【头条】最高68个月工资，芯片巨头重奖员工！芯粤能第二代沟槽栅SiC MOSFET工艺平台实现规模化量产突破；燧原IPO背后：“市场化GP＋地方国企LP”的双协同

1.燧原IPO背后：“市场化GP＋地方国企LP”的双协同；

2.订单超2000万颗，芯粤能第二代沟槽栅SiC MOSFET工艺平台实现规模化量产突破；

3.美光中国台湾员工将获最高68个月薪资奖励！

4.从iPhone 18看端侧AI发展趋势；

5.MLCC产能大迁徙：村田弃了消费电子，押注AI算力；

6.村田停供 被动元件厂迎转单 国巨、华新科等有望抢商机

1.燧原IPO背后：“市场化GP＋地方国企LP”的双协同

随着人工智能大模型产业全面落地，AI算力芯片作为数字经济底层核心硬件，国产替代进程迎来加速期。9月11日上午，“国产AI芯片四小龙”之一的上海燧原科技股份有限公司（以下简称“燧原科技”）在上海证券交易所科创板成功上市，股票代码688801。 

作为国内少数实现云端 AI 芯片全栈自研，燧原科技历经多年技术攻坚，顺利登陆资本市场。在企业高投入、长周期的成长道路上，君桐资本联合盐东方产投、河南资产、中豫信增、宿迁城发“两省四家”国资LP，以长期主义视角重仓硬科技，用实打实的资金践行“耐心资本”价值。

国资转型浪潮，疾驰算力芯片赛道

燧原科技成立于2018年，八年来深耕云端AI芯片赛道，专注高端AI芯片研发、设计与销售，坚持不依附海外生态的全栈自研路线，现已完成四代架构、五款云端AI芯片迭代落地。公司持续攻坚算力芯片底层核心技术，以高强度研发投入夯实技术壁垒，驱动长期发展。2023至2025年累计研发投入达36.76亿元，近三年累计研发投入占累计营业收入比例高达182.55%。长期高额的研发支出，持续支撑公司芯片架构迭代、全栈软件生态优化、智算集群方案升级，是燧原科技维持行业技术领先、构建全栈自研核心优势的重要保障。

凭借扎实的技术壁垒，燧原科技获得诸多资本青睐：2018年4月完成种子轮融资，同年8月获得腾讯领投的3.4亿元Pre-A轮融资，此后保持每年度一轮融资节奏。君桐资本也联合盐东方产投、河南资产、中豫信增、宿迁城发四家国企，连续两轮加注投资。

历经20余年的快速发展，国有企业在拉动区域经济增长、推进城市更新和产业园区发展等方面发挥了不可替代的作用。而伴随发展环境变化，地方国企转型突围的紧迫性持续凸显，向“股权财政”跨越已成为时代必答题。与此同时，地方国企在新兴产业研判、优质科创项目挖掘、细分行业投研人才储备上普遍存在短板，想要深度参与新兴产业培育、落地股权财政模式、分享科技产业增长红利，亟须创新思路与落地路径。

深耕硬科技投资赛道多年的君桐资本，恰好为地方国企转型发展提供了成熟专业的解决方案。君桐资本成立于2015年，是国内最早一批专注泛半导体领域的专业投资机构，现已延伸布局人工智能、商业航天、未来生物科技等前沿赛道；直接管理的基金规模累计超100亿元人民币，为投资者创造现金回报超100亿元人民币，累计投资硬科技项目超100个，成功助力21家硬科技企业IPO上市，另有10余家被投企业处于IPO问询阶段。

在此背景下，君桐资本搭建资本与产业双向连通的桥梁，赋能各地国企平台精准切入硬科技赛道，助力其把握科创发展机遇、共享产业升级红利。盐东方产投、河南资产、中豫信增、宿迁城发四家国企坚定投资燧原科技，背后具备清晰的双重逻辑：一方面，四家国企主动践行国家战略，积极响应硬科技扶持政策，扛起培育新质生产力的时代责任；另一方面，基于对君桐资本专业研判能力与过往优质投资业绩的高度认可。“市场化GP+地方国资LP”的协同模式，不仅仅是单纯的资金投入，更是“新质生产力”与“区域经济”的深度共振，既践行布局硬科技赛道的使命，也实现国有资产保值增值的市场化核心目标。

穿越投决周期，抢抓“投资窗口”

从投资决策实操层面看，四家国企入局燧原科技这一前沿AI算力项目，在内部磋商与投决全流程中展现出审慎规范、高效务实的行事风格；而君桐资本依托自身深耕半导体赛道多年、助推20余家企业IPO的亮眼业绩，以专业能力帮助国企实现国有资产保值增值的目标。

在燧原科技融资的关键窗口期，君桐资本与四家国企紧密联动、高效协同，精准抢抓投资窗口，累计投资超1亿元。针对国资审批严谨、环节多、周期长的特点双方同步推进材料准备与流程审批，仅耗时一个月便完成各家基金过会全流程。

“当时，燧原科技融资窗口期十分紧凑，为抓住投资机会，君桐资本与国企同步推进材料准备、内部沟通、上会汇报工作，全方位压缩项目落地周期，最终我们按时完成出资，成功把握住布局国产云端算力龙头的关键节点。”地方国企某负责人表示。

燧原科技2025年启动上市辅导，2026年成为科创板首家获受理企业，同年6月首发顺利过会，并于9月11日正式登陆科创板，圆满完成资本进阶。

本次项目的高效落地与成功兑现，核心依托君桐资本成熟完善的“市场化GP+地方国企LP”协同模式。模式内部权责清晰、分工明确，既通过市场化专业投资能力保障国有资产稳健增值的财务目标，又依托精准的硬科技细分赛道布局，实现经济效益与产业效益双向共赢。

全产业链布局，打造“投资集群”

四家地方国企坚定布局燧原科技，并非短期单次财务博弈，而是依托君桐资本的专业投资管理能力，通过多个优质标的持续兑现丰厚收益，逐步积淀起长期互信、深度协同的合作根基。四家地方国企紧跟国家大力发展硬科技的战略导向，由君桐资本作为专业纽带牵头共建硬科技投资集群连续多年实现传统业务难以企及的资产增值回报。

