最近，国内半导体产业又传出好消息。

据清华大学官网介绍，清华大学化学系许华平教授团队在极紫外（EUV）光刻材料领域取得突破性进展。他们开发出一种基于聚碲氧烷（Polytelluoxane, PTeO）的新型光刻胶体系，为先进半导体制造提供了创新的材料设计范式。相关研究成果于本月16日发表于国际顶级期刊《科学进展》（Science Advances）。

在先进芯片制造方面，EUV光刻机是不得不提的重要组成。而EUV光刻机的核心就是光源。

然而，EUV光源存在反射损耗高、光子利用率低等技术瓶颈，这对光刻胶的吸收效率、反应选择性和缺陷控制提出了更高要求。

当前，主流的EUV光刻胶多采用化学放大机制或金属敏化团簇策略提升灵敏度，但普遍存在组分复杂、微观分布不均、反应扩散效应显著等问题，导致随机缺陷难以控制。

如何构建兼具高吸收效率、快速响应特性和优异均一性的理想光刻胶体系，仍是EUV光刻材料领域的核心挑战。

学术界普遍认为，理想的EUV光刻胶需满足四大关键指标：

①超高EUV吸收系数以降低曝光剂量；

②高效的光能-化学能转换效率；

③分子级均一的化学组成；

④超小功能基元尺寸（<1nm）。

然而，现有材料体系往往难以兼顾上述性能。

许华平教授团队基于前期聚碲氧烷研究基础，创新性地提出"单组元强吸收-主链断裂"协同策略。

通过将高EUV吸收截面的碲元素以Te-O共价键形式引入聚合物主链，成功构建出具有突破性性能的PTeO光刻胶体系。

据悉，碲的EUV吸收截面高达~10^5 Mbarn，远超传统元素及金属敏化剂，且Te-O键解离能与EUV光子能量完美匹配，可实现高效的光致断键反应。

因此，该材料仅需单组份聚合即可形成均一纳米结构，在保持分子尺度均一性的同时，将特征尺寸缩小至亚纳米级别。

清华大学表示，该研究提出的融合高吸收元素Te?主链断裂机制与材料均一性的光刻胶设计路径,有望推动下一代EUV 光刻材料的发展,助力先进半导体工艺技术革新?

作为全球光刻机龙头，荷兰ASML公司近日正式对外披露了下一代极紫外（EUV）光刻机的研发战略，宣布已着手研发下一代Hyper NA EUV先进光刻机，为未来十年的芯片产业做准备。

据ASML首席技术官Jos Benschop透露，公司与长期合作伙伴蔡司（Carl Zeiss）正联合攻关Hyper NA EUV光刻机项目，核心目标是通过单次曝光实现5nm级电路图案分辨率。

该技术若成功落地，将直接适配2035年及以后的超先进制程需求，尤其可为人工智能、高性能计算、量子芯片等领域提供关键支撑——这些领域对晶体管密度与性能的要求已逼近传统工艺极限。

对比现有技术节点，ASML当前量产的最先进EUV光刻机（搭载NA 0.55的High NA EUV技术）虽已实现单次曝光8nm分辨率，但这一水平仅能满足3nm至5nm制程的大规模量产需求；而早期标准NA 0.33 EUV光刻机需通过2-4次曝光才能达到同等分辨率，导致生产效率大幅降低（单次曝光耗时数秒至数十秒，多次曝光使产线吞吐量骤减），且因对位误差、光刻胶残留等问题显著增加了良率风险与制造成本。

Hyper NA EUV的核心突破在于数值孔径（NA）的跨越式提升。

作为衡量光学系统光线收集与聚焦能力的核心参数，NA值直接决定了光刻机的分辨率极限——NA值越大，系统可捕捉的光线入射角越广，光线聚焦精度越高，最终投射的电路图案也就越精细。

行业数据显示，NA值每提升0.1，理论上可在相同波长下将分辨率提升约30%。目前，ASML主流EUV光刻机采用NA 0.33（对应光源波长13.5nm），2023年量产的High NA EUV已将NA提升至0.55，支撑起3nm制程量产；而Hyper NA的目标是将NA提升至0.7及以上，预计将推动分辨率较High NA EUV再提升30%-40%，从而覆盖2nm、1.5nm甚至更先进制程节点。

