半導體創新賦能可持續AI：圍繞算力和電力的「芯」機會

（來源：SEMI）

對於半導體產業鏈而言，人工智能（AI）是一場正在發生的技術革命。

AI重塑產業，但也提出新問題。AI大模型時代對算力和能源（電力）的消耗呈指數級增長。在后摩爾時代，半導體技術創新如何賦能AI？而AI在應用端的蓬勃發展，又將如何反過來點燃半導體產業鏈的新一輪技術遞進，從而為延續摩爾定律「另闢蹊徑」？

算力指數級增長 帶來 「芯」機會

人工智能成為半導體行業進一步縱深發展的重要驅動力，同時還包括其驅動的新智能應用、AI手機、新能源汽車及工業應用等新興產業，都將進一步帶動半導體產業鏈上下游的發展。

在一個技術周期里，那些偉大的公司、產品和應用，一定是被這個技術周期里的最主流趨勢所賦能的。就像蘋果一直在「壓榨」摩爾定律的極限；YouTube、字節跳動等公司則是以短視頻信息流的形態，把移動互聯網的帶寬速度和快速增長的移動端用户發揮到了極限。

當下技術周期的「頂流」，無疑是人工智能，也就是説，接下去比拼的關鍵就是最大化利用「智能紅利」的能力。重點是，要順着浪潮，站穩衝浪板。

應用端百花齊放，算力需求激增

自2023年ChatGPT的橫空出世，人工智能（AI）進入了新一輪發展熱潮，大語言模型（LLM）對算力的「渴求」開始指數級增長。過去一年多來，AI在應用端的創新蓬勃發展，並已經形成規模化落地趨勢。

人工智能時代的殺手級應用開始初現江湖。中國本土AI初創公司YouWare正在構建一個「激發普通人 coding 創作慾望的 vibe coder（氛圍編程者）社區」。未來「AI Coding」可能會是新的創作方式。而這家公司是今年AI領域備受投資人歡迎的搶手創企，在還沒正式推出產品前就連融兩輪，估值達到 8000 萬美元，投資方里有數家頂尖 VC。

用户行為也在悄然改變。在今年的上海世界移動通信大會上，華為常務董事汪濤就指出，移動終端正從以APP為中心走向以AI Agent為中心，讓每個人都有專屬智慧助手。到2030年，全球將有近百億的個人AI Agent，重塑用户交互體驗，交互方式走向跨應用個性化，交互場景走向跨設備場景化，交互體驗走向跨模態情感化。

AI智能終端也迎來一波上新潮。小米日前（6月26日）正式揭祕其「面向下一個時代的個人智能設備」——小米AI眼鏡。該設備最大的賣點之一即為拍攝功能，用户可呼喚小愛同學，開啟第一人稱視角拍攝錄像。據國金證券研報分析，小米首款AI智能眼鏡，將採用雙芯架構，定位對標雷朋Meta。其核心功能將集合攝影錄像、AI語音交互、音頻播放等，通過鏡頭感知現實世界，結合AI帶來豐富玩法，例如類似蘋果視覺智能的功能，可識別物品、餐廳等，並提供價位、評分等信息。

此外，Meta和運動眼鏡品牌Oakley於6月20日推出無顯示屏全新AI眼鏡Oakley Meta HSTN，推動AI眼鏡在滑雪/登山/騎行等運動領域深度應用。在這之后，Rokid Glasses也即將發售；Meta Connect 2025將於9月17日召開，將聚焦於Meta Quest頭顯、 AI眼鏡等最新進展，並有望發佈新品；此外，字節、阿里等廠商也有望發佈AI/AR眼鏡。AI+AR的終極形態有望成為繼智能手機下一代移動智能終端。

所有這一切應用場景的背后，需要巨量的算力作支撐。這意味着，需要更多的芯片，需要性能更強的數據處理能力、更大的帶寬、更快的速度。為此，從前端的芯片設計、製造到后端的封裝、測試以及終端應用，整個半導體價值鏈都在加速擴展，以支持生成式人工智能（AI）應用的激增需求。

佈局算力生態： AI芯片市場蓬勃

AI應用端的繁榮，催生對算力的指數級需求，也進一步推進半導體產業鏈的新一輪創新和擴張。AI重塑產業的故事正式拉開，對於半導體產業鏈而言，這種影響將更為深刻。

在IC設計領域，根據TrendForce集邦諮詢近期的報告，IC設計產業的表現也同樣受AI強勁需求驅動。2025年第一季全球前十大IC設計廠營收季增6%，達774億美元，續創新高。其中，全球各地興建AI數據中心，也進一步助力IC設計產業表現。

