7月17日凌晨，Kimi K3正式亮相。據官方披露，Kimi K3搭載2.8兆參數規模，配備100萬Token（詞元）超長上下文窗口，原生相容視覺理解能力，是當前全球參數體量最大的開源大模型，直接將開源陣營的技術門檻抬升至3兆等級。 Kimi K3發佈後，第三方評測資料顯示，Arena AI的Code Arena榜單上Kimi K3得分1679，位列第一，超過行業雙雄Claude Fable 5和GPT-5.6 Sol。本次Kimi新模型的發佈還得到特斯拉CEO（首席執行長）馬斯克的關注，他在評論區留言道：“Impressive（令人印象深刻）。” 伴隨中國大模型在全球AI賽道話語權的持續提升，行業競爭重心已從參數比拚轉向商業價值兌現。 Kimi K3系統架構

01 前沿導讀 據荷蘭半導體觀察者馬克·海金克在《新鹿特丹商報》發佈的新聞指出，華為正在推動晶片設計的技術進步，並且還通過開源指令集RISC-V進行晶片設計工作，嘗試用這種開源技術的方法繞過美國X86指令集以及英國ARM指令集的限制。 中國企業在晶片設計上面找到了可替代的技術方法，但是中國晶片最大的瓶頸是缺乏先進的平板印刷工具——EUV光刻機，這是一個尚未被中國企業找到替代方案的技術工具。

《半導體工程》雜誌邀請了ChipAgents全球客戶成功副總裁Cindy Cui、 Silvaco首席執行長Wally Rhines 、Moores Lab AI首席執行長Shelly Henry、Breker Verification Systems首席執行長Dave Kelf、Verific人工智慧開發主管Vince Wong以及Silimate首席執行長Ann Wu，共同探討在晶片設計和驗證中使用智能體人工智慧的優缺點。 此次小組討論在近期舉行的2026年ESD聯盟高管展望會議上面向現場觀眾進行。 SE：EDA領域的熱門新話題是智能體AI。它將在半導體設計和驗證方面發揮那些作用？您認為它又存在那些潛在問題？ Cui：智能體人工智慧將重塑整個設計流程。它現在已經開始發生了。我們正在討論很多應用場景，從設計驗證（DV）到從右到左的文字生成，再到使用者模型（UVM）、形式化設計，以及未來的前端到後端設計。它已經幫助很多工程師加快了設計周期。所以它正在發生，而且現在已經很成熟了。至於未來的挑戰，我們面向全球數千使用者，我們認為真正的挑戰不僅僅在於技術本身，還在於組織轉型——如何引導工程師適應新的解決方案並建立團隊合作。這方面還有很多工作要做。我認為整個行業都必須攜手合作，幫助我們為此做好準備。

大衛·薩克斯的表態，近期在科技圈引發不小震動。這位川普的科技政策顧問，近日接受了彭博電視台採訪。他現任總統科技顧問委員會主席，話語權足夠份量。薩克斯直言，中國AI晶片設計已落後美國僅1.5到2年。更關鍵的是，他預判華為不久後會對外出口AI晶片。這一動作，或將點燃全球技術堆疊主導權的爭奪戰。薩克斯也承認，華為GPU生產仍受限制，但追趕速度驚人。“華為尚未達到頂尖水平，但未來一定會改變。”他如此判斷。他的擔憂很直接，華為若成重要GPU供應商，美企將承壓。川普政府的核心目標，是讓美國技術堆疊成為全球標準。為此，拜登時期的“擴散規則”已被正式放棄。那項規則曾限制美國GPU出口，還要求買家申請許可證。薩克斯解釋，過度限制盟友，反而會錯失鎖定市場的機會。他認為，阻止最先進半導體流向中國合理，但別傷了盟友。過去的法規，無異於“因擔心風險而自傷科技產業的腳”。薩克斯的履歷也印證了他的行業洞察力。他曾是貝寶前COO，還創辦過被微軟收購的Yammer。2024年底，他被川普任命為白宮AI和加密貨幣負責人。華為這邊，任正非近期也有清醒表態。他坦言，自家GPU確實落後美國頂級產品一代。但華為有自己的應對方式，用數學補物理、群計算補單晶片。這種思路下，華為晶片能達到實用水平，滿足多數AI需求。很多AI工作負載，本就不需要最尖端的硬體支撐。只要華為能以合理價格供貨，搭建成熟生態。完全有能力在部分市場，挑戰輝達和AMD的地位。輝達CEO黃仁勳，也曾公開批評美國的出口管制。他直言這些政策“完全錯誤”，只會適得其反。全球一半AI研究人員是中國人，堵不住創新的腳步。美國的限制，還讓輝達損失了巨額中國市場收入。僅H20晶片禁令，就導致其損失55億美元庫存和150億營收。黃仁勳也認可華為的實力，稱其是“世界級科技公司”。薩克斯的判斷，其實藏著美國的戰略焦慮。放棄過度限制，不是妥協，而是想鎖定盟友市場。遏制中國先進晶片，同時鞏固美國技術的全球主導權。華為若真啟動AI晶片出口，格局會發生微妙變化。國產晶片出海，不僅是營收突破，更是生態突圍。中美AI晶片的差距在縮小，競爭只會愈發激烈。華為能否打破壟斷，關鍵看生態搭建的速度和質量。而美國的政策調整，也會持續影響全球半導體格局。這場技術博弈，沒有旁觀者，每一步都關乎未來走向。 (1 ic芯網)

黃仁勳最新一期 Lex Fridman 播客，2.5 小時深度對話，覆蓋了從晶片設計到人類意識的幾乎所有話題。概要1. CUDA 差點毀了 NVIDIA。 當年把 CUDA 塞進 GeForce 的決定，讓公司成本暴漲 50%，市值從七八十億美元直接跌到 15 億美元。黃仁勳扛了十年才緩過來，但正是這步棋奠定了今天 CUDA 的統治地位。2. 60 個直接匯報，不搞一對一。 黃仁勳的管理團隊超過 60 人，涵蓋 GPU、CPU、光學、記憶體等各領域專家。所有問題都是群體推理，沒有一對一談話，因為 NVIDIA 本質上就是在做「極致協同設計」。3. 四層 Scaling Law。 預訓練、後訓練、測試時推理、Agentic，四層 scaling law 環環相扣。黃仁勳認為，智能的擴展最終只取決於一件事：算力。4. OpenClaw 是 token 的 iPhone。 