核心观点 - ASML通过极紫外(EUV)光刻技术推动芯片制造工艺进步，最新EUV光刻机可打印8纳米线距的芯片图案，并计划通过高数值孔径(High-NA)和Hyper-NA技术进一步提升精度和效率[6][7] - 阿姆斯特丹纳米光刻高级研究中心(ARCNL)与ASML深度合作，专注于EUV技术基础研究，包括光源优化、反射镜涂层改进等，每年获得ASML约400万欧元资助[2][4] - EUV光刻机通过每秒引爆5万次锡滴产生等离子体发射13.5纳米波长光，ASML计划将频率提升至6万次/秒并将功率从500瓦增至1000瓦，同时降低能耗[1][8][9] - 行业面临物理极限挑战，芯片元件尺寸缩小速度从每代70%降至20%，但通过3D堆叠等创新仍可提升晶体管密度[6] - ASML探索多种技术路径包括更短波长(6.7/4.4纳米)、更大掩模版、自由电子激光器等替代方案，但成本效益仍是关键考量[14][16][21] 技术进展 光源优化 - 采用"披萨"状锡滴粉碎技术，通过额外激光轻击产生微滴提升EUV光产出效率，计划引入固体激光器降低能耗[9] - 当前EUV系统功率500瓦，目标提升至1000瓦，预计2033年单晶圆能耗比2018年降低80%[8] - 研究钆替代锡作为6.7纳米波长光源材料，但更短波长面临光子能量分布不均导致的随机噪声问题[14][15] 光学系统 - 高数值孔径(High-NA)设备将开角从0.33提升至0.55，需1米直径反射镜；Hyper-NA目标0.75开角，可通过调整镜片位置实现[7] - 反射镜采用70层钼/硅交替涂层，反射率达71%接近理论极限75%，通过"磁控溅射"技术实现10纳米级精密堆叠[11] - 解决EUV功率提升导致反射镜气泡问题的秘密材料配方已研发成功[12] 制造工艺 - High-NA光刻机采用掩模版放大技术导致曝光时间延长，通过32G加速度扫描补偿，目标进一步提升速度[17] - AI芯片设计规模超出单掩模版容量，需多部分投影拼接，或推动行业采用更大尺寸掩模版标准[17] - EUV光被用于纳米结构测量，光声学技术可通过声波实现芯片三维结构检测[19] 行业生态 - ASML年研发投入超40亿欧元，与蔡司、ARCNL、多所大学形成完整研发生态系统[4][7] - ARCNL约75%博士毕业生加入ASML，延续类似飞利浦NatLab的基础研究模式但避免被商业目标束缚[4][5] - 中国尝试自主研发EUV技术，华为研究等离子体源，可能采用自由电子激光器作为替代方案[22]

EDA行业概述 - EDA是电子设计自动化工具的总称，贯穿芯片生产全生命周期，类似建筑设计的CAD软件[4] - 前三大EDA厂商垄断全球近80%市场份额且均为美国公司，国内EDA国产替代率仅勉强超过10%[5][6] - EDA工具对芯片设计至关重要，离开EDA在指甲盖大小芯片集成上百亿晶体管是天方夜谭[5] EDA发展历史 - 1966年仙童半导体开发出逻辑模拟器等工具，将4工程师/周工时压缩至1工程师/天[8][11] - 70年代芯片公司使用内部EDA工具但功能有限，英特尔1974年建立EDA研发中心支持CPU设计[13] - 1985年EDA独立成产业，新思科技、Mentor Graphics和Cadence相继成立成为三巨头[14][15] 中国EDA发展历程 - 1988年中国启动首套自研EDA"ICCAD Ⅲ级系统"，1993年推出"熊猫系统"被20多家机构采用[18][22] - "巴统"解体后三巨头进入中国，通过降价和捐赠高校策略挤压"熊猫系统"生存空间[22][23] - 国产EDA因缺乏产业生态支持与芯片设计发展脱钩，类似国产操作系统与Windows竞争困境[25] EDA技术壁垒 - EDA与代工厂PDK深度绑定，芯片设计需EDA工具打开PDK才能进行流片和工艺适配[27][29] - 先进工艺节点持续更新（如台积电3nm有4个版本），需EDA厂商同步更新工具链[30][31] - 集成电路产业链各环节形成"互相适配"的绑定关系，Know How积累成为行业标准[32][33] 产业挑战与机遇 - 摩尔定律下产业链需同步进步，掉队者追赶代价成倍增加[34][38] - 华为已实现14nm EDA工具全链条国产化，背后是14nm工艺国产供应链全线打通[40] - EDA是工程问题而非科学问题，其生态依赖上下游共同构建而非单点突破[41]