作為算力的主要載體，AI芯片在AI時代呈現出強勁的增長勢頭。AI 芯片的定義為「專門針對AI算法做了特殊加速設計的芯片」，按技術架構可以分為通用圖形處理器（GPU）、中央處理器（CPU）、專用集成電路芯片（ASIC）以及現場可編程門陣列（FPGA）等。在數據中心側和邊緣側，不同類型芯片的佔比不同。在數據中心側，推理和訓練芯片 ASIC 芯片佔比大幅提升；而在邊緣側推理芯片GPU 大幅提升，訓練芯片FPGA 佔比大幅提升。

基礎設施成芯片行業成長強勁驅動力，來源：Marvell 公司官網

目前，以GPU為代表的AI計算芯片市場規模正快速增長。Gartner的數據顯示，2023年全球AI GPU芯片市場規模約為534億美元，2024年同比增速達25.7%。IDC數據顯示，在中國AI芯片市場，GPU佔有超過80%的市場份額。英偉達（NVIDIA）在AI GPU領域可謂一騎絕塵，得益於其Blackwell新平臺逐步放量，今年一季度營收突破423億美元，季增12%，年增達72%，牢牢佔據營收第一的位置。

但AI定製芯片 ASIC正有奮起追趕之勢。排名第三的博通一季度半導體營收續創歷史新高，為83.4億美元，年增15%。博通在 AI 芯片領域的核心優勢在於定製化 ASIC 芯片和高速數據交換芯片，解決方案廣泛應用於數據中心、雲計算、高性能計算和 5G 基礎設施等領域。其中，AI XPU被廣泛應用於客户的AI加速器和網絡基礎設施中，成為推動AI時代底層硬件的中堅力量。目前，博通在AI定製芯片領域的重點客户包括谷歌Meta、字節跳動以及OpenAI。據《The Information》等外媒報道，蘋果有意與博通合作開發AI芯片，或將在2026年準備好投入生產。

博通公司CEO Hock Tan預計，2027年市場對定製款AI芯片的需求規模為600億至900億美元。該公司希望三年后ASIC與GPU在AI芯片市場能平分天下。

ASIC（Application Specific Integrated Circuit），即專用集成電路芯片，是一種爲了專門目的或算法而設計的芯片。ASIC芯片的架構並不固定，既有較為簡單的網卡芯片，用於控制網絡流量，滿足防火牆需求等；也有類似於谷歌TPU等的頂尖AI芯片。只要是爲了某一類算法或某一類用户需求而去專門設計的芯片，都可以稱之為ASIC。ASIC包含多類芯片，根據運算類型主要分為TPU、DPU和NPU，分別對應不同的基礎計算功能。TPU即為谷歌發明的AI處理器，主要支持張量計算；DPU則是用於數據中心內部的加速計算；NPU則是對應了上一輪AI熱潮中的CNN（神經卷積算法），后被大量集成進了邊緣設備的處理芯片中。

根據第一財經發布的《2024數字中國年度報告——AI算力篇》，2023年數據中心定製加速計算芯片（ASIC）規模約66億美元，在AI加速計算芯片市場佔有率較低，為16%。但AI ASIC芯片成長空間廣闊，未來增速有望超過通用加速計算芯片。

Marvell在6月舉辦的Custom AI研討會上指出，2024年北美雲計算四巨頭的資本支出增長至超過2000億美元，預計2025年將超過3000億美元，其中一大部分資金將投向定製芯片。同時，Marvell還觀察到，xAI、蘋果等新興玩家正在投資自己的數據基礎設施，定製化趨勢已突破傳統巨頭體系，向更廣泛的客户羣擴散。

Marvell公司官網

在高需求驅動下，Marvell董事局主席兼CEO Matt Murphy由此預測數據中心定製芯片市場的市場規模到2028年將達到940億美元，複合年增長率35%，相較於去年預測750億美元已擴容達26%。而這940億美元的市場中，定製加速計算市場體量最大，達554億美元，增速最快；互連（Interconnect）為第二大市場，規模190億美元；交換和存儲則保持持續穩定增長。

