2025年半导体与EDA行业整合的核心驱动力 - 行业整合主要由人工智能数据中心向下一代高功耗芯片过渡所驱动 [1] 主要并购交易及其战略意义 - **Synopsys收购Ansys**：7月以350亿美元完成收购，旨在打造从“硅片到系统”的EDA与仿真领导者，但面临整合挑战 [1][4][6] - **Marvell收购Celestial AI**：12月以32.5亿美元收购，旨在获得光子互连技术，以引领AI数据中心向光互连转型，并巩固其在AI连接领域的领导地位 [1][4][5] - **NVIDIA收购Groq资产**：12月以约200亿美元进行“收购式雇佣”及资产购买，旨在主导专用AI推理市场，Groq团队将加入NVIDIA [1][4][6][7] - **软银集团收购Ampere Computing**：3月以65亿美元收购，旨在获得高性能ARM架构服务器芯片设计能力，以结合其AI加速芯片与AMD、NVIDIA竞争 [2][3] - **软银收购ABB机器人部门**：10月以53.7亿美元收购，价格略高于该部门营收的两倍，旨在推动“物理人工智能”融合 [2] - **高通收购Alphawave Semi**：6月以24亿美元收购，旨在加速其向数据中心连接和高速定制CPU领域扩张 [3][4][5] - **Skyworks收购Qorvo**：10月以98亿美元收购，是移动行业两大射频芯片供应商的重大整合 [4] - **Cadence收购ARM的Artisan IP**：4月收购，交易金额未披露，标志着Cadence进入基础IP市场 [3][5] - **Cadence收购Hexagon的MSC软件套件**：9月以27亿欧元收购，以增强其系统设计和多物理场分析产品组合 [4][6] - **onsemi收购Qorvo的SiC业务**：1月以1.15亿美元收购United Silicon Carbide子公司，以巩固其在功率半导体领域的领导地位 [3] - **NXP收购Kinara**：2月以3.07亿美元收购，以扩展其在工业和汽车市场的AI边缘处理能力 [3] - **Cadence收购Secure-IC**：1月收购，交易金额未披露，旨在扩展其在汽车和物联网小芯片领域的嵌入式安全IP业务 [3] - **西门子收购Excellicon**：5月收购，交易金额未披露，旨在将高级时序约束验证集成至其EDA流程中 [3] 交易背后的行业趋势与挑战 - **芯片组领域整合加剧**：尤其在2nm工艺技术领域，表现为高通收购Alphawave IP和Cadence收购ARM的Artisan IP库 [5] - **部分交易估值引发关注**：例如，已融资5.15亿美元的Celestial AI以32.5亿美元被收购，其5倍估值倍数对投资者而言略显不足 [6] - **巨头面临整合挑战**：Synopsys需要有效整合Ansys工具，而非简单捆绑，可能需效仿竞争对手西门子EDA重构数据库以兼容多物理分析工具 [6] - **Cadence的战略聚焦**：公司专注于芯片和系统的物理建模，并将安全性作为设计过程的核心 [6]

行业整体展望 - 美国银行认为人工智能市场将经历波动但最终在年内走强 驱动因素包括数据中心持续建设以及企业加倍投入制造和设备支出 [1] - 分析师将人工智能市场视为一个8至10年发展周期的中期 目前大约处于一半进程 2026年是中点 预计下半场科技公司将继续升级IT基础设施并加速人工智能工作负载 [2] - 到2030年 人工智能相关资本支出可能达到1.2万亿美元 [3] - 美国银行对芯片股在2026年之前保持建设性观点 认为市场共识低估了大型科技公司资本支出的关键性、进攻性和防御性本质 [12] 投资机会与选股逻辑 - 美国银行特别看好同时是高质量行业领导者的大型公司 [3] - 重点推荐了六只有望从人工智能资本支出中受益的芯片股 [3] - 尽管博通、拉姆研究和科天在2026年表现显著优于英伟达 但英伟达仍被视为无可争议的行业领导者 其当前交易价格仅为增长率的一半且拥有良好的潜在催化剂管线 [7] - 将博通2026年预期市盈率估值定为33倍 基于其在半导体生产商中的高盈利能力和令人印象深刻的自由现金流 预测其股价在未来一年可能高达每股500美元 [8] - 拉姆研究因其生产的设备是芯片制造厂高度依赖的关键 被认为处于绝佳地位 尽管可能面临一些关税和通胀相关的压力 但仍是人工智能制造市场关键领域的战略性选择 [9] - 科天在芯片制造商中拥有领先的利润率 被视为行业中最稳定的公司之一 这证明了其享有较高估值倍数的合理性 [10] - 楷登电子系统是电子设计自动化领域的首选 但也指出对华贸易紧张局势带来的风险 [10][11] - 亚德诺半导体拥有高自由现金流 但若汽车和工业客户缩减高性能芯片支出 经济衰退可能对其产生负面影响 [11] - 美国银行对这些芯片股以及一些小型同业公司保持高度看好 [11] 重点公司表现 - 英伟达年初至今上涨41% [6] - 博通年初至今上涨52% [6] - 拉姆研究年初至今上涨146% [6] - 科天公司年初至今上涨103% [6] - 亚德诺半导体年初至今上涨30% [6] - 楷登电子系统年初至今上涨6% [6]