光刻机行业核心观点 - 光刻机是晶圆制造最核心设备，技术难度最高且国产化率最低，是延续摩尔定律的关键装备[2] - 全球光刻机市场呈现寡头垄断格局，ASML 2024年占据61.2%市场份额，在EUV领域是唯一供应商[2][19] - 中国是ASML最大客户，2024年中国区收入占比达41%，但受海外制裁影响国产替代势在必行[2][27] - 光刻机在半导体设备中占比达24%，是市场规模最大的品类[11][13] 光刻机市场格局 - ASML 2024年出货418台光刻机，其中EUV 44台，ArFi 129台，EUV单价达1.88亿欧元[21][24][26] - ASML在EUV和ArFi高端机型垄断市场，Nikon和Canon主要集中在中低端KrF和i-line机型[22][23] - 光刻机经历五代迭代，从g-line(436nm)到EUV(13.5nm)，最小工艺节点从800nm缩减至7nm[7][8][9] - 浸没式光刻技术通过提升数值孔径使193nm光刻成为主流，EUV技术突破7nm工艺极限[7][20] 核心部件技术分析 光学系统 - 光学系统是光刻机最核心部件，包含15-20个直径200-300mm透镜组成的物镜系统[3][36] - 蔡司是ASML光学部件独家供应商，2024年采购额达39.5亿欧元，占全球光刻机光学市场60%以上[40][44][47] - EUV反射镜要求原子级平整度(误差<0.25nm)，仅蔡司具备生产能力[45][52][55] - 国产茂莱光学已实现i-line光刻机光学部件突破，但面型精度(PV<30nm)与蔡司(PV<0.12nm)差距显著[60] 光源系统 - 光源波长决定工艺能力，从汞灯(g-line 436nm)发展到EUV(13.5nm)[4][61][63] - EUV采用激光等离子体技术，每秒50000次轰击锡液滴产生13.5nm光源[68] - 准分子激光是DUV主流光源，KrF(248nm)和ArF(193nm)用于中高端光刻[64][67] 双工件台 - 双工件台通过测量/曝光台协同工作提升产能，ASML率先应用该技术[69][70] - 工件台需在7g加速度下实现2nm套刻精度，涉及精密驱动、导向和测量系统[71][72][73] 国产化进展 - 上海微电子已实现90nm ArF光刻机出货，KrF/ArF光刻机被列入国家重大技术装备目录[32][34][74] - 哈尔滨工业大学突破13.5nm EUV光源技术，中科院研发深紫外光源系统[32] - 产业链企业茂莱光学、汇成真空、波长光电等在光学、镀膜等环节取得突破[74][76][88] - 2024年茂莱光学半导体收入2.33亿元(+37%)，福晶科技精密光学收入3.11亿元(+24%)[78][90]

大芯片市场格局变化 - 大芯片市场过去由英特尔、AMD、IBM主导，近年因LLM崛起，英伟达凭借GPU优势实现反超，Arm也找到切入机会 [1] - 高通收购SerDes供应商Alphawave后，大芯片市场格局发生巨变 [1] SerDes技术的重要性 - SerDes是数据中心通信的重要方式，其核心功能是在串行与并行数据间高效转换，支撑数字通信标准 [3][6] - 20世纪90年代末至21世纪初，SerDes速率从OC-24（2.488Gbps）提升至10Gbps，并逐渐用于PCB和背板的芯片间通信 [3] - 在FinFET技术下，基于DSP的SerDes成为56Gbps以上数据速率翻倍的必要方案，采用PAM4调制可使吞吐量翻倍 [4][5] 芯片巨头在SerDes领域的布局 - 博通、Marvell、英伟达、英特尔、AMD、联发科均为SerDes高端玩家，Synopsys、Cadence、Alphawave是重要IP供应商 [8] - 英伟达的NvLink技术从第一代（160GB/s带宽）迭代至第五代，分化为短距离（NVLink C2C）和长距离（NVLink5）SerDes [9] - 英特尔2013年展示224G PAM4 SerDes，支持0.1米至0.25米连接距离，其收购的V Semiconductor与Alphawave创始人有关 [10][11] - AMD的Infinity Fabric依赖SerDes实现低延迟连接，分为封装内（IFOP）和封装间（IFIS）两种类型 [11] - 联发科推出224G SerDes，覆盖56G至112G ASIC解决方案 [12] 高通收购Alphawave的战略意义 - Alphawave是全球第四大IP公司，收入7年内从0增长至2.7亿美元，拥有224G PAM4 SerDes等产品 [8] - 收购补强高通在数据中心领域的连接能力，结合Oryon CPU和Hexagon NPU，瞄准AI推理和定制CPU需求 [12] - Alphawave的UCIe IP子系统（台积电N2工艺）为高通布局Chiplet未来提供支持 [13] 行业竞争趋势 - 高通通过收购切入数据中心市场，将与英伟达、英特尔、AMD等传统巨头直接竞争 [15] - Arm同样有意通过SerDes技术进入芯片市场，行业竞争加剧 [13][15] - 初创公司在大芯片领域的机会逐渐减少 [15]