整體上看，定製芯片的優化空間還很大，如果雲服務商（CSP）的場景和負載相對穩定之后會非常適合採用ASIC。未來隨着AI工作負載日益多元化，算力架構與內存層次需求不斷演進，ASIC定製芯片的市場需求將迎來快速增長。全球主要的幾家雲服務商都早就開始佈局ASIC芯片。谷歌多年前就佈局TPU，其第六代TPU Trillium在本月正式向客户開放使用；Meta今年推出了專為AI訓練和推理設計的定製芯片MTIA v2；亞馬遜有Trainium2，並計劃明年發佈Trainium3；微軟則有自研AI芯片Azure Maia。

需要指出的是，在算力芯片構建佈局上，本來就不是單一的選擇。

異構計算也是一大潛力方向。通過在單一系統中利用不同類型的處理器，如CPU、GPU、ASIC、FPGA等協同工作，執行特定任務，異構計算能優化性能和效率，更高效地利用不同類型的計算資源，滿足不同的計算需求。在全球降本增效趨勢下，通過這樣的組合拳來提升計算性能，同時實現更好的效率和更低的成為，異構計算的優勢也日益凸顯。

其他在AI時代的新選擇還包括存算一體。鑑於ASIC、FPGA要發展到類似於GPU的大規模商用仍需時日，在此期間，配合GPU的廣泛應用，存力與運力也在快速發展。2024年初，搭載在高端AI服務器配合GPU的HBM（High Band width Memory，高帶寬存儲器）爆火。HBM擁有超高帶寬，主要緣於其將原本在PCB板上的DDR內存顆粒和GPU芯片同時集成到SiP封裝中，使內存更加靠近GPU，即「近存計算」。

存算一體，即在存儲器中嵌入計算能力，以新的運算架構進行二維和三維矩陣乘法/加法運算。其中存內計算的計算操作由位於存儲芯片內部的獨立計算單元完成，存儲和計算可以是模擬的也可以是數字的，一般用於算法固定的場景算法計算；存內邏輯通過在內部存儲中添加計算邏輯，直接在內部存儲執行數據計算，這種架構數據傳輸路徑最短，同時能滿足大模型的計算精度要求。隨着存算技術的發展，未來存內計算、存內邏輯，即「存算一體」，有望成為AI時代的新選擇。

此外，爲了突破后摩爾時代的算力瓶頸，科技大廠們還在更前沿的硅光子、量子計算領域提前佈局。

近期就有媒體報道，據知情人士透露，英偉達正就投資量子計算初創公司PsiQuantum進行深入談判。總部位於帕洛阿爾託的PsiQuantum在由貝萊德領投的一輪融資中籌集了至少7.5億美元，投前估值為60億美元。與許多依賴非常規材料的量子初創公司不同，該公司使用光子作為量子比特，並利用標準半導體制造方法。此舉將標誌着英偉達首次直接投資於構建物理量子計算機的公司，代表其戰略重心從之前以人工智能為中心的企業發生了轉變。

AMD則在不久前宣佈將硅光子學初創企業Enosemi納入麾下。據公開資料，Enosemi此前曾是AMD的外部光子學開發合作伙伴。AMD表示，Enosemi是AMD在深入高性能互聯創新領域的理想收購選擇，這筆交易將立即提升其支持和發展下一代AI系統中的各種光子學和共封裝光學（CPO）解決方案的能力。通過對Enosemi的收購，AMD進一步完善了其AI基礎設施系統技術堆棧。AMD在今年早些時候憑藉完成收購ZT Systems獲取了機架系統方面的大量知識和人才資源。

持續推動半導體先進節點需求

對算力的無止境追求，也進一步推動對半導體先進節點的需求，爲了追求更高的算力和更優的功耗，AI半導體開始引入新結構、新工藝和新材料，對於半導體制造產業鏈的帶動作用明顯，特別是加速前端半導體制造供應鏈的擴張。麥肯錫預計，AI 對於半導體制造產生的貢獻最大，約為 380 億美元。同時受益於芯片設計和驗證自動化，芯片研發和設計成本未來也將相應降低。

