本报告聚焦全球半导体行业的长期增长动力与结构性趋势,指出AI、物联网、数字化与电气化等 megatrends 将推动全球市场从642亿美元在2024年增长至十年末约1万亿美元的规模。Memory与Logic将继续主导收入份额,并受益于数据中心对高带宽与高效能内存的需求提升。汽车半导体是增长最快的分部,BEV渗透推动对功率电子与高性能半导体的需求,预计2028年汽车半导体收入将达到约1170亿美元。AI与数据中心对AI加速器和HBM的需求将带来巨额投资与产能扩张,定制IC在数据中心与汽车领域的应用前景广阔,数据中心定制IC市场到2028年有望接近240亿美元。地缘政治与供应链去全球化背景下,企业需采用多源、多 fab 策略与风险管理来提高韧性,并推动软件定义车辆与AI算力驱动的产业升级。
Section: Adapting to AI & Edge — AI 的深度嵌入与边缘计算(Edge AI 与 AI 加速器)
核心论点
AI 驱动的云端与边缘加速器的组合正在改变数据中心架构,CPU 正逐渐转变为对 GPU/定制加速器的服务者角色,边缘设备的 AI 加速能力也在持续提升(手机、PC、边缘数据中心的 AI 加速拓展) [page_idx:29], [page_idx:28]。
推理依据
Exhibit 15 与 Exhibit 16 给出云端/边缘设备中的 AI 处理器市场演化、CPU 与加速器的协同关系,以及边缘端 AI 加速器渗透率提升的趋势。
关键数据点
2021-2029 间 AI 加速器市场的容量、增长率,以及边缘设备(智能手机、PC、边缘数据中心)对 AI 处理的需求结构性提升 [page_idx:28], [page_idx:29]。
图像引用
[page_idx:27]
[page_idx:29]
Section: The next waves: Security, web services, databases, and analytics(下一波:安全、Web 服务、数据库与分析)
核心论点
定制 IC 的应用边界正在扩展到数据中心的安全、数据库、分析等领域,且数据中心定制 IC 的需求在未来几年将显著扩大,推动整个定制 IC 生态的增长 [page_idx:21], [page_idx:23]。
推理依据
Exhibit 12(数据中心定制 IC 的市场规模和单位趋势)与 Exhibit 13(定制 IC 的进入路径与商业模式)提供了数据中心定制 IC 的量化基础与进入路径框架。
关键数据点
数据中心定制 IC 的市场规模在 2028 年达到约 24 亿美元级别的年度机会(Exhibit 12),并且微软、谷歌、亚马逊等大型数据中心对定制化 IC 的需求强度不断提高 [page_idx:23], [page_idx:24]。
图像引用
[page_idx:23]
Section: The custom IC landscape: 选择路径与商业模式
核心论点
定制 IC 路径的选择取决于企业目标、规模、控制权欲与风险偏好;小型企业适合与半导体代工/IDM 合作,中型企业可通过外部伙伴进入,大型企业则可考虑完全自有 IP 与设计控制以提高差异化和 IP 安全性 [page_idx:24], [page_idx:25]。
推理依据
Exhibit 13/Exhibit 14 提供了不同商业模式(外包、共同设计、自产自用 IP)的成本、时间线与自有 IP 的权利收益对比,帮助企业在“定制化程度 vs. 上市速度”之间取舍 [page_idx:24], [page_idx:25]。
关键数据点
成本分布与时间线在 Exhibit 13 中以图示展现,强调定制 IC 的投入-产出周期与资本需求的显著差异 [page_idx:25]。
图像引用
[page_idx:25]
Section: AI – from scale to diversity(AI:从规模到多样性)
核心论点
AI 的两大商业机会:1) AI 辅助的芯片设计与制造优化;2) 预测式与生成式 AI 软件市场的快速成长,预测到 2028 年 AI 相关软件市场规模分别达到约 135 亿美元(预测性 AI)与 58 亿美元(生成式 AI),且生成型 AI 的 CAGR 高达 54%(2023-2028) [page_idx:26]。
推理依据
Exhibit 14 通过对预测性与生成式 AI 软件市场的分解,揭示了 AI 如何推动半导体产业上下游的需求演变(芯片设计、AI 加速器、HBM,以及边缘设备的 AI 加速能力) [page_idx:26]。
关键数据点
2028 年预测可实现的总体 AI 软件市场规模(预测性 135 亿、生成式 58 亿)及其成长率,为 AI 驱动的芯片市场提供量化支撑 [page_idx:26]。
图像引用
[page_idx:26]
Section: AI accelerators and GPU disruption(AI 加速器与 GPU 的市场格局)
核心论点
数据中心对 AI 加速器的需求加速,超级云服务提供商、NVIDIA 的地位正在经历挑战性变化;80% 以上的数据中心处理器在价值层面将成为 AI 加速器或具 AI 功能的处理器,未来市场潜在规模接近 1500 亿美元级别 [page_idx:28]。
推理依据
Exhibit 15/16 显示云端/边缘数据中心市场对 AI 加速器的强劲需求及 CPU 与专用加速芯片之间的协作方式的演变;边缘设备的 AI 加速能力提升将改变整体市场结构 [page_idx:28], [page_idx:29]。
关键数据点
预测到 2029 年,AI 加速器相关收入与数据中心处理器市场规模显著扩大;NVIDIA 的地位将被其他自研/定制IC 所挑战(如 Google TPU、Broadcom 等)的案例被强调 [page_idx:28]。
图像引用
[page_idx:27]
[page_idx:29]
Section: The edge AI processor market & memory bandwidth constraint(边缘 AI 与内存带宽约束)
核心论点
未来 AI 架构对内存带宽的需求极高,HBM 与定制加速器的紧密耦合成为提高能效的关键;内存与 I/O 的成本常态远高于纯计算(Memory/IO 的能耗成本相对于 FLOPs 的比重极高) [page_idx:28]。
推理依据
文章强调 Transformer 架构在记忆体需求上的幂级扩张、带宽瓶颈、以及当前 AI 训练的分布式/全并行特性对内存带宽的依赖,这些因素共同推动高带宽内存与定制化加速器的结合应用 [page_idx:28]。
图像引用
[page_idx:30]
Section: How to decide: Customization or build-up of own capabilities?(定制化 vs 自有能力建设)
核心论点
针对企业的战略选择:定制 IC 是以更低风险进入的通道,还是以自有 IP 进行高度定制,取决于企业目标、资源与对 IP 安全性的偏好。文中给出四类组合(定制服务、共同设计、自产设计、自产 IP)以及成本、时间线、IP 授权等对比框架 [page_idx:24]。
推理依据
通过 Exhibit 13 的成本、时间线与自有 IP 的“Customization and own IP”列,展示不同路径的权衡,帮助企业判断“谁该走哪条路”。
关键数据点
设计成本、Tape-out 的时间成本,以及外部合作或自建能力带来的 IP 安全性、以及对软件生态的影响等要点 [page_idx:24], [page_idx:25]。