景，瓶颈可能不在“最后一公里”，而是涉及力度控制与安全性的“最后一毫米”。

　　恩智浦半导体副总裁袁文博表示，机器人不仅需要负责推理决策的“大脑”，还需要承担实时协调和快速响应的“小脑”与“脊髓”。如何在复杂环境中兼顾低延迟、功能安全和能效，正成为芯片企业需要解决的新问题。

　　变化还在向制造端传递。盛美上海售后服务副总裁曾辉表示，先进逻辑芯片、存储和先进封装的发展，对清洗、电镀等设备的颗粒控制、良率和生产效率提出更高要求。硅芯科技总经理赵毅表示，芯粒和3D堆叠技术发展，正在改变传统EDA设计流程。芯片设计需要更早考虑封装工艺、互联和可靠性，实现跨环节协同。

　　从智能体算力、服务器内存，到机器人控制、先进封装和设计工具，企业的关注点正进一步延伸至具体应用场景。中国电子信息产业发展研究院党委书记刘文强表示，当前AI市场需求对半导体产能产生“虹吸效应”，部分工艺和封装产能供不应求，部分传统品类则受到挤压。他认为，产业链需要进一步强化供需协同，根据不同应用场景灵活调整产能。