黃仁勳多次稱 OpenClaw 為「token 的 iPhone」，認為它對 agentic 系統的意義，就像 ChatGPT 之於生成式 AI。5. 「我認為我們已經實現了 AGI。」 按照「建立一家價值 10 億美元以上公司」的標準，黃仁勳認為 AGI 已經到來。當然，讓 10 萬個 Agent 來造一個 NVIDIA，成功率是零。6. 程式設計師會變多。 程式設計的定義正在改變。從 3000 萬程式設計師變成 10 億，因為未來每個木匠、會計、農民都能用自然語言「程式設計」。7. NVIDIA 不搶份額，創造市場。 黃仁勳說 NVIDIA 的挑戰在於「沒有人可以搶份額」，幾乎所有增長都來自全新的市場。8. 與台積電三十年沒簽過合同。 黃仁勳曾被張忠謀邀請擔任台積電 CEO，他婉拒了。三十年來雙方做了數百億美元的生意，沒有一紙合同，全憑信任。9. 智能是大宗商品，人性才是超能力。 黃仁勳團隊裡 60 個人都比他聰明，但他坐在中間協調所有人。他的觀點是：別讓「智能的商品化」帶來焦慮，該被抬高的詞是「humanity」。10. 希望死在崗位上。 黃仁勳不信「接班人計畫」，他的方式是每一天都在把知識、判斷、經驗傳遞給身邊每一個人。下為訪談對話全文：CUDA 賭命Lex：CUDA 最終成了一個極其輝煌的決定。但當時做這個決定的時候，是什麼樣的？黃仁勳：那可能是我做過的最接近「存亡級威脅」的戰略決策了。CUDA 擴大了我們能加速的應用範圍，但問題來了：怎麼吸引開發者？開發者來一個平台，跟技術炫不炫酷沒關係，關鍵是裝機量大。裝機量才是定義一個架構的關鍵，其他都是次要的。沒有那個架構比 x86 挨過更多罵，但它活下來了。同時期那些漂亮的 RISC 架構，反而大多失敗了。我們當時的想法是：GeForce 已經每年賣幾百萬塊了，乾脆把 CUDA 裝進每一塊 GeForce，不管使用者用不用。同時去大學裡推，寫書，開課，培育生態。問題是，CUDA 大幅增加了 GPU 成本。我們當時毛利率只有 35%，成本一下漲了 50%，利潤全被吃掉了。公司市值從七八十億跌到了 15 億。在那個區間裡……扛了很長一段時間，靠著 GeForce 一點一點爬回來。我常說，NVIDIA 是 GeForce 蓋起來的房子。正是 GeForce 把 CUDA 送到了每一個研究者、科學家、學生手裡。Lex：那種存亡時刻，你是怎麼做出這種決定的？黃仁勳：說到底還是好奇心驅動。到了某個時刻，我的推理系統會如此清晰地告訴我「這件事一定會發生」。一旦我在腦海中堅信了，你知道的，你會去 manifest 一個未來，那個未來如此有說服力，不可能不發生。中間會有大量痛苦，但你得相信你所相信的。而我在領導上從不搞那種「年底大改革」。不搞一次性大裁員、大重組、新 logo 什麼的。我學到一樣新東西，會立刻開始跟身邊的人分享。一步一步地塑造每個人的認知體系。等到我真的宣佈「我們要 all in 深度學習」的那一天，其實所有人心裡都在想：你怎麼現在才說。極致協同設計Lex：你把 NVIDIA 推入了一個新時代，從單晶片設計到了整機櫃設計。什麼是極致協同設計（extreme co-design），最難的部分是什麼？黃仁勳：問題已經裝不進一台機器了。你加了 1 萬台電腦，但你希望它快 100 萬倍。這時候你得重構演算法、切分流水線、切分資料、切分模型。一切都會成為瓶頸。這就是 Amdahl 定律的問題：如果計算只佔總工作量的 50%，你就算把計算加速一百萬倍，總體也只快了兩倍。所以我們得把所有技術都用上，CPU、GPU、網路、交換機、電力、冷卻……否則就只能線性擴展，或者靠已經放緩的摩爾定律。Lex：你的團隊有多大？黃仁勳：我的直接匯報有 60 多人。群體推理 vs 傳統管理Lex：那怎麼溝通？黃仁勳：我不搞一對一。我們把一個問題拿出來，所有人一起攻。因為我們在做極致協同設計，公司本身也是在做極致協同設計。就算在討論冷卻方案，做網路的人、做記憶體的人、做電力的人也在旁邊聽著。誰想退出就退出，但如果有人應該參與卻沒參與，我會把他揪過來。Lex：Vera Rubin 的 Pod 是怎樣的規模？黃仁勳：7 種晶片，5 種機架，40 個機架，1.2 千兆個電晶體，將近 2 萬顆 NVIDIA Die，1100 多顆 Rubin GPU，60 exaflops，10 PB/s 的頻寬。這只是一個 Pod。我們大概每周要產出 200 個這樣的 Pod。Lex：這麼複雜，簡潔還是你追求的目標嗎？黃仁勳：我最常說的一句話是：複雜度要剛好夠用，同時儘可能簡單。四層 ScalingLex：你還相信 Scaling Law 嗎？黃仁勳：相信，而且現在有更多 scaling law 了。Lex：你列了四個：預訓練、後訓練、測試時推理、Agentic。你最擔心那個瓶頸？黃仁勳：回頭看看大家以為的瓶頸吧。預訓練階段，Ilya Sutskever 說了句「資料用完了」之類的話，行業慌了，覺得 AI 到頭了。當然這是錯的。我們會繼續擴大訓練資料量，大量資料將是合成的。很多人不理解合成資料，但其實我們教彼此用的大多數資料本來就是「合成的」，它又不是從自然界長出來的，都是人創造的。AI 現在能拿真實資料，增強它，合成生成海量新資料。所以訓練的瓶頸不再是資料，變成了算力。然後是測試時推理。我還記得當時有人說「推理嘛，簡單的，推理晶片可以做得又小又便宜，不用 NVIDIA 那種大傢伙。」這個想法一直讓我覺得不合邏輯。推理就是思考，思考比閱讀難得多。預訓練本質是記憶和泛化，就是在讀。而推理是在想，在做推理、規劃、搜尋、分解問題……怎麼可能……計算量小呢？然後是 Agentic 層。一個 Agent 可以呼叫工具、查資料庫、做研究，最重要的是，它可以生成一大批子 Agent。擴展 NVIDIA 靠招更多員工，比擴展我自己容易多了。所以下一個 scaling law 就是 Agentic Scaling，本質上就是「AI 乘以 AI」。