4月23-25日，2025九峰山論壇（JFSC）暨化合物半導體產業博覽會（CSE）（以下簡稱“九峰山論壇”）在中國·武漢光谷科技會展中心盛大召開。會議匯聚兩院院士、行業領袖、企業代表、專業觀眾等，聚焦第三代半導體材料、光電子技術、功率電子、異質集成等前沿領域，其中人工智能（AI）作為核心驅動力，貫穿多個技術分支。
會上，多位專家達成共識，AI正以前所未有的速度推動半導體各個細分領域市場的發展。正如長安汽車智能化研究院副總理、長安全球智能網聯汽車測試中心主任易綱在會上提到：“所有的產品都值得用數智技術再做一遍”。
半導體材料與器件的研發與生產是芯片制造的核心基礎，AI技術正在重塑這一領域的創新范式。而關鍵材料與器件的突破又為AI硬件提供性能躍遷的物理基礎。華中科技大學集成電路學院院長、國家集成電路產教融合創新平臺主任繆向水在九峰山論壇報告中表示，AI算力需求增長遠超摩爾定律預期，給信息計算力、網絡運載力和數據存儲力等提出了更高的要求。摩爾定律即將結束，器件尺寸已經趨于物理極限，功耗散熱問題十分顯著，僅僅依靠尺寸微縮等繼續提升性能不可能，需要一些新原理的基礎器件。
目前面向AI的半導體材料現狀呈現出傳統材料與新興材料并行的格局。硅（Si）仍是AI芯片（如CPU、GPU、ASIC）的主流材料，依托成熟的CMOS工藝，但在5nm以下節點遭遇物理極限（如短溝道效應、量子隧穿）；第三代半導體如碳化硅（SiC）、氮化鎵（GaN）等主要用于AI基礎設施（如數據中心電源管理、5G基站），雖然可提升能效比，但成本高，晶圓缺陷率較高，暫未直接用于AI邏輯芯片。而一些新興材料（光子/量子材料、2D材料與存內計算技術等）或能突破性能瓶頸，解決材料問題。
繆向水在九峰山論壇上詳細介紹了硫系化合物相變材料（以化合物半導體材料為基礎的一個非晶晶態的相變過程）。他表示，在高密度存儲方向，硫系化合物相變材料憑借其優異的熱穩定性與低損耗特性，有望突破三維堆疊與多態存儲的瓶頸。在全光計算領域，其更是實現片上光計算與類腦信息處理的關鍵材料候選。
華中科技大學集成電路學院院長、國家集成電路產教融合創新平臺主任繆向水
此外，九峰山實驗室主任工程師權志恒提出，通過異質集成將新材料、薄膜 chiplet 融入硅基光電子平臺，可充分發揮不同半導體及功能材料的特性，構建高性能光電子器件與新型集成芯片系統，滿足高速光通信和AI計算等領域對大帶寬、低功耗的功能需求。
目前，第三代半導體如碳化硅（SiC）、氮化鎵（GaN）等雖暫未直接用于AI邏輯芯片，但在某些方面也可以間接推動AI的發展方向。山西爍科晶體有限公司總經理、中電科半導體材料有限公司副總經理李斌指出，國內SiC企業在8英寸到12英寸襯底技術迭代中進展迅猛，SiC材料因在光波導應用中的獨特性能，伴隨單位面積制造成本持續下降。AI眼鏡作為一個熱點，是下一步第三代半導體SiC在功率、射頻之外的第三個重要的發展方向，有望推動相關細分市場快速落地。英諾賽科CEO吳金剛則表示，由于性能和價格的優勢，預計GaN功率半導體市場將呈指數級增長。而人工智能對于電力的需求十分巨大，如果不解決用電問題，到2030年將無電可用。而GaN可以在體積不變或者體積盡量小的情況下，解決大量的供電問題。
山西爍科晶體有限公司總經理、中電科半導體材料有限公司副總經理李斌
英諾賽科公司首席執行官吳金剛
EDA作為集成電路設計的核心工具鏈，直接影響芯片設計的效率、成本和性能。AI技術的引入，可大幅提升了EDA工具的數據處理能力與設計優化效率，還可推動設計流程的自動化和智能化。AI作為新興事物，尚未建立明顯壁壘，EDA產業所迎來的AI等技術變革，為國內EDA頭部廠商向全球突圍提供了追趕巨頭的另一賽道。
目前，全球EDA市場呈現出“海外巨頭主導、國內加速追趕”的局勢。以Synopsys（新思科技）、Cadence（楷登電子）、Siemens EDA（原Mentor Graphics）為代表的海外三大巨頭合計占全球EDA市場約75%（2023年數據），而中國占全球半導體消費40%以上，EDA國產化率卻不足10%（2023年）。
