2026.01. 07 本文字数：4318，阅读时长大约7分钟 当地时间1月5日，在与OpenAI总裁格雷格·布洛克曼（Greg Brockman）的对话中，AMD CEO苏 姿丰笑言，每次见到格雷格·布洛克曼，他都在说需要更多算力。 按照苏姿丰的预测，未来几年内需要将全世界的计算能力增加100倍。英伟达CEO黄仁勋给出的数据 则是，模型规模以每年10倍的速度增长，推理模型的输出每年增长5倍。为匹配算力需求，英伟达透 露，最新架构芯片吞吐量是前一代的10倍，苏姿丰则放话，有望4年内将AI芯片性能提升1000倍。 但如果考虑到芯片晶体管每年密度提升的速度，每年实现10倍的性能提升并不容易。在1月6日与第 一财经等媒体一个半小时的对话中，黄仁勋换上了一件新皮衣，谈话中多次提到芯片工艺技术逼近物 理极限，为了应对这个挑战，英伟达需要在半导体工艺之外做到更多。 英伟达走向了从芯片到整个计算机系统、数据中心的协同优化路径，在算力芯片之外看到更多。在对 话中，黄仁勋讲到英伟达在存储、能源、模型层面的考虑，也谈到AI给自动驾驶、机器人、游戏带 来的巨大变化，并透露了自己成为在任时间最长的科技公司CEO的秘诀。 另一个"摩尔 ...

以前不懂技术的人做产品都有一个局限，那就是缺个程序员。 准确说，是缺一个有耐心、没脾气、好说话、干活快、不排斥需求变更的程序员。 当然，这种期望在现实中可遇不可求。不过，现在似乎可以了。 不是程序员变了，而是 AI 编程更强了。 这么说吧，现在 AI Coding 在大多数新建项目上的表现已经一定程度上超过真人了，而且这种进化速度还在加快。 Midjourney 创始人 David 前阵子公开说，自己圣诞节的编码项目比过去 10 年加起来还多。 他还说，虽然能感到局限，但知道一切都不再一样了。 马斯克在 X 上连发两条内容，直接放话 2026 就是奇点之年。 他们的表达其实都指向同一个锚点，Claude Code。 我之前写文章分享过 Claude Code 的用法和能力，也做过一些案例，感兴趣的可以去我历史文章里搜一下。 最近 Claude Code 在国外很火，而我身边一些喜欢 AI Coding 的朋友也大多用它来完成编码和项目创作。 如果在技术领域谈「奇点」，是指技术增长进入不可控、不可逆的指数级爆发阶段。 过去我们会用「摩尔定律」来框定计算机的发展规律，集成电路上可容纳的晶体管数量大约每 18~24 ...

Core Viewpoint - The semiconductor industry is transitioning from FinFET to CFET technology by 2026, marking a shift in chip performance competition from mere size reduction to addressing physical limits and thermal management challenges [2][32]. Group 1: Macro Crisis - The long-term focus on increasing transistor density has led to significant thermal management issues, impacting CPU and GPU performance, power consumption, and energy efficiency [4][6]. - High temperatures can slow down critical signal propagation and cause permanent degradation of chip performance, leading to increased energy consumption for the same computational tasks [7][10]. Group 2: Path Exploration - Chip-level cooling technologies are essential for efficiently dissipating heat from high-density chips, with methods categorized into active and passive cooling systems [12][13]. - Advanced cooling architectures include remote, near-chip, and embedded on-chip cooling, each with varying effectiveness in heat transfer [13]. Group 3: Architectural Revolution - The transition to nanosheet and CFET architectures is expected to increase power density by 12%-15%, raising concerns about thermal runaway in densely packed data centers [34]. - Backside power delivery networks (BSPDN) are being developed to reduce resistance and improve voltage delivery, but they may introduce new thermal challenges due to thinner silicon substrates [35][40]. Group 4: Future Solutions - The industry is exploring various advanced materials and cooling techniques, including microchannel cooling, liquid cooling, and high-performance thermal management materials like diamond composites [20][59]. - Collaborative approaches, such as system and technology co-optimization (STCO), are necessary to address the complex thermal management challenges posed by next-generation chips [48][75].

