AI:人类最后一次工业革命?

多客科技

作者：微信文章




2025年7月，半导体行业将迎来历史性时刻：英伟达GB300 AI服务器芯片即将量产，分析师预测其出货量可能超过苹果即将推出的iPhone。而一颗GB300芯片系统整合72颗GPU和36颗CPU——AI芯片正在成为科技产业的全新焦点。与此同时，Gartner最新数据显示，2025年全球AI芯片收入总额将达712亿美元，同比增长33%。




在云端，微软自研AI芯片遭遇延期困境；在边缘端，RISC-V架构处理器正以惊人速度渗透；在汽车座舱，7B大模型成为端侧部署的“最佳平衡点”。AI芯片的发展已从单纯的算力竞赛，转向满足多元化场景需求的新阶段。

01 云端争霸，巨头的游戏与困局



2024年，数据中心AI应用的处理器和加速器市场规模达到563亿美元，较去年增长49.3%。Futurum研究机构将这一市场划分为四类参与者：CPU、GPU、专用加速器XPU，以及云服务商自研芯片。

在云端AI芯片领域，英伟达占据绝对统治地位。其AI GPU市场份额高达92%，面向AI数据中心的GPU市场规模预计将从2023年的280亿美元增长到2028年的1020亿美元。Blackwell架构的GB300系统整合72颗GPU和36颗CPU，AI性能达前代的1.5倍，更推动光通信进入1.6T/bps时代。

面对英伟达的强势，科技巨头纷纷启动自研芯片计划，但进展坎坷。微软的Braga AI芯片已推迟至2026年量产，项目遭遇设计变更、团队人手不足以及五分之一的工程师离职等困境。

为应对压力，微软计划在2027年推出折衷方案“Maia 280”，通过组合两个Braga芯片提升性能。

谷歌的TPU研发已持续十年，其下一代Ironwood芯片预计2025年底小规模生产；亚马逊Trainium 3芯片将于年底交付，计算能力比前代提升两倍。

“如果你做的ASIC不比现有的更好，那还有什么意义？”英伟达CEO黄仁勋在最近的开发者大会上如此质疑竞争者的自研芯片项目。尽管巨头们投入巨资，英伟达的技术壁垒和市场优势仍令挑战者望尘莫及。

02 边缘崛起，低功耗战场的新秩序



当云端芯片在算力巅峰激烈厮杀时，另一场革命正在边缘侧悄然发生。RISC-V国际基金会预测，到2025年搭载RISC-V处理器的SoC芯片将达到20亿颗，2031年更有望突破200亿颗。

边缘计算的爆发推动NPU（神经网络处理器）成为关键角色。与CPU和GPU相比，NPU在AI任务处理上展现出显著优势：计算速度优于CPU，功耗控制远胜GPU。

处理相同任务时，NPU耗电量远低于GPU，使其成为电池供电边缘设备的理想选择。

2025年5月，BrainChip与Andes晶心科技宣布合作，将Akida神经处理单元与RISC-V核心整合。Akida AKD1500设备提供超过0.7 TOPS的事件驱动计算，功耗却低于250mW，计算量可减少至传统方案的1/3到1/10。

在技术架构上，AIoT端侧芯片正经历从通用计算向专用加速的转型。现代SoC普遍采用“CPU+GPU+NPU”的异构架构，三者各司其职：CPU处理顺序性任务，GPU擅长图像并行运算，NPU以低功耗实现高性能AI运算。

连接技术的演进也在加速边缘智能化。蓝牙5.2推出的LE Audio标准解决了无线耳机双耳直连问题；Wi-Fi 7则通过320MHz带宽等技术将理论吞吐量提升至46Gbps。多模融合芯片的兴起，让设备能根据场景需求灵活切换通信方式。

03 车轮上的AI，汽车芯片新战场



智能汽车已成为AI芯片最具潜力的应用场景。高工智能汽车研究院数据显示，2024年中国市场智能座舱前装搭载率已达73.4%，2025年将突破80%。

座舱芯片竞赛正从“参数比拼”转向“场景定义”。国际大厂中，联发科推出全球首款3nm车规座舱芯片CT-X1，AI算力达400 TOPS；英特尔携独立显卡ARC A760-A入局，平台算力达集成显卡的4倍。