這四層循環下來，智能的擴展最終歸結為一件事：算力。四層 AI Scaling Law 循環OpenClaw 的 iPhone 時刻Lex：從去年 12 月起，人們好像突然覺醒了，Claude Code、Codex、OpenClaw，是不是有什麼特別的事情在發生？黃仁勳：OpenClaw 對 agentic 系統的意義，就像 ChatGPT 之於生成式 AI。它之所以火，是因為普通使用者也能用到了。OpenClaw 就是 token 的 iPhone。它是歷史上增長最快的應用。直線上升。Lex：我得承認，來的路上在機場，我……公開對著筆記型電腦說話程式設計了。挺尷尬的，因為我在假裝跟一個人類同事對話。黃仁勳：未來更可能的情況是，你的 AI 一直在煩你。因為它幹活太快了，一直跟你匯報「搞定了，下一步呢？」以後跟你聊天最多的人，應該就是你的 Claw，或者說你的🦞了。Agent 的安全邊界Lex：安全問題呢？這麼強大的技術，怎麼確保使用者資料安全？黃仁勳：我們立刻派了一批安全專家過去，搞了一個叫 OpenShell 的東西，已經整合進 OpenClaw 了。我們還發佈了 NemoClaw。核心原則是這樣的：agentic 系統有三種能力，訪問敏感資訊、執行程式碼、對外通訊。我們保證任何時刻最多開放其中兩種，但絕不同時開三種。在這兩種能力之內，再加上企業級的存取控制和策略引擎。這樣既能讓 Agent 幹活，又不至於失控。從加速器到計算平台Lex：NVIDIA 是怎麼從一個 GPU 加速器公司，一步步變成計算平台公司的？黃仁勳：加速器的問題在於，應用領域太窄。市場規模決定了你的研發能力，研發能力又決定了你在計算領域能產生多大影響。所以我們得擴大射程，但又不能丟掉專業化。這兩個詞之間有天然的張力：越通用，越不專業；越專業，越不通用。我們得在中間找到一條極窄的路。第一步，我們發明了可程式設計像素著色器。這是走向可程式設計性的第一步。第二步，我們在著色器裡放了 IEEE 相容的 FP32。這一步意義重大，因為之前在 CPU 上跑科學計算的人突然發現：這個 GPU 算力巨大，而且現在符合 IEEE 標準了，我的程式碼可以遷過來。然後是在 FP32 上面放 C 語言，我們叫 Cg。Cg 一路演進到了 CUDA。每一步都是在擴大計算的「光圈」，同時保住最核心的加速能力。一步一步走了十幾年。電力與供應鏈Lex：AI 擴展最大的瓶頸是什麼？黃仁勳：電力是個問題。但也是我們拚命搞極致協同設計的原因，我們要讓每秒每瓦產出的 token 數每年提升一個數量級。過去 10 年摩爾定律讓算力提升了 100 倍，我們提升了 100 萬倍。有一件事我特別想借你的平台呼籲一下。我們的電網，是按最壞情況設計的。 但 99% 的時間都不會出現最壞情況，電網通常只跑到峰值的 60%。剩下的容量就那麼閒著。我想做的是，跟電力公司簽一種新的協議：平時用它們的閒置容量，極端天氣時資料中心自動降功耗。我們可以把工作負載轉移到別的地方，或者讓電腦跑慢一點，少用能源，服務質量降一點點而已。Lex：什麼阻礙了這件事？黃仁勳：三方的問題。終端客戶要求資料中心永遠線上。資料中心營運商的合同談判人員在簽六個九的 SLA，CEO 可能根本不知道。然後電力公司也只提供一種承諾等級。如果三方都調整一下……電網裡就有大量現成的閒置電力可以用，這才是最唾手可得的資源。Lex：供應鏈呢？ASML 的 EUV、台積電的 CoWoS 封裝、SK 海力士的 HBM，這些瓶頸讓你睡不著覺嗎？黃仁勳：我一直在處理。我飛到每一家供應商那裡，跟 CEO 們解釋我們的增長邏輯。幾年前，我說服了幾家 DRAM 公司的 CEO 投資 HBM，當時 HBM 還只用在極少數超算上，聽起來瘋狂得很。又說服他們把手機用的低功耗記憶體適配到超算上。他們都創了 45 年公司歷史的營收記錄。這也是我工作的一部分，去塑造和啟發整個上下游。Lex：你擔心嗎？黃仁勳：不擔心。Lex：為什麼？黃仁勳：因為我告訴了他們我需要什麼，他們理解了，他們告訴我他們會做什麼，我相信他們會做到。馬斯克與 ColossusLex：你怎麼看馬斯克和 xAI 在孟菲斯用 4 個月建成 Colossus 超算這件事？黃仁勳：馬斯克在很多領域都有很深的涉獵，同時他又是一個出色的系統思考者。他質疑一切：第一，這件事有必要嗎？第二，必須這樣做嗎？第三，必須花這麼長時間嗎？他把一切壓縮到不能再少的最低必要量，同時保留了產品所需的全部能力。極度的極簡主義，系統等級的極簡。而且他會親自到現場。有問題，他就去了。「讓我看看問題在那。」當你親自展示出那種緊迫感，所有人都會跟著緊迫起來。Lex：我見過他那些會議。他會跟工程師一起蹲在地上，研究怎麼把線纜插進機架……黃仁勳：對。在 NVIDIA 我們有一個類似的方法論，叫「光速」。這不只是關於速度，它是我對「物理極限在那」的簡稱。每件事我們都要拿來跟光速對比。記憶體速度、算力、功耗、成本、時間、人力、製造周期。先搞清楚物理極限，再去做工程。我不喜歡「持續改進」的思路。別跟我說「現在要 74 天，我們能縮到 72 天」。我寧願從零開始問：「憑第一性原理，最快幾天能搞定？」答案可能是 6 天。剩下的 68 天可能都有道理，是各種妥協和成本最佳化。但至少你知道差距在那。知道了 6 天是可能的，從 74 到 6 的對話就會有效得多。中國是建設者國度Lex：你最近去了中國。中國過去十年是怎麼建立起這麼多世界級科技公司的？黃仁勳：全球大約一半的 AI 研究者是華人，大部分仍在中國。他們的科技行業恰好趕上了移動雲時代，他們的貢獻方式是軟體。這個國家的孩子數學和科學教育極好，對現代軟體相當熟悉。中國不是一個單一經濟體。各省各市的市長們互相競爭，所以才有這麼多電動車公司、這麼多 AI 公司。競爭極其激烈，活下來的都了不起。另外，他們的社會文化是家人第一、朋友第二、公司第三。