本文全面盘点了英伟达自2009年起，16年间在GTC大会上发布的各系列芯片及架构，包括技术参数、市场影响及技术突破等，并对过去16年的芯片发展历史进行总结，基于此预测了GPU架构和人工智能（AI）的未来发展趋势。

  2010年：发布Fermi架构，并预告了未来GPU家族——Kepler与Maxwell，标志着新一代架构的蓝图初现。

  2012年：Kepler架构正式对外发布，其突破性技术包括同时多线程（SIMT）的优化，使得CUDA核心利用率大幅提升。

  2014年：Maxwell以更高能效、更出色的并行计算和更优化的内存管理，为GPU性能升级提供了支撑。

  2016年：Pascal架构发布，重点提升能效和VR支持，为虚拟现实应用提供技术保障。

  2017年：Volta架构问世，专为AI和HPC而设计，内置张量核心（TensorCore）大幅加速深度学习训练与推理。

  2018年：Turing架构发布，首次在消费级显卡中引入实时光线追踪技术，推动游戏和渲染技术的革新。

  2020年：Ampere架构亮相，凭借第二代张量核心和更高带宽内存，逐步优化了AI、游戏及数据中心性能。

  2022年：Hopper架构发布，重点面向AI和HPC市场，采用第三代张量核心和编程模型（如CUDA图），助力大规模AI模型训练。

  2022年：AdaLovelace架构发布，能够为光线追踪和基于AI的神经图形提供革命性的性能，明显提高了GPU性能基准，更代表着光线追踪和神经图形的转折点。

  2024年：Blackwell架构发布，其第四代张量核心、先进的内存技术（如HBM3）和能效优化，为新一代AI推理和HPC任务提供强大支持。

  2025年：预告下一代架构VeraRubin，其具有3.6EF的FP4推理性能和1.2EF的FP8训练性能，整体可达到GB300NVL72的3.3倍，同时在其它指标上也有2倍左右的提升。

  基于过去16年的芯片发展历史，未来GPU架构和AI的发展可能呈现以下趋势：

  在架构融合与多样化应用方面，技术突破大多数表现在未来GPU架构的专业化与多领域融合，不同应用场景（如游戏、数据中心、无人驾驶和边缘计算）将采用各自优化的架构。同时，新一代架构在保持高性能的基础上，通过降低功耗和缩小体积，借助更高制程节点（如从4nm到3nm乃至2nm）以及新材料和3D封装技术，实现晶体管密度的提升和跨越式性能突破。市场影响方面，这些进步将满足嵌入式与边缘设备对轻薄低耗的需求，同时推动芯片在数据中心和高性能计算领域的广泛应用，逐步提升整体计算密度和能效比，增强不相同的领域市场的竞争力。

  在智能计算与自适应架构领域，技术突破大多数表现在 GPU 的智能化发展，其内置自适应调节机制可根据任务需求动态分配计算资源，并结合 AI 技术一直在优化调度算法，实现实时负载均衡和能耗管理。此外，内置更多专用加速器（如 AI 推理引擎和神经网络处理器）的协同处理模式也将带来处理特定任务时显著的性能提升。市场影响方面，这种技术不仅仅可以实现“按需计算”，提高芯片在混合负载场景下的运算效率，还将助力各行各业在AI应用、无人驾驶及其他实时数据处理领域获得更高效、可靠的计算支持。

  在软件生态与编程模型革新方面，技术突破大多数表现在开放标准与跨平台支持的推广，CUDA 图及新编程模型的普及使得软件库和开发工具愈加智能化，能自动优化代码并充分挖掘硬件性能。同时，未来架构对前代产品和不同平台间的兼容性设计，以及对分布式和云计算环境的支持，也体现了技术上的全面升级。市场影响方面，这一进步大幅度的降低了开发者使用高性能 GPU 的门槛，构建了一个统一而灵活的计算平台，从而推动数据中心和超算中心的升级，支持大规模 AI 模型训练和数据处理，拓宽了市场应用场景和商业模式。