随着工艺技术的进步，性能和晶体管密度提升的潜力日益受到功耗和散热限制。尽管材料、互连和器件结构的创新仍然至关重要，但它们现在必须与架构 策略紧密结合，才能充分实现系统级效率。与此同时，人工智能计算需求的爆炸式增长已经超越了传统的扩展曲线，这加剧了架构和工艺技术在严格的功 耗和散热限制下实现前所未有的性能的压力。 本文重点阐述了微架构和工艺技术的协同设计如何应对不断增长的热密度、功耗挑战和性能需求，并敦促工艺研究人员在其扩展路线图中考虑架构的影 响。 引言 摩尔定律并未失效，但它正在经历深刻的变革。在原子级材料工程、导电金属层、三维晶体管层、背面供电、新型高密度三维封装等诸多领域的新研究推 动下，晶体管尺寸不断缩小，但传统的尺寸缩小优势正日益受到功率密度和散热限制的挑战。随着晶体管尺寸的缩小和三维结构的普及，集成度不断提 高，性能瓶颈也随之转移：如今的系统不再受限于晶体管的开关速度或数量，而是越来越依赖于其有效管理能量和散热的能力。 A. 更高的集成度会放大热密度。 热密度定义为单位面积的功率，而面积的快速缩小会放大热密度。更小的特征尺寸和更高的集成度虽然能够提升性能，但也会增加局部发热。Fred Pollac ...

截至2026年1月5日 09:50，中证消费电子主题指数(931494)强势上涨2.51%，成分股信维通信(300136)上 涨7.58%，兆易创新(603986)上涨7.30%，蓝思科技(300433)上涨6.61%，北京君正(300223)，恒玄科技 (688608)等个股跟涨。消费电子ETF(561600)上涨2.32%，最新价报1.23元。 从资金净流入方面来看，消费电子ETF近3天获得连续资金净流入，最高单日获得2181.52万元净流入， 合计"吸金"2912.87万元，日均净流入达970.96万元。（ 数据显示，截至2025年12月31日，中证消费电子主题指数(931494)前十大权重股分别为立讯精密 (002475)、寒武纪(688256)、工业富联(601138)、中芯国际(688981)、京东方A(000725)、兆易创新 (603986)、澜起科技(688008)、东山精密(002384)、豪威集团(603501)、生益科技(600183)，前十大权重 股合计占比54.35%。 消费电子ETF(561600)，场外联接(平安中证消费电子主题ETF发起式联接A：015894；平安中证消费电 ...

公众号记得加星标⭐️，第一时间看推送不会错过。 随着工艺技术的进步，性能和晶体管密度提升的潜力日益受到功耗和散热限制。尽管材料、互连和器 件结构的创新仍然至关重要，但它们现在必须与架构策略紧密结合，才能充分实现系统级效率。与此 同时，人工智能计算需求的爆炸式增长已经超越了传统的扩展曲线，这加剧了架构和工艺技术在严格 的功耗和散热限制下实现前所未有的性能的压力。 本文重点阐述了微架构和工艺技术的协同设计如何应对不断增长的热密度、功耗挑战和性能需求，并 敦促工艺研究人员在其扩展路线图中考虑架构的影响。 引言 摩尔定律并未失效，但它正在经历深刻的变革。在原子级材料工程、导电金属层、三维晶体管层、背 面供电、新型高密度三维封装等诸多领域的新研究推动下，晶体管尺寸不断缩小，但传统的尺寸缩小 优势正日益受到功率密度和散热限制的挑战。随着晶体管尺寸的缩小和三维结构的普及，集成度不断 提高，性能瓶颈也随之转移：如今的系统不再受限于晶体管的开关速度或数量，而是越来越依赖于其 有效管理能量和散热的能力。 与此同时，人工智能工作负载的爆炸式增长——其特点是海量模型、密集型训练流程和低延迟推理 ——使计算需求呈数量级增长，进一步加剧 ...

大家好，我是银行螺丝钉，欢迎来到这期的螺丝钉带你读书。 「螺丝钉带你读书」也陪伴大家度过了三百多期，为大家讲解了很多有趣、经典的书籍和故事，比如《三十几岁，财务自由》、《如何读一本 书》、《战胜拖延症》等等。 还为大家详细介绍了几位投资大师：股神巴菲特、他的好搭档查理芒格和指数基金之父约翰博格。分享了他们的人生经历、投资生涯和投资的理 念。 大家可以点击下面链接查看部分螺丝钉带你读书合集： 《 世界读书日，螺丝钉送你121本私藏经典好书 》 往期回顾： 第一篇：《 跑赢纳斯达克的柏基，是如何做成长股投资的？ 》 柏基的成长风格投资 最近的螺丝钉带你读书，咱们介绍的，是今年出来的一本投资好书《柏基投资之道》。 柏基是比较少有的，在成长风格中做的比较好的机构。 柏基的成长风格投资，立足于对未来趋势的判断。 以大家熟悉的指数基金为例。 十多年前，螺丝钉做指数基金估值和定投。 当时指数基金的规模并不大，全国的指数基金，活跃投资者数量只有百万级别，指数基金总规模只有几千亿。 一些投资者认为，指数基金适合欧美等成熟市场，A股有效性低，在A股指数基金不一定能发展起来。 这离不开第一性原理。 第一性原理：以指数基金为例 了解 ...