掩膜版定义与分类 - 掩膜版是微电子制造中的图形转移工具，功能类似传统照相机的"底片"，用于将设计图形转移到硅片或玻璃基板上[2] - 主要分类包括石英掩膜版（高精度、长寿命）、苏打掩膜版（中低精度）、凸版（LCD定向移印）和菲林（PCB应用）[4][6] - 半导体掩膜版在最小线宽（≤0.5μm）、CD精度（≤0.02μm）等参数要求显著高于平板显示和PCB领域[2][10] 制造工艺与技术难点 - 核心工艺流程包含CAM图档处理、激光/电子束光刻（130nm为分界）、显影蚀刻等12个环节，光刻技术为核心[6][7] - 技术难点集中在光刻环节的制程管控（温度/气流扰动影响精度）、位置精度控制（多膜层套准）、曝光能量控制等[12] - 检测环节需测量CD均匀性（±0.1μm）、套刻精度（±0.25μm）等参数，并修复微粒缺陷[9][10][63] 产业链与成本结构 - 上游材料依赖进口：石英基板（国产化率5%）、光学膜（国产化率0%）主要来自日本HOYA、韩国SS等[18][20] - 中游制造分为晶圆厂自建（28nm以下先进制程）和独立第三方（成熟制程），下游应用于IC制造（台积电）、平板显示（京东方）等[14][37] - 成本构成中直接材料占67%（基板超90%），制造费用占29%[21] 技术演进方向 - OPC技术：通过光学邻近效应修正解决衍射导致的图形失真，提升130nm以下制程精度[27] - PSM技术：利用相移消除干涉现象，适用于130nm以下制程，对比度提升30%[29] - 电子束光刻替代激光直写：突破130nm物理极限，支持更小线宽[31] 半导体掩膜版市场 - 2023年全球市场规模54亿美元，成熟制程（130nm以上）占比87%，先进制程（28nm以下）仅13%[34][37] - 国内需求增长：中国12寸晶圆产能占比从2015年9.7%升至2021年16%，规划新增25座晶圆厂[46] - 毛利率差异：高阶制程（如130nm以下）毛利率达50%+，较成熟制程高20pct[42] 平板显示掩膜版市场 - 2022年中国市场规模35亿元（占全球57%），预计2025年达65亿元[55][57] - 技术趋势：大尺寸化（G11产线对应85英寸面板）、高精度化（650PPI以上）[60][62] - 国产替代进展：清溢光电实现AMOLED用1600ppi掩膜版量产，路维光电突破G11产线技术[79] 竞争格局 - 全球半导体掩膜版65%由晶圆厂自供，独立第三方市场中Photronics、Toppan、DNP垄断80%份额[69][71] - 国内厂商：路维光电（180nm）、清溢光电（180nm）、龙图光罩（130nm）加速研发28nm节点[74][75] - 平板显示领域：Photronics、SKE、HOYA占全球88%市场，国内仅清溢光电进入前五[77] 未来趋势 - 特色工艺路线崛起：功率半导体、MEMS等定制化需求推动掩膜版多样化发展[84][86] - 精度持续提升：OPC/PSM技术向28nm以下延伸，套刻精度要求达±0.25μm[87][89] - 国产替代加速：美国限制250nm以下掩膜版出口，刺激国内厂商扩产130-28nm产能[48][75] 重点企业 - 国际龙头：Photronics（5nm EUV）、DNP（3nm研发）、Toppan（全球8大基地）[91][95][97] - 国内上市公司：路维光电（G11产线）、清溢光电（HTM技术）、龙图光罩（功率半导体专精）[99][101][104] - 非上市公司：迪思微（0.13μm）、冠石科技（规划28nm）、中微掩模（130nm）[107][110]

