文章核心观点 - 中国智能电动车产业能力溢出使技术平权成为可能，吉利推出“千里浩瀚”智能驾驶系统，选择以安全为战略价值取向，从硬件到软件全场景部署保障智驾安全，在算力、算法与数据上汇聚“三驾马车”，且安全和技术理念刻在基因里，站在赢得未来竞争的长线战略上 [2][3][4] 行业发展现状 - 中国智能电动车产业能力溢出，技术平权趋势明显，新能源车渗透率在2024年快速穿过50%，多家车企推出智能驾驶平权战略 [2] - 智能驾驶技术发展迅速，算法不断迭代，从规则算法到BEV+transformer，再到“端到端”的one model模型技术 [23][24] 吉利智驾战略 - 3月3日吉利宣布推出“千里浩瀚”智能驾驶系统，规划5大层级智驾方案，覆盖不同价位段产品，率先在部分车型搭载，今年下半年更多产品将搭载 [4][5] - 吉利以安全为战略价值取向，凭借百亿公里智驾里程数据积累、卫星互联技术、L3级冗余设计，推动智驾和安全平权 [5] 吉利智驾安全保障 - 硬件上为智能驾驶安全提供冗余性设计，“千里浩瀚”H1起步配置方案算力超100TOPS，H9方案具备全冗余、全备份的L3架构，车端算力突破1500TOPS [12] - 人驾场景下构建720°智能安全防护体系，主动安全功能针对痛点设计，如AEB自动紧急制动、AES优雅避险系统等 [14] - 低速场景推出开门预警、通用障碍物刹停等安全功能，泊车支持复杂场景，成功率提升23%，行车推送无图城市NOA，D2D功能结合VLM技术降低操作门槛 [16][17] - 航天领域布局赋能智能安全平权战略，未来出行星座在轨卫星30颗，可实现24小时全球90%区域覆盖，智驾系统与卫星互联融合可提前预知灾害并预警 [17] 吉利智能技术底座 - 算力上成立“智能汽车算力联盟”——星睿智算中心2.0，算力资源超越万卡级别，综合算力提升到23.5EFLOPS，大幅领先行业 [28][29] - 数据上有百万量级智能驾驶车辆提供数据，自研AI - Drive大模型与世界模型融合，具备场景生成与规划能力，每小时生成“万公里级”复杂驾驶工况，提升训练效率30倍 [31][32] - 算法上布局VLA和通用大模型等技术，星睿大模型与DeepSeek融合，联合开源两款阶跃Step系列多模态大模型，提升场景理解、决策优化和持续学习能力 [35][36] - VLA技术将快速上车，可取代初代端到端技术，敲开自动驾驶大门，未来汽车将通向智能机器人，带来具身智能商业版图 [44] 吉利安全基因与发展基础 - 2010年收购沃尔沃后将安全基因刻进企业战略，承袭沃尔沃安全和可靠性理念，为近10年发展奠定基础 [48][49] - 2023年成为国内首批进入NOA沙盒试点企业，2024年率先通过所有NOA功能测试项目，具备L2级智驾能力的车辆超750万辆，实际行驶数据累计百亿公里 [50][51]

半导体制造技术竞争 - 台积电、英特尔、三星和日本Rapidus正在2纳米工艺上展开激烈竞争，台积电虽实力雄厚但面临追赶者压力 [1] - 在2nm尚未大规模量产时，行业已开始关注1纳米技术研发 [1] - 台积电组建团队加速1纳米研发，并计划在台湾南部建设1纳米超级晶圆厂，包含6条生产线（P1-P3为1.4nm，P4-P6为1nm） [6] - 台积电计划提前推出1纳米工艺，原定2027年推出的1.4nm工艺提前至2026年，以巩固市场领先地位 [7] 光刻技术进展 - ASML与Imec建立五年合作，专注于2nm以下工艺，提供包括High-NA EUV（0.55数值孔径）在内的最新光刻设备 [3] - High-NA EUV系统单台成本达3.5亿美元，可实现单次曝光8nm分辨率，是2nm以下节点的关键 [4] - Imec首次在比利时鲁汶的研究线直接使用High-NA EUV技术，加速研发进程 [4] - 日本DNP成功开发支持2nm EUV光刻的光掩模，图案比3nm小20%，并完成High-NA兼容评估 [7][8][9] - DNP目标2027财年量产2nm光掩模，并与Imec合作推进1nm技术 [9] 1纳米技术路线图 - Imec在2022年公布1纳米晶体管路线图，涵盖从FinFET到GAA纳米片、CFET及原子通道设计的演进 [11] - GAA/纳米片晶体管将在2nm节点首次亮相，CFET晶体管预计2032年问世 [12] - 行业面临设计成本飙升（单线程性能增益从每年50%降至5%）与AI算力需求每6个月翻倍的挑战 [13][14] - High-NA EUV光刻机（0.55孔径）预计2026年量产，可将晶体管密度提升至~1000 MTr/mm² [15] - 背面供电技术（BEOL改进）和3D互连等创新将支撑未来密度与性能提升 [16][17][18] 行业趋势与创新方向 - 摩尔定律在晶体管密度上仍有效，但经济性（每晶体管成本）面临挑战 [13] - 系统技术协同优化（SCTO）、新材料（如石墨烯）及量子计算技术被视为长期解决方案 [14][17][18] - 台积电同步推进2nm（台湾）和4nm（美国亚利桑那州）量产，应对AI芯片需求激增 [7]

3D-IC与小芯片技术发展现状 - 3D-IC和小芯片技术引发行业兴奋，但技术难度和成本限制其仅被少数公司采用，且这些公司尚未充分体验到异构集成或重用的优势 [1] - 十年前Marvell尝试创建多芯片组合架构以降低功耗和成本，但最终只有极少数公司具备开发能力 [1] - 6G无线通信等特定应用场景适合采用3D-IC技术，可实现天线阵列与处理电路的紧凑集成 [1] 技术驱动因素与挑战 - 摩尔定律显著放缓推动小芯片技术发展，通过封装更多硅片提升性能成为必要选择 [1] - 3D-IC技术优势包括性能提升、功耗降低和设计小型化，应用范围从移动设备延伸至AI、超级计算机和数据中心 [1] - 当前3D-IC使用者主要为垂直整合的大型公司，因其具备全流程设计能力和充足资金支持 [2][4] - 单片SoC面临掩模版限制和良率问题，当芯片尺寸过大时良率下降导致生产不经济 [5] - AI芯片需要更多SRAM但SRAM在5nm节点后停止缩放，3D堆叠可优化缓存层次结构 [6] 技术实现路径 - 3D-IC与PCB缩小的本质区别在于比较基线是单片芯片而非PCB，目标是将单片芯片分解 [4] - HBM成功案例展示将外部组件引入封装的价值，微凸块技术使裸片间通信带宽提升5个数量级 [4] - 不同组件可采用最佳工艺节点，仅将受益部分迁移至新节点，避免全盘重新设计 [6] - 混合键合技术能解决热挑战并提供高连接性/低功耗，但涉及硅片极薄化和精细铜键合 [7] 市场应用与经济性 - 数据中心和AI应用因高性能需求成为3D-IC主要采用者，其他行业仍在等待经济性改善 [7] - 移动客户对3D-IC持观望态度，5nm至2nm节点转换带来的性能提升有限而成本激增 [7] - 采用chiplet设计需多次流片和高额NRE投入，与单片方案相比初期成本门槛更高 [7] 技术瓶颈与创新方向 - HBM仍使用微凸块连接内存，供应商正在开发混合键合方案 [8] - 无PHY架构需晶圆级堆叠实现细粒度互连，但面临背面金属和I/O取出的技术挑战 [8] - 异构堆叠需解决新旧技术节点信号电平差异问题，数字IP集成在旧节点中空间受限 [8] - 芯片重复使用需尺寸匹配否则造成面积浪费，但允许不同制程（如5nm与3nm）组合 [8] 发展前景 - 3D-IC技术目前仍属昂贵选择，主要应用于数据中心AI领域，大众市场普及尚需时日 [9] - 需在接口标准、工具方法等方面取得突破才能超越垂直整合公司的应用范围 [9]

报告公司投资评级 - 买入 [3] 报告的核心观点 - 中美科技争锋，中芯国际成为“中国芯”崛起的关键，其战略地位愈发凸显 [1] - 半导体需求温和增长，先进制程穿越周期，中芯国际成熟制程和先进制程均有发展机遇 [2] - 持续重金投入CAPEX，5 - 7年再造一个更强的中芯，虽扩产引发产能过剩担忧，但前景仍被看好 [3] 相关目录总结 公司概况 - 中芯国际能提供0.35μm到14nm FinFET等多个技术节点，是中国大陆第一、全球第三的晶圆代工厂，拥有大陆稀缺的先进逻辑产线 [1] 财务数据 收入情况 |项目|2022A（百万美元）|2023A（百万美元）|2024E（百万美元）|2025E（百万美元）|2026E（百万美元）| | ---- | ---- | ---- | ---- | ---- | ---- | |晶圆|6,735.54|5,794.41|7,485.29|9,101.98|10,917.25| |其他|537.74|527.15|544.64|685.10|821.73| |合计|7,273.28|6,321.56|8,029.92|9,787.08|11,738.97|[6] 财务指标 |指标|2022A|2023A|2024E|2025E|2026E| | ---- | ---- | ---- | ---- | ---- | ---- | |营业收入（百万美元）|7273.28|6321.56|8029.92|9787.08|11738.97| |增长率（%）|33.62|-13.09|27.02|21.88|19.94| |归母净利润（百万美元）|1817.94|902.53|492.74|791.46|1142.91| |增长率（%）|6.82|-50.35|-45.40|60.62|44.41| |毛利率（%）|37.97|19.26|18.03|21.24|25.12| |每股收益（美元）|0.23|0.11|0.06|0.10|0.14| |市盈率PE|31.16|62.77|114.97|71.58|49.57| |市净率PB|2.96|2.82|2.68|2.59|2.46| |净资产收益率ROE|9.49|4.49|2.33|3.61|4.96|[7] 资产负债表 |项目|2022（百万美元）|2023（百万美元）|2024E（百万美元）|2025E（百万美元）|2026E（百万美元）| | ---- | ---- | ---- | ---- | ---- | ---- | |货币资金|7610|6395|6424|7830|9391| |应收账款|765|557|660|751|836| |存货|1911|2736|2958|3168|3371| |流动资产总计|16594|13635|14917|17655|20641| |固定资产|18856|23945|28092|31651|33773| |资产总计|43808|47787|50486|55763|60668| |短期借款|1268|1216|1794|3159|3927| |应付账款|2341|701|1082|1267|1445| |负债合计|14846|16942|18412|22472|25472| |归属于母公司股东权益|19150|20116|21107|21898|23041| |权益合计|28961|30846|32073|33291|35196|[9] 利润表 |项目|2022（百万美元）|2023（百万美元）|2024E（百万美元）|2025E（百万美元）|2026E（百万美元）| | ---- | ---- | ---- | ---- | ---- | ---- | |营业额|7273|6322|8030|9787|11739| |销售成本|4512|5104|6582|7708|8790| |销售费用|34|36|40|44|47| |管理费用|1227|1190|1345|1468|1643| |营业利润|1731|530|323|842|1591| |税前利润|2214|1187|860|1433|2241| |税后利润|2198|1125|730|1218|1905| |归属于母公司股东利润|1818|903|493|791|1143| |EPS（美元）|0.23|0.11|0.06|0.10|0.14|[9] 现金流量表 |项目|2022（百万美元）|2023（百万美元）|2024E（百万美元）|2025E（百万美元）|2026E（百万美元）| | ---- | ---- | ---- | ---- | ---- | ---- | |税后经营利润|1719|502|274|716|1353| |折旧与摊销|2271|2667|3270|4046|4752| |财务费用|-230|-538|-260|-275|-333| |经营性现金净流量|5348|3358|2053|4273|5515| |投资性现金净流量|-10392|-6208|-3707|-6146|-6155| |筹资性现金净流量|3614|2466|1683|3279|2202| |现金流量净额|-1429|-383|29|1406|1562|[10] 