McKinsey 官網、東興證券研究所

比如，爲了大幅提升算力，AI 半導體晶體管數量增加，並通過引入 MPU（微處理器）、增大芯片面積，AI半導體器件的結構也進一步趨於複雜，其新結構將加速由 FinFET 到 GAA FET（Gate-All-Around FET）。而GAAFET 的器件結構中，溝道外延層、源極/漏極外延層出現多層結構，同時高性能/高帶寬的 DRAM 使用 High-k材料和金屬材料，這些材料和工藝都需要更多的 ALD 和 PVD 外延工藝。另外，隨着生成式 AI 的發展，大容量數據高速運轉，DRAM 芯片使用 HBM 結構來降低互聯的延迟。隨着 AI 半導體的發展，未來將更多采用 3D 堆疊和低温/複雜器件結構。

SEMI今年6月發佈的《300毫米晶圓廠展望報告（300mm Fab Outlook）》指出，全球前端半導體供應商正在加速擴張，以支持生成式AI應用需求的激增，尤其對半導體先進節點的需求明顯，先進工藝產能（7納米及以下）將持續擴張，預計將從2024年的每月85萬片晶圓增長到2028年的歷史新高140萬片晶圓，增長約69%，複合年增長率約為14%，是行業平均水平的兩倍。

先進工藝產能擴張更將保持兩位數增長。預計到2028年，先進工藝設備的資本支出將激增至超過500億美元，與2024年投資的260億美元相比，大幅增長94%，複合年增長率為18%。尤其是向尖端節點的過渡將繼續加速，預計2nm技術將在2026年實現量產，隨后1.4nm技術將在2028年實現商業部署。爲了滿足不斷增長的市場需求，芯片製造商正在提前戰略性地擴大產能，2025年增長率為33%，2027年增長率為21%。對2納米及以下晶圓設備的投資尤其呈現出顯著增長，從2024年的190億美元增長到2028年的430億美元，增長了120%。

除了需要AI大模型架構來支持日益強大的訓練能力外，AI推理是推動增長的另一大催化劑。此外，AI還在推動虛擬現實和增強現實設備以及人形機器人領域的突破，預計在未來幾年內對先進半導體技術的需求將保持強勁。

AI競爭的盡頭是電力？

半導體全產業鏈極限創新賦能綠色算力

AI大模型狂飆突進的發展給產業鏈上下游注入新能量的同時，也帶來了新挑戰。能耗問題首當其衝——服務器功耗飆升到「冒煙」，芯片燙手，電費驚人，算力每前進一步，散熱成本則高達三倍。

因為需要消耗大量算力，也就意味着要消耗大量電力。然而，性能和功耗一個都不能少，同時當下的半導體產業還面臨着摩爾定律正在逼近物理極限的挑戰，可持續人工智能如何實現？半導體產業鏈上下游都需要面臨一場極限創新。

電力鴻溝

「未來十年，誰掌握智能和能源，誰就贏」。OpenAI CEO薩姆•奧爾特曼（Sam Altman）近日指出。OpenAI預測，到2030年美國將需要約50吉瓦（GW）的新增電力產能，以支持AI行業的迅猛發展。美國能源信息署報告稱，到 2050 年，商業計算的用電量可能會超過空間冷卻和通風。但其實在AI大模型大火以前，數據中心的能源消耗一直相當穩定，因為互聯網使用水平的提高被能源效率的提高所抵消。但這種情況正在迅速改變——人工智能查詢的能耗大約是現有搜索引擎的10倍。

高盛的一份報告顯示，2022年算力數據中心在美國電力需求佔的比例僅為3%，但是到2030年將增加到8%，電力需求年複合增長率為2.4%。相比之下，過去20年數據中心發電量年複合增率不到0.5%。此外，該報告還預計，到2030年AI數據中心的電力需求將增長160%。

與人工智能發展的迅猛形成對比的是，電網的發展很慢。

英飛凌在近期的一場AI創新技術論壇上就指出，AI算力的爆發式增長對電力基礎設施提出了前所未有的挑戰——AI數據中心的功耗每6個月翻一番（如NVIDIA GB200集羣功耗可達120kW/櫃），而傳統電網的升級周期長達10年以上。

因此Meta首席執行官扎克伯格在此前的一次採訪中就曾指出，對於建造AI數據中心而言，電力問題是影響下一步發展的瓶頸。「目前建立單一的數據中心功耗在50-150MW，如果發展到1GW級別的數據中心，將需要一整個核電站的發電機組為AI數據中心供電。」谷歌前 CEO 埃里克•施密特（Eric Schmidt）前不久更是在美國國會能源與商業委員會的聽證會上直接警告「未來AI將消耗全球99%的電力」。在他看來，AI大模型未來發展面臨的瓶頸不是算法本身，而是物理限制，比如電力資源。