IT之家 12 月 30 日消息，半导体行业分析机构 SemiAnalysis 于 12 月 23 日在 X 平台发布推文，报告称台积电（TSMC）自 2019 年进入 EUV（极紫外光刻） 时代以来，彻底改写了晶圆代工行业的经济规则，已完全主导了先进制程市场。 回顾 2005 年至 2019 年的十五年间，台积电的定价策略极为保守。当时受限于智能手机市场对成本的敏感度以及激烈的行业竞争，台积电的晶圆平均售价在 15 年里仅上涨了 32 美元，年均增长率仅为 0.1%。 然而，2019 年成为分水岭。随着摩尔定律放缓，极紫外光刻（EUV）光刻机的高昂成本（单台约 2.35 亿美元）提高了门槛，但也赋予了台积电重塑商业模 式的机会。 IT之家援引博文介绍，台积电于 2019 年全面拥抱 EUV 技术以来，该公司晶圆的平均售价（ASP）以每年 15.9% 的复合增长率攀升，六年间累计涨幅达 133%。 更为惊人的是，其单片晶圆的毛利润在 2025 年达到了 2019 年水平的 3.3 倍。这一数据表明，台积电正利用其不可替代的市场地位和广泛的生态合作伙伴网 络，掌握了极高的定价权，并将上涨的成本成功转嫁至下游。 ...

万万没想到，在2025年年终，"手机涨价潮"竟然成为了一个百度词条。 "本来打算换的，现在看起来要等等了。"一边，是消费者在各类平台上的"吐槽"。 "（涨价）目前看会持续很久，至少以年记，甚至一年半、两年。"另一边，有业内人士公开发声。 摩尔定律认为，消费电子产品性能大约每两年翻一倍，与之对应，价格会下降为之前的一半。当下的手 机售价却开始反向变化。到底发生了什么？ 消费电子"被迫"涨价 12月25日，小米17 Ultra正式发布，起售价为6999元，较上代机型涨了500元。 不过，早在这之前，小米集团合伙人卢伟冰就在微博预告了涨价，"小米17 Ultra处理器/相机/内存三大 件成本上涨都非常大，涨价是确定的，但产品一定会物超所值。" 主要原因是内存供给缺口太大了。卢伟冰透露，"由于高性能计算和数据中心需求的猛增，以及扩产的 滞后，造成这一轮内存成本上涨具有暴涨性和长周期性。像内存条等产品反应会更加迅速，也几乎直接 反应涨价幅度。其次手机/平板/笔记本等内存成本占比较高的产品，反应速度次之。" 实际上，不仅是小米被内存所困。今年第四季度以来，OPPO、vivo等主流厂商旗下的旗舰新机，相较 于上一代，均有不 ...

Core Insights - A Chinese research team has developed a new type of chip based on resistive random-access memory (RRAM) that achieves a precision of 24-bit fixed-point accuracy in analog matrix computations, marking a significant advancement in computational efficiency and energy consumption for AI applications [2][12][15] - This chip can support various cutting-edge applications, including 6G communication, embodied intelligence, and AI model training, while being produced using mature 28nm technology, thus avoiding reliance on advanced lithography processes [2][4][10] Technology Overview - The new chip represents a departure from traditional digital computing paradigms, which rely on binary logic and silicon-based transistors, to a more efficient analog computing approach that directly utilizes physical laws for calculations [4][6][15] - The precision of analog computing has been significantly improved, reducing relative error from 1% to one part in ten million (10⁻⁷), which is crucial for large-scale computations where errors can accumulate exponentially [8][12][15] Innovation Highlights - The chip's innovations include the use of RRAM as a core component, a novel feedback circuit design that minimizes energy consumption while enhancing accuracy, and the implementation of classic iterative optimization algorithms for efficient matrix equation solving [15][16] - The chip's architecture allows for high-speed, low-power solutions to matrix equations, making it suitable for applications that require rapid computations, such as second-order training methods in AI [19][21] Application Potential - The chip is particularly well-suited for medium-scale applications, such as AI model training and 6G MIMO systems, where it can outperform traditional digital chips [18][25] - Future plans include scaling the chip's matrix size from 16x16 to 128x128 within two years, with aspirations to reach 512x512, which would enhance its applicability in various computational scenarios [25][26] Strategic Value - This development provides China with a potential alternative to reliance on advanced processes and NVIDIA GPUs, positioning the country favorably in the global computational landscape [10][11] - The successful demonstration of this new computing paradigm is seen as a critical step towards addressing future computational demands, emphasizing the need for ongoing investment in technology and infrastructure [11][26]