2024年，全球半导体行业虽然未像预期那般出现全面复苏，但生成式人工智能(AIGC)、汽车电子和通信技术的快速发展，却奠定了底层技术在2025年的基础，为半导体行业在新一年中回暖带来了新的希望。

 

在这一年中，我们见证了碳化硅(SiC)功率器件在电动汽车中的广泛应用，芯粒(Chiplet)技术在高性能AI芯片设计中的创新应用，以及RISC-V架构在汽车电子和其他领域的快速崛起。此外，第四代半导体材料——如氧化镓(Ga2O3)和氮化铝(AlN)也开始崭露头角，展现出巨大的潜力。

 

在市场方面，尽管全球经济面临诸多挑战，但半导体行业依然保持了强劲的增长势头。根据世界半导体贸易统计组织数据预测，2024年全球半导体市场规模预计将达到6112亿美元，同比增长7%。特别是在汽车电子、工业自动化和消费电子等领域，市场需求持续旺盛，推动了整个行业的快速发展。

 

展望2025年，预计全球半导体市场将增长12.5%，估值将达到6870亿美元。本文基于这一年中与业内专家和厂商的交流，总结分析后挑选出了2025年全球半导体将出现或高速发展的10大技术趋势，探讨这些先进技术的发展方向和市场前景。

 

1、SiC、Chiplet和RISC-V联手推动汽车半导体发展

 

芯片作为抢占汽车智能化赛道的制高点，已成为全球智能汽车竞争的关键核心。2025年，SiC、Chiplet和RISC-V三大技术将有望继续联手推动汽车半导体产业的发展(图1)。

 

图1：SiC、Chiplet和RISC-V三大技术有望继续推动汽车半导体产业的发展。(来源：IDC)

 

“800V+SiC”将成为高端电动汽车标配

 

目前看到的一个明显趋势，是随着汽车制造商对更高能效和续航能力的追求，整车厂在接下来的两三年里会发布更多搭载800V平台的车型，对SiC功率器件的需求会进一步增加。可以说，“800V+SiC”已经基本成为高端电动汽车标配。

我们从三个方面对碳化硅技术未来的发展趋势做一些判断。首先，从材料来看，基于成本、良率的需求，晶圆材料正在向大尺寸、低缺陷SiC衬底及外延制备的方向发展;从器件来看，追求更低的SiC MOSFET比导通电阻，同时在可靠性、鲁棒性更接近硅基IGBT水准;从工艺来看，继续研究制约SiC MOSFET发展的基础科学问题，比如通过采用高纯度SiC衬底、改进栅氧化层制作工艺来提升沟道迁移率等。

 

Chiplet芯片成为汽车高性能SoC开发新突破口

 

作为搭积木芯片设计的技术代表，Chiplet是一种降本增效、解决汽车高性能SoC芯片需求的创新性方案，其功能独立成Chiplet，通过选择成熟工艺和芯片就能提高生产良率，缩短开发周期。但挑战也很明显。例如，不同厂商不同芯片之间的通信接口存在差异;随着芯片集成度的提高，功耗、散热和数据传输安全都面临更高要求。

 

RISC-V成为Arm架构之后的新选择

 

与x86和Arm相比，RISC-V的指令集更为精简，没有历史遗留问题，且功耗很低。这些特点使得RISC-V非常适合用于提升汽车系统的整体性能，同时降低制造成本。具体应用方面，RISC-V处理器可被广泛应用于车载信息娱乐系统、自动驾驶控制系统、电池管理系统和车辆网络通信等关键领域，未来3至5年内，RISC-V架构芯片在汽车行业的出货量预计将以每年66%的速度增长。

 

2、第四代半导体材料，氧化镓将直接挑战碳化硅

 

第四代半导体材料包括超宽禁带半导体和超窄禁带半导体，前者包括氧化镓、金刚石和氮化铝，后者包括锑化镓和锑化铟等。其中，氧化镓的禁带宽度达到4.9eV，超越了SiC的3.2eV和GaN的3.39eV;此外其导通特性约为SiC的10倍，理论击穿场强约为SiC的3倍，理论损耗仅为硅的1/3000、SiC的1/6、GaN的1/3;从成本角度，基于同样6英寸衬底的最终器件成本，氧化镓约为SiC的1/5，与硅基产品的成本相差无几。

 