君桐资本与盐东方产投联合布局半导体全产业链；收获燧原科技等6家上市企业，对应项目合计市值逾万亿，多个项目回报超10倍，累计实现分配收益20余亿元；同时储备季丰电子、加特兰、隐冠等一批处于IPO进程中的优质标的，覆盖半导体设备、零部件、材料、芯片设计、人工智能等细分赛道。

君桐资本携手河南资产同样收获丰硕投资成果，收获燧原科技等5家上市企业，对应项目合计市值近万亿，多个项目实现超10倍回报；海和药物、物奇微等稳步推进上市进程，覆盖半导体设备、芯片设计、医药健康等多元硬科技赛道。

“一系列持续兑现收益的成熟项目，充分证明了君桐资本的项目挖掘筛选、投后管理及退出规划的专业能力，让四家地方国企敢于在燧原科技尚未盈利、赛道周期漫长的关键阶段持续加注，陪伴企业成长，在服务国家产业布局的同时，实现国有资产效益最大化。”君桐资本负责人说道。

当前，君桐资本搭建起三类标准化合作载体：市场化盲池基金、定制化盲池基金与单项目或项目组合基金。机构始终坚守纯市场化财务投资定位，搭建“以投促招”柔性协同机制。在投后管理阶段，主动梳理被投企业扩产、落地需求，结合各地产业政策精准匹配资源，推动合作模式从硬性指标绑定转向产业生态共赢。

写在最后

随着燧原科技成功登陆科创板，国产AI算力赛道有望迎来新一轮资本与产业双向热潮。君桐资本与地方国企的深度合作实践充分印证：以专业化、市场化GP为核心纽带，以“耐心资本”锚定国产替代核心赛道，既能依托优质科创企业成长实现国有资产稳健增值，又能通过产业投资赋能地方产业链提质升级。“市场化GP+国企LP”的协同模式，为国企在转型发展周期中平衡资产保值增值与战略性产业培育，提供了可复制、可落地的成熟实践范式。

2.订单超2000万颗，芯粤能第二代沟槽栅SiC MOSFET工艺平台实现规模化量产突破

2026年第三季度，芯粤能半导体正式推出第二代沟槽栅SiC MOSFET工艺平台（下称T2平台），相较第一代沟槽栅平台，T2平台比导通电阻降低约40%、核心性能提升20%以上的代际跨越，将这条路径从“理论最优”铺展为“量产现实”，可广泛覆盖新能源汽车主驱、光伏储能、直流充电模块、IPM、电机驱动、电源等核心场景，助力客户打造高效、小型化、高可靠的功率系统。

少有人走通的必由之路

相比平面栅，沟槽栅SiC MOSFET具有突出的性能优势。平面栅SiC MOSFET受JFET区电阻与沟道迁移率偏低双重约束，导通电阻逼近物理极限，系统极致能效诉求难以进一步释放。而沟槽栅将栅极垂直嵌入芯片内部，让沟道切换至迁移率更优的晶面，从底层重构器件结构，消除JFET电阻、提升元胞密度，从器件物理层面彻底打开性能提升空间。

但在通往量产的路上，沟槽栅也面临着一系列行业级难题：沟槽拐角电场高度集中，极易造成栅氧可靠性劣化；阈值电压稳定性、短路耐受能力与高元胞密度之间的矛盾难以平衡。性能跃升与可靠性底线，正是实现沟槽栅器件工程化的核心关键。这也解释了为何全球范围内，真正能将沟槽栅SiC MOSFET技术推向规模量产阶段的厂商屈指可数，因此对加速切入高端应用的中国碳化硅产业而言，这道门槛，必须有人率先迈过去。

三年磨一剑，从追赶到比肩

作为国内少数率先布局沟槽栅的厂商之一，2023年下半年，芯粤能正式启动沟槽栅MOSFET工艺平台开发，确立了完全自主知识产权的技术路线。

2025年1月，第一代沟槽栅MOSFET工艺平台研发落地，实现从概念验证走向工程化。该平台零失效完成1500小时HTGB、HTRB、HV-H3TRB可靠性考核，在高温栅偏、高温反偏等严苛应力条件下器件参数稳定，验证了芯粤能对SiC沟槽栅技术可靠性的驾驭能力。

2025年，研发团队在第一代平台基础上迭代优化，累计完成8次工艺迭代、2次器件平台升级。2025年12月，1200V T2平台良率突破96%，比导通电阻1.80mΩ·cm²，阈值电压超4V，性能对标国际头部厂商同代沟槽栅产品。

2026年，经过多轮工程批验证、工艺稳定性测试与客户送样认证，T2平台于第三季度正式实现量产。对比第一代沟槽栅平台，核心性能提升20%以上，比导通电阻下降约40%的成绩，标志着芯粤能完成从技术追赶到跻身行业第一梯队的关键跨越。

三大核心优势，打造均衡领先的技术底座

芯粤能T2平台全面平衡了电性能、鲁棒性与可靠性，整体指标已处于国内外第一梯队，核心优势主要体现在三个方面：

极致能效，全场景适配。基于T2平台的750V 器件，比导通电阻（Ron,sp）低至1.0mΩ·cm²，同时仍保持4V以上阈值电压（Vth），具备优异抗串扰能力，并支持0V关断；导通损耗与开关损耗同步下降，可适配更高开关频率，有效提升系统功率密度。

强短路耐受能力。基于T2 平台的750V SiC MOSFET器件在应用端实测短路耐受时间达5μs，能显著提升电机驱动、工业电源等场景下的系统容错能力与运行稳定性。

AEC-Q101车规可靠性认证。T2平台在开发阶段就将可靠性作为内生属性，已满足并超越AEC-Q101全部要求，保障器件在全工况、全生命周期内的稳定运行。

商业化提速：超两千万颗订单，规模化放量在即

凭借T2平台优异的性能表现与成熟的工艺稳定性，该平台系列化产品已获得市场高度认可。截至2026年8月，芯粤能已收获超2000万颗T2平台系列SiC MOSFET芯片订单，标志着芯粤能新一代沟槽型SiC技术已进入大规模商业化落地阶段。