北京華大九天科技股份有限公司EDA中心總經理董森華在九峰山論壇上也指出，“目前中國EDA國產化率，或者說國產類EDA工具占整個中國EDA的比例大約在15%-16%，也就是有大約80%以上的EDA軟件供應還是來自國外三大巨頭”。這樣的一個現狀極其容易受到國外的遏制與打壓。
2024年，新思科技宣布其計劃收購工程仿真軟件公司Ansys，打造從芯片到系統的設計解決方案。華大九天也緊跟市場及技術發展趨勢，全面布局云計算、AI技術及數字孿生與EDA深度融合。董森華表示，“從2018年至2019年，中國EDA公司數量已從不到20家增長到超過100家”，行業快速發展并在多個領域取得重大突破。“現在中國的EDA產品已基本能夠支撐化合物半導體的重要領域”，如射頻微波系統等，但要實現全面國產化替代，還需經歷市場導入和規模化批量替換的過程。在這個過程中，核心技術和市場需求的協同配合至關重要。
芯和半導體科技(上海)股份有限公司創始人、總裁代文亮認為，隨著AI大模型的復雜度和參數量不斷增加，導致對算力的需求爆發式上升。EDA賦能加速A1高性能計算芯片設計，尤其后摩爾時代，Chiplet成為突破先進工藝瓶頸的重要方向，Die-to-Die 高密高速互連的設計仿真非常關鍵，EDA 可解決系統級和大規模互連結構的信號/電源完整性問題。同時，EDA 協同大模型能力將有效提高AI芯片設計流程效率。在九峰山論壇上，他提出的 “EDA + Deepseek 提效AI芯片高速接口設計仿真”，創新性地將EDA工具與Deepseek技術（AI技術）相結合，加速AI芯片產品的開發與上市。
華中科技大學教授王興晟研究的“半導體器件建模仿真的智能化方法”，以及西安電子科技大學教授游海龍的“數據驅動的半導體器件智能建模方法”，均致力于將AI技術融入半導體器件建模過程。傳統的半導體器件建模依賴大量人工經驗和復雜公式推導，效率較低且準確性有限。而這些智能化建模方法，借助AI算法對大量器件數據進行學習和分析，能夠更準確地建立器件模型。以數據驅動的建模方法為例，通過對海量實際器件數據的挖掘，可自動提取關鍵特征，構建更貼合實際情況的模型，為EDA設計提供更精準的器件參數，提高設計可靠性。
東南大學李勝的“GaN功率HEMT器件SPICE模型研究”，以及湖北九峰山實驗室研究員郭濤的“射頻氮化鎵器件建模及PDK技術”，專注于特定半導體器件的建模研究。對于GaN功率 HEMT器件和射頻氮化鎵器件，準確的建模是其在電路設計中正確應用的基礎。利用AI技術，能夠更精確地模擬這些器件的電學特性，考慮到更多實際因素對器件性能的影響。這不僅有助于EDA工具在電路設計中更好地優化器件布局和參數設置，還能提高整個電路系統的性能和可靠性。
近年來，隨著人工智能、物聯網等新興技術的快速發展，半導體設備行業迎來了新的發展機遇，市場規模持續擴大。目前，全球半導體制造/檢測設備仍以美國、日本、歐洲為主導。尤其是光刻機方面，ASML（荷蘭）壟斷EUV光刻機（7nm以下制程），日本尼康、佳能則主導中低端DUV設備。國內還處于快速追趕、關鍵環節依賴進口的階段。在地緣政治的背景下，美國對華技術封鎖，切斷了半導體設備、EDA工具等關鍵技術的供應，對中國計算機與通信設備行業造成顯著沖擊，但同時倒逼國產替代加速與全球布局優化，中國本土企業在成熟制程設備領域逐步突破。
在近期3月的上海國際行業展會上，一家深圳晶片設備商新凱來（SiCarrier Technologies）成為全場焦點，該公司首次公開展示了涵蓋光刻、薄膜沉積、蝕刻等核心制程的30余款自主設備，其中28nm級300毫米晶圓光刻技術更引發全球半導體產業的高度關注。由此，從短期看來，美國技術封鎖將延緩中國先進制程發展，中國企業將面臨高壓，但正如英諾天使基金管理合伙人周全在九峰山論壇上所說，目前半導體材料、設計、信息部件、裝備、量測設備等呈現“短期利空，長期利好”。北京華大九天科技董森華也指出，“目前是一個最壞的時代，也是一個最好的時代”。應對封鎖困境，提高半導體設備國產化自主供給水平至關重要。