中国科学院院士郝跃在两年前就曾预测，氧化镓器件有望在未来10年内成为有竞争力的电力电子器件，并直接与SiC器件竞争。氧化镓领军企业日本FLOSFIA公司则预计，到2025年氧化镓功率器件市场规模将开始超过GaN，2030年将达到15.42亿美元，占SiC的40%，是GaN的1.56倍。

 

尽管氧化镓在成本和性能上具有显著优势，但其大尺寸单晶制备面临挑战，如高熔点、高温分解以及易开裂等特性。目前，中国的氧化镓产出仅限于实验室与高校，而日本在氧化镓量产方面走在前列。例如，日本东北大学成立的FOX公司，采用无贵金属单晶生长技术，目标是以比SiC更低的成本生产出低缺陷程度与硅相当的β-Ga2O3衬底(图2)。

 

图2：Si、4H-SiC、GaN和β-Ga2O3基本材料特性的雷达图，所有参数均已规范化。(来源：MDPI)

 

氮化铝作为另一种第四代半导体材料，以其大的击穿电场和低损耗特性，被视为实现超低损耗功率器件和高温电子器件的首选材料。NTT Corporation已于2024年初利用金属有机化学气相沉积(MOCVD)成功生产出高质量的氮化铝，并开发了欧姆和肖特基接触的形成方法，首次展示了氮化铝晶体管的运行。

 

展望2025年，随着技术的进步和量产难题的逐步攻克，氧化镓和氮化铝等第四代半导体材料不仅将挑战现有的SiC和GaN市场，还有可能因其独特的性能优势，在特定应用领域实现超越。

 

3、从设计制造到应用，AI与半导体深度融合

 

AI正在引发新一轮科技革命。从语言模型、多模态模型的单体智能，到能够使用思维链CoT(Chain of Thinking)进行推理的OpenAl o1，再到使用工具完成复杂任务的智能体(AIAgent)，AI基础能力正在快速演进，并迅速融入生产和生活的每个环节，重塑千行百业，引发新一轮科技和产业革命。

 

于是，在这一轮技术超级周期中，半导体行业也与AI形成了一种相互促进的关系。

 

例如，在芯片设计领域，AI通过机器学习、深度学习等智能算法，不断提高设计的效率与准确性，帮助设计师在设计初期就能预测并优化芯片的性能和功耗，减少设计迭代的次数，缩短产品上市时间。

 

在智能制造领域，通过采用AI机器视觉的自动化检测设备，不仅提升了生产线的速度，还显著提高了制造精度。同时，通过收集和分析生产数据，AI算法能够预测设备故障，减少意外停机时间，并优化制造参数，减少原材料浪费和能耗。

 

在各种云端AI训练和推理应用服务的推进下，2024年全球AI服务器出货量预计将达到165万台，占比提高至12.1%。其整体资本支出预计将有50%左右的增长，并将在2025年继续保持两位数增幅。AI服务器不但需要高性能的GPU、CPU、TPU和存储等硬件支持，一些头部云服务提供商甚至还构建了专门用于运行AI模型的定制芯片，这些都对半导体产业起到了拉升作用。

 

同时，我们也要重视智能手机、AI PC、车载终端和工业物联网等端侧AI技术创新，因为端侧AI拥有庞大的市场规模、清晰的商业模式和丰富的应用场景，更容易实现AI规模化落地，从而加速助推高性能SoC、NPU、射频、电源管理、模拟信号链组件的市场需求。

 

AI在给上游芯片设计企业带来机遇的同时，也让下游的封装技术获得了增量空间。毕竟生成式AI模型需要数百万或数亿级别参数才能进行推理，对芯片的处理速度、容量和带宽都提出了更高的要求，这将推动以Chiplet为代表的先进封装技术进一步发展，带来封装行业的生态变化。

 

4、光通信技术朝大容量、高速率和集成化方向发展

 

随着全球数据流量的增长，特别是在视频流、云计算、物联网和5G网络领域的发展，对高速光通信解决方案的需求日益增加。

 

过去一年中，光通信技术取得了显著进展。首先，在传输速率方面，400Gbps甚至800Gbps接口已成为现实，标志着光收发器性能的新里程碑。华为和诺基亚等公司在相干光学技术和硅光子学方面的创新是这一成就的关键因素，这些新技术不仅提升了数据传输速度，还降低了功耗，增强了可靠性和可扩展性。密集波分复用(DWDM)技术的应用进一步扩大了单根光纤的数据承载能力，支持更多用户同时在线，满足了不断增长的数据需求。