此外，多家客户也在积极与芯粤能同步开启深度定制合作，为碳化硅在多场景和高能效应用中打造更优性价比。

产业多重利好亦在共振：AI数据中心建设带动供电系统升级，800V/900V高压新能源汽车渗透率持续走高，全球光伏储能装机规模不断扩张，多重因素叠加拉动碳化硅芯片需求释放。芯粤能董事长肖国伟日前介绍，公司2026上半年整体订单规模达到2025全年两倍以上，伴随着T2平台量产落地，下半年产线利用率稳步抬升。

结语

从2023年预研立项到2026年T2平台实现量产，芯粤能耗时三年完成沟槽栅技术代际突破。这得益于企业“量产一代、储备一代、预研N代”的研发迭代体系，也是国产碳化硅从跟跑迈向并跑的缩影。芯粤能T2平台的成功量产，是芯粤能交出的产业答卷，也助力更多新能源终端用上高可靠国产碳化硅“中国芯”。

3.美光中国台湾员工将获最高68个月薪资奖励！

9月11日，美光科技表示，在经历了“非同寻常”的一年后，其中国台湾地区的直接生产人员将获得相当于35至68个月薪资的奖金，且最低现金报酬为170万新台币（约合53809.39美元）。

美光表示，此次发放给包括操作员、技术员和轮班工程师在内员工的奖励力度为史上最强，全球将有超过6万名员工获得2026财年的奖励。

此前，代表美光中国台湾约三分之二员工的工会曾表示，其成员广泛支持举行罢工。

美光表示，奖励方案包括向2025年8月29日之前入职的中国台湾员工发放100万新台币（约合31652.58美元）的现金奖金。对于初级工程师而言，总奖励平均为340万新台币，其中包括平均290万新台币的现金报酬，其余部分则为按授予价值计算的股权。

美光还表示，每位员工都将获得年度股权授予。

据悉，美光在中国台湾拥有约1.5万名员工，中国台湾是其最重要的制造中心之一，该公司表示已在当地投资超过1.6万亿新台币。

美光与桃园工会上周在调解会议上未能达成协议，目前已安排进行第二轮调解。美光正力求避免陷入类似其韩国竞争对手三星电子今年5月所面临的危机；当时，三星多达4.8万名工会成员原计划举行长达18天的罢工，但在最后一刻的谈判达成协议后，罢工计划被取消。该协议设立了一项特别奖金池，金额相当于芯片部门营业利润的10.5%，具体发放取决于盈利目标的实现情况。

4.从iPhone 18看端侧AI发展趋势

摘要

2026年端侧AI爆发。Apple iPhone 18以A20 Pro芯片和AFM 3模型家族实现端侧AI算力翻倍，高通、联发科、Intel、AMD五强各具差异化路径，稀疏MoE、CIM存算一体、Agentic AI定义下一代竞争格局。

核心观点

稀疏激活MoE与IFP闪存按需加载使端侧运行百亿参数模型成为可能，突破DRAM物理限制，将成为2027年端侧大模型标配架构。

CIM存算一体与超低精度量化（2-bit/1.58bit）从架构层面解决功耗瓶颈，端侧AI从单一模型推理演变为多模型路由编排平台。

Agentic AI是五巨头共同战略方向，国内企业应在架构创新、垂直场景深耕、国产生态闭环三维度建立差异化优势。

Apple iPhone 18 端侧大模型部署策略

AFM 3 模型家族：第三代基础模型

2026年6月WWDC上，Apple发布了第三代 Apple Foundation Models（AFM 3），这是与 Google 合作构建的五模型家族，标志着端侧AI架构的重大升级。

AFM 3 Core Advanced 的核心创新：IFP技术

AFM 3 Core Advanced 突破了传统LLM"所有权重必须驻留DRAM"的限制。完整20B参数模型存储在闪存（NAND）中，推理时通过轻量级稠密模块选择固定专家集，高比例"共享专家"始终激活，输入依赖的"路由专家"按需从闪存加载到DRAM。推理时弹性（inference-time elasticity）可根据任务难度动态调整激活参数数量，使模型规模远超DRAM物理限制。

评估结果：AFM 3 Core vs 2025版端侧模型，文本偏好45.6% vs 23.3%；AFM 3 Cloud vs 2025版服务器模型，文本偏好64.7% vs 8.7%。AFM 3 Core Advanced的TTS MOS评分4.15（生产系统3.87）。

A20 Pro 芯片：端侧AI算力翻倍

iPhone 18 Pro / Pro Max 及折叠 iPhone 搭载 A20 Pro，这是 Apple 首款 2nm 手机芯片，也是端侧AI算力最大的一次跃升。

三层端云协同架构

Apple采用隐私优先的分层执行策略，构建三层端云协同架构：

端侧层（On-Device）：AFM 3 Core (3B) / Core Advanced (20B sparse) 运行于 Neural Engine

零延迟 零数据外传

处理：文本摘要、通知排序、智能回复等常规任务

Private Cloud Compute

AFM 3 Cloud / ADM 3 Cloud 运行于 Apple Silicon 服务器

可验证隐私 数据零留存

处理：复杂写作、图像生成初步处理

第三方云端（Extensions）

Google Gemini、Anthropic Claude、ChatGPT、通义千问、Kimi

用户可选 安全沙箱

处理：高级推理、Agent工具调用

战略定位：从"自研最强模型"转向"模型路由平台"

WWDC 2026标志着Apple战略的重大转向——Foundation Models Framework升级为统一语言模型路由层。开发者可调用苹果自研端侧模型、PCC云端模型、Google Gemini、Claude等。Dynamic Profiles功能允许同一会话内动态切换模型。Apple与Google确认多年合作，下一代AFM将基于Gemini构建，每年向Google支付约10亿美元合作费用。

Apple选择了"路由+分发"而非"自研最强模型"的路线，其核心竞争力在于：

隐私架构不可复制性 生态锁定（App Intents框架） 垂直整合（芯片→模型→OS→应用） 2.4亿台iPhone年出货量生态杠杆

但面临劣势：无实时通话翻译（Samsung领先）、AI功能存储占用40-50GB（竞品12-15GB）、运行3B+模型功耗突破6W红线触发降频、国行功能受限需依赖通义千问。