  在能效与散热管理方面，技术突破大多数表现在绿色计算和能效优化上，依靠架构改进、新材料应用以及更高效的散热设计和液冷技术，芯片内部还集成了能效监控系统，实现了在降低功耗的同时保持高性能的目标。市场影响方面，这些改进为大规模部署提供了坚实保障，特别是在数据中心和边缘计算领域，推动了绿色、可持续的计算方案的落地，进一步缓解了能耗问题并降低了运营成本。

  在新兴应用的驱动领域，技术突破大多数表现在元宇宙、虚拟现实以及无人驾驶和边缘智能的应用需求上。新一代 GPU 在支持更高分辨率和更复杂场景实时渲染的同时，通过集成更多专用渲染核心实现更真实的光影效果和物理仿真；而针对无人驾驶系统的专项优化，则使得芯片能在低延迟和高可靠性要求下稳定运行，并在边缘计算设备中找到小型化与高性能的平衡。市场影响方面，这些技术革新推动了显存带宽和计算速度的显著提升，为大模型、元宇宙和虚拟现实技术的成熟提供了硬件基础，同时满足了无人驾驶和物联网实时数据分析的严苛需求，为相关产业带来了巨大的商业应用前景。

  在2025年3月26日开幕的SEMICON China 2025大会上，北方华创重磅宣布正式进军离子注入设备、电镀设备市场，并发布首款离子注入机Sirius MC 313、12英寸电镀设备（ECP）Ausip T830。

  背靠深圳国资委的，国内半导体设备新锐创企——“新凯来”也迎来首秀，且首次亮相便爆火。

  涵盖了量检测、EPI（外延生长）、ETCH（刻蚀）、CVD（化学气相沉积）、PVD（物理气相沉积）和 ALD（原子层沉积）等多个领域。

  三. 干货满满！GTC25 图灵奖获得者AI教父杨立昆硬刚英伟达首席科学家比尔达利，直言英伟达该降价了

  AI教父杨立昆与英伟达首席科学家比尔达利聊了快一个小时，相信我们大家读完会对AI发展和投资有个前瞻性的认识，下面分享一下重点对线.  当前大语言模型研究兴趣下降的原因：杨立昆直言，他对目前大语言模型（LLM）的研究兴趣已大不如前。在他看来，LLM 的发展已经走到“最后一步”，如今主要落在产业应用团队手中做边角料式的改进，例如简单地堆砌更多数据、投入更大算力或利用合成数据来提升性能。这种以微调优化为主、缺乏颠覆性突破的状态使得他认为持续关注 LLM 意义不大，因而将目光转向了其他更具前景的研究方向。

  2.  他关注的四大 AI 研究方向（理解物理世界、持久记忆、推理、规划）：杨立昆认为当下更有意义的挑战大多分布在在四个方面：（1）让机器理解物理世界，即赋予 AI 对现实物理环境的直观理解；（2）让机器拥有持久的记忆，即长久保存和调用信息的能力（目前业界对此讨论不多）；（3）让机器学会推理，进行更高级的因果推断和逻辑演绎；（4）让机器能够规划未来的行动序列。他特别指出，虽然现在也有人在尝试用大语言模型实现推理，但在他看来这一些方法过于简单粗暴，远称不上线.  “联合嵌入预测架构（JEPA）”及其与 Token 预测的区别：针对自监督学习，杨立昆提出了一种新范式，称为联合嵌入预测架构（Joint Embedding Predictive Architecture, JEPA）。JEPA 的基本思路是，将输入（如一段视频、图像或文本）经过编码器提取出抽象表示，再将该输入的后续部分（或经扰动变形后的版本）送入另一编码器获取对应表示。之后，模型尝试在表示空间中预测后续的发展，而不是在原始数据空间（像素或文本序列）中逐步生成。相比之下，当前主流的大模型采用的是预测下一个 token的生成式架构，即在离散的词元序列上逐个推断后续符号。这种 token 预测方式存在先天局限：语言中的 token 虽然适合作为离散通信单元，但并不能很好地表示连续变化的物理世界。杨立昆指出，令模型在像素级别或逐字逐句地重建数据，会迫使模型将大量计算资源浪费在那些根本没办法精确猜测的细节上，最后导致学习失败或效果不佳。