 

同步光网络(SONET)技术在高带宽需求场景中表现出色，尤其适合金融交易系统和医疗健康等领域，其高度可靠性使其成为关键应用的理想选择(图3)。数据中心内部及之间的高效互连也成为了研究热点，推动了新型光交换机和路由器的研发，以实现更快速度和更低延迟的数据交换。

 

图3：SONET/同步数字体系(SDH)与DWDM对比。(来源：QSFPTEK)

 

展望2025年，光通信技术将继续朝着更高容量、更快传输速率、更低的成本以及更广泛的部署方向发展：

 

更高容量与更快传输速率：行业将探索如何利用先进的调制格式和技术来达到Tbps级别的数据传输速率。

边缘计算与光互连：针对分布式架构优化的光互连解决方案将成为研究重点，提供低延迟、高带宽的连接能力，支撑实时处理要求高的应用。

集成化与模块化设计：更加紧凑且节能高效的光通信模块将是未来发展的关键方向之一，有助于降低运营成本并提高整体能效。

 

尽管前景光明，高昂的初始部署成本仍然是阻碍光通信技术广泛采用的主要障碍之一。为此，产业界正通过争取政府政策支持、技术创新降低成本以及加快标准化进程等方式寻求解决之道，以促进不同厂商产品间的兼容性，从而降低用户的总体拥有成本。

 

5、HBM4量产时间提前，5纳米成新工艺节点

 

尽管作为最新一代高带宽内存技术，HBM4在各大存储芯片巨头技术路线图里已有相关的量产时间表，但在AI终端需求的拉动下，或迫使存储原厂拨快量产时间表。从量产进度来看，三星、SK海力士、美光科技三大存储原厂的HBM4量产时间表都在2025至2026年。

 

HBM4最大的应用优势在于通过增加堆栈层数和通道数，显著提升了内存的带宽和容量。不过，HBM4内存接口从1024位扩展到2048位，意味着HBM4内存的设计和生产将面临新的挑战，需要采用更先进的工艺节点和更具挑战性的封装技术。

 

从技术进展来看，5纳米已经成为HBM4的新工艺节点。同时，芯片封装仍然是HBM4面临的最大挑战之一。由于无凸块的混合键合技术尚不成熟，传统有凸块方案预计仍将是16层堆叠HBM4的主流键合技术。要保证堆栈高度维持在一定范围内，HBM4需要进一步地压缩层间间隙，而且还需提高热管理能力。而在HBM键合工艺上，三大HBM内存原厂正对无助焊剂键合等工艺进行相关的测试和研究，以推动HBM4的量产。

 

从量产进度和计划来看，三星电子已经成功制造了基于混合键合技术的16层堆叠HBM3内存，并计划将该技术用于HBM4内存量产。同时，三星正在建立专门的HBM4生产线，目前进入试生产阶段，预计在2025年下半年量产12层HBM4堆叠。SK海力士也在开发16层堆叠的HBM4内存，并计划于2025年量产(图4)。该公司与台积电合作，使用台积电的5纳米工艺来创建HBM4封装底部的基底芯片。SK海力士还计划引入混合键合技术以减少存储芯片堆叠缝隙的高度，从而实现更多层数的堆叠。美光科技量产时间表略晚，预计将在2026年推出12和16层堆叠的HBM4产品。

 

图4：HBM堆叠技术发展趋势。(来源：SK海力士)

 

而对于SK海力士、三星和英伟达等企业的技术诉求，台积电也将利用其N12FFC+和N5两种工艺技术，以及InFO和CoWoS等先进封装解决方案。

 

6、舱驾一体中央计算架构与大模型融合，助推自动驾驶技术发展

 

自通用人工智能(AGI)大火后，车用大模型也随之大热，特别是端到端车用大模型，有可能成为L2驾驶辅助或者L3自动驾驶的最佳路线(图5)。特斯拉FSD V12版本的推出是这一趋势的显著标志，意味端到端自动驾驶技术在量产车型上的应用已成为现实。这个方案也得到了多家车企的认可，在中国，华为、小鹏、商汤科技和元戎启行等企业也在积极跟进。

 