高通端侧AI战略与规划

骁龙8 Elite Gen 5：Hexagon NPU全面升级

2025年骁龙峰会发布的骁龙8 Elite Gen 5，是高通移动平台AI能力的重大迭代：

Qualcomm AI Hub：开放生态的核心引擎

Qualcomm AI Hub截至2025年中期的关键数据：

1,800+企业使用AI Hub优化和部署AI模型，包括Meta、三星、亚马逊；

175+预优化模型，覆盖CV、生成式AI、多模态任务；

15+主流LLM优化端侧运行；

BYOM/BYOD；

Bring Your Own Model/Data，与Amazon SageMaker协作。

AI Hub的差异化在于"真实设备部署"而非模拟或理论性能：支持从PyTorch和ONNX自动转换、实时性能基准测试、100+预优化模型可直接在骁龙设备上测试。

多模型合作生态

Meta Llama 3.2-3B Google Gemma 4 IBM Granite 4.0 Mistral AI Nexa AI

通过NexaSDK for Android，应用可直接调用Hexagon NPU、Adreno GPU和Oryon CPU运行Llama、Granite等模型。IBM Granite 4.0已完全优化到Hexagon NPU上，覆盖移动、汽车和IoT平台。

全场景路线图：从手机到机器人

高通的AI战略可概括为"智能计算无处不在"，覆盖五大领域：

战略核心：开放生态 + 边云混合 + 智能体AI

高通的差异化在于开放性和跨平台覆盖——覆盖Windows PC、Android手机、汽车系统、IoT设备和边缘计算，是最全面的端侧AI解决方案。2025-2026年战略重心已从"回答问题的AI工具"转向"能够协同工作的智能伙伴"（Agentic AI）。高通还在加速业务多元化，减少对移动业务的依赖，汽车和AI PC成为新增长引擎。

联发科端侧AI战略与规划

Dimensity 9500：双NPU架构与CIM存算一体

天玑9500采用革命性的双独立NPU架构（Super Performance + Super Efficient），是联发科目前最强大的端侧AI计算平台：

端侧AI能力突破

BitNet 1.58bit模型 功耗降低50%，减少存储需求

4K端侧图像生成 文本生成4K分辨率图像

128K上下文 可处理约10小时录音（上代32K/2.5小时提升4倍）

Agentic AI加速 专为智能体AI设计

NPU代际演进

NeuroPilot + LiteRT：开发者工具链

2025年12月，Google与联发科联合推出LiteRT NeuroPilot Accelerator，将LiteRT运行时直接接入MediaTek NeuroPilot NPU栈。开发者可通过单一API接口部署LLM和嵌入模型，无需针对不同芯片编写定制代码。覆盖Dimensity 7300至9400系列SoC。

支持的端侧模型包括：Qwen3 0.6B（面向中国大陆市场）、Gemma-3-270M/1B、Gemma-3n E2B（多模态）、EmbeddingGemma 300M。实测性能：Gemma-3n E2B在4K上下文下预填充1600+ tokens/秒，解码28 tokens/秒，LLM工作负载吞吐量为CPU的12倍、GPU的10倍。

全场景产品路线图

合作生态

Meta Llama 2/3/3.2 Google LiteRT/Gemini Nano OPPO Omni多模态 NVIDIA GB10 Grace Blackwell

联发科与NVIDIA联合设计GB10 Grace Blackwell Superchip，搭载于NVIDIA DGX Spark平台。在MWC 2026上展示了与OPPO合作的Omni多模态大模型端侧集成。同时自研UCIe-Advanced IP（芯粒间互联），全球首个在台积电2nm和3nm工艺上硅验证。

Intel 端侧AI战略与规划

NPU代际演进：从10 TOPS到50 TOPS

英特尔AI Boost NPU经历了四代主要演进，NPU算力实现了跨越式增长。从Meteor Lake到Lunar Lake，NPU算力从约10 TOPS跃升至48 TOPS，实现了约4.8倍的代际增长，是英特尔NPU史上最大单代提升。Panther Lake进一步将算力提升至50 TOPS，同时每面积TOPS效率提升超过40%。

Panther Lake (Core Ultra Series 3) 核心规格

2026年1月CES正式发布，是首款基于Intel 18A制程的AI PC平台。CPU最高16核心（4个Cougar Cove P核 + 8个Darkmont E核 + 4个低功耗Darkmont E核），GPU最高12个Xe3 Arc核心（配备XMX单元用于AI加速），平台总算力约180 TOPS（NPU约50 + Xe3 GPU约120）。相比Lunar Lake，多线程性能提升最高60%，游戏性能提升最高77%，续航最高27小时。可流畅运行30B参数的MoE混合专家模型，驱动超过200款PC设计。

OpenVINO：核心软件护城河

OpenVINO是英特尔端侧AI部署的核心软件栈，2025-2026年取得多项重要更新。OpenVINO 2025.3版本关键特性包括：在NPU上最大化LLM性能（Tokens/秒显著优化），NNCF支持ONNX模型的FP8量化，新增Omni/ASR/Embedding三条管线，预览支持MoE模型。NPU上支持Llama 3 8B、Llama 3.2 (1B/3B)、Qwen2-7B、Gemma 2等模型。

2026年Computex发布OpenVINO Physical AI——首个开源机器人AI库，配备硅片优化推理运行时，支持UVC/RealSense/Basler相机和SO-101/Trossen WidowX机器人接口。Open Edge Platform 2026.1新增Video Surveillance as a Service和Live Video Captioning RAG能力。英特尔是首个在MLPerf Client基准测试中实现完整NPU支持的厂商。

合作生态

微软 Windows ML + OpenVINO深度集成 Meta Llama 3/3.2 NPU部署 Google Cloud Gemini企业合作 富士康/日立边缘AI合作 SambaNova机架级AI基础设施

2025年9月Windows ML正式GA，英特尔EP将OpenVINO与Windows ML结合，开发者可一键选择最优XPU（CPU/GPU/NPU）。Copilot+ PC功能（噪音抑制、实时字幕等）已从CPU移植到NPU运行。

