公众号记得加星标⭐️，第一时间看推送不会错过。 来 源： 内容来自自由时报 。 "得芯片者得天下"凸显半导体的关键战略地位，台湾以尖端的芯片制造能力，在全球半导体供应链扮 演关键角色。 他说，日本之所开始振兴半导体产业，源于2020年的半导体短缺。甚至在此之前，就有人考虑过重振 日本半导体产业，碍于缺乏政府支持，这项计画未能取得进展。后来，人们开始抱怨半导体短缺，无 法生产汽车，于是政府主导的大规模项目启动了。 他指出，在此之前，许多日本政府官员和企业领导人认为「我们可以进口」。虽然半导体制造商希望 继续生产，但像PS2这样的特定应用的需求逐渐减少，于是他们决定进口通用CPU，并将制造工作外 包给台湾及台积电。当时，台积电的制造成本低于日本。 被问及为何台湾及台积电能够以相对较低的成本制造芯片？ Poyo认为关键在于自动化的平衡，日本 曾尝试将所有流程自动化，但有时最终成本反而高于人力成本。而台湾则不同，他们只自动化那些有 利可图的流程，而保留那些可以由人工完成的环节，并仔细评估成本。正是这种方式使他们的成本效 益超越了日本。 此后，随着技术进步和劳动成本的上升，台积电逐步增加了自动化流程的数量，成为全球自动 ...

公众号记得加星标⭐️，第一时间看推送不会错过。 但这种架构转变也带来了代价：预测失败会造成能源浪费，增加复杂性，并导致诸如 Spectre 和 Meltdown 等漏洞。这些挑战促使人们寻求另一种替代方案：确定性的、基于时间的执行模型。正如 David Patterson 在 1980 年 所 观 察 到 的 ， "RISC 架 构 仅 仅 通 过 更 简 单 的 设 计 就 能 提 升 速 度 。 " Patterson 的简洁原则为一种新的、替代推测的方案奠定了基础：确定性的、基于时间的执行模型。 自推测执行成为主流范式以来，一种全新的方法首次被发明出来。这项突破体现在最近获得美国专利 商标局（USPTO）批准的六项专利中。这些专利共同引入了一种截然不同的指令执行模型。与传统 的推测执行技术截然不同，这种新型的确定性框架用基于时间、容错性强的机制取代了猜测。每条指 令在流水线中都被分配一个精确的执行槽，从而形成严格有序且可预测的执行流程。这种重新设计的 模型重新定义了现代处理器处理延迟和并发问题的方式，提高了效率和可靠性。 一个简单的计时器用于确定性地设定指令未来执行的确切时间。每条指令都会被分派到一个执 ...

公众号记得加星标⭐️，第一时间看推送不会错过。 来 源： 内容来自半导体行业观察综合 。 英伟达公司首席执行官黄仁勋已完成一项大规模的预先计划的股票出售，自 6 月以来已抛售价值超过 10 亿美元（约合人民币70亿）的芯片制造商股票。 据报道，此次大规模股票清算于周五完成，最终售出 25,000 股，实现了黄在 3 月份制定的计划，即 在今年年底前出售多达 600 万股股票。 据彭博社报道，黄仁勋出售的股票最初估值为8.65亿美元，出售始于6月下旬。然而，受人工智能处 理器"旺盛需求"的推动，该股股价此后上涨超过40%，最终成交价远超10亿美元。 这家总部位于加州的公司周三宣布了新的合作关系，市值突破5万亿美元大关，成为首家市值达到5万 亿美元的公司。而就在四个月前，该公司市值刚刚突破4万亿美元大关。仅今年一年，该公司就诞生 了三位新的亿万富翁，其中包括董事会成员布鲁克·西威尔，她随着公司股价近日的飙升而跻身亿万 富翁行列。 据彭博社计算，这位首席执行官仍持有英伟达 3.5% 的股份，自 2001 年以来已出售该公司价值超过 29 亿美元的股票。除了出售股票外，他今年还向其基金会和捐赠者建议基金捐赠了价值超过 ...