半导体基础与应用 - 半导体材料介于导体与绝缘体之间 可控制电流通断 是现代电子设备的基础[1] - 半导体技术支撑人工智能 电动汽车 5G等创新领域 全球经济增长依赖先进芯片供应[1] - 2025年新一代AI芯片市场规模预计达1500亿美元 2030年半导体行业规模或突破1万亿美元[21] 半导体发展历程 早期探索阶段 - 1821年塞贝克发现温差电效应 1833年法拉第观察到硫化银电导率随温度变化[3] - 1874年Braun发现半导体整流效应 1901年Bose获得首个半导体探测器专利[4] - 1940年奥尔发现硅的光伏效应与pn结 奠定晶体管制造基础[4] 晶体管革命 - 1947年贝尔实验室发明锗基点接触晶体管 获1956年诺贝尔奖[6] - 1954年塔南鲍姆研制首个硅晶体管 德州仪器实现商业化[9] - 硅取代锗因更优热稳定性 丰富储量及更高电压承受能力[10][14] 集成电路与微处理器 - 1958年集成电路问世 实现元件集成化 显著提升性能并降低成本[12][15] - 1965年摩尔定律提出 预测晶体管密度每24个月翻倍[15] - 1971年英特尔推出首款商用微处理器4004 1978年x86架构8086处理器问世[17] 现代半导体产业格局 - 21世纪个人电脑与智能手机推动移动处理器需求 电源效率成为设计核心[19] - 云计算催生数据中心专用芯片需求 亚马逊 微软等成为主要采购方[21] - 2024年行业领导者包括英伟达 博通 台积电 三星 阿斯麦[21] 行业挑战 - 供应链高度集中于亚洲 材料交货周期长 易受地缘政治影响[23] - 半导体制造年耗电量相当于5万户家庭 需大量水资源并产生化学废物[23] - 中美技术管制与出口限制加剧市场不确定性[23]

全球半导体市场规模预测 - 2025年全球半导体市场规模预计达到7009亿美元 同比增长11 2% [1] - 2026年全球半导体市场规模预计增长8 5% 达到7607亿美元 [2] - 2024年半导体市场强劲反弹增长19% 达到6280亿美元 [2] - 2030年全球半导体销售额预计达到万亿美元里程碑 [2] 细分市场增长驱动因素 - 2025年半导体市场增长主要由逻辑和存储器引领 涨幅达两位数 [1] - 传感器和模拟细分领域预计做出积极贡献 但增长较为温和 [1] - 分立半导体 光电子器件和微型集成电路预计出现较低个位数下滑 [1] - 2026年存储器将再次引领增长 逻辑和模拟器件也将有所贡献 [2] 地区增长差异 - 2025年美洲和亚太地区将引领增长 预计增长率分别为18 0%和9 8% [1] - 欧洲和日本预计呈现温和增长 [1] - 2026年所有主要市场预计都将扩张 美洲和亚太地区继续引领增长 [2] 行业发展趋势 - 半导体产业正迎来前所未有的黄金年代 技术迭代是推动发展的引擎 [2] - AI人工智能革命改变万物 先进芯片算力成为AI革命基础 [3] - AI相关领域发展将推动半导体行业迈向万亿美元里程碑 [3] 外部环境挑战 - 国际地缘政治巨变加速半导体供应链区域化重组和技术脱钩 [3] - 全球经贸格局秩序颠覆导致成本上升和供应链风险加剧 [3] - 贸易紧张局势和负面经济发展态势扰乱供应链并抑制特定需求 [1]

公司发展历程 - 苏姿丰从工程师转型为管理者，在IBM积累了13年经验后加入AMD，2014年出任CEO [4][5][12] - 接手时AMD濒临破产股价3美元，通过战略转型实现股价突破200美元 [13] - 公司放弃移动芯片市场，专注高性能计算领域并开发三代产品实现技术突破 [14][15] 战略决策 - 选择高性能计算作为核心方向，认为这是公司"秘密武器"所在 [14] - 判断摩尔定律放缓是行业转折点，提前布局新技术研发 [15] - 建立学习型企业文化，鼓励从错误中学习并保持技术前沿地位 [16] 行业趋势 - 人工智能是过去50年最重要的技术进步，将渗透到各领域 [19] - 推理将成为未来AI工作负载主要部分，需开发不同规模的计算解决方案 [19][20] - 半导体行业兼具技术和地缘政治属性，需平衡全球市场与政策合规 [17] 技术布局 - 采取开放平台策略，通过开源软件构建更庞大的开发者生态 [20] - 聚焦降低AI推理成本和提高准确性两大技术挑战 [26] - 计算能力扩展将持续推动生产力提升和商业模式变革 [23][24] 市场展望 - 数据中心需求将持续增长，当前供应链尚未完全准备好 [28][29] - 半导体制造业将向美国回流，但台湾仍保持先进技术优势 [27] - 未来五年计算技术将推动医疗、气候等重大问题的解决方案 [24]