Key Takeaways Cadence Q3 revenues grew 10.2% y/y to $1.339B, generating $277M in free cash flow from expanding demand.CDNS used its strong balance sheet to pursue M&A and continue an active share buyback plan.Cadence expects $5.26-$5.29B in revenues in 2025 and plans to use at least 50% of free cash flow for buybacks.Cadence Design Systems Inc. ((CDNS) is well-positioned to gain from the rising demand for its solutions, especially the AI-driven portfolio, amid robust design activity and strong customer spen ...

行业规模预测 - 美国银行预计到2026年，全球半导体行业规模将达到1万亿美元 [1][2] 增长驱动因素 - 人工智能数据中心建设的加速推进是行业增长的核心驱动力 [1][2] 关键引领公司 - 预计英伟达（NVDA）、博通（AVGO）、泛林集团（LRCX）、科磊（KLAC）、亚德诺（ADI）和楷登电子（CDNS）将成为引领行业增长的关键公司 [1][2]

全球及中国半导体市场概况 - 2024年全球半导体市场规模达6591亿美元，同比增长20.0%，预计2025年将增长至7893亿美元 [2] - 集成电路是半导体市场的核心支柱，2024年市场规模达4872亿美元，占比73.9% [14] - 人工智能芯片是增速最快的产品，2024年市场规模为689亿美元，同比增速高达49.3% [14] - 2024年中国半导体市场规模达1769亿美元，同比增长15.9%，预计2025年将达2067亿美元 [2] - 在中国市场，集成电路同样是占比最大的产品，2024年市场规模为1393亿美元，占比78.7%，人工智能芯片增速最快，达48.3% [16] - 2023年全球半导体市场份额前十企业以美国、中国台湾、韩国为主，中国大陆企业暂未入围，前三大为Intel、TSMC、Samsung [16] - 2023年中国半导体市场份额前十企业中，美国企业占5家，韩国2家，中国台湾1家，欧洲2家，前三大为Qualcomm、Intel、TSMC [18] 半导体应用领域与驱动因素 - 2023年全球半导体主要应用领域占比为：智能手机(19%)、个人电脑(17%)、服务器/数据中心及存储(15%)、汽车(15%)、工业电子(14%)、消费电子(11%)、有线和无线基础设施(9%) [2] - ASML预计，到2025年服务器/数据中心及存储与智能手机领域的半导体应用占比将分别上涨至23%和22% [12] - 全球半导体产业发展历经四大阶段：PC普及与互联网萌芽(1986-1999)、网络通讯与消费电子(2000-2010)、智能手机与3G/4G/5G迭代(2010-2020)、AI技术与数据中心(2023年至今) [3] - 当前八大云厂商资本开支持续扩容，直接推动AI服务器需求提升 [4] - 八大云服务厂商的资本开支从2021年的1451.0亿美元增长至2024年的2609.0亿美元，复合增长率达21.6%，预计2026年有望达到6020亿美元 [38] - 全球服务器市场规模从2020年的1360万台增长至2024年的1600万台，其中AI服务器占比12.5%，预计2030年将达1950万台，AI服务器占比将提升至33.3% [42] 半导体产业链转移与中国发展 - 全球半导体产业已历经三次区域转移，路径为美国→日本→韩国与中国台湾→中国大陆 [5] - 中国半导体发展以自主战略为核心，2003-2013年借加入WTO契机萌芽并获得政策支持，2014年后大基金持续加码投入，2018年后成为中美贸易战核心领域 [5] - 国家集成电路产业投资基金已开展三期投入，一期规模约1387亿元，二期2041亿元，三期达3440亿元 [57] - 大基金一期投资结构中，晶圆制造占比67%、IC设计17%、封测10%、装备材料6%；二期投资中，晶圆制造占比提升至76%，装备材料占比提高至11% [57] - 2018年后，美国多次升级对华半导体管制措施，将华为、中芯国际等众多中国企业列入实体清单，推动中国产业加速自主突破 [58] 半导体产业链上游：EDA/IP、设备与材料 - 半导体产业链上游主要涵盖EDA/IP、半导体设备、半导体材料三大关键环节 [6] - EDA/IP市场长期被Synopsys、Cadence、Siemens EDA等海外企业垄断，2024年全球EDA市场规模约157.1亿美元，前三大企业市占率达74% [81] - 国内EDA企业如华大九天持续推进技术迭代，2024年中国EDA市场规模为135.9亿元，华大九天占据6%的市场份额 [85][86] - 2024年全球半导体设备市场规模达1168.6亿美元，同比增长10.3%，预计2026年或将达到1381.2亿美元 [110] - 中国是全球最大的半导体设备进口市场，2024年全球半导体设备支出中，中国占比56% [110] - 2024年中国海外进口额居前的半导体设备分别是：光刻设备(107.24亿美元)、薄膜设备(77.17亿美元)、刻蚀剥离设备(64.29亿美元) [113] - 光刻机是芯片制造核心设备，EUV光刻机是7nm及以下先进制程的关键，目前全球仅ASML能实现量产 [6] - 2024年全球光刻设备市场规模达315.0亿美元，ASML占据61.2%的市场份额 [124][126] - 刻蚀设备市场主要由LAM Research、TEL、AMAT等海外龙头主导，2022年LAM Research市占率达47.0% [141] - 国内企业中微公司、北方华创、盛美上海、万业企业（凯世通）等已在半导体细分设备领域实现技术突破 [6] 半导体产业链中游：设计、制造与封测 - 半导体制造中游囊括半导体设计(Fabless)、晶圆制造(Foundry)及封测(OSAT)三大核心环节 [70] - 产业发展早期多采用IDM模式，20世纪80年代后，随着制程复杂度提升与建厂成本飙升，第三方晶圆代工(Foundry)模式崛起 [6] - 全球主要晶圆代工厂商包括TSMC、SMIC、UMC、Huahong Group等 [70] - 半导体下游封测涵盖封装和测试两大环节，2024年全球封测市场规模为899亿美元，同比增长4.9%，预计到2026年规模将达到961亿美元 [7] 半导体产业未来发展方向 - 第三代半导体材料、算力芯片、射频通信芯片与高宽带存储是半导体产业未来的核心发展方向 [8] - 第三代半导体材料如碳化硅、氮化镓凭借宽禁带等优势，适配新能源汽车、5G基站等高压高频场景，国内外厂商争相布局8英寸量产 [10] - 算力芯片中，GPU以高灵活性主导AI训练，ASIC因定制化高效优势在数据中心、边缘计算中占比持续提升 [10] - 射频通信芯片依托射频前端模组升级支撑多场景通信需求，国产厂商持续追赶国际龙头 [10] - 高带宽存储(HBM)凭借高带宽、低延迟特性成为AI服务器标配，技术不断迭代 [10]

Rothschild & Co Wealth Management, an investment management company, released its LongRun Equity strategy third-quarter 2025 investor letter. A copy of the letter can be downloaded here. The firm is a committed long-term business owner, focused on a portfolio of high-quality companies. The strategy returned +3.9 % (in EUR, unhedged) in the third quarter, underperforming its benchmark’s 7.5% return. Since its inception, the strategy has delivered an annualized return of 10% compared to 11% for the global equ ...

行业趋势与前景 - AI发展仍处于为期十年的结构性转型中段，整体产业趋势依旧向上，并由具备明确竞争优势的龙头企业领军 [1] - 全球半导体销售额可望于2026年增长30%，年销售额首度突破1万亿美元的重要里程碑 [1] 投资策略与标的 - 具备高毛利结构与稳固市场地位的公司，将持续成为资金布局的核心 [1] - 分析师点名六家半导体与AI相关企业，作为其对2026年最具信心的投资标的，分别为英伟达、博通、Lam Research、科磊、亚德诺以及Cadence Design Systems [1]