截至2025年，全球ASIC市场规模已超过200亿美元，预计未来五年将翻一番。主要增长动力包括人 工智能、边缘计算和先进连接（5G/6G）的强劲需求。系统公司现在通常自行研发ASIC，并经常借 助ASIC厂商的服务来加速内部芯片设计工作。苹果的首款iPhone SoC和谷歌的首款TPU都采用了 ASIC服务。 公众号记得加星标⭐️，第一时间看推送不会错过。 来 源： 内容 编译自semiwiki 。 虽然几经浮沉，ASIC业务至今仍处于半导体行业的前沿，并且是我们今天正在经历的人工智能革命 的关键推动力。 首先我们来谈谈 ASIC 业务，然后我们来谈谈英特尔CEO陈立武在最近一次投资者电话会议上关于英 特尔中央工程集团、ASIC 和设计服务业务的声明。 专用集成电路 (ASIC) 是为特定应用定制设计的半导体器件，与 CPU 或 GPU 等通用芯片相比，可 提供无与伦比的性能、能效和成本效益。ASIC 在人工智能、高性能计算、电信、汽车和消费电子等 大批量市场中发挥着至关重要的作用。与可编程器件不同，ASIC 针对特定任务进行了优化，从而推 动了人工智能加速器、5G/6G 基础设施和边缘计算等创新技术的发展。 ...

在此前的文章 《纳芯微进军MCU，叫板C2000》 中，笔者已讲述了纳芯微入局这个赛道的初衷。 但众所周知，实时控制 MCU 市场在过去十几年一直被 TI 垄断，鲜有成功的替代者。在宋昆鹏看 来，这是因为这条赛道拥有极高的壁垒。 去年年底，以模拟芯片著称的纳芯微宣布进军MCU。这在MCU极度内卷的当下，引发了大 家的广泛讨论。大家也对纳芯微要做什么MCU？面向什么市场有了更多的好奇。从随后的介 绍中我们得知，纳芯微主要做的是实时控制MCU，而不是竞争早已血海成河的通用MCU市 场。 近日，半导体观察和几家同行与纳芯微MCU市场总监宋昆鹏进行了一番交流，以了解这家 MCU新贵在入局一年后对这个市场的最新看法。 缔造核心竞争力 "首先，实时控制应用场景高度专用，且涉及出口需求，对产品的可靠性、稳定性要求严苛，客户 通常要求产品生命周期长达 15 年甚至更久；其次，除了产品本身的技术壁垒，生态建设的壁垒也 不容忽视。"宋昆鹏告诉半导体行业观察。 但纳芯微基于自身的理解，打造出极具竞争力的实时控制MCU的软硬件生态： 一方面，纳芯微是迄今唯一一家推出C2000全系列 PIN-to-PIN 兼容产品的上市公司，这是一个 ...

公众号记得加星标⭐️，第一时间看推送不会错过。 来 源 ： 内容 编译自彭博社 。 上周，英伟达公司创造了历史，成为首家市值突破5万亿美元的公司。但这只是它对全球经济产生影 响的众多方式之一。 就在上周，英伟达宣布与诺基亚、三星电子和现代汽车集团达成合作协议。 虽然该公司要到11月中旬才会公布财报，但近期大型科技公司的业绩凸显了其巨大的增长潜力。 微软、亚马逊和Meta Platforms四家公司均承诺将继续大力投资人工智能。彭博社汇编的数据显示， 预计这四家公司未来12个月的资本支出总额将增长34%，达到约4400亿美元。这些支出是英伟达下 一财年营收预计将达到2850亿美元的主要原因，而2020财年的营收仅为110亿美元。 所有这些都有助于解释为何围绕人工智能的股市泡沫甚嚣尘上，而英伟达正是这场泡沫的中心。上 周，黄仁勋在公司年度GTC大会上淡化了人们对市场狂热失控的担忧，美联储主席杰罗姆·鲍威尔也 在周三的新闻发布会上驳斥了将当前形势与上世纪90年代末的互联网泡沫相提并论的说法。 "这类趋势会达到顶峰并逆转，我们预计这种情况最终会发生，"米斯金说道。 "然而，就目前而言， 处于人工智能竞赛中心的公司在盈 ...