工程師們的兄弟在那家公司、同學在這家公司，知識傳播極快。他們本質上一直是 open source 的。所以他們對開源社區貢獻大，完全合理，因為他們心想：「我們有什麼好藏的？」這是當今世界創新最快的國家。Lex：而且在中國，做工程師是件挺酷的事。黃仁勳：他們是一個建設者國度。我們國家的領導人都相當出色，但大多是律師。他們的國家是從貧困中建設起來的，所以領導人大多是傑出的工程師。開源與 NemotronLex：NVIDIA 發佈了開放原始碼的 Nemotron 3 Super，120 億參數的 MoE 模型。你對開放原始碼的願景是什麼？黃仁勳：要做好 AI 計算公司，我們必須理解 AI 模型是怎麼演進的。Nemotron 3 有個特別的地方：它不只是純 Transformer，還融合了 SSM（狀態空間模型）。我們很早就在做條件 GAN、漸進式 GAN，一步步走到了擴散模型。在模型架構上做基礎研究，能讓我們看清未來的計算系統該怎麼設計。這也是極致協同設計的一部分。開源有三個層面的原因。第一，我們確實需要世界級的模型作為產品，這些應該是專有的。但同時，我們也希望 AI 擴散到每一個行業、每一個國家、每一個研究者和學生手裡。如果一切都是閉源的，研究和創新就很難在上面展開了。第二，NVIDIA 有規模、有技能、也有動力去持續做這件事。我們能啟動每一個行業加入 AI 革命。第三，AI 遠不只是語言。這些 AI 會使用工具、呼叫子模型，而那些子模型可能是訓練在生物學、化學、物理學、流體力學上的。我們不造車，但我們要確保每家車企都能用上最好的模型。我們不做藥物發現，但我想確保禮來（Eli Lilly）能擁有世界最好的生物 AI 系統。Lex：而且你們是真正的開源，權重、資料、方法全部公開。黃仁勳：對，模型開源，權重開源，資料開源，連怎麼做的都開源了。這一點確實應該被更多人知道。台積電：信任Lex：你跟台積電的關係是什麼樣的？黃仁勳：對台積電最大的誤解是：覺得他們只有技術。好像有人做出了一個一樣好的電晶體，台積電就完了。他們真正了不起的地方，是那套製造管理系統。協調全球幾百家公司動態變化的需求，晶圓啟動、停止、緊急追加，客戶在變、產能在變，整個世界在不斷變化，而他們始終保持高吞吐、高良率、低成本、交付準時。然後是文化。他們同時做到了兩件通常矛盾的事：頂尖的技術前沿和頂尖的客戶服務。最後是信任。三十年，幾百億美元的生意，沒有合同。 這份信任了不起。Lex：2013 年張忠謀邀請你去當台積電 CEO？黃仁勳：是真的。我深感榮幸。張忠謀是我見過的最受尊敬的高管之一，也是我的好朋友。但 NVIDIA 的工作太重要了，我在心中已經看到了 NVIDIA 會變成什麼樣。這是我的責任，唯獨我的責任。所以我婉拒了。不是因為那個機會不夠好。那是一個不可思議的機會。但我沒辦法接受。NVIDIA 的護城河Lex：NVIDIA 最大的護城河是什麼？黃仁勳：CUDA 的裝機量。這是我們最重要的資產。CUDA 不是三個人做成功的，是 43000 人做成功的，加上幾百萬信任我們的開發者。他們把自己的軟體棧建在了 CUDA 上。從開發者的角度想：如果我支援 CUDA，明天它就會快 10 倍，平均只要等半年。而且我的程式碼能跑在幾億台裝置上，每個雲、每個行業、每個國家。我 100% 信任 NVIDIA 會一直維護和改進 CUDA。你把這些加在一起，如果我是開發者，我會 CUDA first。太空裡的 GPULex：你怎麼看在太空建資料中心這個想法？黃仁勳：NVIDIA 的 GPU 其實已經在太空了。我當時知道的時候還挺意外的，本來想高調宣佈一下，給 GPU 穿個小宇航服什麼的。那些衛星上有高解析度成像系統，在持續掃描地球，要做到釐米級的即時遙感。這些資料量是 PB 等級的，沒法全傳回地球。所以 AI 必須在邊緣端就地處理，把不需要的、沒變化的全扔掉，只留關鍵資訊。如果放在極地軌道，24 小時都有太陽能。但太空裡沒有傳導、沒有對流，散熱只能靠輻射。好在太空足夠大，搞幾個巨大的散熱板就行了。Lex：這個想法離落地有多遠？5 年？10 年？黃仁勳：我比較務實。我先去抓眼前最大的機會，同時派工程師去研究太空的問題：怎麼應對輻射？怎麼處理性能退化？怎麼做冗餘和容錯？怎麼讓電腦在太空裡不會壞，只是變慢？但眼下我最想做的事，還是把電網裡那些閒置的電力先用起來。那才是最唾手可得的。Token 工廠Lex：NVIDIA 可能價值 10 兆美元嗎？黃仁勳：讓我解釋一下為什麼 NVIDIA 的增長幾乎是必然的。計算經歷了一次本質變化。過去的電腦本質是一個「倉庫」，我們預先錄製內容，存成檔案，然後用檢索系統找出來。現在 AI 電腦是「工廠」，它即時理解上下文，即時生成 token。倉庫 vs 工廠：計算範式轉變倉庫不怎麼賺錢，工廠的產出直接跟收入掛鉤。而且這個工廠生產的商品，token，正在分層，就像 iPhone 一樣：有免費的 token、有中檔 token、有高級 token。有人願意為每百萬 token 付 1000 美元，這不是「會不會」的問題，只是「什麼時候」的問題。NVIDIA 面臨的挑戰在於想像力。我沒有人可以搶份額。幾乎我們說的所有增長都來自一個尚不存在的市場。外界確實不太容易想像。但我有的是時間，我會持續推理、持續講述，每一次 GTC 都會讓它變得更加真實。遊戲與 DLSS 5Lex：DLSS 5 引起了一些爭議。玩家們擔心遊戲會變成 AI slop（AI 氾濫內容）。你怎麼看？黃仁勳：說實話，我也不喜歡 AI slop。AI 生成的內容越來越多，看起來越來越像，都挺漂亮，但缺少個性。我理解玩家的感受。但 DLSS 5 做的事情不一樣。它是 3D 引導的、地面真實資料約束的。藝術家決定了幾何形狀，我們百分百忠於每一幀的幾何結構。它受紋理約束，受藝術家意圖約束。增強，但不改變。