全领域AI战略

Hot Chips 2026：面向智能体AI的三大架构

Diamond Rapids（下一代至强）

Intel 18A-P制程，最高256核，1.28GB LLC

16通道12800 MT/s内存

128通道PCIe 6.0 + CXL 3.0

全新APX扩展 + 增强AMX

Foveros Direct 3D封装 + UCIe-S互连

Crescent Island（AI推理GPU）

Xe3P架构，32个Xe核心，256个XMX引擎

最高480GB LPDDR5X内存

350W风冷PCIe卡

面向实时AI推理优化，提升Token吞吐量

Wildcat Lake（主流市场）

Intel 18A制程

2个P核 + 4个E核

集成Xe3图形 + XMX AI加速

NPU最高17 TOPS

首款采用UCIe标准的英特尔处理器

Intel的差异化与短板

差异化优势：(1) x86原生兼容——零应用兼容性问题，无需ARM翻译层；(2) OpenVINO成熟生态——跨XPU部署框架，集成Windows ML，延伸至物理AI和机器人；(3) 平台总算力优势——Panther Lake的~180 TOPS依赖Xe3 GPU贡献大部分。

关键短板：(1) NPU单独算力（50 TOPS）低于高通（80）和AMD（60）；(2) 内存容量受限（~32GB vs 竞品128GB+），限制本地大模型运行能力；(3) 内存带宽约120 GB/s，远低于苹果M5 Max的614 GB/s。

AMD 端侧AI战略与规划

XDNA NPU架构演进：从10 TOPS到60 TOPS

AMD的NPU架构源自Xilinx（赛灵思）技术，采用空间排列的AI Engine瓦片设计，核心为VLIW + SIMD向量处理器，专门用于矩阵运算。XDNA 2相比第一代实现了5倍性能提升，采用模块化可扩展架构，支持独立并发处理和显式数据移动。

Ryzen AI 400系列（CES 2026发布）核心型号

全系搭载Radeon 800M系列集成显卡（RDNA 3.5架构），所有型号NPU均达到或超过50 TOPS，超过Copilot+ PC 40 TOPS最低要求。系统将于2026年Q1从Acer、ASUS、Dell、HP、GIGABYTE、Lenovo等OEM供货。

Ryzen AI MAX系列：工作站级本地AI王者

AMD Ryzen AI Max系列凭借超大统一内存在x86阵营中建立独特优势，可本地运行超大规模模型：

里程碑：Ryzen AI Max+ 395（128GB）是首款可在Windows AI PC上运行Meta Llama 4 Scout 109B模型的处理器，MoE架构下任意时刻仅170亿参数活跃。Ryzen AI Max PRO 400系列（192GB统一内存/160GB可分配显存）是全球首款可本地运行3000亿参数模型的x86客户端处理器（4-bit量化）。

软件生态：ROCm + Ryzen AI Software

AMD Ryzen AI Software（当前版本1.6）通过ONNX Runtime + Vitis AI Execution Provider在NPU上运行推理，支持PyTorch和TensorFlow模型部署，AMD Quark量化器支持PyTorch和ONNX模型量化。

CES 2026宣布ROCm 7.2支持Ryzen AI 400系列，覆盖Windows和Linux。关键进展：ROCm过去一年AI性能提升最高5倍，2025年平台支持范围在Ryzen和Radeon产品线上翻倍，下载量同比增长10倍。ROCm 7.2已集成ComfyUI，新增PyTorch Windows构建版本。Advancing AI 2026推出ROCm.ai开发平台，使Claude/Codex/Cursor等编程代理原生理解AMD平台。AMD还推出Adrenalin Edition AI Bundle，一键安装本地AI所需工具。

合作生态

微软 Windows ML / Copilot+ / Windows AI Foundry Meta Llama 3/4 端侧部署（109B模型） Liquid AI LFM模型优化 Cisco企业混合AI HP/Lenovo工作站OEM

AMD与微软深度合作推进"云到端"AI：ROCm支持Azure云（AMD Instinct）和Windows ML（AMD Ryzen/Radeon）。Windows AI Foundry集成Foundry Local、Ollama等模型目录。AMD与Meta合作使Ryzen AI Max+ 395成为首款可运行Llama 4 Scout 109B的Windows AI PC处理器。Cisco与AMD合作将Ryzen AI Halo系统与Cisco网络/可观测性/安全能力结合，支持企业部署混合和本地代理AI。

物理AI与嵌入式新布局

CES 2026首次公布Ryzen AI Embedded处理器系列（P100和X100），2026年7月AAI 2026详细发布X100系列：

支持-40°C至105°C工业级温度范围，7×24小时运行，10年寿命。2026年6月开始客户样品，Q4量产。同时推出AMD Kria AI SOM——首个开放式、一体化自主机器人集成平台，结合CPU、GPU、NPU和FPGA计算，将机器人能力从"身体"扩展到"大脑"。

AMD的差异化与短板

差异化优势：(1) 完整x86-64兼容，无模拟层，Windows游戏+AI工作流合一；(2) Ryzen AI Max系列以最高192GB统一内存/160GB可分配显存，成为x86阵营本地运行超大模型的最佳选择；(3) ROCm软件生态快速追赶（下载量增10倍），ROCm.ai引入AI辅助编程；(4) 物理AI/嵌入式布局（Kria AI SOM + 机器人平台）与Nvidia Jetson直接竞争。

关键短板：(1) NPU TOPS（60）低于高通（80），XDNA 2已沿用两代，XDNA 3要等2027年；(2) ROCm尚不支持直接NPU编程，依赖ONNX Runtime + Vitis AI路径；(3) NPU架构创新（如CIM存算一体）落后于联发科；(4) 在手机端侧AI市场基本缺位，重心在PC和工作站。

五强对比与竞争格局

端侧AI芯片核心规格对比（2026年旗舰）

PC领域NPU算力与本地LLM对比

五种路线之争

Apple：闭环路由平台

不追求单点最优，追求系统最优。控制用户用什么模型而非生产什么模型。隐私架构不可复制，生态锁定是核心壁垒。但功能广度不足、存储开销大、功耗瓶颈明显。

高通：开放全场景

开放模型生态（Llama/Gemini/Granite/Mistral）+ 全场景覆盖（手机→PC→汽车→IoT→机器人）。真实设备部署能力区别于竞品模拟性能。Agentic AI为核心方向，业务多元化减少移动依赖。

联发科：性价比+CIM创新

CIM存算一体架构实现42%功耗降低，BitNet 1.58bit支持降低50%功耗。NeuroPilot + LiteRT降低开发者门槛。在中端市场和高性价比旗舰形成差异化竞争，与NVIDIA合作拓展高端。