本土厂商则采取差异化策略。芯驰科技X10芯片采用4nm工艺，以40 TOPS NPU算力瞄准10-20万元主流市场，在7B模型端侧部署与多屏交互间找到平衡点。“得益于庞大的用户基数与车企对新技术的积极拥抱，本土厂商能够深度联动产业链——从芯片设计阶段便与车企、算法公司开展模型适配与软硬件联调。”芯驰科技CTO孙鸣乐强调本土协同创新的优势。

2024年，车企选用本土芯片方案占比从2023年的2.5%提升至7.4%，增长近3倍。其中芯驰科技市场份额达3.57%，在10万元以上车型装机量位居本土第一。

7B参数大模型成为汽车AI落地的关键技术突破点。亿欧智库报告显示，部分车企已实现将83%的AI推理任务从云端迁移至车端。芯驰科技发现，从1.5B到3B模型提升不大，到7B有较大提升，而7B到13B的提升感知相对有限——7B成为成本与性能的最佳平衡点。

04 架构革命，突破存储墙与能效极限



AI芯片的发展面临两大技术挑战：存储带宽限制和能耗不可持续。IHS Markit高级研究总监Luca De Ambroggi指出：“增加内存带宽以处理AI模型会让处理器功耗处于‘不可持续的水平’。”

为突破这些限制，创新架构不断涌现。一类方案为每个处理核心配备专用存储单元，加速并行处理；另一类是将处理任务直接转移到内存中，实现存算一体，减少数据移动带来的功耗和延迟。

类脑计算架构展现巨大潜力。BrainChip的Akida技术模仿人脑事件驱动原理，仅处理传感器获取的关键输入数据，实现超低功耗的边缘学习。这种全数字、事件驱动的AI处理器无需依赖云端，大幅降低延迟同时提升隐私安全性。

Chiplet技术也在改变AI芯片设计范式。英特尔首款软件定义汽车SoC采用Chiplet架构，通过模块化设计平衡性能、成本和良率。微软计划中的Maia 280芯片同样采用类似思路，通过组合两个Braga芯片提升性能。

在制程工艺上，台积电成为最大赢家。英伟达GB300由台积电代工；联发科CT-X1采用3nm工艺；芯驰X10使用4nm工艺。先进制程不仅提升晶体管密度，更显著优化能效比，这对部署在边缘和移动设备的AI芯片至关重要。

05 未来之路，全民AI时代的挑战与机遇



展望未来，AI芯片市场仍将保持高速增长。Gartner预测2025年全球AI芯片收入将达919亿美元，较2024年增长29%。Futurum更为乐观，预计到2028年AI数据中心芯片市场规模将达到1383亿美元。

应用场景方面，视觉和音频分析仍是当前主要应用，但到2028年，文本生成、分析与摘要将跃居前三。随着DeepSeek等大模型吸引超过20家车企接入，端侧AI交互正从“功能堆砌”升级为“主动服务”。

地缘政治正重塑全球AI芯片产业链。各国政府积极布局：中国提出2025年芯片自给率达到70% 的目标；欧盟、美国、日本、韩国也加大产业扶持力度。2023年，中国AI芯片行业投资金额达151.25亿元，显示本土化替代的加速推进。

技术挑战依然严峻。随着AI模型参数指数级增长，内存墙和能耗问题日益突出。微软自研芯片的延期表明，即使资源雄厚的科技巨头，在快速迭代的AI领域也难以跟上发展步伐。

“场景定义芯片正成为AI芯片发展的新范式。” 芯驰科技CTO孙鸣乐在接受采访时表示。当汽车智能化进入全民时代，消费者不再为冗余算力买单，而是为真实场景的体验升级付费。

AI芯片的战场已从单纯算力指标转向场景定义权。谁能把握从端到云的真实需求，谁就能在这场全民智能化的浪潮中赢得先机。

<以上，完结。>

免责声明：以上图片文字均来源于网络，转载仅为分享和学习使用，不做其他商业用途！如有侵权请联系我们处理。







扫描上方二维码，欢迎加入半导体俱乐部微信群！

半导体俱乐部

微信名：炫列

微信号：hiliox-china

邮箱：hi@hiliox.com