#英飛凌
MCU巨頭,全部明牌
前言在很長一段時間裡,嵌入式計算的世界是穩定而克制的。MCU 的核心使命只有一個:可靠、即時、低功耗。性能不需要年年翻倍,架構也不追求激進創新。Flash、SRAM、CPU 核心,加上一套成熟的軟體工具鏈,足以支撐工業控制、汽車電子和各類終端裝置穩定運行十幾年。但在最近兩三年,這套秩序正在被悄然打破。變化並不是從“算力焦慮”開始的。與伺服器、GPU 世界不同,MCU 並不渴望更高的 TOPS,也不需要跑動輒百億參數的大模型。事實上,真正的壓力是來自邊緣裝置,它們被賦予了越來越多“理解環境、做出判斷”的任務:感測器資料融合、異常檢測、圖像識別、語音喚醒、預測性維護。這些能力並不要求極致性能,卻對即時性、功耗可控性和系統確定性提出了前所未有的要求。在MCU的幾大巨頭——TI、英飛凌、NXP、ST、瑞薩眼中,行業正在經歷一場革命,AI不再只是跑在MCU上的軟體,而是開始反向塑造MCU本身的架構,不僅是生產工藝從傳統40nm邁向22nm、16nm甚至更先進節點,還整合了包括NPU在內的多個模組,同時新型儲存器也從幕後走向台前。至此,MCU的發展已走出全新脈絡。市場真正需要的,不是單純“更快”的MCU,而是能在堅守傳統優勢的基礎上,原生支援AI工作負載的全新架構。為什麼要塞NPU?相信不少人都有一個疑問:為什麼連MCU都要塞NPU模組呢?實際上,這一輪MCU整合NPU的邏輯,與手機、伺服器完全不同。在移動端和資料中心,NPU的目標是追求更高的TOPS數值、更快的推理速度、更複雜的模型支援。但在嵌入式領域,NPU更多是確保整個系統運行的穩定性。目前的工業和汽車場景本質是即時控制系統。在電機控制、電源管理、ADAS決策這些應用中,系統必須在幾微秒到幾毫秒的固定時間窗口內完成響應。傳統架構下,如果讓CPU同時承擔控制和AI推理,就會出現致命問題:AI推理任務會佔用CPU資源,導致控制中斷被延遲,破壞系統的時間確定性。而NPU的價值在於實現“算力隔離”。它把AI推理從主控制路徑中剝離出來,讓CPU專注於確定性任務,AI推理在獨立的硬體單元上運行,這樣就解決了嵌入式AI一個關鍵矛盾:既要智能,又不能犧牲即時性。嵌入式系統的另一個關鍵約束是功耗預算。工業物聯網裝置往往需要電池供電運行數年,汽車晶片的工作溫度範圍從-40°C到150°C,任何功耗波動都可能導致系統過熱或電池提前耗盡。而專用NPU通過固定的MAC陣列和脈動陣列架構,使得功耗變得可預測,在邊緣側場景如人臉識別、影像處理等應用中,NPU易開發、高效能、低功耗等優勢正逐漸突顯。因此你會看到一個有趣的現象:所有MCU廠商的NPU都表現得很“克制”。算力從幾十GOPS到數百GOPS不等,遠低於移動端NPU的數TOPS等級,更不用說雲端GPU的數百TOPS。就目前而言,嵌入式NPU更像是MCU架構裡的“減震器”,而不是“發動機”。它的作用是吸收AI工作負載的衝擊,保護即時控制的穩定性,而不是追求性能極限。過高的算力意味著更大的晶片面積、更高的功耗、更複雜的熱管理——這些都與嵌入式系統的設計原則相悖。更重要的是,當前邊緣AI應用的模型規模本身就受限。在MCU上運行的神經網路通常是經過深度最佳化的輕量模型:參數量從幾萬到幾百萬,推理一次只需幾毫秒到幾十毫秒。幾百GOPS的算力已經足夠,再高就是浪費。總而言之,MCU中的NPU不是算力競賽的產物,而是嵌入式系統在AI時代重構自身架構的必然選擇。它的核心價值不在TOPS數字,而在於讓AI與即時控制和諧共存,在確定性、低功耗、小面積之間找到最佳平衡點。MCU巨頭,如何看待NPU值得一提的是,幾大巨頭儘管在整合NPU這條主線上達成了一致,但在具體實現和應用上有著各自側重點。TI:即時控制與AI深度融合,聚焦工業與汽車安全場景TI的戰略核心是將NPU能力深度植入其優勢的即時控制領域,強化“控制+AI”一體化解決方案,而非單純追求算力提升。這一戰略精準匹配了工業電機控制、汽車故障檢測等對即時性和可靠性要求極高的場景需求——畢竟在這些場景中,AI的價值在於提升檢測精度和響應速度,而不能干擾核心控制任務的執行。產品層面,TI推出的TMS320F28P55x系列是業界首款整合NPU的即時控制MCU,基於其經典的32位C28x DSP核心,主頻150MHz,具備與300MHz Arm Cortex-M7相當的即時訊號處理能力。該系列內建的NPU專門針對摺積神經網路(CNN)模型最佳化,核心作用是將AI推理任務從主CPU剝離,實現算力隔離,相比純軟體實現降低5-10倍延遲,同時將故障檢測準確率提升至99%以上。例如在電弧故障監測、電機故障診斷等應用中,NPU可即時分析電流、電壓資料並快速識別異常,而CPU則專注於電機驅動、電源管理等確定性控制任務,兩者協同確保系統在微秒級時間窗口內完成響應。為降低開發門檻,TI配套推出Edge AI Studio工具鏈,覆蓋從模型訓練、最佳化到部署的全流程,即使是缺乏AI經驗的工程師也能快速完成智能控制方案開發。此外,該系列還滿足ISO 26262、IEC 61508等功能安全標準,最高支援ASIL D等級,進一步適配汽車和工業安全關鍵場景的需求。英飛凌:借力Arm生態,打造通用型低功耗AI MCU平台英飛凌選擇“Arm架構+生態協作”的輕量化路線,戰略重心是降低邊緣AI的開發門檻,快速覆蓋消費物聯網、工業HMI等廣泛場景。其核心邏輯是:通過復用成熟的Arm Cortex-M核心與Ethos-U55微NPU組合,在保證低功耗的前提下,快速實現AI能力的規模化落地,同時依託完善的工具鏈降低客戶遷移成本。產品上,英飛凌推出的PSOC Edge E8x系列(E81、E83、E84)形成了梯度化佈局:基礎款E81採用Cortex-M33核心搭配自研NNLite超低功耗加速器,滿足簡單語音識別、手勢檢測等輕量AI需求;高端款E83、E84則升級為Cortex-M55核心+Arm Ethos-U55 NPU的組合,支援Arm Helium DSP指令集,機器學習性能較傳統Cortex-M系統提升480倍。其中,Arm Ethos-U55作為專為嵌入式設計的微NPU,可在毫瓦級功耗下實現AI加速,完美匹配物聯網裝置的長續航需求。生態建設是英飛凌的核心競爭力:該系列全面相容ModusToolbox軟體開發平台,並整合Imagimob Studio邊緣AI開發工具,提供從資料採集、模型訓練到部署的端到端支援,同時內建豐富的預訓練模型和入門項目,幫助客戶快速上手。應用場景覆蓋智能家居安全系統、工業機器人HMI、可穿戴裝置等,其中E83、E84可支援人臉/物體識別、視覺位置檢測等更複雜的AI任務,E84還新增低功耗圖形顯示功能,進一步拓展了高端HMI應用場景。NXP:自研NPU+軟體生態,聚焦高靈活性邊緣AI部署NXP的戰略特色是“硬體可擴展+軟體全端”,通過自研eIQ Neutron NPU核心,結合統一的eIQ AI軟體工具包,打造兼顧靈活性與性能的邊緣AI解決方案。其核心目標是滿足工業機器人、智能汽車等場景對多樣化神經網路模型的支援需求,同時保證系統在低功耗下的即時響應能力。硬體層面,NXP的eIQ Neutron NPU採用可擴展架構,可根據應用需求靈活調整算力配置,支援CNN、RNN、Transformer等多種神經網路模型,適配從簡單語音喚醒到複雜圖像分類的全場景需求。該NPU被深度整合到MCU和MPU產品中,通過“CPU+NPU+DSP”的異構架構實現算力隔離,確保AI推理不影響核心控制任務的執行。例如在工業機器人應用中,NPU可即時處理視覺感測器資料完成路徑規劃,CPU則專注於電機驅動、運動控制等確定性任務,兩者協同提升系統響應速度。軟體生態是NXP的核心支撐:eIQ AI軟體工具包提供統一的開發介面,支援TensorFlow Lite、PyTorch等主流機器學習框架,實現“自帶模型”“自帶資料”的本地化處理流程,既降低了網路延遲和頻寬依賴,又提升了資料隱私安全性。此外,NXP還提供豐富的預訓練模型庫和應用示例(如目標識別、手寫數字識別、LLM部署演示),並通過GoPoint應用程式碼中心提供詳細教學,加速客戶開發處理程序。ST:自研NPU突破性能上限,主攻高性能邊緣視覺場景ST的戰略方向是“自研NPU+高性能核心”,聚焦工業視覺、高端消費電子等對AI算力有較高要求的場景,通過自主研發的Neural-ART Accelerator NPU,在保證即時性的前提下,突破傳統MCU的AI性能邊界。其核心邏輯是:針對電腦視覺等複雜邊緣AI任務,需要更強大的專用算力支撐,但仍需嚴格控制功耗和晶片面積,避免與嵌入式設計原則相悖。產品上,ST推出的STM32N6系列是其首款整合自研NPU的MCU,基於800MHz的Arm Cortex-M55核心,首次引入Arm Helium向量處理技術,同時搭載主頻高達1GHz的Neural-ART Accelerator NPU,AI算力可達600 GOPS——這一數值雖遠低於移動端NPU,但已能滿足高解析度圖像處理、多模型平行運行等複雜需求。為適配視覺應用,該系列還整合了MIPI CSI-2介面、圖像訊號處理(ISP)管線和H264硬體編碼器,形成完整的電腦視覺處理鏈路,可直接連接多種攝影機,實現即時圖像分類、目標檢測等功能。硬體設計上,STM32N6配備4.2MB連續嵌入式RAM,並支援高速外部儲存器介面(hexa-SPI、OCTOSPI等),為神經網路模型儲存和運行提供充足記憶體保障;同時具備先進的安全特性,目標通過SESIP 3級和PSA 3級認證,滿足工業和消費場景的安全需求。生態方面,該系列無縫整合ST的邊緣AI套件和TouchGFX圖形軟體包,提供完善的開發工具和參考設計,加速高端視覺AI產品的落地處理程序。瑞薩:雙核異構+安全強化,深耕邊緣AIoT高可靠場景瑞薩的戰略核心是“異構架構+安全第一”,通過“高性能核心+專用NPU+安全引擎”的組合,聚焦智能家居、工業預測性維護等對可靠性和安全性要求極高的邊緣AIoT場景。其核心邏輯是:邊緣裝置的本地化AI處理不僅需要即時性和低功耗,還需應對日益增長的網路安全威脅,因此NPU整合必須與安全架構深度融合。產品層面,瑞薩推出的RA8P1 MCU和RZ/G3E MPU形成了高低搭配:RA8P1作為32位AI MCU,採用1GHz Cortex-M85與250MHz Cortex-M33的雙核架構,搭配Arm Ethos-U55 NPU,AI算力達256 GOPS,可實現語音識別、圖像分類、異常檢測等任務,同時支援Arm TrustZone安全執行環境、硬體信任根和先進加密引擎,確保AI模型和資料的安全;RZ/G3E作為64位MPU,採用四核Cortex-A55+Cortex-M33架構,同樣整合Ethos-U55 NPU,算力提升至512 GOPS,可處理更複雜的邊緣AI任務,如高畫質圖像分析、多感測器資料融合等。為簡化開發,瑞薩推出RUHMI(穩健統一異構模型整合)框架,支援TensorFlow Lite、PyTorch等主流ML格式,可幫助開發人員快速匯入並最佳化預訓練模型,同時通過e² studio整合開發環境提供直觀的偵錯工具和示例應用。此外,瑞薩還在推進後量子密碼學(PQC)等零接觸安全解決方案,以抵禦量子計算時代的網路威脅,進一步強化邊緣AI系統的安全性。新型儲存,應運而生如果說NPU的引入解決了算力隔離問題,那麼儲存架構的變革則是支撐整個AI化轉型的底層基礎設施,當AI+NPU把傳統Flash推到了技術極限之際,新型儲存也順勢成為了巨頭們的共同選擇。首先需要明確的是,一旦MCU引入NPU和AI能力,傳統Flash架構的問題立刻暴露無遺。第一重困境是模型生命周期管理。邊緣AI不是訓練一次就能永久使用,而是需要持續迭代。在汽車應用中,OTA已經成為標配,AI模型可能每月甚至每周更新。但Flash的擦寫壽命只有幾千到數萬次——如果每次更新都擦寫Flash,晶片可能在車輛報廢前就已失效。第二重困境是即時學習與參數快取。邊緣AI不僅要推理,在某些場景還需要線上調整參數或進行增量學習。傳統架構中,模型參數儲存在Flash,推理時載入到SRAM。但SRAM容量有限(通常只有幾MB)且易失,斷電即失。