而且因為系統是開放的，你可以訓練自己的模型，未來甚至可以用 prompt 來控制風格：「我要卡通渲染風格」，「我要這種畫風」。所有這些都是為藝術家提供的工具，他們可以選擇用或者不用。玩家們可能以為我們是在遊戲出廠後強行做後處理。但實際上 DLSS 是跟藝術家整合的，是給創作者的 AI 工具。Lex：你覺得史上最偉大的遊戲是那個？黃仁勳：Doom。從文化影響力和行業意義來說，Doom 把 PC 從一個辦公自動化工具變成了一個遊戲裝置，這個轉變的意義太大了。從遊戲技術的角度，我會說 Virtua Fighter。Lex：我個人特別喜歡《上古捲軸：天際》，雖然是很久以前的遊戲了，但一直有人出 Mod……黃仁勳：我們做了 RTX Mod，這是一個 modding 工具，能讓社區把最新的渲染技術注入到老遊戲裡。而且別忘了，GeForce 到今天仍然是我們排名第一的行銷手段。人們在十幾歲的時候就通過玩遊戲認識了 NVIDIA。後來上了大學，開始用 CUDA，再後來用 Blender、用 Autodesk。AGI 已來？Lex：用一個定義來問：一個 AI 系統，能夠建立、發展並營運一家價值超過 10 億美元的科技公司。離這個 AGI 有多遠？黃仁勳：我認為已經實現了。Lex：什麼？黃仁勳：你說的是 10 億美元，而且沒說要永遠經營下去。完全有可能一個 Claude 建立了一個 Web 服務，某個小應用，幾十億人用了一下，每人 50 美分，然後很快就倒閉了。網際網路時代那些爆款網站，大多數都沒有比今天 OpenClaw 能生成的東西更複雜。Lex：你這話會讓很多人激動的。黃仁勳：你去中國看看，已經有一大幫人在教自己的 Claude 去找工作、做活、賺錢了。我不意外某個數字網紅、某個 Tamagotchi 養成類應用突然爆火幾個月然後消失。但讓 10 萬個 Agent 來造一個 NVIDIA……成功率是零。程式設計師會更多Lex：你覺得程式設計師數量會增加還是減少？黃仁勳：會增加。程式設計的定義變了。今天的程式設計就是寫規格說明。多少人能做到「告訴電腦去造什麼」？我覺得我們剛從 3000 萬擴大到了 10 億。未來每一個木匠都是程式設計師。而一個有 AI 的木匠，同時也是建築師。 他能給客戶提供的價值翻了幾倍。每個會計同時也是財務分析師和理財顧問。所有職業都被拉高了。Lex：放射科醫生的例子呢？黃仁勳：AI 研究者最早說會消失的職業就是放射科醫生。電腦視覺確實在 2019、2020 年就超越了人類。但放射科醫生數量反而增加了，現在全球還短缺。因為你搞清楚了，放射科醫生的「目的」是診斷疾病、幫助病人，而不是「看片子」這個任務本身。AI 讓看片子變快了，所以能看更多片子，診斷更多病人，醫院賺更多錢，需要更多放射科醫生。你的工作的目的和你用來做這份工作的工具，是相關的，但不是同一件事。NVIDIA 的軟體工程師也一樣。我要他們解決問題，不在乎他們寫了多少行程式碼。別怕，就去用Lex：很多人對自己的工作有焦慮。黃仁勳：我對焦慮的處理方式，剛才其實已經講過了：分解問題，想清楚那些能做，做了就不焦慮了。如果今天要招一個新畢業生，兩個人選，一個不懂 AI，一個精通 AI，我選後者。木匠、電工、農民、藥劑師，都應該去用 AI，看看它能怎麼提升你的工作。Lex：而且你可以直接問 AI：「我不知道怎麼用 AI。」黃仁勳：對，這就是 AI 最厲害的地方。你沒法走到 Excel 面前說「我不會用 Excel」。你完了。但 AI 會說：「好的，讓我來教你。」領導力與痛苦Lex：你說過你的成功來自比任何人都能吃苦。你怎麼應對這麼大的壓力？黃仁勳：我完全意識到 NVIDIA 的成功對美國的重要性。我們貢獻了大量稅收，建立了技術領先地位，這關乎國家安全的方方面面。我也知道有很多普通投資者，老師、警察，因為買了 NVIDIA 的股票成了百萬富翁。我的應對方式就是分解。發生了什麼？變了什麼？什麼難？我能做什麼？把大問題拆成小塊，然後一個一個解決，或者分配給能解決的人。凡是讓我擔心的事，我都會告訴一個能做點什麼的人。 說出來了，負擔就分攤了。然後就是遺忘。你得學會忘記。不能什麼都記著、什麼都扛著。分解問題、分享負擔、然後忘掉它。這跟頂級運動員一樣。上一分已經過去了，只關心下一分。Lex：你說過如果提前知道有多難就不會創辦 NVIDIA，但……黃仁勳：所有值得做的事情應該都是這樣。有一種超能力叫「孩子心態」。我面對幾乎所有事情的第一反應是：能有多難？沒有人做過，規模巨大，要花幾千億美元。你就這麼想：「能有多難呢？」你不要提前模擬所有的挫折和羞辱。你應該帶著「一切都會順順利利」的心態走進新體驗。等挫折真的來了，它們會讓你意外，但你得有韌性，得能忘掉，得繼續走。只要我對未來的假設沒變，我對輸出的判斷就不會變。那就繼續走。智能與人性Lex：你覺得人類意識中有什麼是晶片永遠無法複製的嗎？黃仁勳：我不確定晶片會不會緊張。AI 可以識別和理解情緒，但我的晶片不會「感受」到那些東西。而那些感受，焦慮、興奮、恐懼，深刻地影響著人的表現。兩個拿到完全相同資訊的人，可能產生截然不同的結果，並非某個演算法不同，純粹是因為「感覺不同」。Lex：那你怎麼看智能這個詞？黃仁勳：智能這個詞被抬得太高了。我身邊 60 個人，每一個在各自領域都比我聰明，他們學歷更高、學校更好、研究更深。但我坐在他們中間，協調所有人。你得問自己：一個洗碗工……憑什麼坐在一群超人類專家的中間？智能是功能性的東西。人性不是。人性是一個大得多的詞。我們的社會把太多東西塞進了「智能」這一個詞裡。但人的一生遠不止一個詞。我的經歷表明，在智能曲線上比身邊所有人都低，並不妨礙你成為最成功的那個。別讓智能的民主化、商品化給你帶來焦慮。你應該受到鼓舞。死在崗位上Lex：你想過自己的死亡嗎？黃仁勳：我真的不想死。我有很好的家庭，很好的生活，還有極其重要的工作。這不是「一生一次」的經歷，因為那暗示很多人都經歷過。