在最近几年的行业展会上,伴随明星级AI产品一同登场的,还有行业一个悄然成形的趋势——参展商的宣传重心集体转向了系统级方案。
一直到2000年代中期,大家发现当工艺推进至65nm与45nm节点,支撑制程微缩红利持续兑现的登纳德(Dennard)缩放规律趋于失效——晶体管尺寸仍可缩小,但工作电压却难以同步下降,同时还伴随漏电流、功耗密度的快速上升。这意味着,芯片频率的提升开始受功耗制约。因此,产业界随之转向多核架构,以并行度而非主频来换取性能增长。该阶段被视为“后摩尔时代”的萌芽期。
到2010年代后期,“摩尔定律放缓乃至终结”逐渐成为行业共识。产业界对“后摩尔时代”并未给出明确的时间点,但主流观点认为应以2015年前后为分界。这个阶段,业内出现了几个代表性事件:戈登·摩尔本人在摩尔定律提出50周年之际(2015年)坦言,该定律“还能坚持5到10年”;2016年,由IEEE主导的国际器件与系统路线图(IRDS)接棒ITRS,IRDS路线图的重心转向器件与系统的协同演进;英特尔10纳米工艺从最初预计的2015至2016年量产,一再推迟至2019年才实现规模化商用;2018年8月,格罗方德宣布无限期停止7纳米及以下先进制程的研发,联华电子对外公开表示不再自主投入12纳米以下工艺,此后全球仅剩英特尔、三星电子与台积电三家继续推进先进逻辑制程。
在“后摩尔时代”,晶体管仍在持续缩小并保持更高集成度,但制程微缩带来的经济效益已明显减弱。根据IBS等产业研究机构测算,28纳米时代300mm晶圆价格在2,550至3,450美元区间,5纳米已升至约1.6万至1.7万美元,3纳米进一步接近2万美元,而2纳米则达到约3万美元。从单位晶体管成本看,7纳米、5纳米和3纳米节点仍能带来一定程度的成本下降,但降幅已明显低于摩尔定律黄金时期。另一组测算显示,2纳米节点的单位晶体管成本较3纳米可能出现约20%的上升,表明先进制程的经济性正在面临新的挑战。在此背景下,半导体产业开始更多依赖先进封装、Chiplet、HBM、高速互连以及系统级架构创新来持续提升计算性能和能效。
2020年代,先进节点仍在向前推进。台积电(中国台湾)N5在2020年量产,其N3与三星(韩国)3纳米制程于2022年先后落地,三星在该节点率先量产环栅(GAA)晶体管;到2025年第四季度,台积电N2与三星SF2相继投产,台积电由此完成从鳍式场效应晶体管到纳米片结构的切换。
但与节点推进形成对照的,是性能增长主导因素的变化:此前数十年,单个工艺节点的性能收益主要来自晶体管尺寸微缩;如今,更多收益来自Chiplet、HBM、先进封装、背面供电与系统级架构的组合。换言之,先进制程仍在前进,却已不是驱动性能提升的唯一力量。
所谓系统级提升,是把算力、内存、互联、供电与散热等纳入同一优化框架。具体表现为:异构计算按任务属性分工布置CPU、GPU、NPU与专用加速器,让每一类负载都落到合适的运算单元;内存池化打破单机内的内存孤岛,使多颗处理器按需取用更大的内存空间;近存计算把运算推向数据存放的一侧。虽然这三条路径不同,但是它们指向的目标一致——压缩数据搬运的距离与时间、提升每一瓦功率下的有效算力。
另一个信息值得关注。2017年度图灵奖得主John L. Hennessy与David A. Patterson在2018年的图灵奖演讲中提出,随着摩尔定律与Dennard缩放相继放缓,性能的进一步提升要靠面向特定领域的软硬件协同设计,而在这种设计中,数据搬运的开销已经成为比运算本身更需要考虑的变量。
在AI集群里,上述问题被进一步放大——模型参数与中间结果需要反复读取,数据从HBM抵达计算单元、再经网络跨节点搬运所消耗的时间与能量,已成为端到端时延与能耗的主要构成之一。因此,HBM高带宽存储、CXL内存扩展、NVLink和InfiniBand等高速互连,以及服务器整机架构和机柜级系统设计的协同优化,正共同成为AI时代系统级竞争的核心。一套系统最终能释放多少算力,不再仅由单颗芯片的先进程度决定,而取决于芯片、内存、互联与基础设施的协同水平。而这几项能力都不依赖最先进的制程,但它们在叠加之后却能提升系统层面的收益。这正是创新重心转向系统级优化的原因。
