2025：全球半導體10大技術趨勢預測！

2024年，全球半導體行業雖然未像預期那般出現全面復甦，但生成式人工智慧(AIGC)、汽車電子和通訊技術的快速發展，卻奠定了底層技術在2025年的基礎，為半導體行業在新一年中回暖帶來了新的希望。

在這一年中，我們見證了碳化硅(SiC)功率器件在電動汽車中的廣泛應用，芯粒(Chiplet)技術在高性能AI晶片設計中的創新應用，以及RISC-V架構在汽車電子和其他領域的快速崛起。此外，第四代半導體材料——如氧化鎵(Ga2O3)和氮化鋁(AlN)也開始嶄露頭角，展現出巨大的潛力。

在市場方面，儘管全球經濟面臨諸多挑戰，但半導體行業依然保持了強勁的增長勢頭。根據世界半導體貿易統計組織資料預測，2024年全球半導體市場規模預計將達到6112億美元，同比增長7%。特別是在汽車電子、工業自動化和消費電子等領域，市場需求持續旺盛，推動了整個行業的快速發展。

展望2025年，預計全球半導體市場將增長12.5%，估值將達到6870億美元。《電子工程專輯》基於這一年中與業內專家和廠商的交流，總結分析後挑選出了2025年全球半導體將出現或高速發展的10大技術趨勢，本文將探討這些先進技術的發展方向和市場前景。

2025年全球半導體行業10大技術趨勢預測：

1、SiC、Chiplet和RISC-V三大技術推動汽車半導體發展

2、第四代半導體材料，氧化鎵將直接挑戰碳化硅

3、從設計製造到應用，AI與半導體深度融合

4、光通訊技術朝大容量、高速率和整合化方向發展

5、HBM4量產時間提前，5納米成新工藝節點

6、艙駕一體中央計算架構與大模型融合，助推自動駕駛技術發展

7、2.5D與3D先進封裝持續深入，在嵌入式領域展現潛力

8、AI需求激增推動伺服器液冷技術發展

9、整合化、小型化和多通道設計，讓生物感測器更強大、

10、應用導向的晶片設計，牽一髮動全身。標註序號

01 SiC、Chiplet和RISC-V聯手推動汽車半導體發展

晶片作為搶佔汽車智能化賽道的制高點，已成為全球智能汽車競爭的關鍵核心。2025年，SiC、Chiplet和RISC-V三大技術將有望繼續聯手推動汽車半導體產業的發展(圖1)。

“800V+SiC”將成為高端電動汽車標配

目前看到的一個明顯趨勢，是隨著汽車製造商對更高能效和續航能力的追求，整車廠在接下來的兩三年裡會發佈更多搭載800V平台的車型，對SiC功率器件的需求會進一步增加。可以說，“800V+SiC”已經基本成為高端電動汽車標配。

我們從三個方面對碳化硅技術未來的發展趨勢做一些判斷。首先，從材料來看，基於成本、良率的需求，晶圓材料正在向大尺寸、低缺陷SiC襯底及外延製備的方向發展;從器件來看，追求更低的SiC MOSFET比導通電阻，同時在可靠性、魯棒性更接近矽基IGBT水準;從工藝來看，繼續研究制約SiC MOSFET發展的基礎科學問題，比如通過採用高純度SiC襯底、改進柵氧化層製作工藝來提升溝道遷移率等。

Chiplet晶片成為汽車高性能SoC開發新突破口

作為搭積木晶片設計的技術代表，Chiplet是一種降本增效、解決汽車高性能SoC晶片需求的創新性方案，其功能獨立成Chiplet，通過選擇成熟工藝和晶片就能提高生產良率，縮短開發周期。但挑戰也很明顯。例如，不同廠商不同晶片之間的通訊介面存在差異;隨著晶片整合度的提高，功耗、散熱和資料傳輸安全都面臨更高要求。

RISC-V成為Arm架構之後的新選擇

與x86和Arm相比，RISC-V的指令集更為精簡，沒有歷史遺留問題，且功耗很低。這些特點使得RISC-V非常適合用於提升汽車系統的整體性能，同時降低製造成本。具體應用方面，RISC-V處理器可被廣泛應用於車載資訊娛樂系統、自動駕駛控制系統、電池管理系統和車輛網路通訊等關鍵領域，未來3至5年內，RISC-V架構晶片在汽車行業的出貨量預計將以每年66%的速度增長。