這是「人類歷史一次」的經歷。我不相信接班人計畫。這並非因為我覺得自己不朽。如果你真擔心接班，那你現在該做什麼？答案是：每時每刻都在傳遞知識。任何學到的東西，在我桌上停留不超過一秒。我還沒完全消化完，就已經在指給別人看了。我希望的結局是，死在崗位上，最好是瞬間的，沒有漫長的痛苦。Lex：什麼給你希望？黃仁勳：我一直對人類的善良、慷慨和同理心有極大的信心。有時候比應有的還多，偶爾被佔便宜，但這從沒改變過我。期待疾病的終結，是合理的。期待污染大幅減少，是合理的。期待以光速旅行，也是合理的。不是遠距離，是短距離。怎麼實現？我很快就會把一個人形機器人送上太空飛船。它會在飛行途中不斷改進。等時機到了，我的意識，我的收件箱裡的一切，我說過的一切，我做過的一切，都已經上傳到網上了。到時候以光速發過去，追上我的機器人。Lex：這真精彩。理解生物機器，你覺得還要多久？黃仁勳：就在眼前了。大概五年。Lex：然後是人類大腦，理論物理……黃仁勳：解釋意識。那個就太酷了。 (AGI Hunt)

這張表展示的趨勢，可能會讓整個半導體行業感到擔憂：表中可見，設計28奈米晶片的成本約為5100萬美元，而設計5奈米晶片的成本現在已超過5.4億美元，十年內增長了10倍。這種上升是結構性的，由晶片設計的複雜性驅動。一個28奈米的邏輯工藝大約需要400步，而一個5奈米工藝需要超過1200個步驟。每一步都增加了成本、風險、工程工作量和驗證開銷，設計流程的每個環節都得到了擴展。以後，可能只有少數公司能夠負擔得起前沿晶片的設計。多數企業將放棄追平最先進製程，轉向成熟製程、特色工藝（如功率半導體、感測器、MCU 等），先進製程的競爭將成為少數巨頭的 “軍備競賽”，產業賽道分化將愈發清晰。此外，設計成本高企會倒逼 Chiplet（小晶片）、IP 高復用率、EDA 工具效率最佳化等方案成為剛需，從技術趨勢轉向商業必選項，產業鏈的協同邏輯從 “單一環節突破” 轉向 “全鏈條降本增效”。 (銳芯聞)

2025年的上海，坐穩了中國積體電路設計的第一把交椅。上海市積體電路行業協會12月發佈的《2025上海積體電路產業發展報告》顯示，上海共有IC設計企業682家，佔全國總數的18.3%。全年營收合計3860億元，同比增長12.7%，連續八年位居全國首位。一、頭部上市軍團：12家百億級企業（一）韋爾股份（603501）韋爾股份以352億元營收蟬聯上海IC設計企業榜首。核心業務是CMOS圖像感測器與模擬晶片，豪威品牌在全球手機CIS市場市佔率達19%。2025年，其車規級CIS出貨量同比增長110%，市佔率升至22%。（二）復旦微電（688385）全年營收186億元，淨利潤42億元。FPGA與儲存器是兩大核心，國產工業控制FPGA市佔率穩居第一。2025年，其28nm FPGA實現大規模量產，良率穩定在98%以上。（三）格科微（688728）營收168億元，專注中低端CMOS圖像感測器。2025年完成2億像素CIS的量產，成為全球首家實現該規格量產的中國企業。手機主攝與車載攝影機是其主要增長極。（四）艾為電子（688798）營收124億元，扣非淨利潤同比增長40.79%。聚焦音訊、射頻、電源管理晶片，車規級音訊功放晶片2025年出貨量突破1億顆。產品已進入比亞迪、理想等主流車企供應鏈。（五）思特威（688213）營收119億元，安防領域CMOS圖像感測器市佔率蟬聯全球第一。2025年推出的低照度安防CIS，在星光級環境下的成像效果超越國際競品。（六）瀾起科技（688008）營收112億元，同比增長57.83%。DDR5記憶體緩衝晶片全球市佔率超80%，壟斷地位穩固。2025年，其HBM配套緩衝晶片完成研發，進入台積電驗證階段。（七）聚辰股份（688123）營收108億元，EEPROM晶片全球市佔率第三。汽車電子業務增長迅猛，2025年車規級EEPROM出貨量同比增長95%。已成為特斯拉、大眾的核心供應商。（八）納芯微（688052）營收106億元，專注隔離晶片與功率半導體。2025年，其車規級隔離晶片在新能源汽車電控領域市佔率達28%。與英飛凌達成戰略合作，共同開發碳化矽驅動晶片。（九）思瑞浦（688536）營收105億元，高精度模擬晶片龍頭。工業控制與汽車電子是兩大業務類股，2025年推出的車規級運算放大器，通過AEC-Q100 Grade 0認證。（十）卓勝微（上海總部）（300782）營收103億元，射頻開關與LNA晶片國內第一。上海總部負責高端射頻晶片研發，2025年推出的5G射頻模組，已進入小米、vivo旗艦機型供應鏈。（十一）芯原股份（688521）營收101億元，國內最大的晶片設計服務公司。2025年10月啟動臨港研發中心建設，總投資13億元。為國內超200家初創企業提供設計服務。（十二）展訊通訊（上海）營收100億元，專注移動通訊基帶晶片。作為紫光展銳的核心子公司，2025年推出的5G RedCap晶片，在物聯網終端市場出貨量突破5000萬顆。二、細分賽道王者：非上市龍頭，憑技術壟斷細分市場上海682家IC設計企業中，超過500家為非上市企業，其中既有細分賽道龍頭，也包含大量中小微配套企業。它們深耕單一賽道，用技術壁壘築起護城河，部分細分龍頭的全球市佔率位居前三，中小微企業則填補了產業鏈細分空白。（一）AI晶片賽道壁仞科技：國產GPU四小龍之一，專注高端通用GPU。2025年BR200晶片實現大規模商用，在AI訓練叢集的出貨量突破10萬塊。沐曦積體電路：聚焦高性能AI推理晶片。2025年推出的MX2系列，在雲端推理場景的能效比超越輝達L20。燧原科技：完成D輪50億元融資，專注雲端訓練晶片。2025年其雲燧T3晶片進入阿里雲、騰訊雲供應鏈。曦智科技：獲超15億元C輪融資，國內光電混合算力獨角獸。2025年推出的光電計算卡，已在金融風控場景落地。（二）射頻晶片賽道唯捷創芯（上海）：射頻功率放大器龍頭，2025年營收89億元。