Epoch AI指出，全球AI訓練規模受電力供給、芯片製造能力、數據稀缺性和延迟牆4大主要因素制約，其中電力供給有可能成為制約訓練規模的最大短板。

Epoch AI，國信證券經濟研究所

可見，當前AI電力消耗已呈現指數級增長趨勢。而在AI芯片的製造環節，能耗增速也遠超預期。綠色和平組織報告顯示，2023至2024年間，全球AI芯片製造電力消耗增長350%，到2030年可能較2023年增長170倍。

爲了應對AI帶來的電力挑戰，各國也都在制定應對策略。我國通過 「東數西算」 戰略將數據中心向西部綠電資源富集地區遷移，部分數據中心綠電使用率已達80%。歐盟則計劃投資超級計算基礎設施，並推動AI與清潔技術融合，目標到2030年可再生能源佔比超50%。

圍繞綠色算力的半導體創新

能效革命已然拉開序幕，「綠色算力」的概念也應運而生。

中國信通院開放數據中心委員會聯合國內多家IT、CT領域單位發佈的《綠色算力技術白皮書（2023年）》中指出，綠色算力是一個綜合性的概念，涉及算力的生產、供給、服務等全過程的綠色低碳。具體來説，綠色算力即算力的綠色低碳追求，可通過融合推進算力生產、算力運營、算力管理、算力應用等層次的綠色化來實現。作為一個系統性工程，綠色算力貫穿芯片、服務器、系統集、雲服務、電力系統、儲能等多個主體環節。

創新一：先進製程工藝和架構優化設計

上游算力設備提供商層面，主要通過提升核心IT設備高效運行來實現綠色發展。主要方式包括：通過芯片製造封裝工藝技術的進步以及處理器架構創新提高單芯片性能，運用先進存儲、存算一體、無損網絡融合等技術促進計算存儲網絡協同，以及通過異構計算資源池化實現算力統一調度等方式來提升IT設備高效性，從而降低能耗，提升整體能效。

頭部科技企業主要圍繞先進工藝和架構優化創新推動實現芯片高效節能。先進製程工藝、架構優化設計和電源管理等方式是提高通用芯片算效的主要方式。

在先進製程工藝方面，ARM發佈的新一代移動處理器超大核Cortex-X4，基於最新的ARM9.2架構和N3E工藝，相比上一代在性能上提升了15%左右，在相同頻率下降低40%的功耗。英偉達推出的Blackwell GPU 採用4nm工藝，結合第二代Transformer引擎、第五代NVLink、RAS 引擎和解壓縮引擎等技術，可支持多達10萬億參數的模型進行AI訓練和實時LLM推理，比上一代 GPU芯片性能提升30倍，能耗可降低25 倍。基於6nm工藝改進、Zen3+核心架構優化以及LPDDR5內存和先進省電機制加持，功耗則可降低35%。

在架構優化方面，阿里自研的倚天710內含128核CPU，與飛天操作系統及 CIPU融合，在數據庫、大數據、視頻編解碼、Web服務器等核心場景中的性能提升30%以上，單位算力功耗降低60%以上。

創新二：精簡指令集架構

在指令集架構領域，基於精簡指令集（RISC）的開源架構的RISC-V架構的應用潛力凸顯。與ARM架構相比，RISC-V架構更加開放，可以根據特定的應用需求進行定製，以提供更高的性能或效率。隨着新型算力需求激增，RISC-V 進入應用爆發期，華為、百度、中興、中科院等企業和機構，都利用這一特點採用RISC-V架構，研發自己的芯片，根據RISC-V基金會統計，2022年RISC-V架構芯片出貨量已突破100億顆，中國廠商就50億顆以上，佔比超過50%。

創新三：電子電路與光通信融合

英偉達在今年3月推出的硅光網絡交換機，創新地集成了光器件，使激光器數量減少4倍，與傳統方法相比，能源效率提高到 3.5 倍，信號完整性提高到 63 倍，大規模組網可靠性提高到 10 倍，部署速度提高到1.3 倍。這使 AI 工廠能夠跨區域連接數百萬 GPU ，同時大幅降低能耗和運營成本。