  4.  对 AGI/AMI 的定义与实现时间预测：杨立昆不喜欢“AGI（通用AI）”这个提法。他认为人类智能其实非常专业化，称之为“通用”并不准确。因此他更倾向使用“高级机器智能（AMI）”一词，发音为“ami”（在法语中意为“朋友”）。他定义的 AMI 指的是能够自主学习世界的抽象模型，并利用该模型进行推理和规划的智能体。对于实现这样的高级智能的时间表，他持谨慎乐观态度：约三到五年内，这类系统在小规模上就能基本跑通验证；此后将进入扩展和优化阶段，朝着人类水平智能不断逼近。他预计大约在十年左右能够达到人类水平的通用智能。

  7.  AI 推理中的 System 1 与 System 2 区分：在讨论 AI 的推理能力时，杨立昆借用了心理学中丹尼尔·卡尼曼提出的“系统1”与“系统2”概念，以类比当前 AI 的状态。“System 1（快思考）”指人类不经意就能完成的直觉化任务，例如经验比较丰富的司机在开车时无需深思熟虑就能保持道路安全，同时还能与人交谈或思考其他事情——这些熟练技能都是由大脑的自动化系统1来承担。“System 2（慢思考）”则对应需要集中注意力、调动前额叶皮层进行深度思考的情形。例如新手第一次学开车时，必须全神贯注地观察环境、预判可能情况并规划操作，此时大脑调用了内部的世界模型来推理接下来会发生啥，以确保采取的行动能得到良好结果。简单来说，系统2涉及有意识的推理和规划，而系统1则是无意识的快速反应。

  8.  对光计算、神经形态计算、内存计算等硬件趋势的看法：在谈及未来支撑更强 AI 所需的硬件时，杨立昆对当前热议的几种新兴技术做出了评述。对于光学计算，他的态度是“一直令人失望”

  9.  对世界模型训练方式（视频推理、潜在空间推理）的探讨：杨立昆详细阐述了如何让 AI 学习“世界模型”的问题，即通过预测未来来理解当前环境。过去的尝试往往让AI去逐帧预测视频像素，希望模型藉此学到对世界的理解，但这种方法几乎每次都以失败告终。原因主要在于现实世界中充满了无法精确预测的细节：如果强迫模型去还原每个像素，它将把大量算力浪费在捏造那些不确定且无关紧要的细节上，结果既没学到有用的表示，又徒增计算开销。

  10. 对未来 AI 发展所需软硬件、开源协作等的展望：在对话的尾声，杨立昆对未来 AI 的发展给出了自己的展望和建议。他再次重申，实现类人级别的高级人工智能需要全球科研界和产业界的共同努力。这样的突破不可能凭空出现，也不大可能仅靠某个实验室闭门造车式的秘密研发就突然实现——历史证明那几乎是不可能的。相反，AI 水平的提升将是一个渐进累积的过程，人类也无需担心某天会被AI突然“毁灭”，因为真正达到那一步将是循序渐进、水到渠成的。正因如此，他强调开放合作的重要性：开放的研究环境和基于开源平台的协作将对AI的持续进步起到关键作用。当今最前沿的模型训练往往需要海量算力资源，这在某种程度上预示着如果计算硬件能够变得更经济高效，将大大有利于各方参与AI研发。杨立昆半开玩笑地向英伟达提出建议：“是不是该考虑降降价了”，以降低创新的门槛（对此比尔·达利笑言他得去跟黄仁勋提这个要求)。