然而，超高NA光学系统的研发面临多重技术挑战：更大的数值孔径要求物镜直径显著增加（可能突破1米量级），镜面曲率精度需达到纳米级（单镜面误差控制在0.1nm以内），同时需解决因光线折射导致的像差放大、光源能量利用率下降等难题。蔡司作为全球顶尖光学系统供应商，在高精度镜头制造（如太空望远镜、半导体光刻镜头）领域的技术储备，成为Hyper NA EUV研发的关键支点。

ASML加速推进Hyper NA EUV研发的深层动因，源于半导体行业对"摩尔定律延续性"的集体焦虑。

随着制程逼近1nm物理极限，单纯依靠尺寸微缩提升性能的传统路径遭遇瓶颈，"后摩尔时代"的技术路线正转向三维堆叠、先进封装等多元方向。但无论选择何种路径，先进制程的光刻环节始终是不可替代的核心瓶颈。

市场研究机构Gartner预测，到2030年全球先进制程（7nm及以下）芯片市场规模将突破1万亿美元，其中2nm以下制程的需求占比将从当前的不足5%激增至30%以上。

要满足这一需求，现有High NA EUV的分辨率上限将很快触达天花板，Hyper NA EUV的量产时间表已成为台积电、三星、英特尔等晶圆巨头及应用材料、东京电子等设备厂商的战略关注焦点。

政产学研协同发力，激发国产科研仪器创新动能

在数字时代浪潮与AI技术爆发性增长的背景下，我国芯片自主生产的战略重要性空前凸显，同步推动了对透射电镜等关键性高端精密仪器需求的迫切性。透射电镜作为制约我国工业发展的“卡脖子”技术之一，国产替代意义重大。，国产替代意义重大。

博众仪器BZ-F200透射电镜的顺利研发与商业化迭代，不仅是中国企业在高端科研仪器领域持续创新的缩影，也是产学研多方协同发力的典范。

本次活动第一篇章，博众精工董事长吕绍林、行业重要专家及合作院校代表、吴江区政府代表等分别上台发言，共同解读透射电镜国产化背后的战略意义与协同路径。

“这条透射电镜领域创业的路途是异常曲折的，没有人才、没有技术、没有供应链，缺乏客户与资金，困难重重下团队也曾迷茫。是解决国家‘卡脖子’技术的坚韧信念，让团队走到了今天。”吕绍林在开场致辞中强调，在电子显微镜这条“长征路”上，博众仪器已迈出了第一步，前方必然还有无数困难需要克服，希望团队依然坚持百折不挠、迎难而上的作风，持续在高端透射电镜领域勇往直前。

科技创新企业的茁壮成长，离不开区域良好的营商环境与有力的政策支持。江苏省苏州市吴江区区委书记、区长孙建江在致辞中表示，吴江区委区政府将始终与广大企业想在一起、站在一起，给予全方位支持。期待吴江区涌现更多如博众精工一般的“传奇公司”，共同绘就开放创新、合作共赢的新篇章。

在BZ-F200透射电镜的研发过程中，国内顶尖专家为关键技术攻关提供了智慧引领。全国政协委员、清华大学段文晖教授莅临活动现场并致辞。

“从原型机到如今商用产品正式发布，短短两年时间，博众仪器实现了产品的快速迭代、性能的显著提升，充分体现了民企在国产仪器研发方面的独特优势。”段文晖强调，博众仪器高效结合了高等院校、科研机构对仪器的基础研究，这种深度的产学研合作模式，为我国的高端科研仪器发展闯出了一条新路，具有非常重要的意义。

人才是支撑高水平自立自强的重要力量。苏州校企协同的创新生态，为博众仪器突破关键核心技术瓶颈注入了强劲科研动能。活动中，苏州大学校长张桥作为博众仪器重要合作单位代表莅临致辞。“在调研过BZ-F200场发射透射电镜的研发历程后，其技术壁垒高度、背后体现的‘为民造仪’情怀，以及全链条核心零部件的自主化实力，令人感到震撼。”张桥表示，作为战略合作伙伴，苏州大学将继续携手博众仪器，全力支持中国科研仪器产业高质量发展。