文章核心观点 现代芯片设计正从单一处理器选择演变为多种处理器类型和架构的复杂组合，其核心驱动力在于对可编程性、可重构性和定制化的需求，以适应快速变化的技术（如新AI模型、内存标准）和工作负载，避免因技术迭代而导致的芯片快速过时，从而提供更灵活、更具未来适应性的解决方案 [2] 处理器架构的演变与融合 - 过去在ASIC、FPGA或DSP间的简单选择，现已演变为多种处理器类型和架构的组合，包括不同程度的可编程性和定制化 [2] - 可编程组件（如FPGA、DSP）为应对新技术升级提供了比重新设计芯片更简便的解决方案，甚至可更换整个可编程芯片组 [2] - 现场重新编程能力使设计人员能重新分配工作负载，并为消费者提供硬件升级，而无需购买新设备 [2] - GPU虽高度可编程但极其耗电，因此嵌入式AI应用常采用固定功能的NPU与可编程DSP结合的方案 [2] - Quadric的GPNPU融合了NPU的矩阵运算效率和DSP的低功耗可编程性，旨在打造理想的嵌入式AI处理器 [3] - Synaptics最新的嵌入式AI处理器组合了Arm CPU、MCU、Helium DSP扩展以及基于RISC-V的Google Coral NPU [3] - Blaize使用专有的可编程图流处理器(GSP)和Arteris的片上网络IP来实现多模态AI应用 [3] 数据中心的可编程选项 - 数据处理单元(DPU)是一种智能网络接口，用于路由系统不同部分的数据包 [4] - P-4可编程交换机是用于可编程数据包处理流水线的网络交换机 [4] - 粗粒度可重构阵列(CGRA)采用软件驱动的重构，抽象级别高于FPGA，能在流水线中实现灵活性、效率和AI推理的平衡 [4] - CGRA性能介于FPGA和GPU之间，是一种可能带来颠覆性变革的新兴技术，但目前仍处于实验阶段 [4] - 现场可编程模拟阵列(FPAA)将可重构计算的灵活性扩展到了传统数字逻辑之外 [4] 可编程性、可重构性与定制化的层次 - 芯片的可编程性包括完全改变硬件设计（如FPGA），以及对现有资源进行分区和配置（如设置带宽、延迟优先级） [5] - RISC-V等架构允许进行与设备相关的配置，但可编程性可能有限 [5] - FPGA在I/O、底层结构等方面具备极高的可编程性，而其他类型的可编程性则更有限、更具针对性 [5] - 芯片可通过电源基础设施进行定制，例如使电源网络更具可编程性以匹配不同封装，从而消除封装差异影响，提升性能 [5] 模拟信号增长对DSP的影响与AI的融合 - 现代SoC集成的模拟内容（如射频、混合信号、传感器接口）越来越多，DSP需处理存在噪声、失真和波动的非完美信号 [6] - DSP的作用范围扩大至“模拟感知处理”，包括自适应滤波、射频功率放大器线性化、校正ADC/DAC误差等，架构正变得更并行并包含专用加速器 [6] - 数字控制模拟技术将可编程性、软件和数字电路引入反馈流程，虽速度不如纯模拟，但更易于编程和控制 [6] - AI开始用于解决模拟内容增多带来的挑战，机器学习可从设备行为中学习并动态调整校准，预测非线性并实时校正 [7] - AI驱动的算法能随环境变化（温度、组件老化、干扰）不断自我优化，使DSP更具适应性 [7] - 未来趋势将是传统DSP方法与AI的融合，例如在雷达处理中保留能效更高、更具确定性的FFT算法，然后在目标识别等任务上应用AI [7] FPGA中DSP与AI引擎的集成 - FPGA中内置的DSP切片是可重构模块，其效率已提高，能处理定点/浮点运算及AI/机器学习负载 [9] - 许多现代FPGA还配备了AI引擎（VLIW、SIMD处理器），使其能与数据同步执行数字信号处理，无需独立DSP [9] - AI引擎是针对线性代数和矩阵运算优化的向量处理单元(VPU) [9] - AI引擎可处理计算密集型负载（如通道化器、FFT、FIR滤波器），但可编程逻辑中的DSP切片因乘加运算的广泛适用性而仍然存在 [9] - 从射频测试角度看，将ADC和DAC集成到与FPGA相同的芯片上可降低系统测试延迟，带来显著优势 [12] Chiplet与嵌入式FPGA提供的灵活性 - Chiplet技术允许通过更换包含新协议或标准的Chiplet来应对频繁变化的应用场景，这在一定程度上削弱了FPGA的优势 [13] - 带有FPGA的Chiplet可以重新编程，而SoC的其余部分无需再次验证 [14] - 嵌入式FPGA(eFPGA)为未知领域和未来变化提供了灵活性，例如适应不同的数据中心背板或快速应对工艺节点变更 [14] - 但eFPGA由于可重构电路会增加面积成本，设计人员需谨慎部署 [14] - ASIC可采用定制存储器层次结构满足特定AI负载，而FPGA提供更大灵活性以适用于各种用例，这是在通用性与性能/效率间的权衡 [15] 软件定义趋势对硬件架构的影响 - 产品正变得软件定义、人工智能驱动、硅芯片赋能，软件开发时间大大提前，企业希望通过软件更新来添加功能和盈利 [16] - 硬件必须能够支持软件的变更，产品架构需设计成可软件更新的，例如iPhone通过iOS更新提升麦克风降噪、拍照效果和电池续航 [16] - 各公司正在加大对编译技术的投资，以在半导体可用之前就进行软硬件协同设计 [16] - 在AI普及、机器人兴起及未来6G需求增长的时代，可编程性使公司能跟上技术趋势，即使这会牺牲ASIC的一些效率 [16]