這種架構無法支援“邊緣學習”這一新興需求。第三重困境是啟動路徑和讀取性能。嵌入式AI裝置往往要求“上電即跑”——工業現場的裝置可能頻繁斷電重啟,每次啟動延遲都會影響生產效率。Flash的讀取延遲和預熱時間,在這種場景下成為明顯短板。行業資料顯示,用Flash更新20MB程式碼需要約1分鐘,而新型儲存可以將這個時間縮短到3秒。但真正壓垮Flash的,是製程擴展的物理極限。嵌入式Flash的工藝擴展到40nm以下極其困難——不僅各項參數退化,而且難以整合到高K金屬柵極等先進工藝中。這意味著,當MCU需要向28nm、22nm甚至16nm演進以獲得更高性能和更低功耗時,Flash成為最大的拖累。為什麼MCU需要先進製程?因為NPU的算力需求。幾百GOPS的NPU,在40nm工藝下面積和功耗都難以接受。要實現“小面積、低功耗、高算力”的組合,必須向更先進工藝遷移。但Flash去不了,整個晶片就被鎖死在40nm。這就是為什麼全球MCU巨頭幾乎同時在2024年前後押注新型儲存。不是因為技術成熟,而是因為必要性愈發突出——AI+NPU倒逼儲存升級,儲存升級才能解鎖先進製程,先進製程才能支撐更強的邊緣智能。新型儲存的推動力不僅來自性能需求,也來自可靠性要求。車規級晶片要求工作溫度範圍-40°C到125°C甚至150°C,資料保持時間10年以上,抗輻射、抗電磁干擾。傳統Flash在高溫下性能嚴重衰減,已難以滿足新一代汽車電子的標準。工業應用同樣嚴苛。在預測性維護系統中,感測器資料需要頻繁寫入儲存;在能量收集系統中,裝置可能在極低功耗下間歇運行;在安全關鍵場景中,儲存器不能因為意外斷電而丟失關鍵資料。這些需求,傳統Flash都難以勝任。但就和NPU的應用一樣,巨頭在選擇新型儲存技術上,也出現了分歧。多條路線,百花齊放目前,行業內出現了四條主要的新型儲存技術路線,每一條都有其獨特優勢和適配場景,且都有巨頭佔位押注,呈現出了新型儲存的多元生態。MRAM:高可靠,車規與工業的優選MRAM(磁阻儲存器)跳出了傳統 Flash、EEPROM 依賴 “電荷保持” 的儲存邏輯,轉而利用電子自旋方向記錄資訊,成為新型非易失性儲存中少有的 “非易失性 + 高速 + 高耐久” 黃金組合。其中 STT-MRAM(自旋轉移矩)與 SOT-MRAM(自旋軌道矩)兩大分支,在工藝成熟度、可量產性和嵌入式整合能力上已形成明顯領先,成為產業主流選擇。它的優勢恰好精準匹配車規與工業級 MCU 的核心痛點:讀寫次數理論上接近無限,寫入延遲顯著低於嵌入式 Flash,功耗更低,且能在–40°C 至 150°C 的寬溫區間穩定工作,天生適配汽車電子、工業控制等高可靠場景,早已不是停留在概念階段的技術,而是具備工程落地能力的成熟方案。也正因如此,NXP 與瑞薩兩大巨頭不約而同將 MRAM 作為重點押注方向,率先完成了從研發到量產的跨越。NXP 是業界最早實現先進製程嵌入式 MRAM 量產的汽車 MCU 廠商之一。2022 年便啟動 16nm FinFET 工藝嵌入式 MRAM 的研發與量產準備,2023 年正式推出搭載該技術的 S32K5 系列汽車 MCU。依託台積電 16nm FinFET eMRAM 工藝,它徹底打破了傳統 Flash 在先進製程下難以整合、良率受限、功耗偏高的結構性瓶頸。其核心戰略是 “先進製程 + 高性能嵌入式儲存” 深度繫結,通過 S32K5 系列將 MRAM 的高速寫入、高耐久特性,直接服務於汽車 AI 演算法部署、頻繁 OTA 更新、生命周期內軟體持續演進等新需求,為軟體定義汽車(SDV)築牢底層基礎。瑞薩的推進節奏同樣迅速,且形成了差異化定位。它已完成嵌入式 MRAM 的量產級整合,2024 年實現 22nm 工藝 eMRAM 的研發整合,並在 2025 年 7 月發佈搭載該技術的 RA8P1 MCU,讓 MRAM 成為第二代 RA8 系列的核心技術標籤。瑞薩更強調 “異構架構 + 安全優先”,通過 RA8P1 MCU 將 MRAM 的高耐久、高可靠優勢,落地到智能家居、工業預測性維護、邊緣 AIoT 等對穩定性與即時性要求極高的場景中。RRAM:存算一體,兼顧性能與靈活第二條路線是 RRAM(阻變隨機儲存器),通過電壓控製材料電阻狀態儲存資料,不僅結構簡單、儲存密度高,更特別適配存算一體化架構 —— 這一特性讓它在 AI 時代具備天然優勢。相較於 NAND Flash,RRAM 讀寫速度更快、壽命更長,還能實現多位儲存提升空間利用率,且支援按位寫入無需擦除,延遲可降低 1000 倍,完全能滿足未來智能駕駛的高即時資料吞吐量需求。英飛凌是 RRAM 路線的核心推動者。2022 年便與台積電宣佈合作,明確將台積電 RRAM 技術引入下一代 AURIX MCU,採用 28nm 製程重點突破汽車場景儲存瓶頸;後續合作進一步深化,台積電為其提供 22nm 製程 RRAM 技術,支撐更高性能 MCU 產品研發。在產品落地層面,英飛凌將 RRAM 全面融入 AI MCU 產品線,核心覆蓋兩大系列:面向汽車場景的 AURIX MCU,通過 28nm 製程 RRAM 整合,滿足高頻 OTA 更新、高溫環境可靠運行的需求;面向物聯網與工業場景的 PSoC Edge 系列,標配自研超低功耗 NNLite 神經網路加速器與台積電 RRAM 儲存器,形成 “CPU+NPU / 加速器 + RRAM” 的協同架構。英飛凌強調,RRAM 為 AI MCU 帶來三大核心價值:低功耗特性適配物聯網裝置長續航需求,支撐 “始終線上” 的感測與響應;可擴展的片上非易失性儲存能力,搭配高速安全的外部儲存器介面,滿足邊緣 AI 模型儲存與頻繁參數更新需求;與 NPU / 加速器的協同最佳化,保障語音、圖像等複雜 AI 任務高效執行。值得關注的是,TI 也已入局 RRAM 賽道。據報導,Weebit Nano 已將其 ReRAM 技術授權給 TI,將整合到 TI 先進嵌入式處理器工藝節點中,協議涵蓋智慧財產權許可、技術轉讓及工藝設計認證。這款 ReRAM 具備低功耗、高性價比優勢,高溫保持性能優異,已通過 AEC-Q100 150°C 運行認證。TI 嵌入式處理高級副總裁 Amichai Ron 表示,此次合作將讓客戶獲得性能、規模和可靠性兼具的業界領先非易失性儲存技術,進一步鞏固 TI 在嵌入式處理器領域的領先地位。PCM:大容量,突破儲存密度瓶頸PCM(相變儲存器)的核心原理的是利用相變材料在非晶態與結晶態之間的可逆相變,通過不同電阻值實現非易失性儲存。這種獨特機制讓它在密度、讀寫速度與整合能力上形成差異化優勢:相較於傳統嵌入式 Flash 和其他新型儲存,PCM 能實現更高儲存密度和更大片上容量,同時具備較低功耗,特別適合工業控制、汽車嵌入式系統、邊緣 AI 裝置等需要大容量、高效儲存的場景,為突破傳統儲存制約、提升 MCU 系統級性能開闢了新路徑。ST 是 PCM 技術的主要倡導者,通過與三星的長期合作持續推動其落地。從早期在 28nm FD-SOI 工藝上試水 ePCM(嵌入式相變儲存),到聯合開發 18nm FD-SOI 工藝並整合 ePCM,兩家公司不僅實現了儲存密度的大幅提升,更打破了 MCU 工藝節點長期受限於傳統嵌入式 Flash 的困境,為車規及嵌入式 AI 提供了全新技術基礎。PCM 的核心競爭力在於超高儲存密度:同等工藝節點下,ePCM 能提供更大非易失性儲存容量,讓單晶片可整合更多應用資料和程式碼,尤其適配需要大容量、高效存取的大規模嵌入式系統。此外,借助 FD-SOI 平台的電學優勢,ePCM 的性能 - 功耗比相較於傳統 Flash 也有明顯提升,為整合 AI 推理引擎、圖形加速器等高計算負載模組提供了更充足的片上資源。在產品實踐上,ST 與三星合作開發的 18nm FD-SOI + ePCM 技術已進入樣品及預量產階段。基於這一工藝的下一代 STM32 系列微控製器,預計 2024 年下半年出樣、2025 年下半年量產,成為行業首批突破 20nm 工藝壁壘、整合 ePCM 的高性能 MCU。新架構不僅儲存容量優於傳統方案,還能在更低功耗下支撐更複雜的嵌入式軟體堆疊和 AI 工作負載,讓 MCU 在泛汽車、工業自動化和高端邊緣計算領域具備更強系統級競爭力。FRAM:低功耗,適配高頻寫入場景FRAM(鐵電儲存器)利用鐵電材料的極化狀態儲存資訊,完美融合了 RAM 的高速寫入與 Flash 的非易失性優勢。與傳統 EEPROM 和 Flash 不同,FRAM 無需依賴電荷泵高壓擦寫,因此擁有極低寫入延遲、幾乎無限的擦寫壽命和超低能耗,且無需複雜擦除操作,可直接按位執行寫入更新。這些特性讓它在需要頻繁寫操作、嚴苛能耗預算和高度系統確定性的場景中脫穎而出 —— 寫入速度接近 SRAM 等級,耐寫次數可達數兆次,特別適合資料高速記錄、即時狀態保存等應用。TI 是 FRAM 技術的早期探索者和長期深耕者,早在 2000 年代初便啟動相關研發,逐步將其整合到產品線中,完成了從技術驗證到規模化應用的完整跨越。TI FRAM 技術的核心載體是 MSP430FR 系列微控製器,形成了獨特的 “超低功耗 + 高可靠 FRAM 儲存” 平台。產品覆蓋從幾 KB 到數百 KB 的 FRAM 容量,搭配豐富的片上模擬 / 數字外設、DMA、低功耗模式等特性,能靈活滿足不同工業、通訊與控制系統的儲存與控制需求。這些 FRAM MCU 不僅具備傳統嵌入式控制功能,更通過 FRAM 特性簡化了韌體設計、提升了效率:掉電或低功耗模式下仍能保持資料完整性,支援直接按字寫入,可同時用作程序儲存、常數資料和執行階段資料,在高速寫日誌、狀態保存、重複寫入小資料單元等場景中價值尤為突出。TI 還圍繞 FRAM 建構了完整的軟體工具生態,例如針對 MSP430FRxx 產品的 FRAM 實用程序包,能幫助開發者充分利用 FRAM 的低功耗與高寫入特性,最佳化應用設計、實現掉電資料保存及快速喚醒等功能,進一步降低開發門檻,加速 FRAM MCU 的工程落地。寫在最後當我們回望近幾年的MCU市場,會發現一個事實:當NPU成為標配、新型儲存成為架構級選擇時,MCU實際上已經不再只是微控製器,而是在向“微型、確定性、低功耗的系統級計算平台”演化。這會帶來三個深遠影響。首先,Flash的統治地位開始鬆動。過去40年,Flash憑藉成熟的工藝和成本優勢牢牢佔據嵌入式儲存市場。但AI化浪潮暴露了其致命缺陷:有限的擦寫壽命、緩慢的寫入速度、難以向先進製程擴展。MRAM、RRAM、PCM、FRAM雖然各有權衡,但在特定場景展現出壓倒性優勢。未來五年,我們將看到嵌入式儲存市場的多元化競爭格局。其次,嵌入式AI的護城河轉向工藝與架構協同。早期的邊緣AI方案往往是“通用MCU+外掛AI晶片”,這種分離式架構在功耗、延遲、成本上都不理想。整合NPU和新型儲存的MCU,其價值不在於單個模組的性能,而在於系統級最佳化:資料不需要在晶片間搬運、功耗可以全域管理、安全邊界更容易劃定。這種深度整合能力,成為下一階段競爭的核心。第三,國產MCU和儲存廠商將迎來結構性機會窗口。傳統MCU市場被國際巨頭壟斷,技術壁壘高、生態封閉。但AI化轉型帶來架構重構,新型儲存技術尚未完全定型,這為後來者提供了彎道超車的可能。我們還需要認識到,這場變革才剛剛開始。當前的MCU+NPU方案主要聚焦於推理,模型訓練仍在雲端。但聯邦學習、增量學習等技術正在發展,未來的邊緣裝置可能具備一定的線上學習能力。新型儲存的非易失性和快速讀寫特性,將成為支撐這種演進的關鍵。更值得關注的是應用場景的拓展。工業物聯網領域,帶NPU的MCU可以實現裝置級的預測性維護,大幅降低停機成本。智能家居中,本地AI推理保護了使用者隱私,也擺脫了對雲服務的依賴。醫療可穿戴裝置可以在毫瓦功耗下完成心電訊號分析。自動駕駛輔助系統能夠在嚴苛環境下可靠運行。每一個場景背後,都是NPU與新型儲存協同工作的結果。歷史總是在重複。40年前,MCU替代分立器件,開啟了嵌入式系統的第一次革命。今天,AI+NPU+新型儲存的組合,正在開啟第二次革命。不同的是,這次變革的速度更快、影響更深遠、留給落後者的時間更少。 (半導體行業觀察)
英飛凌在馬投資300億令吉,建造200毫米碳化矽功率半導體工廠!