业务发展 市场需求 - 2024年中芯国际总收入80.3亿美元，同比+27%，年均产能利用率回升至85.6% [2] - 成熟制程方面，AI赋能终端创新，2025年国内家电/3C国补等刺激下，客户补库存意愿较高，消费电子等补单需求较多；若海外制裁蔓延，local for local的替代趋势利好中芯国际 [2] - 先进制程方面，AI应用多点开花，头部云厂商算力支出持续强劲，中美AI博弈底层是先进制程产能的争夺 [2] 技术能力 - 中芯国际第一代14nm FinFET已于2019年实现量产，2020年完成1.5万片FinFET产能安装目标，第二代FinFET工艺（N + 1）采用SAQP进行制程微缩，2020年进入风险量产，目前已能实现N + 2制程量产 [2] 产能扩张 - 2024年公司资本开支73.3亿美元，年末折合8英寸产能达94.8万片/月，预计2025年维持75亿美元左右的资本开支 [3] - 公司有中芯深圳、中芯京城、中芯东方、中芯西青4个12英寸28nm及以上制程的晶圆厂在建，合计产能规划34万片/月（等效8英寸产能76.5万片/月），较23年产能几乎翻倍 [3] - 2022年以来，公司在建工程中上海工厂期末账面余额增长最快，24H1达577.4亿元，部分可能是为中芯南方先进制程扩产提前采购关键设备 [3]

核心观点 - 北京大学团队研制出世界首例低功耗高性能二维环栅晶体管及逻辑单元，速度和能效同时超越硅基物理极限，成为目前全球最快、能耗最低的晶体管 [1][4] - 该技术采用新型铋基二维半导体材料（Bi₂O₂Se）及自然氧化物栅介质（Bi₂SeO₅），实现材料与架构双维度革新，有望推动芯片领域技术革新并为中国集成电路制造赢得主动 [4][9] - 团队已制作出小型逻辑单元，正为规模化量产奠定基础，同时发现该晶体管在传感、存储、计算一体化集成方面的潜力 [12] 技术突破 - **架构革新**：二维环栅晶体管采用全环绕栅极结构，接触面积增加，静电控制能力显著提升，性能超越FinFET和硅基GAAFET [5][6] - **材料优势**：铋基二维材料具有超高迁移率、原子级平整界面及高稳定性，其自然氧化物栅介质介电常数大，可降低栅控电压并减少漏电 [9][14] - **性能数据**：在相同工作条件下，该晶体管速度达国际最先进硅基芯片的1.4倍，能耗仅为其90%，且随工艺精度提升优势将进一步扩大 [9][19] 研发历程 - **偶然发现**：硒氧化铋材料源于实验误差，团队通过系统评估确认其半导体性能及工业应用潜力 [15][16] - **持续深耕**：团队自2017年起陆续在《自然》子刊发表阶段性成果，包括二维鳍式晶体管及本次环栅晶体管，形成完整技术路径 [16] - **跨学科协作**：团队整合化学、物理、电子等多学科背景，通过思想碰撞推动创新，并依托北大电子学院高精度加工平台实现器件构想 [18][21] 行业意义 - **技术代际**：二维环栅晶体管被视为"后摩尔时代"集成电路的最优解之一，其突破标志着从硅基到二维材料的跨代升级 [4][8] - **国产化路径**：铋基材料体系由我国自主开发，可依托现有加工技术实现性能超越，为避开硅基技术封锁提供"换道超车"可能 [14][19] - **应用扩展**：除逻辑芯片外，该技术还可用于高性能传感器、柔性电子器件及感存算一体化集成，拓展摩尔定律失效后的创新空间 [12][18] 团队理念 - **科研方法论**：强调从反常现象中挖掘规律，通过扎实分析将偶然发现转化为系统性突破，如鳍式结构的外延集成应用 [17] - **产业化基础**：团队注重材料制备工艺与装备研发，已实现石墨烯晶圆量产经验，正推动铋基材料稳定制备以支撑技术落地 [22] - **长期主义**：坚持"制备决定未来"理念，对标硅基发展历程，逐步攻克材料、器件到量产的各个环节 [16][22]