除硬件整合外,软件栈同样是系统级性能的隐性决定因素。硬件决定了一套系统的算力上限,软件则决定这套上限在实际负载中能发挥出多少。
以NVIDIA为例,其竞争力不只来自GPU本身,也来自CUDA生态的长期积累。自2007年推出以来,大量深度学习框架、数学库与编译工具围绕CUDA架构做了深度优化。开发者一旦基于这套工具链完成开发,再迁移到其他硬件平台就需要重写底层代码、重新做性能调优。这构成了NVIDIA在AI加速卡市场上难以复制的软件侧优势。
与之相对的是标准化路线,代表阵营包括RISC-V与Arm。RISC-V指令集长期面临的短板在于软件栈与接口不统一——同一份代码在不同厂商的芯片上往往需要分别适配。RISC-V国际基金会推动的RVA23服务器级规范,正是把指令集与配套软件接口收敛到同一份Profile之下,以降低软件在不同实现之间迁移的成本。Arm阵营的做法相近,其服务器端平台同样强调软件生态的连续性。
两条路径方向不同,指向的却是同一件事:软件栈的成熟度,决定了硬件性能能在多大程度上被实际使用。因此对系统级厂商而言,考验不只在于把芯片、内存与互联整合到一起,还在于软件栈能否在不同硬件平台上平滑复用。同一套算法与工具链如果需要为每一代硬件重写一遍,硬件层面的收益就会被拉长的工程周期抵消。
在应用端方面,AI的爆火撬动了上下游产业链的发展。2022年底ChatGPT的发布,引爆了AI算力需求。动辄千卡、万卡规模的训练集群,让单颗芯片的算力在系统总量中的占比被迅速摊薄,系统竞争力不再由单颗GPU决定,而是由“主芯片 + HBM + 先进封装 + 互联 + 软件栈”共同构成的系统包决定。
随着AI系统复杂度不断提升,内存、先进封装、互联网络以及散热、供电在整机成本中的占比持续上升。TrendForce等产业研究机构指出,HBM供应和先进封装产能已成为AI基础设施扩张的重要约束因素。与此同时,HBM、先进封装、高速互联、液冷和供电系统在整机成本中的占比持续提升,系统成本结构已不再仅由GPU决定。对于采购方而言,预算分配逻辑正在发生变化:过去主要围绕主芯片展开的成本谈判,如今必须同时覆盖HBM、先进封装、高速互联、供电与液冷系统等关键环节。
大模型在云端跑通之后,AI开始向边缘端迁移。推理侧的爆发接踵而至,Agentic AI的兴起再加推力。Arm CEO Rene Haas指出,Agentic AI正在显著提升数据中心对CPU的需求。GPU和其他加速器负责生成Token,但任务调度、资源管理、Agent协同以及工作流编排等系统级工作,仍主要依赖CPU完成。在该背景下,CPU、内存与互联的协同优化正成为系统级竞争的重要主线。与此同时,亚马逊、谷歌、微软与Meta等头部云厂商开始深度参与芯片与系统协同设计,通过自研处理器和定制化基础设施,将技术与供应链话语权进一步向上游延伸。
时间来到2026年第四季度,一个更现实的问题愈加明显:先进封装产能正在成为限制技术进步的关键约束因素。Dell'Oro Group在2026年提出“内存税”(Memory Tax)概念,测算服务器DRAM平均售价2026年达约10美元/GB,此后逐步回落,到2030年降至约5美元/GB——仍高于本轮涨价前约3.5美元/GB的水平。当CoWoS扩产仍追不上AI加速卡需求、HBM约占DRAM产值二至三成,封装与HBM的产能便成为绕不开的制约。一颗主芯片设计完成,不再意味着系统可交付;能否锁定CoWoS产能与HBM供货,往往决定交付节奏。