近日,德國半導體巨頭英飛凌科技(Infineon)落實在馬來西亞300億令吉額外投資,在吉打居林高科技工業園興建全球最大200毫米碳化矽功率半導體工廠,不僅鞏固大馬作為全球半導體製造重鎮的地位,也為本地帶來1500個高薪職位。投資、貿易及工業部長拿督斯里東姑札夫魯指出,這項潛在投資是首相拿督斯里安華於訪德期間,在與英飛凌科技高層會晤後所宣布,目前已正式落實。他在X平台發文指出,該廠房第一階段不僅已建成,也已正式投入運作。這項設施的啟用,顯示州政府對聯邦政府在推動吉打吸引更多投資方面所做努力的肯定。他補充,英飛凌科技也透過今年1月15日推行的本地供應商發展計劃,支持本地中小企業,目前已有139家本地公司受惠。東姑札夫魯強調,這項重大投資體現英飛凌科技對馬來西亞的信心,成功從潛能邁向實際成果。圖片來源:英飛凌官微圖為位於居林的英飛凌碳化矽功率半導體晶圓廠根據大馬投資發展局(MIDA)文告,這是英飛凌在居林高科技園廠房的第三期擴充計劃,而首期已投資了20億歐元(98億令吉)、第二期2024年8月又加碼投資50億歐元(約245億令吉),此次額外想要增加300億令吉,表明了英靈化的新國元打造經濟。該廠將成為英飛凌最大的200 毫米前端製造基地,專注於汽車、綠色工業電力和電源及感測器系統。(第三代半導體產業)
全球半導體,再現併購潮
近段時間來,全球半導體產業併購潮湧動,高通、AMD、英飛凌、恩智浦等巨頭接連出手,技術整合與市場擴張同步加速。這些動作不僅展現了企業在激烈的市場競爭中尋求強強聯合、優勢互補的戰略考量,也預示著半導體產業格局可能迎來新的變革。透過審視近期國際半導體企業收併購案例,筆者大致總結出四個關鍵詞:AI、MCU+、汽車與EDA。AI巨頭,查漏補缺 連續收購3家AI公司,AMD正面迎戰輝達在AI晶片市場,輝達的領先地位已經持續多年,但AMD顯然不想再當「老二」。近期,AMD動作頻頻。在短短10內連續宣佈多項重要收購,加拿大的Untether AI、美國的編譯器團隊Brium,以及主攻光子晶片的Enosemi公司,覆蓋從硬體架構、軟體編譯到晶片互聯的完整AI技術鏈條。這幾筆交易明確顯示了AMD致力於進一步鞏固其在人工智慧領域的競爭實力,以及挑戰輝達在AI硬體領域統治地位的堅定決心。AMD收購AI晶片創業公司Untether AI6月5日,AMD宣佈達成戰略協議,收購了加拿大AI推理晶片公司Untether AI的整個硬體與軟體工程師團隊。Untether AI成立於2018年,核心業務是基於「近記憶體計算」架構開發AI推理晶片,將AI推理計算靠近記憶體執行,減少資料搬運。其優勢顯著,推出的speedAI240推理加速卡在ResNet-50圖像分類基準測試中,於資料中心與邊緣裝置兩類場景均取得「最快」成績,且功耗僅75W,性能達2 PFLOPS,走出了一條「高效、省電、小巧」的技術路線,與輝達大功率GPU思路不同。 Untether AI的產品比競爭對手在邊緣和資料中心場景更快速、節能,已與Ampere Computing、Arm等半導體公司及多家解決方案提供商建立合作,產品受市場歡迎。AMD收購該團隊,目的在於補足自身在記憶體計算架構方面的能力,在資料中心和邊緣AI領域實現差異化佈局。隨著AI發展,當前高功耗AI GPU在推理場景存在功耗浪費,終端側對高效AI推理晶片需求增長,AMD此舉意在增強自身在AI推理市場競爭力,挑戰輝達。收購後,團隊將提升AMD在AI編譯器、核心開發、數字與SoC設計、設計驗證及產品整合等方面的能力。此前,AMD已通過收購Xilinx、Pensando、Silo AI、Mipsology、ZT Systems等企業強化異構計算、網路加速、AI模型訓練和推理等能力。未來AMD可望藉助此次收購,結合先前收購成果,建構抗衡輝達AI技術堆疊的方案,推動自身在AI領域的發展。AMD收購AI軟體最佳化創業公司Brium6月4日,AMD宣佈收購AI編譯器公司Brium。據理解,Brium成立於2024年,此前處於「隱身」營運,由在機器學習、人工智慧推理和性能最佳化方面具備深厚專業知識的編譯器及人工智慧軟體專家組成。 Brium的核心業務是專注於AI編譯器研發,堪稱晶片的“翻譯官”,能將複雜AI模型任務轉化為晶片可理解並高效執行的指令程式碼。 Brium具備獨特優勢,擁有在編譯器技術、模型執行框架和端對端人工智慧推理最佳化等方面的技術經驗,能在模型到達硬體前對整個推理堆疊進行最佳化,減少對特定硬體配置的依賴,實現更快速、高效的開箱即用AI性能。透過收購Brium,AMD能夠補足技術短板,打破AI軟體開發領域對輝達硬體的依賴,增強自身在AI領域的競爭力。此次收購預計將為AMD帶來諸多價值與賦能:例如,可望提升自家MI300系列GPU在AI任務中的執行效率,初步估算可達30%;Brium團隊將助力AMD在OpenAI Triton、WAVE DSL和SHARK/IREE等關鍵項目上取得進展,使AI平台更高效處理訓練和AMD工作負載; AI軟體堆疊背後的開源工具發展,滿足醫療保健、生命科學、金融和製造等垂直領域客戶的特殊需求,拓寬市場覆蓋範圍。這是AMD為增強與輝達競爭地位而進行的一系列收購之一,未來AMD將藉助Brium的技術,進一步完善自身AI技術版圖,建構高性能、開放的AI軟體生態系統,推動AI業務發展。AMD收購矽光子晶片初創公司Enosemi5月28日,AMD宣佈收購矽光子晶片初創公司Enosemi。據悉,Enosemi成立於2023年,員工僅16人,總部位於矽谷,由半導體背景深厚的專家和博士組成。其核心業務為研發光子積體電路(PIC),將多個光學元件功能整合於單晶片,實現晶片內光的高速資料傳輸,相比傳統電訊號傳輸,速度更快、功耗更低,契合資料中心、AI等對頻寬和效率要求高的場景。並且Enosemi在大規模建構和交付光子積體電路上取得突破,是少數能實現量產交付的光通訊初創公司,具備從晶片設計到系統部署的完整交付能力。AMD收購Enosemi旨在解決AI計算領域的「互連瓶頸」。隨著AI模型規模擴大,傳統電子連接無法滿足晶片間資料互動在頻寬和能耗上的需求,而CPO技術被視為關鍵突破口。此收購,能補充AMD光學研發團隊,使其快速增強在CPO領域產品開發能力,縮短研發周期,提升產品系統效能,並強力應對輝達在AI伺服器系統、GPU互連等方面的領先地位。未來,AMD計畫加速CPO商用部署,將光引擎與AI加速晶片封裝整合;最佳化AI整機系統能效,建構高頻寬、低功耗的AI超算和資料中心;推動AI系統架構向計算與通訊一體的分佈式、整合架構演進;拓展生態協作夥伴,打通產業鏈上下游。這是AMD從「賣晶片」轉型為「提供完整AI系統解決方案」的重要一環。此次收購後,AMD在AI時代的產品佈局將更全面,能提供從中央處理器、圖形處理器到光電子裝置的系統級能力,滿足資料中心和AI叢集對高效能、低能耗的需求,標誌著AI硬體競爭已進入系統全端競爭階段。回顧這幾年,AMD在AI佈局上持續發力:收購Xilinx,獲得了強大的FPGA和AI引擎能力;拿下Pensando,補齊了網路與資料處理短板;整合Silo AI和Mipsology,完善AI軟體生態;最近又把ZT Systems納入麾下,拓展至機架級系統整合。如今再透過Untether AI、Brium、Enosemi等多筆收購,將技術觸角進一步延伸至近記憶體計算、編譯器、光互連等領域。在這一系列「買買買」的背後,是清晰方向和配套思路的系統佈局。AMD正透過合併收購所得的技術和人才,逐步建立起一個包含硬體、軟體、AI在內的全方位科技藍圖,一步步搭建覆蓋「算力+通訊」全鏈條的解決方案,通過系統化、差異化的技術佈局,在新一代AI基礎設施建設中贏得屬於自己的一席之地。輝達“拼圖式併購”,成效顯著 收購GPU租賃商Lepton AI,向「雲+軟體」領域拓展4月8日,輝達完成對GPU租賃商Lepton AI的收購,交易耗資數億美元。據悉,Lepton AI 2023年由阿里前副總裁賈揚清創立,團隊約20人,曾獲得1,100萬美元天使輪融資。Lepton AI致力於為企業提供高效、可擴展的AI應用平台。雖然不直接擁有GPU,卻憑藉「雲原生+多雲整合」技術,以低成本調度全球GPU資源,還開發軟件助力創企建構、管理AI應用。光是成立兩年時間,Lepton AI就被SemiAnalysis評為全球GPU雲服務黃金梯隊「唯一未燒錢囤貨的玩家」。Lepton AI主營業務致力於打磨AI底層基礎設施架構,目標是降低AI 應用開發與部署的門檻。在其願景裡,開發者能透過產品化的方式更容易完成訓練、部署和擴展,從而更有效率地進行大模型的落地與迭代。成立至今陸續推出了兩款核心產品:1)FastGPU主打經濟高效和可靠的雲GPU解決方案,於2024年6月上線,旨在以更具性價比的方式為開發者提供強大的計算資源;2)2023底推出的對話式搜尋引擎Lepton Search,據稱核心代碼量不到500行,卻成功基於Lepton Search,據稱核心代碼量不到500行,卻成功基於Lepton Search,據稱核心代碼量不到500行,卻成功基於Lepton Search,據稱核心代碼量不到500行AI平台實現了智慧搜尋功能,開源版本(GitHub)發布後迅速登上熱榜,讓人不禁想起早期用極簡代碼撬動複雜深度學習框架的「駭客式」創新思維。除了產品,Lepton AI也在推動一系列基礎工具和雲平台建設,例如提供Python SDK支援HuggingFace模型整合,以及透過從GitHub倉庫直接建立AI模型的方式,進一步降低AI開發的門檻。輝達收購Lepton AI,可取得其獨特技術與客戶群體,增強在雲端服務與企業軟體市場實力,建構「晶片+雲平台」端到端解決方案。在收購邏輯上,輝達身為硬霸主,面臨AWS、Google雲等巨頭自研晶片及低價租賃策略衝擊,其壟斷地位受威脅。透過收購,輝達能從硬體向「雲+軟件」領域拓展,鞏固GPU租賃與雲端服務市場,抵禦雲巨頭生態閉環衝擊,還能滲透中小企業市場,推動軟件業務成長,實現從「硬霸主」向「全端服務商」的戰略轉型。收購初創公司Gretel,聚焦AI訓練資料今年3月,輝達收購了總部位於聖地亞哥的初創公司Gretel。據理解,Gretel於2019年創立,其開發了產生合成AI訓練資料的平台,旨在利用微調模型和獨特技術為客戶提供滿足特定需求的AI訓練資料。根據Crunchbase的資料,Gretel在被收購前已獲得超6700萬美元融資,估值3.2億美元,此次收購價達9位數,其約80人團隊併入輝達,其技術將作為輝達為開發人員提供的生成式AI服務套件的一部分進行部署。在戰略併購層面,輝達近年來在AI基礎設施領域動作頻頻。 2024年,輝達7億美元收購群集管理平台Run.ai,優化GPU資源調度,提升利用率40%;3億美元收購模型優化企業Deci,提升模型能源效率比,降低30%推理成本;還納入推理加速工具OctoAI和合成數據公司Gretel...