  台积电董事长魏哲家透露，客户对于2nm技术的需求甚至超过了3nm。据悉，其潜在客户包括苹果、AMD、Intel、博通等。其中，2026年下半年上市的苹果iPhone 18系列搭载的A20处理器或全球首发2nm工艺。

  价格方面，2nm晶圆成本估计为3万美元，如再加上未来在美制造或关税等潜在因素，即便苹果能拿到折扣，终究是得由供应链及消费者买单。

  根据此前信息，台积电已在新竹宝山晶圆厂（Fab 20）完成约5,000片的风险试产，良率超过60%，并计划于2025年下半年郑重进入量产阶段。高雄晶圆厂（Fab 22）作为第二座2nm生产基地，预计2025年底开始贡献产能。在两厂的共同贡献下，预计到2025年底，台积电2nm工艺的总月产能将突破5万片晶圆。

  为了满足2nm的量产需求，台积电也加大了对ASML的EUV光刻机的采购力度，在2024年就订购了30台，并且计划在2025年再订购35台，其中还包括ASML最新推出的High-NA EUV光刻机，以在新竹和高雄等地建设更多2nm生产线，以满足长期市场需求。

  预计到2026年，台积电2nm芯片月产能将提升至每月12至13万片。这一大规模的产能规划显示了台积电在全球半导体市场中的领先地位。

  据媒体报道，三星电子为其下一代旗舰平台Exynos 2600投入了大量资源，以确保其能够按时量产。此款芯片将首次采用三星的2nm工艺制程技术，并预定于今年5月迈入原型量产的关键阶段。

  不过有爆料指出，Exynos 2600的试生产良率约为30%左右。对此，三星计划在下半年进一步稳定2600的量产工艺，并在第四季度开始量产。三星期盼，如果计划顺利实施的线月登场的Galaxy S26系列手机上。

  3月14日消息，Intel 18A节点已开始批量生产首批晶圆，供客户来测试与评估。这标志着英特尔18A节点的工艺设计套件（PDK）郑重进入1.0版本，客户已开始利用该套件进行定制芯片的测试。虽然基辛格于2024年12月1日辞职，该公司仍预计2025年中开始量产1.8nm芯片。到目前为止，亚马逊AWS是唯一一家签约英特尔A18工艺节点的知名公司。

  2nm竞赛的参赛者还有日本创企Rapidus。该公司由日本政府资助，而日本政府本身正在与美国合作，使用IBM技术制造2nm芯片。Rapidus计划专注于小订单和定制芯片，它不会一开始就专注于通过量产芯片的订单实现盈利。

  近年来，全球半导体产业在5G通信、人工智能、物联网等新兴技术浪潮的推动下快速的提升，世界半导体贸易统计组织(WSTS)预测，2024年全球半导体市场规模有望达到6,270亿美元，较上一年度增长19%。其中，亚太地区市场规模有望达到3,408亿美元，中国半导体市场规模预计将达到1,865亿美元，占全球市场的33.6%。

  然而，国际贸易摩擦和地理政治学等因素使得中国半导体企业在关键技术和设备供应上遭遇瓶颈，高端芯片自给率仍有待提升，半导体设备国产化率也亟需提升。在此背景下，中国半导体产业加快了自主创新和国产替代的步伐。

  在刻蚀设备领域，中微半导体的等离子体刻蚀设备已成功进入国际市场，大范围的应用于28nm及以下制程技术，技术水平达到国际领先。

  离子注入机方面，中国电科旗下的电科装备实现了国产离子注入机28纳米工艺制程的全面覆盖，结束了国外长期的垄断局面。

  在薄膜沉积设备方面，北方华创、拓荆科技、中微公司、微导纳米等国内制造商，尽管整体国产率仍然较低，特别是在ALD(原子层沉积)设备方面，但在某些工艺和产品上已经实现了突破。