02 第四代半導體材料，氧化鎵將直接挑戰碳化硅

第四代半導體材料包括超寬禁帶半導體和超窄禁帶半導體，前者包括氧化鎵、金剛石和氮化鋁，後者包括銻化鎵和銻化銦等。其中，氧化鎵的禁頻寬度達到4.9eV，超越了SiC的3.2eV和GaN的3.39eV;此外其導通特性約為SiC的10倍，理論擊穿場強約為SiC的3倍，理論損耗僅為硅的1/3000、SiC的1/6、GaN的1/3;從成本角度，基於同樣6英吋襯底的最終器件成本，氧化鎵約為SiC的1/5，與矽基產品的成本相差無幾。

中國科學院院士郝躍在兩年前就曾預測，氧化鎵器件有望在未來10年內成為有競爭力的電力電子器件，並直接與SiC器件競爭。氧化鎵領軍企業日本FLOSFIA公司則預計，到2025年氧化鎵功率器件市場規模將開始超過GaN，2030年將達到15.42億美元，佔SiC的40%，是GaN的1.56倍。

儘管氧化鎵在成本和性能上具有顯著優勢，但其大尺寸單晶製備面臨挑戰，如高熔點、高溫分解以及易開裂等特性。目前，中國的氧化鎵產出僅限於實驗室與高校，而日本在氧化鎵量產方面走在前列。例如，日本東北大學成立的FOX公司，採用無貴金屬單晶生長技術，目標是以比SiC更低的成本生產出低缺陷程度與硅相當的β-Ga2O3襯底(圖2)。

氮化鋁作為另一種第四代半導體材料，以其大的擊穿電場和低損耗特性，被視為實現超低損耗功率器件和高溫電子器件的首選材料。NTT Corporation已於2024年初利用金屬有機化學氣相沉積(MOCVD)成功生產出高品質的氮化鋁，並開發了歐姆和肖特基接觸的形成方法，首次展示了氮化鋁電晶體的運行。

展望2025年，隨著技術的進步和量產難題的逐步攻克，氧化鎵和氮化鋁等第四代半導體材料不僅將挑戰現有的SiC和GaN市場，還有可能因其獨特的性能優勢，在特定應用領域實現超越。

03 從設計製造到應用，AI與半導體深度融合

AI正在引發新一輪科技革命。從語言模型、多模態模型的單體智能，到能夠使用思維鏈CoT(Chain of Thinking)進行推理的OpenAl o1，再到使用工具完成複雜任務的智能體(AIAgent)，AI基礎能力正在快速演進，並迅速融入生產和生活的每個環節，重塑千行百業，引發新一輪科技和產業革命。

於是，在這一輪技術超級周期中，半導體行業也與AI形成了一種相互促進的關係。

例如，在晶片設計領域，AI通過機器學習、深度學習等智能演算法，不斷提高設計的效率與精準性，幫助設計師在設計初期就能預測並最佳化晶片的性能和功耗，減少設計迭代的次數，縮短產品上市時間。

在智能製造領域，通過採用AI機器視覺的自動化檢測裝置，不僅提升了生產線的速度，還顯著提高了製造精度。同時，通過收集和分析生產資料，AI演算法能夠預測裝置故障，減少意外停機時間，並最佳化製造參數，減少原材料浪費和能耗。

在各種雲端AI訓練和推理應用服務的推進下，2024年全球AI伺服器出貨量預計將達到165萬台，佔比提高至12.1%。其整體資本支出預計將有50%左右的增長，並將在2025年繼續保持兩位數增幅。AI伺服器不但需要高性能的GPU、CPU、TPU和儲存等硬體支援，一些頭部雲服務提供商甚至還建構了專門用於運行AI模型的定製晶片，這些都對半導體產業起到了拉升作用。

同時，我們也要重視智慧型手機、AI PC、車載終端和工業物聯網等端側AI技術創新，因為端側AI擁有龐大的市場規模、清晰的商業模式和豐富的應用場景，更容易實現AI規模化落地，從而加速助推高性能SoC、NPU、射頻、電源管理、模擬訊號鏈元件的市場需求。

AI在給上游晶片設計企業帶來機遇的同時，也讓下游的封裝技術獲得了增量空間。畢竟生成式AI模型需要數百萬或數億等級參數才能進行推理，對晶片的處理速度、容量和頻寬都提出了更高的要求，這將推動以Chiplet為代表的先進封裝技術進一步發展，帶來封裝行業的生態變化。