核心性能对标国际先进，凝聚“中国智造”硬底气

科技创新和产业创新，是发展新质生产力的基本路径。发展新质生产力，科技创新和产业创新二者缺一不可，只有实现深度融合才能推动技术革命性突破。

本次活动第二篇章，国产首台商用200kV场发射透射电镜—— “BZ-F200”，正式发布。

博众仪器自主研制的国内首台商用200kV场发射透射电镜，突破“从无到有”的技术瓶颈，同步打通产业化落地路径。

博众仪器总经理唐爱权为在场嘉宾详细介绍了该产品的研发历程。

“经过五年的技术攻关与反复锤炼，从整机产品到每一个关键零部件，博众仪器已把全链条核心技术牢牢掌握在自己手中。”唐爱权介绍，随着BZ-F200 透射电镜在材料科学、生命科学、半导体等领域的应用，将有效形成新业态、新模式、新动能，成为培育和发展新质生产力的重要引擎。未来，博众仪器将坚定专注于电子束核心技术，不断完善产品线，并通过为业内提供电子束技术应用与服务，赋能产业生态建设，为中国高科技自立自强这一时代命题，交出“博众答卷”。

随后，博众仪器技术总监梁晶博士对产品特色功能及亮点进行介绍。

据了解，BZ-F200 透射电镜主要围绕集成电路、材料研发以及前沿科学领域，适用于晶格尺度的结构解析、缺陷分析、界面表征以及成分分析等研究。

此前，高端透射电镜产业长期被国外仪器公司垄断，核心零部件受到国外技术封锁。针对这项痛点，博众仪器陆续实现了热场电子枪、超高稳定度电源、热场电子源、精密加工镜筒、纳米级测角台等核心零部件的自主生产，并在用户相关设备中得到长期验证。

“BZ-F200 透射电镜的发布，标志着中国高端透射电镜产业终于走过了从图纸到商业化产品的‘长征路’。我们选择了一条最艰难的路，坚持自主开发透射电镜核心技术链，希望国内科研仪器应用不再受制于人，并为全球用户提供更多选择。”梁晶说。

透射电镜作为高端科研仪器，是服务重大科研任务、推动前沿基础研究的重要基石。中国仪器仪表学会分析仪器分会吴爱华秘书长作了题为《我国分析仪器发展态势分析》的主题报告，与在场嘉宾分享了我国分析仪器的技术现状，讨论了我国分析仪器发展面临的新机遇及挑战。

如果将透射电镜比作材料科学的“眼睛”，那么高分辨成像与电子衍射技术便是这双眼睛的“瞳孔”。活动现场，重庆大学教授张大梁作为透射电子显微领域专家、BZ-F200 透射电镜产品用户代表，以《场发射高分辨透射电子显微镜与晶态多孔材料结构解析》为题作用户报告。

“场发射高分辨透射电子显微镜作为现代材料研究的核心工具，在复杂晶体结构解析、微区结构表征和纳米尺度形貌分析等领域发挥着不可替代的作用。”张大梁表示，微观结构表征对于理解材料的应用属性至关重要，以BZ-F200 透射电镜为代表的电子显微仪器的进步，将持续推动材料科学的突破。

以技术突破推动生态重构，赋能产业高质量发展

在当前科技革命与产业变革深度融合的时代背景下，创新型企业主动扛起了技术攻坚的使命，然而，实现产业高质量发展需凝聚多方合力。在活动第三篇章《聚势·远航》中，博众仪器作为技术攻坚核心力量，与苏州大学分析测试中心、尚水智能等国内高校、产业链骨干企业及头部科研机构达成重要合作。

此次签约不仅打通了技术创新到规模化应用的闭环路径，更以企业为纽带，整合电子光学系统、超高稳定度电源、超精密加工等核心环节资源，围绕“创新链-产业链-生态链”建立自主可控的产业创新联合体，推动国产高端电镜技术标准建立与市场渗透。

此外，本次发布会后特别设置精密制造车间参观环节，通过展示博众仪器从电子光学设计到精密加工的全链路自主能力，为与会嘉宾生动展示支撑国之重器诞生的“硬核”制造实力与严谨工艺。