AI技術已進入“工業化應用”階段，大模型成為核心基礎設施，中美歐在技術、市場、監管上呈現差異化競爭，未來5-10年可能決定全球AI主導權。緊跟行業趨勢，是實現國產化替代過程的必由之路。目前，芯片制造對于檢測精度的要求極高，人工目檢無法滿足質檢要求，整個制造過程幾乎完全要依賴機器視覺。在檢測領域，AI可助力半導體材料與器件檢測實現智能化、精準化；在裝備領域，AI可推動化合物半導體制造裝備向高效、智能發展。臺積電是AI技術應用的集大成者，通過人工智能技術的應用推動其由“自動化晶圓廠”向“智能化晶圓廠”轉型。刻蝕設備供應商Lam公司的Equipment Intelligence（設備智能）解決方案，能夠將數據化建模、虛擬化和人工智能(AI)融入到設計、開發、采購、構建和支持系統與工藝的每一個環節。
近期舉行的九峰山論壇上，Evatec高級戰略營銷經理兼副總裁Maurus Tschirky介紹了Clusterline 200系列設備，憑借其多平臺兼容性（200mm/300mm/600mm晶圓）、自動化晶圓傳輸系統及卓越的顆粒控制能力，可顯著提升生產效率與良率，尤其適用于Mini/Micro LED、AI芯片等高精度制造場景。上海先普氣體技術有限公司儀器儀表和電磁測量技術專家羅毅表示，氣體濃度儀在半導體行業中有著廣泛的應用，尤其是在 MOCVD 和 ALD (ALCVD) 設備上。先普濃度儀數據總線接口豐富，可與眾多設備進行數據傳輸通訊，滿足半導體行業的技術指標要求。若借助AI算法對源濃度數據進行深度分析，可實現更精準的濃度控制。AI 能快速處理復雜數據，及時反饋濃度變化，優化外延生長工藝，提高化合物半導體外延層質量，增強器件性能。
Evatec高級戰略營銷經理兼副總裁Maurus Tschirky
類腦計算使機器能夠以大腦啟發的方式實現人類的各種認知能力和協調機制，最終達到或超過人類的智能水平。目前，類腦計算涵蓋神經形態計算、超維計算、儲層計算和內存計算等多個子領域。近年來，隨著AI技術的發展，實時數據呈現爆炸式增長，對處理器芯片的運算能力提出了新的挑戰。類腦計算可用于解決人工智能技術的當前局限性。
憶阻器技術方面，復旦大學張續猛老師在近期九峰山論壇上介紹了其課題組近期的探索工作，包括構建憶阻H-H神經元電路，實現24種脈沖編碼方式，打破了傳統CMOS電路高仿生-輕量化瓶頸；耦合鐵電和電荷俘獲機制，制備長短時程融合突觸器件與陣列，利用其時空加權能力，實現了軌跡預測與運動目標腦補等。北京大學信息工程學院副院長、科學智能學院副院長楊玉超表示，其項目組研發出了一種可支持多種工作模式的憶阻器，并將其與光晶體管進行集成，構建了一個具有可重構特性的視覺感存算一體化集成陣列MP1R與硬件系統，這種系統不僅能夠實時感知和處理圖像，還能夠通過新型硬件支持多種神經網絡算法，克服現有視覺感知硬件在光圖像信息處理和編碼功能上的不足。
硬件-算法協同優化方面，之江實驗室時拓提出通過算法優化（如稀疏計算、脈沖神經網絡）與憶阻器硬件協同設計，降低AI計算能耗。湖北工業大學趙斌則認為，借鑒生物神經網絡結構，設計新型類腦芯片架構，提升AI模型的泛化能力。
一場前所未有的技術風暴正在席卷全球，AI算力革命引爆了半導體行業的變革浪潮！曾經，半導體行業在摩爾定律的軌道上一路狂奔，但如今，它正被AI等新興技術的巨浪推到了一個全新的十字路口——從“摩爾定律驅動”向“應用需求驅動”的驚險一躍！
在這場驚心動魄的變革中，芯片設計領域首當其沖，一場從通用走向領域專用（DSA）的革命正在如火如荼地展開。通用芯片的時代即將落幕，取而代之的是一顆顆為特定應用量身定制的“超級芯片”，它們將如同一把把鋒利的手術刀，精準地解決各種復雜問題，徹底顛覆我們對芯片的認知！
制造與封裝環節也迎來了翻天覆地的變化。3D集成技術如同一位神奇的魔術師，突破了傳統物理限制的枷鎖，將芯片的性能和集成度推向了一個全新的高度。曾經被認為不可能實現的微型化和高性能化，如今正在一步步變為現實，為半導體行業注入了新的活力和希望。
而技術融合的浪潮更是洶涌澎湃，光子、量子、生物芯片等新興技術如同一顆顆璀璨的新星，正在冉冉升起，它們有可能徹底顛覆傳統架構，為半導體行業帶來一場前所未有的大洗牌。這是一場關乎未來的生死之戰，半導體企業必須迎接AI等技術變革的挑戰，緊緊抓住AI帶來的“超異構計算”機遇，在材料、架構、封裝等全鏈條實現顛覆性創新，才能在這場激烈的競爭中實現“突圍”，贏得屬于自己的輝煌未來！