  然而，在光刻机领域，与国际领先高端制程技术相比，中国仍存在差距。以极紫外光刻(EUV)技术为例，中国在光源功率、光刻精度、量产稳定性等方面面临技术瓶颈。目前，全球仅有荷兰ASML公司能够生产先进的EUV光刻机，其光刻精度可达到纳米级甚至亚纳米级水平。相比之下，上海微电子装备生产的光刻机仅适用于90nm及以上的节点，这在某些特定的程度上限制了中国半导体产业向更高级制程发展的步伐。

  回顾中国的EDA工具与IC设计的发展历史，早期中国在这两个领域主要依赖进口EDA工具和国外技术，在国际竞争中处于追赶者的地位。然而，随国家对半导体产业的日益重视，一系列政策的出台和资金的投入，中国企业和科研机构纷纷加大研发力度，积极探索自主创新之路，逐渐取得了一系列令人瞩目的成果。

  华大九天作为国内EDA行业的领军企业，在电路仿真工具方面取得了重大进展。其研发的电路仿线nm量产工艺，这一成果使华大九天在高端芯片设计领域具备了与国际巨头竞争的实力。

  合见工软在数字验证和数字实现领域表现出色，发布了多项具有国际领先水平的中国自主研发的EDA产品。其数字验证硬件平台可提供高效的验证解决方案，帮助芯片设计企业快速验证芯片的功能和性能。

  思尔芯作为国内首家数字前端EDA供应商，在原型验证领域取得了显著的成就。其第八代原型验证系统“芯神瞳”S8-100，已获国内外头部厂商采用。

  芯行纪在数字后端软件领域也取得了重要突破。其研发的布局布线平台“AmazeSys”，是第一个由中国人完全从零开发出来的全功能布局布线软件，并且已进入商用阶段。

  中国半导体行业协会集成电路设计分会理事长魏少军提供的多个方面数据显示，预计芯片设计产业的总销售额将达909.9亿美元，同比增长11.9%。同时，预计有731家设计企业的销售额将突破1亿块钱大关，相较于2023年的625家，增加了106家。

  在企业表现方面，中芯国际作为中国最大的半导体代工厂，提供从28纳米到14纳米的制程服务；华为海思专注于芯片设计，推出了Kirin系列和5G芯片；紫光国微在智能安全芯片和FPGA领域具有较强的竞争力，产品大范围的应用于金融、电信、交通等行业；韦尔股份在图像传感器领域取得了重大突破，其产品在智能手机、安防监控等领域得到了广泛应用；比亚迪半导体则专注于新能源汽车芯片的研发。

  然而，中国芯片设计产业的产品大多分布在在通信和消费电子领域，2024年这两个领域的产品占比达到68.5%，而计算机芯片的占比仅为11%。这表明中国芯片设计在全球产业链中的定位仍然偏向中低端市场，尚未在高端技术领域取得显著突破。

  在制造环节，中国厂商积极投资扩产，提升技术水平，部分先进制程技术已取得突破。在封测领域，中国不仅是全球最大的封装测试市场之一，也在向高端、先进封装测试技术迈进。

  国内厂商如中芯国际、华虹半导体等在28nm及以上的成熟制程上实现了大规模量产，同时在14nm、7nm等先进制程研发上也取得了重要进展。这些技术突破为中国半导体产业的自给自足奠定了坚实基础。

  此外，中国封装测试企业如长电科技、通富微电等，不仅在传统封装技术上占据领头羊，还在SiP(系统级封装)、Fan-Out(扇出封装)等先进封装技术上进行了大量投资和研发，逐渐增强了中国在全球封装测试市场的竞争力。

  实现半导体核心技术国产化，不仅仅可以提升我国半导体产业的自主可控能力，摆脱对国外技术的依赖，降低“卡脖子”风险，还能推动我们国家半导体产业向高端化、智能化方向发展。