公众号记得加星标⭐️，第一时间看推送不会错过。 对互连带宽的永无止境的需求是塑造数据中心发展的关键趋势之一，其驱动力来自互联网流量的持续 增长和人工智能大型语言模型的快速扩展。然而，带宽的提升通常意味着功耗的增加，这在数据中心 能耗飙升的时代无疑是一个令人不快的副作用：值得注意的是，预计到2027年，一个英伟达机架的功 耗将高达600千瓦。正因如此，业界正在寻求以皮焦耳/比特为单位的更高数据传输能效。 在这种情况下，共封装光器件（CPO）正迅速发展，主要成为网络交换机（数据中心横向扩展）中传 统可插拔光模块的替代方案。通过将电子芯片和硅光子芯片集成在同一封装中，CPO 将光纤尽可能 靠近 ASIC 或 FPGA，从而显著降低功耗并带来其他优势。本文将简要概述 CPO，并回顾该领域的 一些最新进展。 CPO是必经之路 一般来说，数据中心内部互连的能源效率可以通过尽可能用光纤替代铜线来实现。然而，这种替代的 实际可行性以及最终获得的收益不仅取决于传输速度和距离，还取决于许多其他因素。理想情况下， 光纤应直接连接到网络交换机核心的硅芯片（ASIC 或FPGA），以避免铜缆混合互连的缺点。即使 是相对较短的铜线，例如 ...

Core Insights - The forum "AI-Driven Innovation in the Semiconductor Industry" highlighted the transformative impact of AI on the semiconductor sector, emphasizing the need for collaborative innovation to address industry challenges and future trends [1][2][22]. Group 1: AI Empowering Industrial Innovation - Industry experts discussed the practical applications of AI in cloud computing, smart manufacturing, storage optimization, and design, showcasing the deep integration of AI within the semiconductor industry [2][22]. - The focus was on addressing industry pain points and exploring pathways for technological implementation, emphasizing the importance of collaboration across the ecosystem [2][22]. Group 2: Intelligent Manufacturing Revolution - The manufacturing sector is facing structural challenges, with AI emerging as a key driver for transformation, positioning manufacturing as a primary battleground for AI applications [5][22]. - Companies are developing autonomous manufacturing solutions that integrate AI technologies to enhance efficiency and data management [5][22]. Group 3: Future of Storage Solutions - The rapid upgrade of smart terminals and the proliferation of AI applications have led to an explosive demand for storage solutions, necessitating the development of AI-native architectures [8][22]. - Innovative storage solutions, such as NAS U disk systems, are being introduced to address traditional storage pain points, offering low-cost, secure, and easy-to-deploy options [8][22]. Group 4: R&D Innovation and Shared Design - AI technology is providing new pathways for small and medium enterprises (SMEs) to overcome challenges in product development, enhancing efficiency and market competitiveness [11][22]. - A shared R&D platform is being established to streamline the digital workflow from design to manufacturing, significantly improving design efficiency and yield rates [11][22]. Group 5: Millimeter-Wave Wireless Isolation Technology - Millimeter-wave technology is gaining traction due to its unique physical properties, making it a key player in wireless isolation technology advancements [14][15][22]. - The demand for millimeter-wave isolation chips is projected to exceed 3 billion units annually, with a market size surpassing 40 billion yuan, driven by applications in various electronic sectors [15][22]. Group 6: Advanced Packaging and EDA Solutions - Advanced packaging technologies are crucial for overcoming the "memory-interconnect wall" in the semiconductor industry, with a growing market demand for chiplet solutions [17][22]. - A comprehensive EDA platform is being developed to facilitate agile development and optimize performance, cost, and testability for AI chip designs [17][18][22]. Group 7: Legal Risks in PCB Enterprises Going Global - PCB companies face significant compliance challenges when expanding internationally, necessitating robust legal risk management strategies [20][21][22]. - Strategies include optimizing supply chain management and establishing strict procurement systems to navigate the complexities of international regulations [21][22]. Group 8: Industry Collaboration and Future Outlook - The forum served as a platform for cross-disciplinary collaboration, showcasing collective progress in technology innovation and ecosystem development within the semiconductor industry [23][22]. - The ongoing upgrades in computing infrastructure and manufacturing models are propelling the semiconductor industry into a new collaborative development cycle [22][23].