能看到,這些收購覆蓋AI開發全流程,形成晶片到應用的閉環生態,整合至AI Enterprise套件。輝達這種「拼圖式併購」成效顯著,2024年其雲與軟件業務收入破15億美元,三年成長近5倍。如今,在年復合成長38%、2025年規模將破2,000億美元的全球AI雲服務市場中,輝達憑硬體優勢與生態整合再次佔據先機。高通,發力AI 收購Alphawave,加速佈局資料中心市場6月9日,高通宣佈將以約24億美元收購半導體IP廠Alphawave Semi。Alphawave Semi是高速有線連接和計算技術的半導體IP領導者。其核心業務涵蓋提供IP、定製晶片、連接產品和晶片組。需要指出的是,Alphawave的核心技術是SerDes,這是一種主流的時分多路復用(TDM)、點對點(P2P)的序列通訊技術。即在傳送端多路低速平行訊號被轉換成高速序列訊號,經過傳輸媒體(光纜或銅線),最後在接收端高速序列訊號重新轉換成低速平行訊號。這種點對點的序列通訊技術充分利用傳輸媒體的通道容量,減少所需的傳輸通道和裝置引腳數目,提升訊號的傳輸速度,從而大幅降低通訊成本。不僅如此,Alphawave還擁有多製程晶片設計能力,可建構高帶寬、高能源效率SoC系統,推出的光電互連產品線速率高達1.6Tbps。隨著AI、高效能計算(HPC) 和5G 等資料密集型應用的快速擴展,對高效、可靠處理大量資料的連接解決方案需求持續爆發,特別是在AI資料中領域,高速SerDes已經成為了關鍵的資料傳輸連接方案,預計未來市場規模將達到百億美元量級。IPnest資料顯示,在2024年的全球半導體IP市場,Alphawave已發展成為全球第四大半導體IP供應商。作為行動晶片市場的領導者大廠,高通目前還正在大力開拓資料中心市場。但是從零開始開發SerDes技術需要大約兩年的時間和專門的技術知識來支援。如果要達到全球領先級,則需要更長的時間和更多的資源投入。顯然,對於高通來說,收購Alphawave成為了其更好開拓資料中心市場的關鍵舉措。先前高通在伺服器市場因生態與能源效率競爭退場,此次收購補齊了其在互連技術上的短板,為高通Arm架構的AI服務器晶片提供技術支撐。高通對此表示,收購Alphawave旨在進一步加速高通進軍資料中心領域的步伐,並為其提供關鍵資產。此次收購旨在進一步加速高通往資料中心的擴張,並滿足高通Oryon CPU和Hexagon NPU對高效能、低功耗計算日益增長的需求,增強在AI推理領域中對高吞吐量與能源效率兼顧的數據處理能力。透過整合自有的NPU、DSP、通訊與互連IP資源,高通有機會打造從邊緣終端到雲端服務器的垂直一體化AI平台,在資料中心和AI領域競爭中佔據更有利地位,推動其在資料中心市場的戰略佈局。這項舉措不僅體現了高通對AI基礎設施市場的重視,也透露出其重新進入資料中心處理器市場的意圖。收購越南公司MovianAI,押註生成式AI4 月1 日,高通宣佈收購越南AI 研究公司MovianAI。MovianAI 原為越南企業集團Vingroup 旗下VinAI 的生成式AI 部門。作為一家領先的人工智慧研究公司,VinAI 以其在生成式人工智慧、機器學習、電腦視覺和自然語言處理方面的專業知識而聞名。將VinAI 先進的生成式人工智慧研發能力與高通數十年的廣泛研發相結合,將擴大其推動非凡發明的能力。高通表示,此次收購將增強高通的生成式人工智慧研發能力,並加速為智慧手機、個人電腦、軟體定義汽車等產品打造先進的人工智慧解決方案。收購邊緣AI開發平台Edge Impulse,賦能IoT今年3月,高通宣佈將收購邊緣AI開發平台Edge Impulse,希望此舉能擴展其對支援IoT產品的AI能力。據理解,Edge Impulse成立於2019年,在嵌入界的地位不可小覷。 Edge Impulse的開發平台包括用於資料收集和準備、模型訓練、部署和監控的工具,具有少量程式碼或無程式碼介面。開發人員使用Edge Impulse的平台將電腦視覺、時間序列資料、音訊事件和語音識別等AI功能加入到資產追蹤和監控、製造、異常檢測和預測性維護系統中的嵌入式系統中。此次收購,將加速Edge Impulse對高通Dragonwing處理器的支援,目前,Edge Impulse支援Dragonwing QCS6490和QCS5430處理器,併計劃為工業和嵌入式物聯網應用增加對其他Dragonwing處理器的支援。與此同時,Edge Impulse將維護其當前網站,其平台將繼續向來自該公司硬體合作夥伴的MCU、CPU、GPU和NPU用戶開放。軟銀吞併Ampere,劍指AI和半導體3月20日,軟銀宣佈將以65億美元全現金收購美國服務器CPU公司Ampere Computing,交易預計將於2025年下半年完成。Ampere由前英特爾高層Renee James於2017年創立,專注於Arm架構設計伺服器晶片,其核心業務覆蓋從邊緣到雲端資料中心的雲端工作負載產品,早期客戶包括微軟、Google、字節跳動、騰訊等。Ampere公司產品包括擁有128個核心的業界首個雲原生處理器Ampere Altra系列、擁有192個Ampere開發的單線程核心的旗艦產品AmpereOne系列處理器等,這也是業界核心數量最高的處理器,專為需要高等級效能、可預測性和規模的運算環境而設計。去年5月,Ampere更新年度策略與全新CPU產品路線圖,宣佈2025年將推出下一代旗艦產品3nm AmpereOne CPU,最多支援256核心和12通道DDR5記憶體。基於上述內容不難判斷,軟銀收購Ampere,意圖強化自身在AI和半導體領域佈局。一方面,軟銀可藉此獲得高性能CPU設計能力,Ampere處理器的高能效和計算能力,能支援AI訓練和推理工作負載,滿足數據中心需求,與軟銀先前收購的Graphcore的AI加速器形成互補,加速其在AI計算領域的競爭力。另一方面,Ampere基於Arm架構開發晶片,軟銀作為Arm大股東,可推動二者更深層次整合,優化架構適配AI工作負載,增強Arm在數據中心市場滲透率,借助Ampere客戶網絡,拓展在全球科技市場的影響力。MCU+AI,大勢所趨 ST收購Deeplite,戰略重心瞄準邊緣AI今年4月,意法半導體(ST)收購加拿大AI新創公司Deeplite的消息引發產業關注。眾所周知,在商業上部署深度學習模型時,面臨的重大挑戰是它們的運行規模、處理器量和功耗密集程度。 Deeplite透過提供自動化軟件引擎來優化DNN(深度神經網絡)模型,並在任何裝置上啟用AI進行邊緣計算,從而解決了這個問題。Deeplite成立於2017年,號稱邊緣AI的DeepSeek,其核心技術聚焦於AI模型優化、量化和壓縮,獨創的AI驅動優化器Neutrino,可將臃腫的深度學習模型壓縮至原體積的1/10,同時保持98%以上的精度。通過權重剪枝(移除冗餘參數)、量化(降低計算精度需求)、稀疏化(增加零值權重比例)三大絕技,可使AI大模型在邊緣裝置上運行得更快、更小、更節能,原本需要雲算力的AI應用,如今可在手機攝像機、工業傳感器等邊緣裝置上流暢運行。Deeplite公司在早期很受關注,曾被Gartner、Forbes、Inside AI和ARM AI評為首屈一指的邊緣AI創新者。本次收購與ST策略重心向邊緣AI轉移密切相關-硬體+軟件「雙螺旋」:Deeplite的模型優化技術與ST的STM32系列MCU、專用NPU深度融合,可打造從端到端的AI解決方案。例如在智慧工廠場景,搭載ST晶片的攝影機能直接完成缺陷檢測,無需上傳雲端,響應速度提升40倍。另一方面,Deeplite公司聚集著全球頂尖的AI演算法工程師。 ST藉此吸納超過200個邊緣AI開發工具,形成「模型庫-優化器-硬體平台」三位一體的開發生態。總之,收購Deeplite不僅補全了ST在AI軟件層的最後一塊拼圖,更預示著半導體產業從「造芯」轉向「造腦」的範式。NXP收購NPU公司Kinara,重新定位智慧邊緣今年2月,恩智浦宣佈將以3.07億美元全現金收購美國邊緣AI晶片初創公司Kinara。據悉,Kinara成立於2013年,最初名為Core Viz ,創立後公司更名為Deep Vision,2022 年再次更名為Kinara。 Kinara的分立式NPU(包括Ara-1和Ara-2)在性能和能源效率方面處於行業領先地位。這使它們成為視覺、語音、手勢和各種其他生成式AI驅動的多模式實現等新興AI應用的首選解決方案,且可程式設計性確保能適應AI演算法不斷發展。恩智浦表示,透過將Kinara的離散NPU與其自身的處理器、連接和安全軟件產品組合相結合,此次收購將幫助其提供從TinyML到生成式AI的完整且可擴展的AI平台,進而滿足工業和汽車市場快速增長的AI需求,助力其在工業和物聯網領域開創新的AI驅動系統,幫助簡化客戶端複雜度、開發能力,在企業複雜性、設備領域開闢新性。邊緣AI,MCU廠商的必爭之地在AI領域長期存在著「規模即實力」的認知誤區。儘管大模型性能強勁,卻面臨落地適配難題──其高能耗特性與邊緣端側的輕量化需求形成顯著矛盾。業界專家多次指出,大模型的應用場景存在天然侷限:一方面,訓練和運行大模型需消耗海量算力資源;另一方面,真正推動AI產業化落地的關鍵場域,恰恰在於對功耗、延遲更為敏感的邊緣計算與終端裝置。這也不難理解,上述這些收購案也預示著未來MCU的主戰場正向邊緣AI計算領域轉移。據預測,2025年預計有75%的資料將在邊緣側進行處理,端側AI MCU市場潛力巨大。這表明邊緣AI計算的需求正在快速增長,MCU作為邊緣裝置的核心元件,將在這一趨勢中發揮重要作用。未來的MCU不再侷限於傳統控制功能,而是逐漸整合AI推理能力,用於影像辨識、語音處理、裝置預測性維護等場景。具備邊緣運算能力的MCU憑藉低功耗、高效能、即時響應等特性,成為邊緣算力的重要載體,為智慧型裝置和系統提供更強大的支援。其他主要的MCU製造商也在不斷在該領域展開收購,並積極為競爭做準備。例如,瑞薩電子收購了Reality AI,英飛凌收購了瑞典的Imagimob,恩智浦推出了機器學習軟件eIQ和AI工具鏈NANO等。可以認為,邊緣AI將會是接下來幾年MCU的必爭之地。汽車電子,資本競逐重點近期,半導體收購中圍繞汽車應用的案例也相對較多,除了算力,汽車的動力總成、車載網絡連接、車載音頻系統等方面的演進,帶動了半導體技術的迭代更新,並促使相關企業通過收併購來補充技術版圖。高通收購Autotalks,加強V2X佈局6月6日,高通宣佈完成了對V2X車聯網通訊晶片企業Autotalks的收購,此前在2024年3月因監管機構未能及時批准而放棄了收購,如今隨著監管障礙的消除,高通得以順利完成此次收購。