  目前，中国芯片产业正从芯片设计到制造工艺，到封装测试以及终端应用方面，努力构建一个完整的产业生态闭环。未来，中国半导体在芯片设计方面，将向更高性能的CPU、GPU、AI芯片等领域进军，如国产EDA工具和IC设计在技术创新方面，通过与AI、云计算等前沿技术的深层次地融合，将为芯片设计带来更高的效率、更低的成本和更强大的功能，从而研发更强大的AI芯片，提升其算力和能效比，推动智能语音识别、图像识别、无人驾驶等应用的发展。

  然而热闹背后，黄仁勋倾力说明AI技术与展望，不仅当周长期资金市场不捧场，GTC其实围绕NVIDIA的「五大危机」

  而如预期，黄仁勋再次推进AI技术发展，从「感知AI」、「生成式AI」，现阶段已进入能与人互动并执行任务的「代理AI」，接下来则是为机器人和真实应用提供驱动力的「未来实体AI」。

  黄仁勋也说，未来数据中心资本支出持续向上，全球已进入AI工厂时代，预估至2030年数据中心建置将达1兆美元，企业将从传统软件走向生成式 AI，加速采购GPU。

  产业链关注的AI平台方面，黄仁勋一次揭露了2025~2028年的「四年计划」、硅光子网交换器、开源的AI工厂操作系统Dynamo、开源通用人型机器人模型GROOT N1等，可说是说明地非常清楚。

  物理AI正成为新一代AI模型的核心特征：正在开发的下一代AGI模型将整合物理模拟能力。

  在此之前，大摩倾向于认为物理AI和距离真正的商业化还有相当长的时间，更多是影响股票估值倍数而非直接贡献收入。但如今大摩观察到，与一年前相比，客户对机器人和物理AI的兴趣明显地增加。目前的物理AI，类似于4-5年前的生成式AI，或者说是7-8 年前的无人驾驶。也就是说，公司现在开始花钱开发物理领域的模型。

  这些模型需要多模态的AI 建模能力，可处理视觉、音频和语言数据，并具备推理能力。这些能力在过去几个月内才开始成熟。企业也强调了在构建物理 AI 模型时，与在语言或视觉 AI 领域投资的显著差异。他们正在积极投资于真实世界数据的收集，并创建模拟数据，例如来自 NVIDIA 的 Isaac 项目。

  随着大型模型开发商寻求在未来进一步区分其模型，物理 AI 数据的更好整合成为关注重点。

  在物理 AI 领域，初创公司正在以数十亿美元的规模进行融资。硬件将是初期投资的主要受益者，但考虑到今年数据中心 AI 半导体处理器市场规模将超过 2000 亿美元，较小的项目将无法对市场产生太大影响。但如果开始看到集群规模的持续增加，情况可能会发生变化。

  不过。大摩也表示，对短期内“机器人进入每个家庭”持谨慎态度，鉴于过去几年对自动驾驶领域的数据中心巨额投资尚未完全转化为营收，大摩认为有必要重视物理 AI 的发展。

  何庭波剖析半导体行业未来5-10年的走向时指出，当下行业正处于重大危机与变革的十字路口。曾经领先的供应商，或许会因市场占有率的流失，难以维系技术优势；而曾经落后的需求者，却可能在奋力追赶中实现逆袭，成为新的行业引领者。半导体发展的核心要素并非稀有自然资源，而是先进的加工设施与复杂的制程工艺，在科学难题面前，所有人都受制于相同的物理化学原理。在生存需求的强大驱动下，已有的技术能被重新挖掘创造，甚至开辟出全新的技术路径。