Intel：x86兼容+OpenVINO生态

x86原生兼容零应用兼容性问题，OpenVINO跨XPU部署框架延伸至物理AI和机器人。平台总算力~180 TOPS依赖Xe3 GPU。但NPU单独算力(50 TOPS)低于竞品，内存受限(~32GB)是最大短板。

AMD：大内存+x86+物理AI

192GB统一内存/160GB可分配显存，成为x86阵营本地运行超大模型最佳选择（300B参数4-bit）。ROCm生态快速追赶（下载量增10倍）。物理AI/嵌入式布局（Kria AI SOM）与Nvidia Jetson直接竞争。但NPU架构创新落后，手机端基本缺位。

端侧AI七大发展趋势

1、稀疏激活MoE成为端侧大模型主流架构

Apple AFM 3 Core Advanced（20B参数，仅激活1-4B）和华为麒麟9050 Pro（30B参数，激活2B）证明MoE架构可以在端侧突破参数量限制。通过稀疏激活，端侧可运行远超DRAM限制的大模型，同时保持推理速度。这将成为2027年端侧大模型的标配架构。

2、存算一体（CIM）突破功耗瓶颈

联发科Dimensity 9500的超能效NPU采用CIM存算一体架构，运行轻量AI模型功耗降低42%。传统冯·诺依曼架构中数据搬运功耗占比高达60-80%，CIM将计算直接嵌入存储阵列，从根本上解决"存储墙"问题。Always-On AI场景（持续焦点跟踪、环境感知）将成为CIM的首选落地场景。

3、端侧模型路由与编排平台化

Apple的Foundation Models Framework升级为统一路由层，高通AI Hub支持15+主流LLM端侧部署，联发科NeuroPilot + LiteRT提供单一API接口，Intel OpenVINO跨XPU部署框架集成Windows ML，AMD ROCm 7.2覆盖Windows和Linux。端侧AI正在从"单一模型推理"演变为"多模型路由编排平台"——根据任务复杂度、延迟要求和隐私需求动态选择端侧/云端/第三方模型。

4、智能体AI（Agentic AI）成为核心方向

五巨头均已将战略重心转向Agentic AI。高通骁龙8 Elite Gen 5的Element Accelerator专为智能体决策/路由/编排设计，Sensing Hub实现"Personal Scribe"主动行动；Apple的App Intents框架将数百万应用转化为Agent可调用的Skills；联发科Dimensity 9500专为Agentic AI加速；Intel Hot Chips 2026发布面向智能体AI的Diamond Rapids/Crescent Island三大架构；AMD Ryzen AI Halo定位"下一代Agent计算机"。AI从"回答问题"进化为"协同工作的智能伙伴"。

5、多精度量化技术全面覆盖

高通Hexagon NPU支持INT2/INT4/INT8/INT16/FP8/FP16并发推理，联发科支持BitNet 1.58bit模型（功耗降低50%），Apple使用2-bit QAT量化，Intel OpenVINO的NNCF支持FP8量化并在NPU上优化LLM性能，AMD RDNA 4架构支持INT4/INT8/FP8/FP16精度。量化已从"训练后压缩"演进为"量化感知训练"（QAT），2-bit和1.58bit等超低精度模型将成为端侧部署的新标准，在精度损失可控的前提下大幅降低存储和功耗。

6、闪存按需加载突破DRAM物理限制

Apple AFM 3 Core Advanced的IFP（Instruction-Following Pruning）技术将20B模型完整存储在NAND闪存中，推理时仅将需要的专家权重按需加载到DRAM。这一技术使端侧模型规模可远超DRAM容量限制，为未来在8-12GB内存手机上运行百亿参数级模型铺平道路。

7、端云协同成为标准架构，隐私计算是竞争壁垒

五巨头均采用"端侧处理简单任务→自建云端处理复杂任务→第三方云端处理重度推理"的三层架构。Apple的Private Cloud Compute（可验证隐私、数据零留存）成为隐私计算的标杆。Intel与Google Cloud合作扩展AI劳动力能力，AMD与微软推进"云到端"AI（ROCm覆盖Azure云和Windows ML），高通与Google Cloud在汽车智能体AI领域深度合作。端云协同不是简单的"端侧+云端"，而是根据任务复杂度、延迟要求、隐私需求的智能调度系统。

国内端侧AI芯片企业现状

主要企业概览

市场规模与机遇

2026年中国端侧AI市场规模预计8,661亿元

2026年端侧AI芯片市场规模预计800亿元

AI推理计算需求将达到训练需求的倍数4-5倍

推理算力租赁价格半年涨幅+40%

技术路线多元化

对国内端侧AI芯片企业的战略建议

建议一：拥抱稀疏激活MoE + 超低精度量化，突破参数量天花板

Apple AFM 3 Core Advanced（20B稀疏，激活1-4B）和华为麒麟9050 Pro（30B MoE，激活2B）已证明MoE + 量化的技术路线在端侧可行。国内企业应将稀疏激活MoE架构作为端侧大模型部署的核心方向，结合BitNet 1.58bit等超低精度量化技术，在有限DRAM（8-12GB）条件下实现百亿参数级模型的端侧运行。具体路径：优先支持INT2/INT4量化推理，研发IFP类闪存按需加载技术，与国内大模型企业（DeepSeek、通义千问）联合优化MoE端侧部署方案。

建议二：投入存算一体（CIM）架构研发，构建功耗护城河

联发科Dimensity 9500的CIM架构实现42%功耗降低，这不仅是性能提升，更是架构层面的代际超越。传统冯·诺依曼架构在端侧AI场景的功耗瓶颈无法通过制程微缩解决。国内企业应将CIM存算一体作为下一代NPU架构的重点研发方向，尤其在Always-On AI（持续感知、环境理解）等低功耗场景形成差异化优势。建议联合国内高校和存储厂商（长鑫存储等）推进CIM工艺验证。