如果您希望可以时常见面，欢迎标星收藏哦~ 来源：内容来自 复旦大学， 作者：祁金， 谢谢 。 讲座最后，白鹏介绍了华虹半导体的技术布局，并对半导体行业的未来进行了展望。他表示，世界 运行于硅基之上，半导体行业还将继续蓬勃发展，中国的半导体市场也将持续迎来增长。目前，中 国半导体产业链尚有缺口，他期待同学们加入产业界，共同迎接挑战，携手走通半导体全产业链。 6月3日，华虹半导体执行董事及总裁白鹏到访复旦，在邯郸校区光华楼东辅楼202报告厅为集成电 路与微纳电子创新学院师生带来一场题为"创芯者的战略解码"的讲座。复旦大学集成电路与微纳电 子创新学院院长、中国科学院院士刘明主持讲座。 在讲座中，白鹏从摩尔定律的解读、其在半导体行业的职业发展、华虹集团的技术布局以及半导体 行业的未来等四个方面切入，与在场师生深入分享在集成电路制造领域从业多年的经验与心得。 什么是摩尔定律？"芯片上的晶体管数量每两年会翻一番。" 讲座之初，白鹏引用英特尔公司创始 人之一戈登·摩尔对半导体行业的洞察，向同学们解释摩尔定律的来源与内涵。 （图源：复旦大学） 他表示，晶体管尺寸微缩是摩尔定律的基础，晶体管尺寸微缩的两大核心优势是单个晶体管成 ...

人工智能发展趋势概述 - Mary Meeker最新发布340页《人工智能趋势报告》，标志着其研究方向从互联网转向AI领域[1] - 报告显示AI技术演进速度和范围前所未有，变革速度远超历史任何时期[27] - ChatGPT达到1亿用户仅用24个月，速度是TikTok的375倍、Netflix的515倍[16][32] 技术发展加速特征 - 计算专利授权量在ChatGPT发布后两年激增6000份，增速超1995年互联网泡沫时期[4][5] - AI模型训练计算量(FLOP)年均增长超360%，15年累计增长100亿倍，远超摩尔定律[10] - 基础设施从CPU转向GPU，NVIDIA数据中心收入2024年占全球数据中心资本支出25%[7][45] 市场应用与商业化 - OpenAI年化收入92亿美元但估值达3000亿美元，收入倍数33倍；Perplexity估值倍数高达75倍[24][25] - 摩根大通预计AI/ML创造价值两年内增长65%，已在投行服务、运营优化等领域全面部署[19] - 全球AI公司融资总额达950亿美元，年收入仅110亿美元，呈现高增长高消耗特征[61] 技术性能与成本动态 - AI推理成本两年下降997%，每百万代币价格从数美元降至美分级[51] - 顶级模型性能差距缩小，中国DeepSeek R1在MATH测试达93%接近OpenAI的95%[55][76] - 训练成本八年增长2400倍，100亿美元级模型训练或于2025年启动[45][51] 行业竞争格局演变 - 中美竞争白热化，中国MAU前十AI应用均为本土开发，DeepSeek四个月获5400万用户[82] - 开源模型数量两年增长33倍，Meta Llama下载量八个月增长34倍[60][72] - 六大科技公司资本支出2024年占收入15%，较十年前提升7个百分点[45] 物理世界融合进展 - Waymo自动驾驶市场份额20个月从0%增至27%，特斯拉FSD里程33个月增长100倍[88] - 农业AI应用累计除草23万英亩，减少10万加仑农药使用[91] - 卫星互联网推动全球网络普及，Starlink用户32年实现202%年增长[97][103] 工作模式变革 - 72%美国职场人士认为AI显著提升工作质量和效率[38] - GitHubAI开发者仓库16个月增长175%，使用AI开发者比例从44%升至63%[55] - 美国AI职位发布量七年增长448%，非AIIT职位下降9%[108] 基础设施投资 - 全球数据中心支出2024年达4550亿美元，美国新建容量四年增长16倍[45] - 六大科技公司自由现金流十年增长263%至3890亿美元，现金储备4430亿美元[45] - AWS将49%收入投入AI基建，远超2013年云基建27%的投入比例[45]