AI超大周期展望 - 花旗认为AI超大周期将延续至2026年，但风险回报平衡正变得不再那么有利 [1][2] - 随着与OpenAI相关的成本在2026年下半年显现，以及市场对用于资助AI建设的债务担忧增加，波动性可能会加剧 [2] 看好的公司及板块 - 在AI生态系统中继续看好英伟达、博通和美光科技 [2] - 最大的正面惊喜将来自模拟芯片板块，预计该板块将在2026年迎来好转，原因是库存处于低位、供应增长缓慢以及利润率低迷，共识预期将上调 [2] - 将微芯科技列为首选股，预计其预期上修空间最大，因其销售额和利润率较峰值水平下降最为严重 [2] - 其它评级为“买入”的股票包括博通、美光科技、德州仪器、恩智浦半导体和亚德诺半导体 [2] - 青睐博通，并因张量处理单元(TPU)的普及而看到其上涨空间，博通已确认Anthropic成为谷歌最大的TPU客户，到2026年将贡献210亿美元的收入 [2] - 相信美光科技还有更多上涨空间，2026历年每一季度DRAM价格的上涨将推动共识预期进一步上调 [3] 具体财务预测 - 预计微芯科技的每股收益将增长4倍以上，从2025年第三季度的0.24美元增至2027年第四季度预期的1.33美元 [3] - 预计德州仪器的每股收益将增长77%，从2026年第一季度预期的1.20美元增至2027年第三季度预期的2.12美元 [3][4] 其他看好领域 - 相比于铿腾电子，更看好新思科技，理由是新思科技在营业利润率扩张方面具有更强的潜力 [4] - 预计新思科技的利润率将受益于成本削减措施、更高的软件业务占比以及IP(知识产权)业务的反弹 [4]

公司背景 - Palantir Technologies是一家数据分析软件公司 通过其Foundry和Gotham平台分别为商业和政府客户提供服务 致力于利用数据提升客户组织效率 公司成立于2003年 于2020年上市 [2] 估值指标与行业比较 - 公司的市盈率高达447.24 是行业平均80.47的5.56倍 表明其估值远高于同行 [3] - 公司的市净率为70.15 是行业平均17.61的3.98倍 表明其股票交易价格相对于账面价值可能存在溢价 [3] - 公司的市销率为126.06 是行业平均16.16的7.8倍 表明相对于销售表现 其估值可能过高 [3] 盈利能力与效率指标 - 公司的股本回报率为7.6% 比行业平均8.53%低0.93个百分点 表明其在利用股权创造利润方面可能存在效率不足 [3] - 公司的息税折旧摊销前利润为4亿美元 低于行业平均11.1亿美元 仅为行业平均的0.36倍 暗示其盈利能力可能较低或面临财务挑战 [8] - 公司的毛利润为9.7亿美元 低于行业平均20.8亿美元 仅为行业平均的0.47倍 表明在扣除生产成本后 其收入可能较低 [8] 增长指标 - 公司收入增长表现突出 增长率达62.79% 显著高于18.91%的行业平均水平 [8] 财务结构与风险 - 公司的债务权益比为0.04 与其前四大同行相比处于较低水平 表明其债务负担较轻 财务结构更为稳健 [11] - 较低的债务权益比意味着公司对债务融资的依赖较少 债务与权益的平衡更为有利 [11] 综合评估 - 综合来看 公司的市盈率、市净率和市销率均高于行业同行 表明股票可能被高估 同时其较低的股本回报率、息税折旧摊销前利润和毛利润表明其盈利能力和运营效率可能低于同行 然而 较高的收入增长率可能预示着其在软件行业未来增长和市场扩张方面具有强大潜力 [9]