建议三：建设开放模型工具链与开发者生态，对标AI Hub和NeuroPilot

高通AI Hub（1,800+企业、175+模型）和联发科NeuroPilot + LiteRT（单一API接口）的核心价值在于降低开发者门槛。国内企业普遍缺乏完善的端侧AI部署工具链。建议：(1) 构建统一的端侧AI模型部署SDK，支持PyTorch/ONNX自动转换和真机性能基准测试；(2) 与DeepSeek、通义千问等国内主流大模型深度优化合作，提供预优化端侧模型库；(3) 开源LLM推理框架（如瑞芯微RKLLM模式），降低开发者集成成本；(4) 建设类似AI Hub的开发者社区，提供BYOM/BYOD能力。

建议四：聚焦垂直场景深耕，避免与三巨头正面交锋

在手机旗舰SoC市场，国内企业在先进制程（2nm/3nm）获取和全球生态合作方面短期内难以追赶Apple/高通/联发科。但在垂直场景具备独特优势：地平线在智驾芯片（市占47.7%）、瑞芯微在机器人/IoT、全志在AI眼镜、寒武纪在边缘推理服务器均已建立护城河。建议继续深耕垂直场景，将"场景理解深度"转化为"芯片架构优化深度"，在智能汽车、具身智能、AI眼镜、工业IoT等赛道建立不可替代性。同时探索跨场景平台化（如地平线从智驾向具身智能延伸）。

建议五：以成熟制程 + 先进封装应对先进制程限制

先进制程限制是国内芯片企业面临的核心挑战。但Apple的WMCM封装、联发科的UCIe-Advanced IP（芯粒互联）和NVIDIA的GB10 Superchip（与联发科联合设计）均证明先进封装可以在一定程度上弥补制程差距。建议：(1) 加大Chiplet/先进封装投入，通过多芯粒集成提升总算力；(2) 利用国内成熟制程（14nm/7nm）+ 大面积封装实现等效性能；(3) 探索RISC-V + 自研NPU的差异化架构路线，降低对ARM生态的依赖；(4) 与国内封装厂（长电科技、通富微电）建立深度合作。

建议六：布局Agentic AI硬件加速，抢占下一代交互范式

三巨头均已将Agentic AI作为核心方向。高通的Element Accelerator（标量单元负责智能体决策/路由/编排）是专为Agentic AI设计的硬件创新。国内企业应前瞻布局：(1) 在NPU中增加Agent调度专用硬件单元，支持多模型并发推理和动态路由；(2) 研发端侧Agent运行时（Runtime），支持工具调用、知识图谱构建和个人化学习；(3) 与国内Agent框架（如Coze、Dify）深度集成，提供硬件级加速；(4) 探索"端侧Agent + 云端大模型"的协同架构，端侧负责感知/决策/编排，云端负责重度推理。

建议七：构建"国产大模型 + 国产芯片 + 国产工具链"闭环生态

端侧AI的竞争已从"芯片性能"升级为"生态竞争"。Apple的闭环生态（芯片→模型→OS→应用）和高通的开放生态（AI Hub + 多模型合作）代表了两种成功范式。国内企业应构建第三条路——"国产闭环生态"：(1) 芯片企业与DeepSeek、通义千问、智谱等大模型企业建立深度优化合作，类似高通与Meta Llama的关系；(2) 与鸿蒙/OpenHarmony等国产OS深度集成，提供系统级AI加速能力；(3) 建设国产AI芯片开发者联盟，共享模型优化经验和工具链；(4) 利用信创市场和数据安全需求，在政务、金融、能源等关键行业建立端侧AI应用标杆。

核心判断：端侧AI的竞争窗口期在2026-2028年。稀疏激活MoE、CIM存算一体、Agentic AI三大技术方向将定义下一代端侧AI芯片的竞争格局。五大巨头中，Apple以隐私架构和生态锁定构建闭环，高通以开放生态和全场景覆盖领先，联发科以CIM存算一体创新突围，Intel以x86兼容和OpenVINO生态深耕PC/边缘，AMD以超大统一内存和工作站级本地AI建立差异化。国内企业应避免在旗舰手机SoC赛道与巨头正面竞争，转而在架构创新（CIM/MoE硬件加速）、垂直场景深耕（智驾/机器人/AI眼镜）和国产生态闭环（大模型+芯片+OS）三个维度建立差异化优势。先进制程限制可以通过先进封装和架构创新部分弥补，但开发者工具链和模型生态的短板是最紧迫的补课方向。

5.MLCC产能大迁徙：村田弃了消费电子，押注AI算力

摘要：全球MLCC龙头村田制作所于2026年9月正式发布停产通知，消费级常规料号进入退场倒计时，产能全面倾斜AI服务器高容市场。这不是简单的产品迭代——这是一场被算力需求重新定义的产能迁徙。

电子行业很少有像MLCC这样不起眼，却无处不在的零部件。多层陶瓷电容，俗称"电子大米"，一块主板、一台手机、一台服务器，都要消耗数十到上万颗。过去几十年，村田一直是这个赛道的全球龙头，靠消费电子海量订单撑起庞大产能。但现在，这家日本巨头主动按下了消费级常规料号的暂停键，把产能、粉体、产线人力，全部倾斜向AI服务器所需的高容MLCC。

这不是简单的产品迭代，是一次被动元件行业的产能迁徙。

根据村田制作所于2026年9月正式发布的官方通知，此次停产动作有明确的时间表：2027年12月31日前，客户须完成书面回复；2028年3月31日前，完成最后下单（Last Time Buy）；2029年3月31日，最终出货截止。停产范围涵盖GRM、GRJ、GRT、GXM、GXT、GCM、GCJ、GCG与ZRA系列中的部分料号，涉及消费级常规系列及车用规格系列。村田特别强调：最后下单须符合最小订购量（MOQ）与包装数量限制，除非发生品质问题，否则不接受取消订单或退货。

更值得注意的一个信号是：据韩国经济TV于2026年9月9日报道，村田已拒绝接受一般IT设备用通用MLCC的新订单，既有订单的交期被延长至2027年1月。这意味着，停产通知是"纸面上的时间表"，但实际的供给收缩已经从9月就开始了——终端厂商和代理商感受到的压力，比通知上的截止日期来得更早、更直接。

低毛利消费市场，主动退让

村田此次停产的对象，集中在手机、家电、普通消费设备使用的常规中低容MLCC。这类产品技术成熟，市场参与者多，价格常年承压，属于薄利多销的红海市场。在消费电子整体需求疲软的周期里，持续投入产线维护，性价比已经很低。

