分享一份Gartner的2025 年第三季度半導體與電子行業預測報告，核心聚焦三大關鍵問題：半導體行業最新預測、AI 處理半導體的發展前景、維持 AI 技術進步的必要條件。重點內容包括全球半導體市場規模增長、AI 處理半導體的市場表現、細分領域（如專用半導體、通用半導體、記憶體市場等）的增長資料與趨勢、邊緣 AI 的應用場景與優勢，以及支撐 AI 持續發展的半導體製造技術革新等內容，同時對比了中美兩國在 AI 技術生態各環節的核心參與企業。報告主要內容邊緣 AI 與裝置端 AI 的市場規模半導體行業整體預測AI 半導體專項分析AI 持續發展的支撐條件關鍵資訊摘錄1. 中美 AI 技術生態體系對比報告從 AI 應用、裝置、半導體等八大核心環節，全面對比中美兩國的生態佈局。美國核心參與企業包括：AI 模型：OpenAI、Google、Grok、Meta、Anthropic 等主導全球前沿 AI 模型研發。半導體：Nvidia、AMD、Intel、等掌控高端 GPU、AI 加速器等核心硬體。全鏈條佈局：AWS、微軟（MSFT）、GCP（Google雲）等具有完整生態閉環。垂直領域應用：Palantir、BigBear.AI 等在各個領域提供 AI 解決方案。中國核心參與企業包括：AI 模型：Deepseek、智譜、GLM-4、Stepfun、Minimax等本土企業快速崛起，聚焦大語言模型研發。半導體：寒武紀、壁仞、摩爾線程、海光等企業突破 AI 晶片技術，填補本土市場空白。平台與基礎設施：華為、百度、騰訊、等在不同領域建構基礎設施。垂直領域應用：字節跳動、科大訊飛等企業在不同領域落地 AI 應用。2. DRAM 和 NAND全面增長，AI品類領跑2025 年 Q4,DRAM 平均價格預計上漲 5.2%，2026 年價格上漲勢頭加劇，預計全年漲幅達 9.3%，核心驅動力是 AI 需求的持續爆發與供給增長的滯後性。NAND方面，AI海量資料、HDD短缺，hyperscale廠商儲存擴容需求，加上NAND 行業主動收縮供給，導致價格反彈力度超 DRAM，2025 年 Q4平均價格預計上漲 9.6%，2026 年更是將擴大至 23.9%，利潤也會顯著回升。長期來看，NAND將持續替代 HDD，QLC、PLC技術迭代驅動成本下降。3. AI 處理半導體市場規模與增長預測AI 處理半導體市場規模將持續高速增長，到 2029 年接近 4400 億美元，成為半導體行業最核心的增長引擎。AI 加速器（非 GPU）增長勢頭最為迅猛，主要得益於超大規模企業對定製化晶片的投資以及推理場景的需求爆發；GPU作為 AI 訓練與推理的關鍵硬體，持續維持穩健增長；應用處理器、計算型 MPU 等其他品類也呈現穩步增長態勢。預計推理場景的收入將於 2026 年超過訓練場景，並持續擴大佔比。其他頁面展示(銳芯聞)