图5：端到端自动驾驶架构演进示意图。(来源：辰韬资本《端到端自动驾驶行业研究报告》，信达证券研发中心)

 

随着大模型的应用，自动驾驶芯片对算力的需求也在不断提升，2024年被视为跨域融合的元年。多家公司已经发布了支持中央计算平台的SoC芯片，例如英伟达的DRIVE Thor和高通的Snapdragon Ride Flex SoC都具有高达2000TOPS的算力，能够支持L4/L5级自动驾驶能力，同时兼顾更高端的智能座舱体验。多家车企和一级供应商正在积极推进这一方向，舱驾一体将成为近两年的主流趋势。

 

智驾端到端大模型在未来能否上车是个关键，这个技术的发展可以分为四个阶段：感知端到端、决策规划模型化、模块化端到端和One Model端到端。中国自动驾驶公司的模块化端到端方案预计将在2025年实现量产上车。

 

从市场方面，有研究机构表示，2029年汽车半导体市场规模将达到1000亿美元，在这些数字背后，高级辅助驾驶系统(ADAS)和安全将以14%的年复合增长率在2023至2029年期间实现最高增长。用于自动驾驶的高性能SoC、智能座舱、电力电子，以及用于未来E/E架构的MCU，也是OEM在汽车半导体投资中的重点方向。

 

7、2.5D与3D先进封装持续深入，在嵌入式领域展现潜力

 

2.5D封装技术通过在中介层集成多个芯片，实现了高效的芯片间通信;3D封装技术则更进一步，将芯片垂直堆叠，不仅极大地减小了设备体积，还显著提升了性能。这些技术的发展不仅满足了各类应用高性能计算和强大处理能力的需求，也为小型化趋势提供了强有力的支持。

 

在全球电子封装行业中，2.5D与3D集成电路封装正以迅猛的速度发展，成为推动整个市场向前迈进的关键力量。

 

根据The Business Research Company发布的3D IC和2.5D IC封装市场研究报告，预计从2023年的486亿美元起，到2024年这一市场规模将达到543.9亿美元，展现出11.9%的年复合增长率。

 

在技术细分方面，3D和2.5D集成电路封装技术涵盖了3D晶圆级芯片级封装、3D硅通孔(TSV)和2.5D等多种技术。

 

目前，这些技术已经在高性能计算、5G通信基础设施和自动驾驶汽车等前沿科技领域发挥重要作用，此外，2.5D和3D先进封装技术也正逐步渗透到更多嵌入式应用中，如微机电系统(MEMS)、CMOS图像传感器(CIS)和闪存等，并且正在向图形处理器(GPU)、多核CPU、电源管理单元(PMU)、功率放大器以及现场可编程门阵列(FPGA)等领域扩展其影响力，显示出它们在未来电子封装领域的巨大潜力(图6)。

 

图6：3D TSV应用广泛且持续增长。(来源：Yole développement)

 

尽管在射频(RF)微型系统方面，2.5D/3D封装技术尚未形成规模化应用，但相关研究报道的数量正在不断增加。

 

预测表明至2028年时，3D和2.5D集成电路封装市场的规模有望达到816.7亿美元，保持约10.7%的年均增长速度。随着相关技术持续进步与市场需求的增长，可以预见，在接下来几年里，2.5D和3D封装技术将在商业上取得更加广泛的应用。

 

8、AI需求激增推动服务器液冷技术发展

 

随着中国人工智能企业对智算中心基础设施建设和算力供给需求越来越高，导致此类数据中心的IT设备能耗大幅上升，迫切需要高效的冷却系统来维持适宜的操作温度，否则将对大模型产品的周期管理和运维难度产生巨大挑战。另一方面，各国政府也在不断提高数据中心的节能减排标准，加快绿色节能算力部署。因此，液冷解决方案正从以前数据中心建设和改造的“可选项”，逐步演变成为“必选项”。

 

以中国市场为例，中国液冷服务器市场在2024年上半年继续快速增长。市场规模达12.6亿美元，与2023年同期相比增长98.3%，其中液冷解决方案仍以冷板式为主，占到95%以上。预计2023至2028年，中国液冷服务器市场年复合增长率将达到47.6%，2028年市场规模将达到102亿美元。

 