Autotalks自2009年起專注於V2X通訊,作為無晶圓廠半導體公司,它在業界成就斐然。其率先推出業界首款專為V2X打造的晶片組,產品支援DSRC專用短程通訊與C-V2X等所有主要全球通訊標準,提供的車規級雙模全球V2X解決方案,可實現車-車、車-基礎設施、車-行人等多類V2X場景通訊,擁有毫秒級低時延響應的優勢,可有效減少車輛相撞事故,在改善出行體驗的同時,為自動駕駛安全冗餘提供關鍵技術支撐,是汽車安全系統的重要組成部分。對高通而言,此次收購意義重大。從業務佈局來看,高通致力於建構「雲-管-端」一體化生態,收購Autotalks後,將其產品整合到驍龍數字底盤產品組合中,極大地強化了該平台的連接能力,讓高通得以向汽車製造商提供從車載終端到路側單元的V2X全端解決方案,車型覆蓋乘用車、設備與車載服務與設備不同的設備,提升了不同設備的設備與乘用車、設備在設備上不同的設備與設備提供不同的設備與商用空間。從策略發展角度出發,高通自2017年就投身V2X技術的研究、開發與部署,深知其在提昇道路安全、推動智慧交通系統建設的巨大潛力。透過收購Autotalks,高通補齊了V2X領域的關鍵技術拼圖,在ADAS和自動駕駛領域的競爭力顯著增強,進一步鞏固了在汽車業務版圖中的地位,為爭奪智慧汽車「大腦」市場奠定了更堅實的基礎。英飛凌收購Marvell汽車乙太網路業務,搶佔車用晶片高地4月7日,英飛凌宣佈將以25億美元的現金收購Marvell汽車乙太網路業務。預計將於2025年內完成,交易完成後,Marvell汽車以太網業務將成為英飛凌汽車部門的一部分。但該交易仍需滿足常規成交條件,包括獲得監管部門批准。汽車以太網是傳統以太網技術在汽車領域的應用,旨在滿足智慧網聯汽車對高帶寬、低延遲、高可靠性的通訊需求,是低延遲、高帶寬通訊的關鍵支援技術,對軟體定義汽車至關重要。此外,在人形機器人等相鄰應用領域也具有巨大潛力。據介紹,Marvell的汽車乙太網路技術主要包括多款千兆乙太網路PHY、中央汽車乙太網路交換器等。其Brightlane汽車以太網PHY收發器、交換器和橋接器產品組合,支援100Mbps至10Gbps的速率。這次收購,就像是為英飛凌的汽車智慧化拼圖補上了關鍵的一塊。二者的結合,一方面將進一步鞏固英飛凌在汽車MCU領域的領先地位;同時也將建構起一個「通訊+控制」的全端解決方案,直接為軟體定義汽車的區域架構轉型賦能。此外,從商業價值角度考量,這筆交易對英飛凌同樣極具吸引力。據悉,Marvell汽車以太網業務客戶包括50多家汽車製造商,其中包括十大領先OEM中的8家。該業務預計在2025年將創造2.25億至2.5億美元的收入,毛利率約為60%。英飛凌預計,到2030年,該業務累計設計中標訂單規模將達約40億美元,將為英飛凌在自動駕駛、車聯網等領域的長期佈局奠定了堅實的基礎。這意味著,在未來的市場競爭中,英飛凌憑藉著這項收購,不僅能夠在技術上實現突破,還能在商業層面收穫豐厚的回報。另外,透過整合研發力量和利用英飛凌的生產規模,預計將產生更多的成本協同效應,進一步強化英飛凌在汽車電子領域的市場佈局。恩智浦收購TTTech Auto,加速向軟件定義汽車轉型今年1月,恩智浦半導體宣佈達成最終收購協議,將以6.25億美元全現金收購TTTech Auto。 6月17日正式完成該收購。據悉,TTTech Auto致力於為軟件定義汽車(SDV)開發獨特的安全關鍵型系統和中介軟件,已與眾多領先汽車OEM建立合作關係,提供優化性能、安全性、整合度和軟件更新的解決方案,從而助力汽車OEM專注於提升駕駛體驗。在獲得監管機構批准後,TTTech Auto管理團隊、知識產權、資產以及約1100名工程師將併入恩智浦的汽車團隊。加入恩智浦後,TTTech Auto將繼續服務現有客戶,同時在恩智浦品牌下拓展其全球業務版圖。恩智浦CoreRide平台的開放式、模組化方案與TTTech Auto 的MotionWise 安全中介軟件相結合,有助於汽車製造商克服軟件與硬體整合的障礙,同時降低複雜性和開發工作量,並提升下一代汽車所需的可擴展性和成本效益。 TTTech Auto的軟件專業知識與恩智浦的硬體能力聯合,為汽車製造商提供獨特的SDV開發平台。恩智浦完成對TTTech Auto的收購,標誌著從晶片到系統,全面進入軟件定義汽車時代值得關注的是,收購完成後,TTTech Auto的服務仍將保持中立,繼續在開放的行業生態中運營,支援多種SoC製造商、OEM以及第三方軟件合作夥伴。這項策略將推動SDV能力的發展,同時維持嚴格的安全與效能標準,並確保資料保護。恩智浦收購Aviva Links:增強汽車連接技術2024年12月,恩智浦宣佈將以2.425億美元現金收購美國SerDes新創公司Aviva Links。Aviva Links是汽車SerDes聯盟(ASA)標準車載連接解決方案供應商。 Aviva Links在基於ASA的非對稱鏈路領域技術領先,專注於ADAS和IVI應用。其研發的非對稱以太網裝置能在單晶片內實現視頻和以太網通訊,支援高帶寬和低延遲的車輛互聯需求,這對ADAS 和IVI 系統的高效運行意義重大,可幫助OEM打造基於開放標準的互通型網絡架構。這項收購將進一步豐富恩智浦汽車網絡和連接產品組合,有助於鞏固恩智浦在汽車以太網和高速連接領域的技術優勢,為汽車製造商提供更高效的連接解決方案。安森美收購Qorvo碳化矽JFET,鞏固AI與電動車市場1月16日,安森美(onsemi)宣佈以1.15億美元現金從Qorvo完成對碳化矽結型場效應晶體管(SiC JFET) 技術業務(包括United Silicon Carbide子公司)的收購。 SiC JFET技術的加入將補充安森美廣泛的EliteSiC電源產品組合,這筆交易加強了安森美在人工智慧數據中心和電動車這兩個關鍵增長領域的地位。一方面,SiC JFET技術與安森美的EliteSiC產品組合的整合滿足了AI基礎設施日益增長的功率密度需求,這在資料中心在AI熱潮中努力提高能源效率的情況下尤為重要。就背景而言,傳統的矽基電源解決方案已達到其物理極限,這使得SiC技術對於高效能運算應用越來越有價值。另一方面,在電動汽車領域,此次收購的價值主張在於電池斷路裝置,其中SiC JFET可以透過元件整合來提高效率和安全性。這與產業推動電動車更高電壓架構的趨勢一致,有可能讓安森美半導體在快速成長的電動車市場中獲得競爭優勢。EDA/IP賽道的併購邏輯在EDA/IP領域,無論是新思科技計畫收購Ansys,達梭以21億美元收購AI設計公司Oqton,或是西門子、Cadence的多次出擊,都旨在打造從晶片設計到系統模擬的全鏈條能力。西門子連續4筆收購,擴展EDA戰略版圖5月20日,西門子又宣佈了一項重要收購,正式簽署協議收購美國EDA公司Excellicon。這是今年3月收購Altair、4月收購Dotmatics、DownStream和Wevolver 之後,西門子在三個月內完成的第五筆重大收購。此次併購體現出西門子持續強化其EDA能力的堅定步伐——Excellicon成立於2009 年,是業內唯一一家涵蓋完整時序約束流程的軟件公司,其產品線支援從約束檔案的編寫、編譯到形式化驗證和多模態管理,貫穿從設計概讀到物理實現的全流程。這種全覆蓋能力對於SoC設計的功耗、效能、面積(PPA)優化,以及設計效率提升具有重要意義。西門子本身在EDA領域已有一套完整的產品線,包括功能驗證工具Questa、測試平台Tessent、佈局佈線工具Aprisa,以及功耗優化工具PowerPro等。這些軟件已經涵蓋了從設計到驗證的多個環節,但在「時序約束」這一關鍵環節,仍缺少一個專業的補位。而Excellicon的加入,剛好補齊了這塊短板。此次收購將Excellicon在時序約束開發、驗證和管理方面的成熟技術引入西門子的EDA產品組合中,實現從設計、驗證到測試的全流程閉環,旨在為系統級晶片(SoC)設計師提供更高效的設計閉環和更準確的功能與結構約束驗證能力。透過此次收購,西門子不僅補齊了EDA工具鏈中關鍵的時序約束環節,還進一步夯實了其在SoC設計流程中從功能驗證到物理實現的全流程能力。這個戰略動作與西門子加速推動數位化轉型和打造Xcelerator業務平台的願景高度契合,也再次彰顯其致力於用技術改變日常生活的企業使命。從更大的層面看,西門子今年的幾輪收購明顯圍繞著「數字化」和「自動化」兩大主線展開。 3月26日收購Altair,增強模擬和AI建模實力;4月2日以51億美元拿下Dotmatics,擴展在生命科學領域的數字化能力;4月收購PCB製造數據準備解決方案供應商DownStream,深化PCB設計領域佈局;4月30日收購Wevolver,強化工程師社區和內容平台的影響力。從這些動作可以看出,西門子正在透過併購不斷完善其「工業軟體+AI+EDA」整體技術體系,形成自己的護城河。Cadence收購Arm基礎IP業務,建構全端IP版圖4月17日,EDA巨頭Cadence宣佈與Arm達成協議,收購其Artisan基礎IP業務,這場涉及標準單元庫、內存編譯器和通用I/O(GPIO)等核心技術的交易,不僅標誌著半導體產業鏈的深度整合,更折射出先進工藝時代下技術生態的劇烈重構。此交易預計於2025年第三季完成,但需通過全球監管審查。從戰略層面來看,這既是Cadence建構全端IP版圖的關鍵落子,也是Arm輕資產轉型的重要轉折,其影響或將重塑晶片設計產業的權力版圖。對Cadence而言,這次收購本質上是其IP戰略的"最後一公里"衝刺。作為EDA三巨頭中介面IP領域的領跑者,Cadence已在PCIe/CXL/UCIe協議IP、112G SerDes和Secure-IC安全IP等高端市場佔據優勢,但基礎IP的缺失始終制約著其提供端到端解決方案的能力。 Artisan IP的併入恰好填補了這一空白——該業務歷經25年發展,沉澱了覆蓋台積電N3/N2、三星SF3及Intel 18A等先進工藝的物理層IP庫。特別是其記憶體編譯器技術,能根據客戶需求動態產生SRAM/ROM實例,這在Chiplet異構整合浪潮中具有戰略價值。交易完成後,Cadence將形成從晶體管級單元庫到系統級介面IP的完整鏈條,配合其Integrity 3D-IC工具鏈,可實現對晶片PPA的全流程掌控。正如Cadence矽片解決方案事業部總經理Boyd Phelps所言,收購將"實施全面的IP戰略",這種垂直整合能力在當前2nm GAA晶體管工藝研發成本飆升的背景下顯得尤為關鍵。Cadence收購Secure-IC,加強IP安全今年1月,Cadence宣佈已達成最終協議,收購領先的嵌入式安全IP平台供應商Secure-IC。Secure-IC擁有專業人才,其嵌入式安全IP、安全解決方案、評估工具及服務與Cadence高度互補,將充實Cadence經矽驗證的IP產品組合,如介面、內存、AI/ML和DSP等解決方案。