5G射頻模組在國內Android手機市場市佔率達35%。慧智微：專注射頻前端晶片，2025年完成科創板IPO。其Sub-6G射頻模組，已進入榮耀、傳音供應鏈。（三）汽車電子晶片賽道傑發科技：四維圖新旗下，車載晶片龍頭。2025年其車規級MCU在國產車市場市佔率達18%，同比提升5個百分點。芯旺微電子：專注RISC-V架構車規MCU。2025年推出的32位車規MCU，通過AEC-Q100 Grade 1認證，出貨量突破2000萬顆。芯鈦科技：完成C+輪融資，聚焦車規級安全晶片。其車載T-Box安全晶片，已進入上汽、廣汽供應鏈。（四）儲存晶片設計賽道江波龍（上海總部）：2025年8月臨港總部落成。推出6款自研儲存主控晶片，累計出貨突破1億顆。高端SSD主控晶片已進入資料中心市場。佰維儲存（上海研發中心）：營收98億元，專注儲存晶片設計與封裝。2025年其PCIe 5.0 SSD主控晶片實現量產。（五）模擬與電源管理晶片賽道希荻微：專注快充晶片，2025年營收45億元。其氮化鎵快充晶片，在國內手機廠商的出貨量佔比達40%。上海新進芯微電子：Diodes旗下，專注模擬與混合訊號晶片。音圈馬達驅動晶片全球市佔率超25%。（六）MCU與嵌入式晶片賽道靈動微電子：國內32位MCU龍頭，2025年營收32億元。工業級MCU市佔率達12%，推出的RISC-V MCU已在智能家居領域批次應用。啟英泰倫：專注AI語音晶片，2025年出貨量突破3000萬顆。其離線語音晶片，在智能家電市場市佔率達28%。三、2025新興潛力企業2025年半導體資本寒冬持續，但上海仍有一批初創IC設計企業獲得大額融資，或實現產品關鍵突破。它們是上海晶片設計的未來力量。星思半導體：2026年2月完成近15億元融資，躋身獨角獸。聚焦5G/6G空天地一體化晶片，2025年其NTN衛星通訊晶片完成終端測試。原集微科技：2025年2月由復旦大學孵化成立，獲數千萬元種子輪融資。專注二維半導體晶片，是國內該領域的先行者。元芯智控：2025年11月完成5億元A輪融資。其高速網路晶片metaScale-200，已進入多家網際網路公司批次部署階段。智繪微電子：專注毫米波雷達晶片，2025年推出的77GHz車載雷達晶片，已進入小鵬汽車供應鏈。芯礪智能：聚焦車載計算晶片，2025年完成B輪2億元融資。其域控製器晶片，在商用車市場的出貨量突破5萬片。上海瀚薪半導體：專注碳化矽功率器件，產品覆蓋650V-3300V電壓平台。2025年實現車規級SiC MOSFET量產。凌煙閣（上海）：2025年3月喬遷新址，專注超低功耗MCU。其抗輻照MCU，已在航天領域實現應用。上海智匯芯暉：2025年12月臨港數字光源晶片封測基地動工。專注數字光源晶片，應用於AR/VR與車載顯示。芯馳半導體（上海研發中心）：2025年營收突破60億元。其X9系列車規級MCU，在高端乘用車市場市佔率達12%。平頭哥（上海分部）：阿里旗下，專注RISC-V架構晶片。2025年推出的玄鐵910B晶片，性能較上一代提升40%。四、外資設計巨頭：上海分部，成全球研發核心上海是外資晶片設計公司在華佈局的首選地。2025年，多家外資巨頭加大在滬投入，將上海分部升級為全球研發中心。高通（上海研發中心）：2025年新增研發人員500名，專注5G/6G與AI晶片研發。其驍龍8 Gen4的部分設計工作，由上海團隊完成。輝達（上海設計中心）：聚焦AI晶片與自動駕駛晶片設計。2025年，上海團隊參與了H200晶片的架構最佳化工作。ARM（上海研發中心）：2025年推出的Armv9.5架構，上海團隊貢獻了汽車電子與AI指令集的核心設計。AMD（上海研發中心）：專注GPU與伺服器CPU設計。2025年，上海團隊完成了MI300X晶片的部分驗證工作。瑞薩電子（上海設計中心）：專注車規級MCU與功率晶片。2025年推出的RH850/U2A系列，由上海團隊主導設計。萊迪思（上海辦公室）：2025年7月遷址徐匯區，擴大在華團隊。專注低功耗FPGA，上海團隊負責中國市場定製化產品開發。英飛凌（上海設計中心）：2025年新增車規級晶片研發項目，聚焦新能源汽車電控晶片。其碳化矽驅動晶片，由上海團隊與無錫工廠協同開發。賽靈思（上海研發中心）：專注FPGA與自適應計算加速平台。2025年，上海團隊完成了Versal AI Core系列的中國市場適配。五、中小微配套企業：682家的重要組成，填補產業鏈空白除了上述核心企業，上海IC設計產業的682家主體中，絕大部分是中小微配套企業，它們是產業鏈不可或缺的支撐力量。這類企業規模不大，營收多在1億元以下，卻聚焦細分剛需賽道，填補了頭部企業未覆蓋的市場空白，主要分佈在三大領域。（一）EDA與設計服務配套約120家企業專注EDA輔助設計、晶片版圖設計、模擬測試等服務，為頭部設計企業和初創公司提供技術支撐，降低研發成本。其中不乏深耕細分領域的佼佼者，部分企業在專用晶片模擬測試領域，服務了國內超半數AI晶片初創公司，貼合上海RISC-V生態建設的需求。（二）小眾感測器與專用晶片近200家企業聚焦小眾感測器、專用模擬晶片、定製化MCU等領域，應用於工業控制、智能家居、醫療電子等細分場景。它們多為創新型中小企業，符合上海優質中小企業梯度培育要求，雖規模有限，但產品針對性強，部分企業已成長為專精特新中小企業。（三）物聯網與消費電子配套晶片約180家企業專注物聯網終端晶片、消費電子輔助晶片，如智能穿戴感測器、藍牙晶片、電源管理輔助晶片等，依託上海完善的消費電子產業鏈，實現穩定供貨。這類企業大多依附頭部終端廠商，形成協同發展格局，也是上海IC設計產業營收穩步增長的重要支撐。 (1 ic芯網)