另一边，AI服务器带来了全新需求。一台高端AI服务器的MLCC用量，远高于传统服务器，且偏向高容、高压、高可靠性料号。据行业调研数据，NVL36机柜约需23.4万颗MLCC，NVL72约需44.1万颗，另有口径称单机柜最高达60万颗——而全球能稳定供货AI高容料号的，只有村田（约45%份额）和三星电机（约39%份额），两家合计占据84%的市场。这类产品单价、毛利率显著高于消费级料，客户认证周期长，护城河更深。对村田而言，有限的产线资源，优先供给算力硬件，商业回报远高于继续内卷消费市场。

村田高附加价值MLCC的交货期已从此前的8至10周，急剧拉长至20至26周以上。这个数字本身就说明了问题：不是村田不想接通用订单，是高容料的产能已经被AI需求挤满，通用产线必须给高容让路。取舍的结果很直接：原有消费级MLCC的供给缺口，开始向外溢出。终端厂商、代理商开始寻找备选供应商，国内MLCC厂商拿到了过去很难触达的订单机会。市场第一反应是利好国产替代，订单转移的故事快速在产业链和资本市场传播。

但红利窗口，不等于弯道超车。

订单溢出的真实边界

这一轮订单转移，有明确分层。

消费端普通中低容MLCC，技术门槛相对可控，国产厂商良率、交付能力已经经过多年验证，承接这部分溢出订单的阻力最小，短期业绩弹性最容易兑现。这也是市场最容易看到的部分。TrendForce最新调查显示，由于消费级中高容订单外溢效应，其他厂商第四季报价维持上升态势，预估平均涨幅达10%至20%。厂商产能稼动率同步提高，部分供应商已接近九成。

但三星电机已经先行一步：据TrendForce数据，三星电机主导了对OEM及ODM客户的2026年Q4价格上调——消费级X5R产品价格平均上调25%至30%，AI服务器高端X6S产品则依客户议价，平均涨幅10%至20%。三星电机的涨价逻辑和村田一样：用价格抑制低端需求，把产线让给高容。也就是说，即便溢出出来的订单，价格也在被抬高。

正的难点，在村田重点加码的AI服务器高容MLCC赛道。高容料对陶瓷粉体、叠层工艺、可靠性、一致性要求极高。服务器客户认证周期动辄1至2年，需要长期稳定的良率保障，不是拿到样品就能批量供货。粉体等上游核心原材料，部分环节仍掌握在海外企业手中。国内厂商可以借着行业洗牌扩大份额，但想要在高端算力料号上替代村田，仍需要持续的资本开支、工艺迭代和客户验证。

这里有一个很容易被忽略的行业逻辑：村田主动退出消费市场，不是失去竞争力，而是主动放弃低毛利战场，集中资源守住高价值阵地。龙头的战略收缩，是腾出手抢占AI算力增量，并非被动失守。国产厂商当下的机会，本质是存量市场的供给缺口红利。短期看营收和出货量有望抬升；中长期，考验的不是能不能接单，而是能不能借着这波订单窗口完成工艺积累、上游材料配套突破，把临时溢出订单转化为稳定、高毛利的高端客户份额。如果仅仅停留在承接低端转移订单，红利会随周期起落。

被动元件，进入算力定价时代

MLCC行业的周期逻辑正在改写。过去很长一段时间，行业景气度跟着手机、PC等消费电子大盘走，需求波动大，价格周期性暴涨暴跌。AI服务器带来持续的高容料需求，正在重塑行业的需求结构与价值分配。

全球被动元件龙头都在做相似的战略调整：压缩低附加值消费类产能，向算力、汽车电子等高可靠赛道倾斜。行业不再是单纯比拼产能规模，而是比拼料号结构、材料能力与客户认证壁垒。村田停产消费MLCC，只是这场结构性洗牌里标志性事件之一。同期，TDK推出3225封装10μF/100V低电阻X7R新品，直指AI服务器应用——头部厂商集体向高容、高压、低ESR迁移，AI电力链的被动元件供给正在重排。

需要厘清的是，这一轮不是单纯的涨价播报：通用型交期拉长、价格上行是供给结构性转向的结果而非原因。真正的观测点在于：高容缺口能否被三星电机、国巨扩产补上，以及硅电容能在多大比例上分流需求。AI供电架构正从"纯MLCC阵列"转向"MLCC+硅电容+垂直供电"混合方案。村田本身已有MOS工艺硅电容产品线，硅电容不占MLCC份额但分流高容需求——若2027年硅电容导入比例上升，高容缺口将收窄，供给瓶颈从"产能"部分转化为"架构切换"。

对国产厂商而言：窗口已开，但不是轻松的接力赛

村田停产消费MLCC，只是这场结构性洗牌里标志性事件之一。对国产厂商来说，窗口已经打开。但这不是一场轻松的接力赛。能接住多少订单，能向上突破到哪个料号层级，决定了这一轮行业变局，究竟只是短期业绩脉冲，还是国产被动元件真正的产业跃迁。

从短期看，消费级中低容MLCC的溢出订单是确定的增量。国内厂商在风华高科、三环集团等龙头带领下，良率和交付能力已经经过多年验证，承接这部分订单的阻力最小。稼动率提升至接近九成，Q4报价上涨10%至20%，短期业绩弹性可期。

但从中长期看，真正的考验有三层：第一层，能不能借着这波订单窗口完成工艺积累，从"能做中低容"升级到"能做高容"；第二层，能不能突破上游粉体等核心原材料的海外依赖，建立自主可控的材料配套体系；第三层，能不能通过AI服务器客户的长期认证，把临时溢出订单转化为稳定、高毛利的高端客户份额。三层考验，每一层都需要时间、资本和持续投入。

更不容忽视的变量是技术路线切换。如果硅电容在2027年加速导入AI供电架构，高容MLCC的缺口可能收敛——届时，仅仅扩产MLCC产能的厂商，可能面临新的产能过剩风险。握有高容料号产能与硅电容产品线双布局的公司，才是在架构切换中真正受益的一方。

资本市场最不缺的就是"国产替代"的故事。但替代的本质不是别人退让你接手，而是你自己在技术、材料、客户三个维度上真正建立了不