04 光通訊技術朝大容量、高速率和整合化方向發展

隨著全球資料流量的增長，特別是在視訊流、雲端運算、物聯網和5G網路領域的發展，對高速光通訊解決方案的需求日益增加。

過去一年中，光通訊技術取得了顯著進展。首先，在傳輸速率方面，400Gbps甚至800Gbps介面已成為現實，標誌著光收發器性能的新里程碑。華為和諾基亞等公司在相干光學技術和硅光子學方面的創新是這一成就的關鍵因素，這些新技術不僅提升了資料傳輸速度，還降低了功耗，增強了可靠性和可擴展性。密集波分復用(DWDM)技術的應用進一步擴大了單根光纖的資料承載能力，支援更多使用者同時線上，滿足了不斷增長的資料需求。

同步光網路(SONET)技術在高頻寬需求場景中表現出色，尤其適合金融交易系統和醫療健康等領域，其高度可靠性使其成為關鍵應用的理想選擇(圖3)。資料中心內部及之間的高效互連也成為了研究熱點，推動了新型光交換機和路由器的研發，以實現更快速度和更低延遲的資料交換。

展望2025年，光通訊技術將繼續朝著更高容量、更快傳輸速率、更低的成本以及更廣泛的部署方向發展：

• 更高容量與更快傳輸速率：行業將探索如何利用先進的調製格式和技術來達到Tbps等級的資料傳輸速率。
• 邊緣計算與光互連：針對分佈式架構最佳化的光互連解決方案將成為研究重點，提供低延遲、高頻寬的連接能力，支撐即時處理要求高的應用。
• 整合化與模組化設計：更加緊湊且節能高效的光通訊模組將是未來發展的關鍵方向之一，有助於降低營運成本並提高整體能效。

儘管前景光明，高昂的初始部署成本仍然是阻礙光通訊技術廣泛採用的主要障礙之一。為此，產業界正通過爭取政府政策支援、技術創新降低成本以及加快標準化處理程序等方式尋求解決之道，以促進不同廠商產品間的相容性，從而降低使用者的總體擁有成本。

05 HBM4量產時間提前，5納米成新工藝節點

儘管作為最新一代高頻寬記憶體技術，HBM4在各大儲存晶片巨頭技術路線圖裡已有相關的量產時間表，但在AI終端需求的拉動下，或迫使儲存原廠撥快量產時間表。從量產進度來看，三星、SK海力士、美光科技三大儲存原廠的HBM4量產時間表都在2025至2026年。

HBM4最大的應用優勢在於通過增加堆疊層數和通道數，顯著提升了記憶體的頻寬和容量。不過，HBM4記憶體介面從1024位擴展到2048位，意味著HBM4記憶體的設計和生產將面臨新的挑戰，需要採用更先進的工藝節點和更具挑戰性的封裝技術。

從技術進展來看，5納米已經成為HBM4的新工藝節點。同時，晶片封裝仍然是HBM4面臨的最大挑戰之一。由於無凸塊的混合鍵合技術尚不成熟，傳統有凸塊方案預計仍將是16層堆疊HBM4的主流鍵合技術。要保證堆疊高度維持在一定範圍內，HBM4需要進一步地壓縮層間間隙，而且還需提高熱管理能力。而在HBM鍵合工藝上，三大HBM記憶體原廠正對無助焊劑鍵合等工藝進行相關的測試和研究，以推動HBM4的量產。

從量產進度和計畫來看，三星電子已經成功製造了基於混合鍵合技術的16層堆疊HBM3記憶體，並計畫將該技術用於HBM4記憶體量產。同時，三星正在建立專門的HBM4生產線，目前進入試生產階段，預計在2025年下半年量產12層HBM4堆疊。SK海力士也在開發16層堆疊的HBM4記憶體，並計畫於2025年量產(圖4)。該公司與台積電合作，使用台積電的5納米工藝來建立HBM4封裝底部的基底晶片。SK海力士還計畫引入混合鍵合技術以減少儲存晶片堆疊縫隙的高度，從而實現更多層數的堆疊。美光科技量產時間表略晚，預計將在2026年推出12和16層堆疊的HBM4產品。

而對於SK海力士、三星和輝達等企業的技術訴求，台積電也將利用其N12FFC+和N5兩種工藝技術，以及InFO和CoWoS等先進封裝解決方案。

06 艙駕一體中央計算架構與大模型融合，助推自動駕駛技術發展

自通用人工智慧(AGI)大火後，車用大模型也隨之大熱，特別是端到端車用大模型，有可能成為L2駕駛輔助或者L3自動駕駛的最佳路線(圖5)。特斯拉FSD V12版本的推出是這一趨勢的顯著標誌，意味端到端自動駕駛技術在量產車型上的應用已成為現實。這個方案也得到了多家車企的認可，在中國，華為、小鵬、商湯科技和元戎啟行等企業也在積極跟進。