Secure-IC 的客戶群包括SK Hynix Memory Solutions America、Synaptics、Silicon Labs 和Faraday Technology 等頂級客戶,這些客戶遍佈全球主要垂直行業,包括汽車、資料中心、移動、航空航天和國防、移動、網絡、物聯網和消費電子產品。 Secure-IC一直為各行各業的合作夥伴和客戶提供全面的安全解決方案,在全球範圍內完成了500多個成功項目。對於Secure-IC的客戶而言,此次併購可增強其全球影響力、保障長期穩定性、加速路線圖進度,同時維持最高的標準的產品品質和支援。 Secure-IC的全面解決方案(Securyzr™ 、Laboryzr™ 和Expertyzr™ )將整合到Cadence的產品組合中,幫助Cadence加速創新,拓寬產品功能,更好地為不同行業領域和業務提供支援。 Cadence全面的端對端安全解決方案將兼具安全性、設定輕鬆、部署輕鬆、適用範圍廣等優勢。可以理解為,此次收購將為Cadence帶來顯著的市場協同效應,進一步拓展其在AI加速器、協議控製器和多處理器架構等領域的應用。縱觀EDA產業近期的收購案例不難發現,這些收購或將成為半導體產業發展的分水嶺。當EDA巨頭手握從工具、IP到工藝優化的全鏈條能力,晶片設計正在從"工具賦能"走向"生態統治"的時代。而在更宏大的敘事裡,EDA巨頭們的頻頻出手,或許正在書寫摩爾定律黃昏時代的新生存法則——在這裡,生態整合能力比單一技術突破更具統治力。寫在最後半導體產業是典型的技術密集和資本密集產業,回顧過去幾十年發展歷程,整合併購是產業必然的趨勢。AI巨頭透過頻頻收購,試圖補全技術版圖,建構「晶片+系統+生態」的全階優勢;MCU大廠逐漸向邊緣AI轉型,以低功耗、高靈活性搶佔端側智慧市場;汽車領域聚焦車載計算、自動駕駛與資料互聯,成資本逐重點;EDA產業則從工具供給轉向生態建構,巨頭透過整合與競爭,打造標準工具的結構結構,打造標準工具構,打造標準工具構,打造標準工具的結構結構,打造標準工具透過整合。在這場併購浪潮中,技術協同、市場擴張與生態統治成為核心邏輯,企業需在資本湧入下平衡短期整合與長期研發。因為半導體的技術壁壘與資本密集特性,註定了這場轉型並非“捷徑”,而是需要長期投入的“耐力賽”。 (半導體產業觀察)
晶片巨頭,奔赴印度
上篇文章《沙漠上崛起的晶片新貴》探尋中東,見識了阿聯的晶片佈局;本次我們將視角轉向南亞,聚焦印度半導體產業的發展故事。近年來,在全球半導體產業逆全球化浪潮與地緣政治博弈交織的當下,印度正以令人矚目的速度崛起為國際晶片巨頭戰略佈局的核心坐標。從瑞薩電子宣佈在印啟動3nm先進製程研發,到德州儀器將最小MCU設計團隊落子班加羅爾,再到富士康攜手HCL斥資建設半導體封裝基地...,一場橫跨晶片設計、製造、封裝全產業鏈的“印度熱”正在上演。印度半導體,熱鬧起來了瑞薩3nm,強勢入局印度2025年5月13日,日本半導體巨頭瑞薩電子在印度諾伊達和班加羅爾啟動兩座3nm晶片設計中心,這是印度首個3nm晶片設計項目落地,標誌其半導體野心邁出關鍵一步。瑞薩3nm設計中心聚焦車規級與高性能計算晶片研發,計畫2027年下半年量產。項目獲印度政府大力支援,超270所學術機構獲EDA軟體及學習套件,用於工程師培養。瑞薩計畫2025年底將在印員工增至1000人,並通過“半導體計畫”與“生產掛鉤激勵計畫(PLI)”,聯動250多家學術機構和初創企業。製造環節,瑞薩聯合印度CG Power、泰國星微電子,在古吉拉特邦投資760億盧比(約9.2億美元)建設外包封測廠,專注國防、太空晶片封裝,與塔塔集團28nm晶圓廠協同,建構“設計-製造-封裝”全產業鏈。瑞薩以端到端能力擴展為核心,期望通過與印度政府合作,獲得50%財政補貼,同時深度融入印度人才培養體系。印度計畫五年內培訓8.5萬名VLSI工程師,支援100家初創企業,目標將印度打造為瑞薩全球第二大研發基地。對印度而言,3nm設計能力的突破意義重大,此前該領域由美、韓和台灣主導,此次技術轉移使印度首次躋身高端晶片設計行列。印度電子與資訊技術部將其視為半導體路線圖的“重大飛躍”,目標2030年實現半導體產值1090億美元,佔全球市場10%。然而,項目落地面臨諸多挑戰。製造環節,3nm製程裝置精度要求極高,全球僅台積電、三星等少數企業可量產,瑞薩計畫交由台積電代工,地緣政治風險或影響代工穩定性。供應鏈上,印度本土體系不完善,原材料、裝置供應依賴進口,成本高且不穩定。技術層面,印度雖有龐大工程師群體,但高端設計經驗不足,目前僅具備成熟製程設計能力,3nm工藝對電晶體密度和能效最佳化要求極高,且本土缺乏IP庫和設計工具鏈,需依賴外部支援。印度半導體產業雄心與挑戰並存,瑞薩3nm設計中心的落地是重要進展,但未來能否克服製造依賴、供應鏈困境和技術短板,將決定其能否在全球半導體格局中真正佔據一席之地。富士康與HCL合資:在印度建設半導體封裝廠2025年5月14日,印度內閣批准富士康與HCL集團合資建設半導體封裝廠,總投資370.6億盧比(約4.35億美元),選址北方邦傑瓦爾機場,預計2027年投產。項目分兩期,一期聚焦封裝測試,二期升級為完整製造工廠,最終實現月產2萬片晶圓、3600萬顆顯示驅動晶片的產能。在技術與產品規劃上,項目初期為海外晶片提供後段服務,規避印度本土製造短板;二期轉向顯示驅動晶片製造,覆蓋手機、汽車等領域,與富士康在印iPhone組裝廠形成“晶片-模組-整機”垂直整合生態。項目深度繫結蘋果供應鏈重構需求,目前印度產iPhone佔美國進口量20%,蘋果計畫擴大印度產能以應對地緣風險。富士康借此不僅響應蘋果“印度製造”戰略,還能通過本地化晶片供應降低20%電子元器件進口關稅,其與群創光電合作的面板廠也將與封裝廠協同,推動顯示產業鏈本土化。該項目是印度批准的第六個半導體製造項目,獲“半導體計畫”政策支援,印度政府提供資本補貼、土地優惠及稅收減免,北方邦還給予電力稅豁免與技能培訓撥款。富士康持股40%、HCL集團持股60%,雙方計畫採用“技術引進+本土營運”模式,建構車規電子製造能力,並規劃後續再建兩座晶圓廠及一座封裝廠。截至2025年5月,項目已完成公司註冊與選址勘測,預計年底啟動基建。富士康將培養500名技術人才,引入台灣供應商完善供應鏈;HCL集團正與恩智浦、特斯拉洽談車用顯示驅動晶片代工合作。不過,項目面臨多重挑戰。印度顯示驅動晶片技術積累不足,富士康雖引入面板技術,但晶片設計依賴外部IP授權。二期需突破28nm製程,而本土工程師僅具備40nm經驗,技術轉移依賴台灣專家。此外,全球市場由三星、LG主導,富士康需突破技術指標才能進入主流供應鏈,且印度本土僅能消化30%產能,剩餘產能依賴出口,地緣政治風險或影響訂單穩定。總體而言,該合作是印度半導體“差異化突圍”的重要嘗試,若量產順利,有望形成區域性優勢,但要實現從“封裝測試”到“自主設計製造”的跨越,仍需突破技術、產能等諸多瓶頸。力積電赴印建首座12英吋晶圓廠2024年9月,力積電與印度塔塔電子簽約,在古吉拉特邦共建印度首座12英吋晶圓廠,總投資110億美元,月產能5萬片,預計2026年量產。該項目既是印度半導體製造里程碑,也是力積電全球佈局關鍵一環。力積電負責晶圓廠設計建造、成熟製程技術轉移(28nm及以上工藝)與人才培訓,塔塔集團承擔超90%投資及營運管理。雙方以“技術授權+本土營運”模式,建構“設計-製造-封裝”全產業鏈生態。工廠聚焦車規級、面板驅動及高速運算邏輯晶片,目標市場涵蓋電動汽車、AI等領域。塔塔電子已與恩智浦、特斯拉洽談代工合作,並規劃後續再建兩座工廠,同步推進阿薩姆邦封裝廠建設。對力積電而言,技術轉移可鞏固其成熟製程影響力,借助印度“半導體計畫”7600億盧比補貼與“生產掛鉤激勵計畫”,低成本獲取市場准入。印度政府為項目提供最高50%財政補貼,承諾土地優惠、稅收減免。印度將項目納入“自力更生印度”戰略,目標2030年前培養5萬半導體人才,提升自給率至50%。目前,工廠基建完成30%,12項成熟製程專利已轉移,首批500名學員進入實訓,塔塔與恩智浦代工合作進入技術驗證階段。然而,項目挑戰重重。技術層面,印度工程師雖佔全球半導體勞動力20%,但具備先進製程經驗者不足1%,28nm技術轉移依賴台灣專家。市場方面,全球成熟製程產能過剩,印度本土需求或難消化月產5萬片的規模,需依賴代工訂單平衡產能。政策執行上,印度此前100億美元補貼計畫因審批慢、參與度低收效甚微,此次補貼能否按時到位存疑。力積電與塔塔的合作是印度半導體“跨越式發展”的大膽嘗試,其成敗不僅取決於技術轉移,更依賴印度政府在政策執行、基建配套和市場培育上的持續作為。英飛凌在印度開設研發中心2025年3月24日,英飛凌在印度古吉拉特邦艾哈邁達巴德的全球能力中心(GCC)正式啟用,作為其在印度的第五個研發據點,該中心位於GIFT City,計畫未來五年僱傭500名工程師,聚焦晶片設計、產品軟體研發、資訊技術、供應鏈管理及系統應用工程,目前英飛凌在印員工總數超2500人,班加羅爾為其最大研發基地。英飛凌將印度視為全球創新核心,目標2030年銷售額超10億歐元,緊扣印度車規與工業晶片需求,依託“半導體計畫”最高50%的財政補貼加速佈局。其採用“研發本地化+製造外包”模式,研發端重點開發下一代車規和工業控制晶片,利用印度工程師降低成本;製造端與印企CDIL、Kaynes達成晶圓供應協議,由印企負責封測與銷售,形成“設計-封測-銷售”協作鏈條,目前暫無自建晶圓廠計畫,遠期可能依印度供應鏈成熟度調整戰略。此外,英飛凌積極建構本地生態,與高校合作培養半導體人才,借助古吉拉特邦土地、稅收等政策優惠深化政企聯動,瞄準印度2032年千億美元半導體市場,目標搶佔10%以上份額。英飛凌的印度佈局是其“全球本地化”戰略關鍵落子,通過研發中心、本土合作網路和政策資源整合,試圖在印度半導體爆發期佔據先機,助力印度向“製造強國”轉型。美光在印建設封測廠2023年6月,美光與印度政府簽約,投資27.5億美元在古吉拉特邦建DRAM與NAND晶片封測廠,獲印度中央及邦政府50%、20%財政支援,這是印度“半導體計畫”首個落地的國際龍頭封測項目。工廠聚焦晶圓分割、封裝、測試及模組生產,預計2025年上半年首批產品下線,滿產後可創造超5000個高技術崗位,將成南亞大型儲存晶片封測基地。其選址與塔塔電子晶圓廠、瑞薩電子封測項目形成50公里產業叢集,初步建構“設計-製造-封測”區域閉環。工廠採用40nm及以上成熟製程,服務印度本土及東南亞、中東市場,可降低美光亞太區15%-20%封測成本。項目推進中,美光推動供應鏈本土化,韓國材料商隨廠投資,印度本土企業也在裝置維護、化學品供應等領域合作,美國政府還提供關鍵原材料支援。雖因印度基礎設施短板,投產推遲6個月,但美光仍看好印度市場潛力。