量子AI 助力，半導體供應鏈韌性升級。幾十年來，矽一直是電腦發展的主要驅動力，但摩爾定律如今已接近極限。隨著對晶片速度和能效要求的不斷提高，由於供應短缺和地緣政治緊張局勢，供應鏈面臨的壓力前所未有。這就是人工智慧和量子計算發揮作用的地方。這並非科幻小說；它們正在幫助發現新的半導體材料，並最佳化晶圓廠的生產計畫。這可以縮短交貨周期，降低風險，並打造更具韌性的供應鏈。對於工程師和採購團隊來說，資訊很簡單：要想在晶片領域保持領先地位，很快就需要同時利用量子計算和人工智慧。量子計算和人工智慧在半導體創新中的融合量子計算使用量子位元，與經典位元不同，量子位元可以處於疊加態，同時表示0和1。這使得量子處理器能夠處理經典電腦難以完成的複雜模擬，例如模擬新型半導體材料中的原子級行為。人工智慧增強了這種能力。通過將預測分析應用於量子模擬，機器學習模型可以識別有前景的候選材料，預測其性能，並提出調整建議。這使得原本緩慢的試錯過程轉變為可執行的洞察，從而節省了數年的實驗室工作。以Google的Willow處理器為例。它是Sycamore的後續產品，雖然並非完全為材料研究而設計，但它展示了量子系統如何擴展並減少誤差。當與機器學習相結合時，它為晶片創新至關重要的材料特性提供了前所未有的視角。正如Anima Anandkumar 指出的那樣：“人工智慧幫助我們將量子模擬的原始複雜性轉化為工程師實際可以使用的見解。”—— Anima Anandkumar，加州理工學院教授兼輝達人工智慧研究高級總監。人工智慧和量子計算的結合，正在為晶片設計奠定一種全新的基礎。人工智慧驅動的材料科學：營運和市場影響在發現新型半導體材料時，原子級精度至關重要。人工智慧驅動的量子模型可以模擬石墨烯、氮化鎵或鈣鈦礦等材料中的電子行為。這使得研究人員能夠在進行實驗室測試之前評估材料的導電性、能量效率和耐久性，從而極大地加快材料鑑定速度。實際影響顯著。傳統上，材料驗證需要數年時間，但早期研究表明，驗證時間可以縮短30%至50%。這使得晶圓廠能夠更高效地營運，使生產與新技術同步，並最大限度地減少閒置時間。市場壓力進一步加劇了這一局面。在2021年的短缺期間，交貨周期從大約12周延長至一年以上。借助人工智慧，企業可以預測供應鏈中斷並主動調整採購策略。量子模擬還能擴大可用材料的範圍，從而減少對單一供應商或高風險地區的依賴。圖1. 半導體交貨周期從2020年的12周飆升至2022年的30周以上，之後有所緩解。人工智慧與量子技術的融合可以通過實現預測分析和多元化採購來幫助穩定這些波動。投資回報令人矚目。德勤指出，將人工智慧融入研發和供應鏈營運的企業，效率提升幅度可達兩位數，這主要得益於產量預測的改進和停機時間的減少。Google的量子研究團隊已證明，人工智慧驅動的模擬可以在幾周內將有前景的材料從數千種縮減到幾種，而使用傳統計算方法通常需要數年時間。研發周期的顯著縮短從根本上改變了競爭格局。為採購和供應鏈領導者提供戰略洞察對於採購和供應鏈領導者而言，這不僅僅是一次技術升級，更代表著一項真正的戰略優勢。人工智慧驅動的量子工具能夠最佳化交付周期，從而實現更精準的供應商合同，並減少對過剩庫存的需求。預測分析還能幫助團隊在潛在風險影響晶圓廠或延誤客戶交付之前識別它們。供應鏈韌性也得到提升。當人工智慧引導的量子模擬確認可以從不同地區採購的替代半導體時，採購團隊就能降低地緣政治風險或自然災害帶來的影響。這種方法與美國《晶片與科學法案》和歐盟《晶片法案》等國家倡議相契合，這兩項法案都旨在促進更強大的本地化生產和更具韌性的採購策略。量子人工智慧建模提供了驗證這些替代供應管道所需的必要技術保障。“短期內，人工智慧行業的上升趨勢顯而易見，但那些能夠有效管理供應鏈、吸引並留住人才的公司，才能更好地把握人工智慧蓬勃發展帶來的機遇並從中獲益。”——畢馬威全球技術主管馬克·吉布森圖2. 採用人工智慧增強型半導體營運的公司獲得了顯著更高的投資回報率，諮詢研究報告顯示，與傳統營運相比，效率提高了兩位數。歸根結底，成功整合這些技術的公司不僅能更快地將產品推向市場，還能在當今瞬息萬變的全球市場中獲得真正的競爭優勢。在半導體行業，幾周的延誤就可能造成數十億美元的收入損失，因此，敏捷性對於生存至關重要。未來展望：量子人工智慧對半導體製造的影響規模化展望未來，下一個重大發展方向似乎是全端式量子人工智慧設計。試想一下，量子處理器運行全晶片模擬，而人工智慧則負責最佳化其速度、效率和可製造性。雖然我們尚未完全實現這一目標，但光子電路和自旋電子元件的逐步進步已經產生了切實可見的成果。對於製造團隊而言，挑戰在於如何保持供應鏈的靈活性。隨著新材料從模擬階段過渡到試生產階段，採購和製造團隊必須協調一致地擴大規模。如今的量子處理器並不完美，它們在量子位元數量、錯誤率和可擴展性方面仍然存在侷限性，但如果進展持續，未來十年內有望出現實際的工業應用。現在就開始規劃、制定路線圖並建立戰略合作夥伴關係的公司將獲得顯著優勢。結論目前，半導體行業正處於一個關鍵的轉折點。將人工智慧的預測能力與量子計算的原子級洞察力相結合，可以加速產品發現，縮短研發周期，並顯著增強供應鏈的韌性。對於工程師和採購負責人而言，資訊很明確：採用人工智慧與量子計算的融合不僅僅關乎技術，更關乎保持競爭力。矽晶片的下一個重大突破並非偶然，而是需要借助人工智慧和量子計算進行精心設計、最佳化和工程打造。 (半導體產業縱橫)