據悉，英偉達硅光生態系統夥伴包括臺積電（ TSMC）、Browave、Coherent、Fabrinet、Foxconn、Lumentum、SENKO、SPIL、Sumitomo Electric Industries 和 TFC Communication。其中臺積電的硅光解決方案結合其先進的芯片工藝和 TSMC-SoIC 3D 芯片封裝的優勢，對AI 工廠的擴展發揮了重要作用。

半導體全鏈路碳足跡優化 抵消AI算力環境成本

另一大努力的方向，是從半導體產業鏈全鏈路優化碳足跡，以求抵消AI算力帶來的巨大環境成本。

半導體氣候聯盟 (Semiconductor Climate Consortium，SCC)最近的一份報告顯示，在幾乎所有關鍵的亞洲市場，半導體價值鏈都有着巨大的能源消耗。麥肯錫的一項分析則顯示，即使主要半導體公司對於減少碳排放的最新承諾比過去的措施更嚴格，該行業也無法將排放限制在2016年《巴黎協定》要求的範圍內。分析發現，半導體企業的個人和集體行動都可以幫助整個行業提高可持續性，應對1.5°C的挑戰。爲了減少全球半導體行業的碳排放，SEMI和SCC成立了SCC能源合作組織（SCC Energy Collaborative，SCC-EC），以瞭解並清除亞太地區低碳能源裝置安裝的障礙。SCC-EC由行業領袖組成，將為低碳能源優先事宜提供統一的觀點。

很多半導體大廠已經開始從不同層面踐行低碳策略。比如，美光科技全生命周期管理，將每片晶圓的碳排放量較2018年基準降低42%，這一成果被納入《全球半導體行業ESG發展報告》典型案例。美光科技公佈的2030年可持續發展路線圖顯示，計劃將單位產量能耗再降20%，可再生能源使用比例提升至75%，這些量化目標均通過SASB標準審計。

美光的綠色技術創新體現在多個維度。該公司研發的低温蝕刻工藝使NAND芯片製造温度降低80℃，直接減少12%的工藝碳排放（相關技術細節在《自然-電子學》2024年3月刊中有詳細論述）；此外，美光在日本廣島工廠安裝的智能電力監控系統，通過AI算法優化設備運行時序，年節電量相當於1.2萬戶家庭用電；水資源管理方面，美光采用閉環回收系統實現85%的工業用水重複利用率。其新加坡晶圓廠部署的離子交換廢水處理裝置，使重金屬排放濃度低於0.1ppm，達到世界衞生組織飲用水標準的1/10。

值得一提的是，美光在其供應鏈可持續建設也成效顯著。該公司要求所有關鍵供應商在2026年前完成ISO 14001認證，目前已有78%供應商完成碳足跡覈查。比如，其西安封裝測試基地採用光伏供電系統，年發電量達380萬度，相當於減少3000噸二氧化碳排放，該數據經第三方機構BSI認證。

半導體設備廠商也積極時間低碳化。東京電子（TEL）首席技術官Akihisa Sekiguchi在今年的SEMICON China期間，也對半導體產業鏈的低碳化提出了一些可行的建議。比如，在製程優化方面，可採用低温刻蝕、等離子體控制等技術，減少高深寬比刻蝕的能耗與碳足跡；在材料方面，逐步減少並淘汰組建中含全氟烷基物質（PFAS）材料的使用，並開發環保型光刻膠與潤滑劑。此外，他還強調要善於利用AI等先進技術來提升產業鏈數字化程度，提高生產效率，優化設備管理。據悉，TEL就在實踐通過引入AI驅動的材料信息學（MI），可以實現晶體管篩選周期從3周縮短至1天。此外，利用自診斷設備與遠程運維繫統，可以提升產線效率達30%以上。

寫在最后：

從福特的Model T到ChatGPT，改變世界的力量藴藏於每一次的科技創新中。半導體技術更是這一切的基石底座，推動一代代技術和應用浪潮的迭代。如果説上一輪的互聯網浪潮，比拼的是「算力+連接」，那麼這一輪AI 競爭，比拼的則是「算力+供電」。在摩爾定律逼近物理極限的當下，圍繞算力瓶頸和電力鴻溝的突圍賽，倒逼半導體產業鏈加速創新。與此同時，AI作為我們這個時代最重大的技術突破之一，也在重塑各個行業，帶來新的可能性，穿越新的技術周期。