晶片行業傳來重磅資料。據最新資料，今年前20天，號稱全球經濟“金絲雀”的韓國出口半導體總金額達107.3億美元，約合人民幣747億元，同比大幅增長超70%。昨晚，美股晶片股普漲，費城半導體指數漲3.18%，刷新歷史新高。當前的晶片市場，正經歷著一場前所未有的“漲價”風暴。這不是傳統的周期性回暖，而是一場由生成式AI浪潮驅動的結構性變局。據報導，DDR5記憶體顆粒現貨漲幅已超300%，甚至出現單條伺服器記憶體價格突破4萬元的奇觀。儲存巨頭們正以前所未有的議價能力，向市場宣告：高端產能已被AI鎖定，短缺成為當下的常態。這種熱度已迅速從產業鏈傳導至二級市場。作為晶片產業最鋒利的“矛”，晶片設計環節因其高毛利、輕資產、高彈性的特徵，成為當下熱門賽道。科創晶片設計ETF天弘(589070)所跟蹤的標的指數——科創晶片設計指數，年內13個交易日漲幅20.58%，成為市場領漲類股。01 186.68%！聚焦業績爆表的晶片指數從產業鏈角度看，晶片通常分為設計、製造、封測三大環節。其中，設計位於最上游，決定晶片的架構、性能、功耗以及最終應用場景。從全球產業歷程看，晶片設計往往是產業鏈中附加值最高、毛利率最集中的環節。以海外為例，輝達、AMD等公司並不直接參與製造，卻通過持續推出高性能晶片，佔據算力體系的核心位置。國內市場，正在經歷類似的結構變化。在外部高端晶片獲取難度上升、內部算力需求持續擴張的雙重背景下，自主晶片設計能力的重要性被不斷強化。需求並未減弱，反而更加集中地指向一個核心問題——能否形成穩定、可持續的本土供給能力。在算力需求持續放大的時代背景下，晶片設計環節的變化，也逐漸體現在經營資料中。算力需求的擴張，反映在了晶片設計企業的基本面中。以科創晶片設計ETF天弘(589070)跟蹤的上證科創板晶片設計主題指數為例，成份股去年前三季度營收同比增長34.27%，淨利潤同比增長186.68%，淨利潤增速斷層領先同類晶片指數。(本文內容均為客觀資料資訊羅列，不構成任何投資建議）02 20CM新工具！跟蹤市場上優質的晶片設計主題指數科創晶片設計ETF天弘(589070)標的指數的成份股全部來自科創板，單日漲跌幅上限為20%。相較於傳統寬基指數，其價格彈性更高，也更貼近科技成長類股的波動特徵。該指數高度聚焦晶片設計環節，是市場上純正設計主題指數，數字晶片設計佔比約76%，模擬晶片設計佔比約18%，覆蓋AI算力體系中的多個核心方向，包括計算晶片、儲存晶片以及關鍵模擬器件等。眾所周知，晶片設計處於產業鏈利潤分配的頂端。設計公司往往能通過技術溢價獲得更高的毛利回升。相比之下，製造端受資本開支和產能利用率波動影響較大，利潤傳導存在滯後性。在“AI算力自主”戰略下，設計端作為定義晶片架構的源頭，是突破關鍵技術瓶頸的重要環節。從盈利預期看，機構公開一致預期顯示，科創晶片設計ETF天弘(589070)所跟蹤的上證科創板晶片設計主題指數未來兩年的營收和淨利潤增速仍處於較高區間：2025年、2026年指數營收增長率預期分別為38.48%、31.33%，淨利潤增長率預期分別為247.70%、75.42%，整體高於多數同類晶片指數。從歷史表現看，2024年、2025年上證科創板晶片設計主題指數收益率分別為35.54%、60%，在同類晶片主題指數中表現相對突出。這些資料，並不指向短期走勢判斷，而是反映了算力需求擴張、國產替代推進與產業升級多重因素疊加後的階段性特徵。03 把晶片設計，放回更長的時代坐標中當下再討論晶片設計，已經很難只停留在單一行業層面。它所關聯的，不僅是某一細分賽道的景氣變化，更牽動著產業安全、技術路徑選擇，以及長期競爭力的建構方式。從“十五五”規劃對新質生產力的持續強調，到國產算力生態的逐步成形，中國晶片產業正處在一個必須穿越、無法迴避的關鍵階段。問題早已不再是“能不能替代”，而是“能否形成完整、可持續的能力體系”。在這一過程中，晶片設計處於極為關鍵的位置——它定義架構，決定性能，是整個產業鏈的重要環節。資本市場的作用，並非替代產業本身的判斷，而是在這一長期、複雜的演進過程中，提供一種可被理解、可被跟蹤的結構化觀察工具。跟蹤上證科創板晶片設計主題指數的科創晶片設計ETF天弘(589070)於1月23日上市，本質上正是產業演進與市場機制之間的一次銜接：一端，是持續深化的晶片設計能力；另一端，是以指數形式呈現的階段性表達。當算力逐漸演變為基礎設施，當晶片成為時代變數，市場所觀察到的，已不只是某一條賽道的漲跌，而是生產力底座正在發生的系統性變化。在外部環境方面，受貿易摩擦持續影響，高製程晶片及相關裝置的獲取難度不斷上升，上游半導體產業鏈的供給缺口，正倒逼自主可控處理程序加速推進。同時，在“信創”等政策的持續推動下，國內市場資源進一步向國產廠商集中，國產化替代進入加速階段。這一趨勢在核心計算晶片領域尤為明顯。根據Gartner與摩根士丹利的預測，中國雲端AI 晶片市場規模有望在2027年達到40億美元：其中，GPU作為當前AI算力的主力，其國產化率預計將從2023年的24%大幅提升至2027年的82%，在AI訓練與推理等關鍵環節，“卡脖子”問題有望得到階段性緩解。與此同時，隨著AI技術，尤其是AI Agent進入快速演進階段，CPU作為通用計算與任務調度的核心，其產業生態也正迎來關鍵拐點。AI Agent對CPU的需求呈現出明顯的乘數效應：一方面，智能體具備自主修復與反覆嘗試能力，使原本由人工等待造成的時間成本，轉化為持續、穩定的系統計算負載；另一方面，Agent呼叫工具的速度遠超人類個體，短時間內即可生成大量臨時處理程序。隨著智能體逐步普及，CPU所承受的算力壓力將呈幾何級數放大。因此，國產替代的推進正呈現出雙線平行的特徵：一方面，需要在已經出現突破窗口的GPU等專用算力晶片上持續鞏固優勢，實現從“可用”向“好用”的躍遷；另一方面，也必須在CPU等基礎通用晶片的自主設計上加快步伐，以匹配AI新階段對系統性算力的需求。圍繞計算晶片實現全面自主可控，正在成為行業內部逐漸凝聚的共識。這種變化，未必喧嘩，卻足夠深遠。 (ETF進化論)