为此,产业界普遍采取长协、预付款与原厂长单来提前锁定产能,把原本属于上游的供给不确定性,前移到整机厂的排产计划之中。技术交付形态也随之演变——过去客户购买的是一颗GPU或一颗交换芯片,如今越来越多方案以“ASIC + 交换芯片 + 系统整机”的形式交付。
原厂的交付物从“元件”扩展为“可部署的子系统”,这降低了下游系统设计的复杂度,但也提高了对单一供应商整合能力的依赖。对整机厂而言,产能约束已从成本问题升级为交付问题,系统级整合能力由此成为比单芯片性能更硬的市场准入条件。
电子元器件分销商是连接原厂与海量中小客户的纽带,当产品形态从单颗器件走向系统方案,分销商的角色也被重新定义。
首先是分销商提供产品的品类结构得到扩张。传统分销商以标准器件为单位销售,系统级趋势下,客户需要的往往是模组、参考设计包乃至完整的子系统方案。此时,单笔订单的价值量显著上升,但同时其SKU组合的复杂度也随之提高——这要求分销商理解一套系统中各器件的配比与替代关系,而不是仅扮演管理每一颗元器件型号的角色。
与此同时,客户对分销商的技术服务要求进一步提升。半导体分销商的现场应用工程师(FAE)的职责,正从推荐“选型与替代料”扩展到“系统方案设计与平台适配”。现在,客户可能不再只问“这颗料能否替代那颗料”,而是问“这套系统如何用最合适的器件组合实现”。在此背景下,服务重心也从价差与库存转向了技术增值。这也是为何最近几年以来,元器件分销商一直聚焦“技术分销”的主要原因。
经过几年的发展,技术分销已在分销行业落地成为常态。早在前几年,“转型”“技术分销”还是分销行业展会与峰会上的常见议题,而最近两年这类主题出现的频率明显下降。与其说关于这类议题的讨论度降低了,不如说它已经在各分销企业中相继落地了——当配套技术支持的方案交付成为日常动作,转型就不再作为独立议题被反复提及,而是落到了产品线组合、FAE团队配置与备货节奏这些具体环节里。
值得注意的是,库存与资金占压风险也在同步上升。AI时代,HBM、先进封装器件的需求旺盛,由于这些器件的交期长、价格波动大,分销商若按以往的节奏进行备货,则面临的跌价与资金占压的压力会更大。对一些中小分销商而言,一旦高价值器件备货节奏与需求出现错配,其账面损失可能会超过以往整年的利润,这是许多小分销商难以承担的压力。
此外,客户结构也正在变化。例如,在下游环节,除了按BOM采购的大型OEM之外,方案集成商与白牌系统厂商等角色的重要度正在增加,后两者更看重分销商的方案能力与联合开发能力,在此基础上,双方的分销合作从交易型走向联合开发型。同时,国产线也提供了一些增量机遇,包括:RISC-V生态器件、本土先进封装产能的分销与推广,这些都是未来数年值得关注的品类。
交付形态的变化,也在改写原厂与分销之间的分工。当原厂更多以模组与子系统形式直供头部客户,分销商在标准器件上的可覆盖范围随之收窄,需要在长尾客户及其成套物料配套中寻找新增空间。换用更通俗的表达方式是:原厂直供带走的不仅是模组本身,还有围绕它的配套器件份额;分销商能经营的高价值料号减少,在头部客户处的份额也同步下降,留给渠道的主要是中长尾料号和中小客户。
当然,分销商能否接住长尾市场的需求,主要取决于自己的方案能力。比如,是否具备系统设计、参考设计与现场支持的团队,能否把服务延伸到选型与平台适配。对于缺乏这类能力、只承担备货与交付的中小分销商而言,其议价空间会被持续压缩。且随着系统级交付占比越来越高,这种分化趋势也就更加明显。因此,从整体看,分销行业正从“元器件搬运”转向“系统方案服务”,同时对供应链管理者的能力要求,也随之从管理芯片库存升级为管理整套系统物料的组合。
最后,再简单回顾这一历程。2020年之前,半导体行业为摩尔定律放缓而焦虑,其焦点始终是围绕“单芯片性能”。在2020年之后,性能提升变慢倒逼行业转向系统级提升。随着Chiplet走红、ChatGPT点燃AI大模型、边缘AI落地……一步步把系统级推向舞台中央。如今,先进封装产能成为限制技术进步的主要因素,系统级整合能力正取代单芯片性能,成为半导体企业新的核心竞争力。