  莫大康理解的十字路口？1）由于全球产业链发展苦乐不均，优秀的太优秀,如台积电及英伟达，从常识看,由于太优秀必然带来危机，成为众矢之的，导致产业迅速改变；2）川普逆全球化，试图重建新的产业链，而且一切依美国优先，必然导致成本高，周期长，推动美国国内通胀，以及众叛亲离，矛盾四起，相信它不可能持续；3）AI推动全球半导体业迅速增长

  芯片架构迭代路线图更新：Blackwell Ultra架构2025年下半年推出

  英伟达表示，其合作伙伴预计将从2025年下半年开始推出基于Blackwell Ultra的产品。包括思科、戴尔科技、慧与、联想和超威等将推出基于Blackwell Ultra的相关服务器。英伟达进一步指出，Aivres、华擎、华硕、Eviden、Foxconn、技嘉科技、英业达、和硕、云达科技、纬创和纬颖科技等也将成为其客户。

  此外，黄仁勋透露了2026年~2028年最新的技术路线年推出Rubin系列两款新产品，之后再推出Feynman。具体来看，英伟达将在2026年下半年推出定制化CPU“Vera Rubin”，2027年下半年推出下一代AI芯片架构“Rubin Ultra”，2028年推出Feynman

  其中，Vera CPU将取代目前的Grace CPU。据悉，Vera将配备88个客制化ARM核心和176个线TB/s NVLink-C2C，可与Rubin GPU直接连接，逐步提升运算效能与整合性。其中，Vera Rubin NVL144将具备更大算力、更大带宽和更大内存，同时搭载HBM4内存。

  据黄仁勋在GTC上介绍，美国四大公有云供应商（亚马逊、微软、Alphabet旗下谷歌和甲骨文）去年购买了130万块英伟达老一代的Hopper AI芯片。2025年迄今，这一阵营已购买360万块Blackwell AI芯片。

  与此同时，在DeepSeek等人工智能模型效应推动下，数据中心市场需求也逐步扩大。黄仁勋预计，数据中心建设将在2028年达到1万亿美元。

  当前，AI发展以生成式AI（Generative AI）为主。对于人工智能未来发展，黄仁勋认为，未来AI将向代理式AI（Agentic AI）和物理AI（Physical AI）发展，届时机器人将登上舞台。

  从厂商表现来看，蝉联第一的英伟达在各大云端服务业者(CSP)持续扩大AI server布建规模下，H100/H200产品需求旺盛，推升其2024年IC设计相关营收逾1,243亿美元，同比大增125%，占前十名厂商营收占比高达50%，与其他厂商拉开明显差距。

  而排名第三的AMD在Server CPU与Client CPU两大业务均显著成长带动下，其2024年营收亦达257.85亿美元，同比增长14%。需要指出的是，2024年超威Server业务成长高达94%。

  据全球高科技产业研究机构TrendForce集邦咨询最新多个方面数据显示，2024年AI热潮带动整体半导体产业向上，全球前十大IC设计厂商营收合计约2498亿美元，年增49%。

  SEMI还预测，半导体产能将进一步加速增长。2025年，全球半导体产能的年增长率将达到6.6%，达到每月3360万片晶圆。中国大陆的晶圆产能扩张尤为显著，预计2025年将同比增长14%，达到449万片/月。

  此外，先进制程技术的推进也是推动晶圆厂扩张的主要的因素。先进制程（≤7纳米）的产能预计将以16%的年增长率增长，达到每月220万片。成熟制程（8纳米至45纳米）的产能预计将增长6%，达到每月1500万片。此外，成熟制程技术的扩张相对保守，预计会增长5%。

  求是缘半导体联盟是全球半导体产业生态链上的多个高校的校友、公司、组织机构、政府园区及科研院校等自愿组成的跨区域的非营利性公益平台。联盟由浙江大学校友发起，总部在上海，其主要职能是为半导体和相关行业的人才、技术、资金、公司运营管理、创新创业等方面提供交流合作和咨询服务的平台，致力于推动全球，特别是中国大陆区域的，半导体及相关产业的发展。