行业竞争格局 - 台积电、英特尔、三星和日本Rapidus正在2纳米工艺领域展开激烈竞争，台积电虽实力雄厚但面临追赶者压力[1] - 在2nm尚未量产时，行业已开始关注1纳米技术研发，显示技术迭代加速[1] 光刻技术进展 - ASML与Imec建立五年合作，专注于2nm以下工艺开发，涉及High-NA EUV等最新光刻工具[3] - 合作内容包括Twinscan NXT/EXE光刻系统、YieldStar计量方案和HMI检测工具[3] - High-NA EUV系统单台成本达3.5亿美元，新协议使Imec首次能在自有设施直接使用该技术[4][5] 台积电1nm布局 - 台积电组建1nm研发团队，计划在台湾南部建设含6条生产线的Giga-Fab超级晶圆厂[6] - 前三座厂(P1-P3)生产1.4nm芯片，后三座(P4-P6)专注1nm芯片，可能扩展至0.7nm工艺[6] - 公司计划2026年量产1.6nm工艺，比原计划提前一年，三星和英特尔预计2027年推出1.4nm工艺[7] 光掩模技术突破 - 日本DNP实现2nm EUV光掩模所需精细图案分辨率，比3nm工艺缩小20%[9][10] - 完成High-NA EUV光掩模标准评估并开始供应样品，目标2027财年量产2nm光掩模[10] - 与imec合作推进1nm光掩模技术研发，建立与传统EUV不同的制造工艺流程[10] 1nm技术路线图 - Imec公布1nm晶体管路线图，涵盖A7(0.7nm)至A2(0.2nm)节点创新设计[12] - GAA/纳米片晶体管将在2nm节点取代FinFET，CFET晶体管预计2032年问世[12][13] - 机器学习需求每6个月翻倍，需通过尺寸缩放、新材料和系统优化三方面应对[14] 制造工艺挑战 - High-NA EUV光刻机(0.55孔径)预计2026年量产，可实现单次曝光8nm分辨率[16] - 背面供电技术可提升晶体管密度和性能，但需解决散热问题[17] - 互连技术成为主要瓶颈，研究石墨烯等新材料替代铜导线[18] - 3D芯片设计EDA软件缺乏制约3D互连技术发展，正与Cadence合作开发解决方案[19]

日本政府对Rapidus的资助与质疑 - 日本政府通过内阁会议决定修法，允许投入巨资帮助半导体新创公司Rapidus [1] - Rapidus面临最大不安因素是缺乏足够客户需求，一旦生产出货量将达数亿颗但无相应客户支撑 [1] - 台积电和三星开发先进半导体时会提前与苹果、高通等大客户建立合作确保订单，而Rapidus缺乏此类合作模式 [1] Rapidus的制程战略争议 - 井上弘基认为Rapidus聚焦2纳米制程决策已"过时"，因摩尔定律放缓导致制程微缩效益递减 [2] - 建议日本将重点转向先进封装领域，这与日本企业设备及材料优势相关且资金需求较低 [2] - Rapidus应暂缓量产计划，集中资源于研发而非高风险量产阶段 [2] Rapidus的资金与经营模式问题 - Rapidus所需资金预估为5万亿日元，但民间投资仅73亿日元且后续未增加，显示民间部门不愿接手 [2] - 古贺茂明指出Rapidus工厂开工仪式到场多为设备厂商高层，实际支持有限 [2] - 建议政府应支持现有公司或有潜力新创而非从零建立新公司，可节省资金并开启新可能性 [2]

台积电与英伟达的合作关系 - 台积电与英伟达的合作始于1997年，当时英伟达面临财务困境，仅有50-60名员工，而台积电已突破10亿美元收入 [4][5] - 英伟达最初通过信件联系台积电创始人张忠谋，表达了合作意愿，并成功获得台积电支持 [3] - 英伟达的芯片不仅解决了公司财务困境，还在两三年内成为台积电前五大客户之一 [7] 台积电的技术节点发展 - 28纳米节点被台积电视为"甜蜜点"，公司决定全力投入研发 [35] - 台积电将研发预算固定在收入的8%，以持续推动技术进步 [34] - 28纳米节点恰逢智能手机时代，为公司带来巨大市场需求 [42] 台积电与苹果的合作 - 苹果首席运营官Jeff Williams通过富士康创始人郭台铭引荐，与台积电建立联系 [59][60] - 苹果最初要求台积电开发20纳米工艺，这打乱了公司原本从28纳米直接跳到16纳米的计划 [65] - 台积电最终接受了苹果一半的订单需求，并通过借款筹集资金 [73] 台积电的管理决策 - 台积电坚持不因绩效评估裁员，认为这种做法主观且损害公司长期利益 [15][17] - 公司重新雇用被前任CEO裁掉的员工，并调整组织架构 [20][21] - 台积电采用功能化组织结构而非部门化结构，以更好服务客户需求 [47][48] 台积电的商业模式优势 - 台积电坚持纯代工模式，不与客户竞争，这成为其核心竞争力 [113][114] - 公司建立了完整的生态系统，与EDA工具商、设计公司等紧密合作 [120][121] - 台积电保持旧工艺节点的生产能力，与英特尔策略形成鲜明对比 [129][130] 台积电的行业地位 - 台积电成为全球最大芯片代工厂，推动半导体产业变革 [2] - 公司在制造技术和客户信任度方面超越英特尔 [84] - 台积电的成功与ARM架构崛起密切相关，两者共同重塑半导体行业格局 [115][116]

摩尔定律的终结与AI计算的崛起 - 摩尔定律预测晶体管数量每两年翻倍的传统即将结束，晶体管已接近原子级极限，进一步缩小变得极其昂贵和复杂 [1] - AI计算能力每年提升5倍，远超摩尔定律每两年2倍的速度，主要依赖并行处理、专用硬件和算法优化 [3] - AI计算能力每六个月翻一番，得益于GPU/TPU等专用硬件和模型量化等技术进步 [6] 行业领导者与技术创新 - Nvidia开发高度专业化AI处理器，提供惊人速度和效率以满足LLM训练需求 [3] - 特斯拉Dojo超级计算机将AI训练时间从数月缩短至数周，能耗降低，专为自动驾驶技术优化 [4][5] - Google DeepMind的AlphaCode通过优化代码编写效率推动AI生成软件开发，其学习模型能动态适应现实数据 [5] 超级智能(ASI)的发展路径 - 专家预测ASI最早2027年出现，AI已具备递归式自我改进能力，可优化算法且无需人工干预 [2][5][6] - 神经架构搜索(NAS)技术使AI能自主设计神经网络，提升效率性能，是迈向超级智能的关键 [7] - OpenAI和DeepMind研究RLHF等安全措施，但AI安全性进展滞后于技术发展速度 [7][12] AI对行业的影响潜力 - 医疗领域：ASI可加速药物发现、改善诊断并开发抗衰老疗法 [9] - 经济领域：自动化重复性工作，释放人类创造力与问题解决能力 [10] - 环境领域：优化能源使用、资源管理及污染治理方案 [10] 技术变革的核心驱动力 - AI通过改变计算范式(并行处理/专用硬件)而非晶体管微缩突破性能瓶颈 [3] - 大型语言模型(如GPT-4/Gemini)推动对强大算力的需求，形成正反馈循环 [3] - 自我改进算法使AI系统能持续提升效率，加速行业向自主进化时代迈进 [5]

图 6A 和图 6B ：传统模式（应用程序和数据分散在多个微型 GPU 上）与局部模式（应用程序部分限制在各 自微型 GPU 及其本地内存中）的比较 NVIDIA 的专利设想了实现这种本地化的三个主要组件： 如果您希望可以时常见面，欢迎标星收藏哦~ 来源：内容编译自wccftech，谢谢。 NVIDIA 仍然稳坐GPU 计算领域的前沿，因此在整个 AI 领域享有无与伦比的主导地位。然而， 科技行业的领导地位需要近乎不断的创新。而 NVIDIA 似乎正在提供大量的创新，至少目前是这 样。 NVIDIA于2025年3月6日申请了一项新专利，专利号为US20250078199A1。专利中提出的"局部 模式统一内存GPU"解决了现代GPU计算中的一个重大挑战：如何在不牺牲速度的情况下构建越来 越强大的GPU。随着当今GPU的规模越来越大，通常跨越多个物理芯片，从远端内存访问数据变 得明显更慢——就像从城另一头的图书馆拿书与从你的书桌上拿书一样。 该专利设想 GPU 的离散部分在本地范围内工作以存储和访问数据并执行计算，从而减少访问远程 计算资源所固有的延迟。毋庸置疑，这项专利的物理表现将大大加快基于 GPU 的计算速 ...