公众号记得加星标⭐️，第一时间看推送不会错过。 该创始人是出了名的骗子，还涉足过其他一些事情，比如解决核聚变问题，以及在 Kickstarter 骗局 中窃取 250 万美元。 联合创始人是创始人的兄弟，并且没有任何有据可查的专业或学术经验。 这家公司的招聘信息毫无意义，而且都是人工智能生成的。 该公司不愿为其（极其离谱的）主张提供任何证据，而这些主张的提出时间线在半导体行业看来毫无 道理。 根据该公司公布的照片，其研究设施比实际需要的规模至少小两个数量级。 Fabs 的工作原理 来 源： 内容来自 substack 。 "Substrate"公司最近频频登上新闻，据称该公司找到了一种制造计算机芯片的方法，其成本比业内 任何其他公司都要低得多，质量也高得多。 但有一个问题：种种迹象表明，整个公司都是假的。 制造电脑芯片有利可图。因此，一个很自然的问题是："芯片是如何制造出来的？" 世界上没有人能完全掌握所有答案：即使是流程中的一小部分，也可能需要上千位专家的共同努力。 但从宏观层面来看，流程大致如下：一家名为晶圆代工厂的公司在晶圆厂（fab）生产芯片。晶圆厂 会将一块大型圆形晶圆放置在晶圆上，用于制造大量的晶 ...

Group 1: AI and Semiconductor Landscape - The AI wave continues to reshape the global semiconductor landscape, with computing power becoming the new oil of the era [2] - Nvidia dominates the AI training market with over 90% market share and a market capitalization exceeding $4.5 trillion, establishing itself as a leader in the semiconductor industry [2] - Competitors like AMD, Broadcom, and Intel are vying for market share, indicating a shift towards a multi-strong competitive landscape in the AI chip sector [2] Group 2: Intel's Strategic Shift - Intel has faced challenges in keeping up with competitors like TSMC in chip manufacturing and lacks competitive products in the AI market [3][4] - The establishment of the Central Engineering Group (CEG) aims to consolidate engineering talent and focus on custom chip business models, leveraging the ASIC trend [3][4] - Intel's strategy involves transforming from a pure chip manufacturer to a one-stop service provider for design, manufacturing, and packaging [4] Group 3: Intel's ASIC Business Potential - Intel's complete industry chain and IDM model provide a unique advantage in the ASIC market, allowing for a comprehensive service offering [4] - The ASIC business could position Intel as a significant service provider for large tech companies, tapping into various opportunities within the AI supply chain [4][5] Group 4: Competitive Challenges for Intel - Nvidia's recent $5 billion investment in Intel and the collaboration on custom data center products create both opportunities and competitive complexities for Intel [5] - Intel's future products may integrate Nvidia's GPU designs, raising questions about its own GPU development strategy [5][6] Group 5: Qualcomm's Aggressive Expansion - Qualcomm is aggressively entering the data center market with new AI accelerator chips, AI200 and AI250, challenging Nvidia and AMD in the AI inference space [8][10] - The AI200 system features significant memory capacity and power efficiency, positioning Qualcomm as a new competitor in the rapidly growing data center market [10][11] Group 6: Qualcomm's Strategic Focus - Qualcomm's chips are designed for inference rather than training, allowing it to avoid direct competition with Nvidia's strengths in training markets [10][12] - The company is also building a comprehensive software platform to support AI model deployment, enhancing its competitive edge in the data center space [12] Group 7: MediaTek's Entry into ASIC Market - MediaTek is emerging as a key player in the ASIC design services market, competing directly with leaders like Broadcom and securing orders from major tech companies [14][19] - The collaboration with Nvidia on the GB10 Grace Blackwell super chip highlights MediaTek's capabilities in high-performance chip design [15] Group 8: AMD's Strategic Developments - AMD is quietly developing an Arm-based APU, indicating a strategic shift towards mobile applications and the growing importance of the Arm architecture [21][22] - The company aims to explore new markets and avoid being locked out by Nvidia and the x86 ecosystem, reflecting a broader trend in the semiconductor industry [25][26] Group 9: Industry Trends and Future Outlook - The shift towards ASIC and Arm architectures is driven by the need for specialized computing power in AI applications, moving away from general-purpose GPUs [25][26] - Companies are redefining competition rules by focusing on capabilities rather than just products, indicating a decentralization of the AI chip industry [26]