10 月 3 日，日本富士通與美國輝達宣佈合作開發麵向 AI 的半導體，計畫 2030 年前將雙方晶片連於同基板，借輝達技術實現多晶片超高速互聯，提升運算效率與節能水平，開拓資料中心、機器人等市場。富士通社長時田隆仁和輝達CEO黃仁勳。（10月3日上午，東京千代田區）富士通正開發 2 奈米 “MONAKA” CPU，目標 2027 年實用，電力效率超其他 CPU2 倍，2029 年推 1.4 奈米機型；輝達看好其節能與日本客戶基礎，黃仁勳稱合作能達全新節能高效層級。此外，8 月雙方已確定合作開發 2030 年運行的 “富岳” 超算後繼機。同期，日立 10 月 2 日與 OpenAI 合作 AI 資料中心電力技術，NTT 在 “IOWN” 開發中與英特爾等合作。海外企業普遍看好日本節能技術，且雙方合作也有助於輝達佈局日本 “主權 AI” 市場，拓展業務。 (芯榜)

摩根士丹利近期發佈報告深入剖析了北美半導體產業，著重探討了專用積體電路（ASIC）和商用量產GPU 在人工智慧領域的競爭態勢，也對相關半導體公司進行了全面的投資評級與風險回報分析。 一、ASIC 與商用量產GPU 對比 市場預期差異：當前市場普遍看好ASIC 定製晶片，認為其成長潛力遠超商用量產GPU，使得相關股票表現突出。然而，摩根士丹利持有不同觀點，指出NVIDIA 憑藉其龐大的研發投入、成熟的生態系統等優勢，在市場中佔據主導地位，短期內難以被超越。 效能價格比分析：定製晶片在特定應用場景下或許能展現優勢，但從整體效能價格比來看，想要超越NVIDIA 的GPU 並非易事。 NVIDIA 每年投入約160 億美元用於研發，如此大規模的投入使其能夠維持4 - 5 年的開發周期，並通過多團隊營運保持每18 - 24 個月的架構更新節奏，同時不斷在連接技術和軟體生態系統方面進行最佳化。相較之下，ASIC 的開發預算通常低於10 億美元，在研發投入上的巨大差距，使得其他競品很難只依靠低價晶片來打破NVIDIA 的市場地位。

在AI類股的強勢帶動下，本周A股三大股指周線集體翻紅，上證指數收復3300點關口，創業板指反彈幅度最大。 展望後市，機構認為，本輪行情仍將繼續演繹，建議強化以端側AI為核心的產業邏輯突出類股。此外，安全邊際較高的紅利類股、擴大內需導向下的“兩重”和“兩新”主題同樣值得關注。 影響後市投資大事件： 1月份中國CPI同比上漲0.5%

太田泰彥：在2023年美國加強對華半導體管制之後，輝達也並未放棄中國市場。蘋果也不例外。2025年區別使用“真心話”和“場面話”的美國科技企業的實際情況將浮出水面。中美科技冷戰的格局將進一步複雜化…… 中美兩國圍繞數位技術展開激烈競爭（reuters） 太田泰彥：聽到“雲（cloud）”這個詞，您腦海中會浮現出那些名字呢？或許是Google Drive、iCloud和OneDrive之類吧。就是智慧型手機或電腦螢幕上顯示成雲朵的那個圖示。 成為雲服務基地的是資料中心。“狼吞虎嚥”般汲取海量資料的生成式AI（人工智慧）也在資料中心這個“巢”中成長。這個“巢”裡裝滿了半導體晶片。換言之，半導體晶片就是資料的“化身”。