互联网行业依然是2024上半年中国液冷服务器市场最大买家，占整体市场超60%的份额，其中云服务提供商(CSP)对于加速建设大集群的液冷数据中心是最积极的。除此以外，电信运营商在逐步落实2023年发布的《电信运营商液冷技术白皮书》3年行动计划，积极探索基础设施解耦方案，对液冷数据中心的建设保持较快的增长，也是未来液冷服务器需求的主要来源。

 

液冷技术主要分为直接液冷(DLC)和浸没式液冷两大类型(图7)。直接液冷将冷却液直接引导至设备的热源上，通过冷却板或冷却管道将热量带走;浸没式液冷则将整个设备完全浸泡在绝缘冷却液中，实现更大范围的热传导效果，适用于超高密度和大功率设备的散热。目前来看，冷板式液冷凭借更高的技术成熟度和完善的产业链，具备更高的建设和维护便利性。

 

图7：不同冷却技术对比——电信运营商现阶段主要推进冷板式液冷与单相浸没式液冷两种技术路线。

 

9、集成化、小型化和多通道设计，让生物传感器更强大

 

电化学生物传感器是一种将生物识别元件(如酶、抗体或DNA)与电化学换能器相结合的分析装置，能够特异性地识别目标生物分子，并将其浓度变化转化为可测量的电信号。它在生物医学、环境监测、食品安全等领域具有广泛的应用前景。

 

近年来随着人们健康意识的不断提高，电化学生物传感器技术有了显著进展。全球市场规模在2023年估计达到了28.9亿美元，预计到2030年将以8.0%的年复合增长率增长。

 

过去一年在技术进展方面，苹果的无创血糖监测技术虽然还处于可行的“概念验证”阶段，但为电化学生物传感器的发展带来了曙光;还有团队开发出的便携式生物传感器，能够在短时间内检测出血清中极低浓度的生物标志物。此外，微纳制造技术的进步使得集成化和小型化成为可能，为可穿戴设备和即时检测(POCT)应用提供了技术支持，而多通道设计的引入使得传感器可以同时检测多种目标物质，提高了检测效率和准确性。

 

未来一年，更多的新型材料将有望被应用，如二维材料、金属有机框架(MOF)和共轭聚合物等都有望成为新的研究热点。时下大火的AI技术也有望与电化学生物传感器深度融合，通过机器学习算法实现对复杂信号的智能分析和处理，提高检测的准确性和可靠性。在可穿戴设备等具体应用领域，电化学生物传感器与智能设备的融合，将实现对人体健康状况的实时、长期和多项生理指标的同时监测。

 

然而，电化学生物传感器在商业化进程中也面临一些挑战，例如稳定性和重复性需要进一步提高，以确保测量结果的可靠。此外，成本和全球医疗保健机构严格的法规也是限制其大规模应用的一个重要因素。这需要业界在优化传感器的设计和制备工艺，提高其性能和稳定性的同时，探索新的材料和技术以降低制造成本。

 

10、应用导向的芯片设计，牵一发动全身

 

EDA企业过去一年都在谈系统设计的重要性，或者说以应用为导向的芯片设计时代正在到来——不仅是板级系统，也在于深入到应用特定需求的系统技术。

 

以汽车为例，当代汽车的不同设计域之间存在着更强的依赖和相互关联性。某一部分的变化可能会影响到其他组成部分，可谓牵一发而动全身。对于系统设计、优化、验证、实施、制造和部署全流程，组件之间的关联都变得无比重要。

 

对于特定的软件来说，需要特定的芯片配置才能达成理想的运行效率;改变软件，也就意味着芯片需要做出对应变更;随之而来的就是芯片的热等物理特性变化，封装及系统也要做出改变;留给电池的空间或许就会不一样，底盘设计也要跟着变，乃至影响到制动系统和引擎。

 

于是芯片设计与制造，不再单纯是制造工艺驱动，也不只是受到先进封装等制造封装层面的变革影响，而是软件定义、应用导向的系统设计中的一环。芯片设计需要放到整个系统之中进行，衡量系统所有其他组成部分，包括真实运营环境内的资产。

 

芯片设计的数字孪生置于运营系统的数字孪生之中;基于对系统内芯片的监测，理解运营系统的性能，并将信息再反馈到设计环节。

 

这一趋势的发生，不仅是摩尔定律停滞或放缓，以及全社会数字化转型、AI技术发展对算力提出更高的要求而不得不为之;也是软件、AI、IoT和通信等相关技术发展到一定高度才可达成的。