隨著大模型的應用，自動駕駛晶片對算力的需求也在不斷提升，2024年被視為跨域融合的元年。多家公司已經發佈了支援中央計算平台的SoC晶片，例如輝達的DRIVE Thor和高通的Snapdragon Ride Flex SoC都具有高達2000TOPS的算力，能夠支援L4/L5級自動駕駛能力，同時兼顧更高端的智能座艙體驗。多家車企和一級供應商正在積極推進這一方向，艙駕一體將成為近兩年的主流趨勢。

智駕端到端大模型在未來能否上車是個關鍵，這個技術的發展可以分為四個階段：感知端到端、決策規劃模型化、模組化端到端和One Model端到端。中國自動駕駛公司的模組化端到端方案預計將在2025年實現量產上車。

從市場方面，有研究機構表示，2029年汽車半導體市場規模將達到1000億美元，在這些數字背後，高級輔助駕駛系統(ADAS)和安全將以14%的年複合增長率在2023至2029年期間實現最高增長。用於自動駕駛的高性能SoC、智能座艙、電力電子，以及用於未來E/E架構的MCU，也是OEM在汽車半導體投資中的重點方向。

07 2.5D與3D先進封裝持續深入，在嵌入式領域展現潛力

2.5D封裝技術通過在中介層整合多個晶片，實現了高效的晶片間通訊;3D封裝技術則更進一步，將晶片垂直堆疊，不僅極大地減小了裝置體積，還顯著提升了性能。這些技術的發展不僅滿足了各類應用高性能計算和強大處理能力的需求，也為小型化趨勢提供了強有力的支援。

在全球電子封裝行業中，2.5D與3D積體電路封裝正以迅猛的速度發展，成為推動整個市場向前邁進的關鍵力量。

根據The Business Research Company發佈的3D IC和2.5D IC封裝市場研究報告，預計從2023年的486億美元起，到2024年這一市場規模將達到543.9億美元，展現出11.9%的年複合增長率。

在技術細分方面，3D和2.5D積體電路封裝技術涵蓋了3D晶圓級晶片級封裝、3D硅通孔(TSV)和2.5D等多種技術。

目前，這些技術已經在高性能計算、5G通訊基礎設施和自動駕駛汽車等前沿科技領域發揮重要作用，此外，2.5D和3D先進封裝技術也正逐步滲透到更多嵌入式應用中，如微機電系統(MEMS)、CMOS圖像感測器(CIS)和快閃記憶體等，並且正在向圖形處理器(GPU)、多核CPU、電源管理單元(PMU)、功率放大器以及現場可程式設計門陣列(FPGA)等領域擴展其影響力，顯示出它們在未來電子封裝領域的巨大潛力(圖6)。

儘管在射頻(RF)微型系統方面，2.5D/3D封裝技術尚未形成規模化應用，但相關研究報導的數量正在不斷增加。

預測表明至2028年時，3D和2.5D積體電路封裝市場的規模有望達到816.7億美元，保持約10.7%的年均增長速度。隨著相關技術持續進步與市場需求的增長，可以預見，在接下來幾年裡，2.5D和3D封裝技術將在商業上取得更加廣泛的應用。

08 AI需求激增推動伺服器液冷技術發展

隨著中國人工智慧企業對智算中心基礎設施建設和算力供給需求越來越高，導致此類資料中心的IT裝置能耗大幅上升，迫切需要高效的冷卻系統來維持適宜的操作溫度，否則將對大模型產品的周期管理和維運難度產生巨大挑戰。另一方面，各國政府也在不斷提高資料中心的節能減排標準，加快綠色節能算力部署。因此，液冷解決方案正從以前資料中心建設和改造的“可選項”，逐步演變成為“必選項”。

以中國市場為例，中國液冷伺服器市場在2024年上半年繼續快速增長。市場規模達12.6億美元，與2023年同期相比增長98.3%，其中液冷解決方案仍以冷板式為主，佔到95%以上。預計2023至2028年，中國液冷伺服器市場年複合增長率將達到47.6%，2028年市場規模將達到102億美元。