該項目是莫迪政府“自力更生印度”戰略的成果,標誌印度向晶片製造環節突破。隨著印度擬推超百億美元新一輪半導體激勵政策,美光正評估二期擴產,計畫2030年前將月封測產能提至15萬片,覆蓋進階技術。美光在印的佈局,展現出印度通過“政策槓桿+國際合作”,加速成為全球晶片製造新樞紐的決心與潛力。半導體巨頭齊聚印度此外,還有諸多全球半導體頭部企業加速在印度建構戰略支點。輝達、AMD等晶片巨頭率先在印設立大規模研究與設計中心,將印度納入其全球創新網路,以分散供應鏈風險並貼近快速增長的消費電子市場。恩智浦作為汽車晶片領域的領導者,宣佈未來幾年內將在印度的研發投入翻倍至超10億美元,目前已擁有四個設計中心及3000名員工,並計畫在大諾伊達半導體園建立專注於5奈米汽車晶片的第二研發部門,目標將員工總數提升至6000人。高通、TI等企業通過設立研發中心和本地化團隊,深度參與印度5G通訊、物聯網等新興領域的技術開發。ADI則與塔塔集團達成戰略聯盟,探索在印度共建半導體製造工廠,重點開發應用於電動汽車和網路基礎設施的定製化晶片,此舉標誌著國際廠商開始從設計環節向製造環節延伸。這些佈局與印度政府的產業政策形成共振。印度通過修訂100億美元半導體激勵計畫,放寬技術要求並提高補貼比例,吸引了包括以色列Tower Semiconductor與Adani Group合作的100億美元晶圓廠項目。此外,全球半導體裝置巨頭也正在加速在印度建構戰略支點,深度參與其產業生態重塑,完善產業鏈佈局。日本DISCO率先在班加羅爾設立法人機構,於艾哈邁達巴德建立服務網點,初期10人團隊將依客戶需求擴展。其佈局意在為美光、塔塔電子等在印晶圓廠、封測廠提供裝置安裝與技術支援,還通過新加坡基地提前培養印度籍行銷人員。應用材料將印度定位為全球研發與供應鏈樞紐,2023年啟動的4億美元投資計畫穩步推進。在欽奈設立人工智慧與資料科學卓越中心,聚焦晶片製造AI應用開發,預計創造500個高端崗位,計畫將員工總數從8000人擴至10000人。同時,與15家供應商合作探索在印建立裝置零部件製造基地,力求驗證中心與晶圓廠物理共置,縮短研發周期,提升材料驗證效率,助力印度在成熟製程領域形成競爭力。Lam Research(泛林集團)實施“供應鏈本土化”策略,2024年宣佈在卡納塔克邦投資12億美元,與當地政府合作推動精密元件、高純度氣體輸送系統等本土供應能力建設。公司評估印度供應商在晶圓製造裝置核心部件的合作潛力,計畫將印度納入全球3000家供應商網路,在刻蝕、薄膜沉積等關鍵裝置領域實現本地化配套,以此增強區域供應鏈韌性,降低亞太地區供應鏈風險。東京電子與印度塔塔電子深度合作,為其古吉拉特邦12英吋晶圓廠供應裝置,還將建立專項培訓體系,助塔塔電子工程師掌握先進製程裝置操作技術。計畫到2026年在印建立裝置交付與售後支援系統,組建本地工程師團隊,服務塔塔電子在汽車電子、AI晶片等領域的製造需求 。巨頭們的佈局與印度產業政策形成共振,印度中央及地方政府提供最高75%的項目成本補貼,促進裝置巨頭與晶圓廠協同發展。國際資本的湧入,印證了印度市場的戰略價值。其吸引力不僅在於預計2026年晶片需求將突破千億美元,是全球增長最快的半導體市場,更在於汽車電子、5G通訊等領域的爆發式增長,為半導體產業提供廣闊應用場景。儘管印度半導體產業仍受基礎設施薄弱、技術積累不足等問題制約,但憑藉“政策槓桿+國際合作”,正逐步從晶片設計外包大國向製造環節邁進。隨著半導體頭部企業深度參與,印度有望在汽車電子、工業控制等細分領域形成差異化競爭力,成為全球半導體供應鏈重構中的重要變數。印度半導體產業的故事實際上,印度半導體產業的發展歷程充滿波折與機遇,從早期的技術突破到政策調整,再到如今的全球巨頭紛紛佈局,其軌跡折射出一個國家在半導體領域的不懈探索。印度半導體產業的起點可追溯至1984年,政府出資成立的半導體製造公司SCL曾在80年代將工藝製程從5微米提升至0.8微米,僅落後英特爾一代。然而,1989年的一場大火燒燬了SCL工廠,重建耗時8年,導致印度錯失半導體發展的黃金時期。此後,印度多次嘗試吸引外資建廠,但因政策滯後、資源不足等問題屢屢受挫,例如2005年英特爾因政策缺失放棄投資,2012年激勵計畫因資本和水資源問題停滯。直到2021年12月,莫迪政府推出“印度半導體計畫”,提供7600億盧比(約100億美元)激勵金,但初期反響有限。真正的轉折點出現在2023年6月,修訂版計畫將財政支援比例提升至50%,覆蓋半導體製造、封裝測試等全產業鏈,並放寬技術要求,吸引美光、瑞薩等巨頭入駐。這一政策調整標誌著印度從“口號式”激勵轉向實質性產業扶持。在政策推動下,印度半導體產業已取得顯著進展。除了上述介紹的廠商之外,幾乎全球排名前列的半導體公司,包括英特爾、德州儀器、輝達、高通等都在印度設有設計和研發中心,大部分人員集中在印度南部卡納塔克邦的班加羅爾市。圖源:ISM此外,印度還與美國、日本、歐盟簽署多項合作協議,推動技術轉移和供應鏈多元化。市場資料顯示,印度半導體消費預計從2019年的220億美元增長至2026年的640億美元,複合增長率16%,其中汽車、消費電子和無線通訊為主要增長領域。半導體巨頭投資印度的動因國際半導體巨頭之所以紛紛奔赴印度,筆者認為有以下幾點原因:政策與資金支援:印度提供全球最慷慨的補貼政策,中央政府承擔50%項目成本,邦政府額外補貼20%-25%,企業實際出資僅需25%-30%,直接降低企業投資門檻。修訂版計畫還針對封測、化合物半導體等細分領域提供專項支援,進一步降低企業投資風險。圖源:India Semiconductor Mission(ISM)人才儲備與成本優勢:印度擁有全球20%的半導體設計人才,英特爾、高通等25家頭部企業在班加羅爾設立研發中心,新思科技等公司員工超5500人。每年新增10萬工程畢業生,為產業提供充足人力儲備,且人力成本僅為發達國家的1/3。英特爾、高通等企業已在印度設立研發中心,利用本地人才進行晶片設計和軟體開發;應用材料、Lam Research等裝置巨頭通過培訓計畫,預計未來五年培養數萬名工程師。地緣政治與供應鏈重構:中美貿易摩擦和全球供應鏈多元化趨勢下,印度成為企業分散風險的重要選擇。半導體巨頭通過在印度設廠,既能規避地緣風險,又能貼近快速增長的本地市場(如汽車電子、5G裝置)。印度與美國簽署的《半導體供應鏈和創新夥伴關係諒解備忘錄》,進一步強化了其作為“可靠製造中心”的地位。市場潛力與產業協同:印度半導體市場規模預計2030年達1100億美元,且政府推動“印度製造”和“數字印度”計畫,刺激本土需求。同時,印度正通過本土巨頭與國際合作打造完整產業鏈,正建構從設計、製造到封裝的完整生態,吸引上下游企業集聚,形成產業叢集,降低企業間協作成本。同時,蘋果在印生產iPhone也能帶動晶片配套需求。基礎設施升級:印度在古吉拉特邦打造“半導體之城”,配套電力、交通等基礎設施,並設立半導體製造生態系統基金,用於園區開發和物流網路建設。此外,印度政府推動“數字印度”計畫,投資1.1萬公里高速公路和智能電網,提升供應鏈效率。動因之下,挑戰仍在!莫迪政府立志2030年將印度打造成全球前五大半導體生產國,憑藉“政策槓桿+國際合作”,試圖從設計外包邁向製造強國。雖吸引多家國際大廠佈局,但深層挑戰仍嚴重制約其發展,即便修訂版“印度半導體計畫”提高補貼比例、放寬技術要求,也未能解決系統性難題。基礎設施與資源短板顯著:半導體製造對電力、水資源和土地要求極高,而印度難以滿足。台積電拒絕在印建廠,直指其電力供應不穩、超純水生產能力不足及物流網路滯後。以塔塔與力積電110億美元晶圓廠為例,選址地古吉拉特邦雖靠港口,卻面臨工業用水短缺問題,電力波動也易致生產線停工。此外,印度70%的半導體級高純度氣體依賴進口,進一步推高製造成本。政策執行與項目落地困難重重:印度補貼政策雖具吸引力,卻因審批繁瑣、技術標準模糊,導致項目頻頻夭折。2021年100億美元激勵計畫因要求過高,僅5份申請進入評估,最終全部流產。2023年政策修訂後,Zoho 7億美元的化合物半導體晶圓廠項目仍因技術路徑不明而終止;Adani集團與高塔半導體的百億美元晶圓廠項目,也因投資風險分攤和市場需求預期分歧,於2024年暫停,暴露出政策與企業需求脫節的問題。人才斷層與勞動力效率低下加劇困境:印度雖擁有全球20%的半導體設計人才,但製造環節專業技能嚴重不足。Semicon India報告顯示,到2032年印度半導體行業勞動力缺口超80%。且本土工人效率僅為中國的60%,抗拒加班,三星電子在印工廠曾因工人薪資、工時等訴求爆發罷工,凸顯勞資矛盾對產業的負面影響。營商環境與地緣競爭也帶來巨大挑戰:印度“外企墳場”的標籤持續削弱投資信心,富士康因補貼延遲退出195億美元合資項目,Zoho、Adani等本土項目流產也暴露政策不確定性。世界銀行資料顯示,2014-2021年近2800家外企撤離印度,繁瑣行政程序和低效司法體系是主因。與此同時,越南憑藉更低成本和更成熟的電子製造業,分流大量外資,其半導體投資增速已超越印度。總體而言,印度半導體產業的困境源於“政策激進”與“能力滯後”的矛盾。雖然部分項目落地帶來短期增長,但缺乏完整產業鏈、人才儲備不足、基礎設施薄弱等問題,使其難以擺脫“低端鎖定”。若無法在技術自主、供應鏈本地化和政策穩定性上取得突破,印度的“晶片夢”恐難實現。寫在最後可以說,印度半導體產業的故事,既是一部錯失機遇的歷史,也是一部政策驅動、全球合作的奮鬥史。如今,全球半導體格局重構之際,印度憑藉“政策槓桿+人才紅利+地緣機遇”,正全力衝刺晶片製造新樞紐。美光封測廠、塔塔晶圓廠等項目落地,瑞薩、力積電等巨頭入局,勾勒出其從設計外包向製造中心轉型的輪廓,政策驅動下的產業集聚效應初步顯現。然而,基礎設施薄弱、供應鏈高度依賴進口、人才結構性短缺等深層矛盾,加上Zoho、Adani 等項目流產、富士康撤資等案例,暴露其“重補貼輕生態”的發展隱患。展望未來,印度若能在政策穩定性、本土供應鏈培育、勞動力技能升級上持續突破,或可在汽車電子、封測等細分領域佔據一席之地。但其能否從“補貼驅動”轉向“創新驅動”,破解基礎設施與營商環境的系統性障礙,將決定這場“晶片豪賭”是重塑全球版圖,還是淪為又一個產業雄心的註腳。 (半導體行業觀察)
大國博弈,讓這個小國做大了