網際網路行業依然是2024上半年中國液冷伺服器市場最大買家，佔整體市場超60%的份額，其中雲服務提供商(CSP)對於加速建設大叢集的液冷資料中心是最積極的。除此以外，電信營運商在逐步落實2023年發佈的《電信營運商液冷技術白皮書》3年行動計畫，積極探索基礎設施解耦方案，對液冷資料中心的建設保持較快的增長，也是未來液冷伺服器需求的主要來源。

液冷技術主要分為直接液冷(DLC)和浸沒式液冷兩大類型(圖7)。直接液冷將冷卻液直接引導至裝置的熱源上，通過冷卻板或冷卻管道將熱量帶走;浸沒式液冷則將整個裝置完全浸泡在絕緣冷卻液中，實現更大範圍的熱傳導效果，適用於超高密度和大功率裝置的散熱。目前來看，冷板式液冷憑藉更高的技術成熟度和完善的產業鏈，具備更高的建設和維護便利性。

09 整合化、小型化和多通道設計，讓生物感測器更強大

電化學生物感測器是一種將生物識別元件(如酶、抗體或DNA)與電化學換能器相結合的分析裝置，能夠特異性地識別目標生物分子，並將其濃度變化轉化為可測量的電訊號。它在生物醫學、環境監測、食品安全等領域具有廣泛的應用前景。

近年來隨著人們健康意識的不斷提高，電化學生物感測器技術有了顯著進展。全球市場規模在2023年估計達到了28.9億美元，預計到2030年將以8.0%的年複合增長率增長。

過去一年在技術進展方面，蘋果的無創血糖監測技術雖然還處於可行的“概念驗證”階段，但為電化學生物感測器的發展帶來了曙光;還有團隊開發出的可攜式生物感測器，能夠在短時間內檢測出血清中極低濃度的生物標誌物。此外，微納製造技術的進步使得整合化和小型化成為可能，為可穿戴裝置和即時檢測(POCT)應用提供了技術支援，而多通道設計的引入使得感測器可以同時檢測多種目標物質，提高了檢測效率和精準性。

未來一年，更多的新型材料將有望被應用，如二維材料、金屬有機框架(MOF)和共軛聚合物等都有望成為新的研究熱點。時下大火的AI技術也有望與電化學生物感測器深度融合，通過機器學習演算法實現對複雜訊號的智能分析和處理，提高檢測的精準性和可靠性。在可穿戴裝置等具體應用領域，電化學生物感測器與智能裝置的融合，將實現對人體健康狀況的即時、長期和多項生理指標的同時監測。

然而，電化學生物感測器在商業化處理程序中也面臨一些挑戰，例如穩定性和重複性需要進一步提高，以確保測量結果的可靠。此外，成本和全球醫療保健機構嚴格的法規也是限制其大規模應用的一個重要因素。這需要業界在最佳化感測器的設計和製備工藝，提高其性能和穩定性的同時，探索新的材料和技術以降低製造成本。

10 應用導向的晶片設計，牽一髮動全身

EDA企業過去一年都在談系統設計的重要性，或者說以應用為導向的晶片設計時代正在到來——不僅是板級系統，也在於深入到應用特定需求的系統技術。

以汽車為例，當代汽車的不同設計域之間存在著更強的依賴和相互關聯性。某一部分的變化可能會影響到其他組成部分，可謂牽一髮而動全身。對於系統設計、最佳化、驗證、實施、製造和部署全流程，元件之間的關聯都變得無比重要。

對於特定的軟體來說，需要特定的晶片組態才能達成理想的運行效率;改變軟體，也就意味著晶片需要做出對應變更;隨之而來的就是晶片的熱等物理特性變化，封裝及系統也要做出改變;留給電池的空間或許就會不一樣，底盤設計也要跟著變，乃至影響到制動系統和引擎。

於是晶片設計與製造，不再單純是製造工藝驅動，也不只是受到先進封裝等製造封裝層面的變革影響，而是軟體定義、應用導向的系統設計中的一環。晶片設計需要放到整個系統之中進行，衡量系統所有其他組成部分，包括真實營運環境內的資產。

晶片設計的數字孿生置於營運系統的數字孿生之中;基於對系統內晶片的監測，理解營運系統的性能，並將資訊再反饋到設計環節。

這一趨勢的發生，不僅是摩爾定律停滯或放緩，以及全社會數位化轉型、AI技術發展對算力提出更高的要求而不得不為之;也是軟體、AI、IoT和通訊等相關技術發展到一定高度才可達成的。 (芯榜)