唯物的中國晶片產業深度觀察中國宣佈“法德意荷西馬六國單方面免簽”後,馬來西亞最快做出“禮尚往來”的回應。12月1日起,中國公民可以在免簽情況下入境馬來西亞30天。大國博弈局勢下,東南亞國家尤其是馬來西亞,直言受益於“戰鬥的大象”——半導體產業“左右逢源”,吸引巨額外資;緊隨韓國、台灣,儼然“亞洲三大生產中心之一”。馬來西亞並非科技“暴發戶”,1970年代的“東方矽谷”只不過是捲土重來。近來數家巨頭投資建廠,將鞏固馬來西亞全球晶片封裝、組裝、測試的樞紐地位,但後者的野心絕不止於此。1 新工廠劇增吳國忠,干半導體這一行34年。他是吉隆坡本地人,歐洲頂級晶片製造商英飛凌的高級副總裁。最近,他發現檳城和居林兩地間嚴重堵車。居林是馬來西亞第一個高科技工業園區所在地,成立於1996年。歐洲頂級晶片製造商英飛凌居林,吳國忠辦公室旁邊,起重機和卡車穿梭不停,正在建造一座耗資70億美元的工廠——最終將成為英飛凌乃至全球最大的200毫米碳化矽晶片生產基地。碳化矽用於製造寬頻隙半導體,終端為太陽能、儲能和電動汽車等應用領域。馬來西亞一直是英飛凌在亞洲最重要的製造中心,該公司亞洲員工人數已經超過了德國總部。吳國忠也是馬來西亞半導體製造協會的主席,他表示:“有這麼多工廠到來,交通量增加了很多。政府現在正在拓寬道路,可能會在明年完成。”德國公司博世,計畫在檳城開設一座投資71億美元的晶片和感測器測試中心。博世董事會主席Stefan Hartung表示:“隨著我們在檳城的新半導體測試中心的建設,我們正在全球製造網路中創造額外的產能,以滿足對晶片和感測器的持續高需求。”德國公司博世,計畫在檳城開設一座投資71億美元的晶片和感測器測試中心總部位於美國的英特爾也在馬來西亞擴張,計畫投資70億美元,把馬來西亞變成該公司亞洲主要生產基地。檳城島東南部的峇六拜工業園,距離居林45分鐘車程,英特爾最大的先進3D晶片封裝基地就在這裡。英特爾和馬來西亞的故事始於1972年。當時,前者在美國以外、也就是馬來西亞檳城,建立了第一家組裝測試廠。那是馬來西亞最早的半導體工廠,也是整個東南亞國家開展產業變革之旅的第一步,從此影響了英特爾、美國乃至世界半導體產業的分佈格局。檳城,也叫檳榔嶼,位於馬來半島西北海岸,經濟發展重鎮,GDP約佔馬來西亞經濟總量的7%。英殖民時期為免稅港。中國同盟會曾在此地活動,黃花崗七十二烈士中有四位出身這座城市,一些華人富商也是同盟會最早的風險投資人。1969年,檳城自由貿易港的地位被取消。當年執政的“聯盟”競選時大受挫敗,馬來人和華人之間爆發嚴重衝突,檳城“票倉”失守,由此被撤銷免稅港優待。1970年代,檳城憑藉歷史機緣和豐厚矽礦,著重引進多家國際電子公司。英特爾、超微、博通、恩智浦、德州儀器、瑞薩、AMD、惠普和日立等巨頭陸續入駐檳城科技園區峇六拜,最初建的都是組裝廠。馬來西亞檳城喬治城那時,比起設計和製造半導體晶圓的前端工藝,封裝對技術要求更低。產業鏈由此向勞動密集的國家和區域轉移。先進封裝能提高晶片性能,是21世紀的事了。總之,“東方矽谷”從此傳開。俗話說“水漲船高”。當一項新技術引入一個國家或一個地區,很多生態系統供應商都會應聲而來。英特爾製造和供應鏈副總裁AK Chong表示,隨著先進封測組裝工廠的入駐,一大批新的化學解決方案、新裝置公司都會跟進。就像“連鎖效應”,大廠一到,相關的投資也來了。過去的三四年裡,流入馬來西亞的外國直接投資破了紀錄,主要歸功於科技和晶片公司。2023年第一季度,馬來西亞吸收了152.5億美元,是2019年第一季度的兩倍多。那是中美貿易戰的第二年,也是Covid-19大爆發的前一年。日月光、富士康去年先後有封裝測試工廠和晶圓製造廠動工或宣佈投資計畫。今年3月,特斯拉聲稱將在馬來西亞開設體驗中心和超級充電站,因為它供應鏈上的大部分產品本來就出自馬來西亞。今年6月,德州儀器宣稱有計畫在吉隆坡和馬六甲分別開設兩家封裝測試工廠。圖源:特斯拉發佈會直播截圖從北部的居林,到南部的峇都加灣工業園,捷普、美光、博世、西部資料、泛林等公司都設有工廠。DHL快遞在2021年開通了檳城到晶片貿易中心香港的直飛貨運航班,每周五天。如今,多家物流中心都在大興土木。2 從下游到上游蜂擁而至的新工廠有一個共同特點,都是產業鏈“尾部”的封裝測試廠。投資額也都在70億美元上下,因為建一座封裝測試廠的價格確實差不了太多。這是馬來西亞的“歷史稟賦”所致。馬來西亞是晶片封裝、組裝和測試的主要樞紐,控制著全球13%的市場。放到全產業鏈來看,馬來西亞是第六大半導體出口國,佔全球7%的市場份額。2022年,先進封裝市場規模為443億美元,2028年將達到786億美元,復合年增長率為10.6%。半導體測試裝置市場規模2022年為21億美元,2029年達50億美元,復合年增長率為3%。2022年,馬來西亞GDP4063億美元(接近重慶市29129億人民幣),官方資料顯示有四分之一的收入來自半導體產業。馬來西亞的優勢很明顯。首先,在地理和物流方面,它位於東南亞的中心區域,管轄要道馬六甲海峽;擁有巴生港和丹絨帕拉帕斯港兩大港口,均位列全球前15大港口。其次,馬來西亞的通用語言包含英語,工人語言技能良好。同時,和新加坡一樣遵循英美法系,法律層面更少障礙。當地半導體公司可以分成三大塊:外包半導體組裝和測試 (OSAT) 公司、自動化測試裝置 (ATE) 製造商,以及高性能測試裝置的設計方、製造商。說是“頭輕腳重”也不為過:它的產業幾乎完全集中在半導體產業鏈的下游——封裝測試領域,而且嚴重依賴外國公司。前端的晶圓製造廠很少。據Insider Monkey報告,截至2022年12月,馬來西亞有8家“外來”營運和計畫中的晶圓廠,其中兩家屬於英飛凌,兩家屬於歐司朗,一家屬於安森美。Insider Monkey報告馬來西亞的晶片製造供應鏈在富含矽礦的砂拉越,有代工廠X-Fab和砂拉越微電子設計半導體公司,還有一家比利時Melexis Technologies公司旗下的未完工工廠。8英吋晶圓廠SilTerra Malaysia可能才算唯一的“自家人”。其由時任總理馬哈蒂爾於1995年發起,旨在促進半導體前端製造。2021年,馬來西亞投資控股公司DNex收購了SilTerra六成的股份,剩下的四成被CGP Fund(北京積體電路先進製造和高端裝備股權投資基金中心)買下。去年,富士康的全資子公司宣佈有望在馬來西亞成立合資公司,建設馬來西亞第一家12英吋晶圓廠,每月生產4萬片晶圓,採用28奈米或40奈米技術。該項目的資本支出可能有30億至50億美元。28奈米或40奈米技術屬於成熟工藝製程,是微控製器、感測器、驅動積體電路和連接相關晶片(如WiFi、藍牙)使用最廣泛的生產技術。富士康母公司鴻海集團,曾2021年6月透過子公司取得DNeX約5.03%股權,雙方因而結盟,並透過DNeX掌握8英吋晶圓廠SilTerra約六成股權,相當於鴻海間接投資SilTerra。鴻海的半導體佈局,從上游掌握驅動IC廠天鈺,到製造端旺宏6英吋廠、夏普旗下8英吋廠、以及SilTerra 8英吋廠,到下游的山東封測基地、封測廠訊芯-KY,獨缺12英吋廠。鴻海科技因此,富士康子公司在馬來西亞建設12英吋晶圓廠,恰好補足了拼圖上的最後一塊。而選址東南亞,也證明地緣政治已經成為半導體產業公司不得不關注的現實。“從戰鬥的大象中受益”,是馬來西亞經濟學家從不諱言的一句話。中美貿易戰後,馬來西亞對中美兩國的半導體出口都增加了。3 “見風使舵”英特爾和博世的兩筆大投資,都是“見風使舵”的典型。2021年10月26日,美國總統拜登出席美國—東盟峰會,提出“印太經濟框架”設想,重新界定亞太地區數字經濟與技術標準和供應鏈韌性的共同目標。2021年12月14至15日,美國國務卿布林肯訪問馬來西亞,表示促進半導體供應鏈投資。第二天,英特爾即承諾對馬來西亞投資71億美元。同年10月,博世亦承諾對檳城半導體產業鏈投資超4億歐元,後來投資額又提高了。2021年10月26日,星期二,美國總統喬·拜登在華盛頓白宮出席了一次視訊的美國-東盟峰會根據最新預測,馬來西亞的半導體行業將實現7%的復合年增長率,2028年將達到460億美元產值。半導體行業的發展,是馬來西亞經濟發展的重中之重——“增加生產複雜性”。2023年9月1日,馬來西亞公佈新工業總體規劃(NIMP 2030),對2023年到2030年的工業轉型做出一系列指導。近年,製造業在馬來西亞國內生產總值中所佔份額下降,並出現停滯;地緣政治的緊張局勢緩慢升級,就此,馬來西亞提出四大“再工業化”任務:增加生產的經濟複雜性,推進數字採用,倡導淨零排放,以及保障經濟安全和包容性。該計畫與2022年10月啟動的國家投資願望(NIA)匹配,設有兩個基金,即NIMP 2030工業發展基金(NIDF)和NIMP 2030戰略共同投資基金(NIMP 2030 CoSIF)。NIMP整個計畫期間,總共需要約200億美元的投資。要增加生產的複雜性,改變單一的半導體產業鏈位置,首先,馬來西亞不斷致力向上游發力。除了吸引和鼓勵晶圓製造廠建設,寬頻隙半導體是其發力的主要目標。寬頻隙半導體是比傳統半導體具有更大帶隙的半導體材料,電子特性介於傳統半導體和絕緣體之間。矽等傳統半導體的帶隙在0.6—1.5eV範圍內,而寬頻隙材料的帶隙範圍在2 eV以上。晶片它可以在更高的電壓、頻率和溫度下運行。美國能源部相信它們將成為新型電網和替代能源裝置的基礎技術,還能作插電式電動汽車到電動火車等大功率車輛中的電力元件。英飛凌投資的第三條生產線,生產的就是以碳化矽和硝酸鎵為基礎材料的寬頻隙半導體。根據Transparency Market Research的資料,2022年到2031年,全球寬頻隙半導體市場將以24.6%的復合年增長率增長。2023年底,該市場的價值達到95億美元。馬來西亞在氮化鎵研發方面處於前沿位置,據悉有大約80名氮化鎵專家,因此吸引了外國投資,並有望成為全球寬頻隙半導體生產中心。其次,馬來西亞政府以一個綜合機構——工程科學和技術合作研究中心(CREST)促進政府、學術界和工業界的溝通,也就是我們說的“產學研”結合。CREST9月正式成為投資產業省下屬機構。其首席執行官Jaffri Ibrahim認為,考慮到全球掀起的“晶片法案”潮,此舉正是向二戰中的日本、後來的韓國和中國“看齊”,國家必須要重視電子電氣行業的“戰略意義”。馬來西亞馬來西亞的舉措是東盟半導體行業的縮影:避免站隊中美任何一方,加強多樣化的貿易和經濟夥伴關係。2021年,歐盟成員國與美國之間的貿易額從1351億美元飆升至4522億美元。同期,東盟對美國的出口額從879億美元增長近兩番至3567億美元,其中半導體出口增長約80%,達到90億美元。2022年,東盟與中國之間的貿易額達到9753億美元,比2000年增長了24倍。在此期間,東盟國家對中國的出口增長了18倍,從222億美元增至4081億美元,其中半導體出口額在2022年增至266億美元,較2017年增長176%。馬來西亞也在加強和東盟其他國家的合作。通過《印度—馬來西亞全面經濟合作協定》和東盟的自由貿易協定,印度和馬來西亞的貿易額有望從190億美元提高至250億美元。東盟其他國家也在拚命吸引外資,特別是半導體行業,競爭相當激烈。而馬來西亞有一些顯著的缺陷,人才短缺,外加可再生資源有限。獲得綠色能源,是晶片巨頭考慮新投資的首要任務。對於常常被視為“原材料出口國”的馬來西亞來說,這確實算一項最大的挑戰。 (南風窗)