本次发布会的成功举办，不仅掀起了我国高端透射电镜正式迈入自主可控新篇章，更以"镜"为媒，开辟了中国创新企业重构产业格局的全新境界：以博众仪器为代表的创新主体，一方面打通“基础研究-技术转化-商业应用”的创新链条，另一方面，以市场化机制激活产学研协同效能，将“技术突围”转化为“产业优势”，为发展新质生产力提供关键基础设施支撑。

随着BZ-F200 透射电镜在多个行业的深入应用，这场始于技术攻坚的突破，正在演变为撬动多个战略性新兴产业升级的支点，也标志着在高端科研仪器国产化浪潮中，中国创新力量已从被动突围转向主动定义，逐步开启高端制造价值链攀升的新征程。

综合路透社、The Information等媒体报道，OpenAI近期启动了一项重要战略调整：将租用谷歌云平台的张量处理单元（TPU），为其核心产品ChatGPT提供关键运算支持。

此举标志着OpenAI首次在核心业务场景中规模化引入非英伟达芯片，打破了后者长期以来的垄断地位。

此次合作的核心驱动力体现在两方面：其一，降低AI推理成本。相较于英伟达GPU，谷歌TPU在特定场景下的能效比更具优势，尤其在大规模并行计算任务中可显著降低单位算力成本；其二，分散供应链风险。通过引入异构算力架构，OpenAI正逐步降低对微软云基础设施的依赖——此前其AI训练与推理业务高度绑定Azure平台，而此次技术路线调整既是技术储备的多元化尝试，也为未来可能的云服务商切换预留空间。

对于谷歌而言，此次合作具有里程碑意义。过去数年，其自研TPU主要服务于内部AI生态（如BERT、Gemini模型），此次向OpenAI开放标志着TPU正式进军外部市场。值得注意的是，谷歌已借此成功撬动多个头部客户：既有苹果这类终端巨头，也有Anthropic（由前OpenAI安全团队核心成员创立）、Safety Superintelligence等新兴AI势力。OpenAI的加入无疑将为谷歌TPU注入强心剂，尤其是在英伟达GPU仍占市场主导地位的当下。

尽管合作前景广阔，但双方仍存在显著博弈空间。

据The Information披露，谷歌仅向OpenAI开放了中端TPU型号，其最新一代旗舰芯片仍处于禁用状态。这一限制既源于两家公司在AI领域的直接竞争关系（如搜索、大模型等），也折射出核心技术厂商在生态壁垒构建中的审慎态度——即便在合作场景下，底层硬件能力的差异化仍是维系竞争优势的关键筹码。

若谷歌TPU在性能稳定性、成本控制等维度持续验证其竞争力，中长期看或将对英伟达形成实质性冲击。当前AI芯片市场呈现"一超多强"格局，而OpenAI的技术选型转向或将成为打破垄断的首个标志性事件。值得关注的是，此次合作尚未披露具体技术路径——TPU将主要用于模型推理还是部分替代训练环节？其与英伟达GPU的实际效能差距如何？这些问题的答案将直接影响未来市场竞争格局的演变方向。

据 The Information 报道，微软原计划于 2025 年推出的下一代 Maia 人工智能芯片，将推迟至 2026 年发布。

对于一直关注微软硬件动态的行业分析师们来说，微软自研 AI 芯片的跳票并不是什么好消息。在前有英伟达，后有AMD和英特尔的情况下，微软入局的时间已经很晚。

时间回到2023年11月的微软Ignite开发者大会，微软高调发布了自行设计的首款CPUAzure Cobalt 100，以及首款专门用于云端训练和推理的AI芯片Azure Maia 100。两者都将优先用于支持微软自己的云服务。

换句话说，这两款芯片专为微软的云基础设施和大语言模型训练而设计，由微软内部团队精心研发，并针对整个云服务器堆栈进行了深度优化，旨在实现性能、功耗与成本的最优平衡。?

重点来看 Maia 100，它作为微软首个定制内部 AI 加速器系列的首款产品，其名称源自一颗明亮的蓝星，颇具科技感。该芯片在规格上表现亮眼，采用台积电 5nm 制程工艺，集成了 1050 亿个晶体管。或许这一数字不易直观理解，不妨进行对比：AMD MI300 AI GPU 芯片拥有 1530 亿晶体管，Maia 100 仅比其少约 30％。此外，Maia 100 首次支持 8 - bit 以下的数据类型，即 MX 数据类型，这一特性能够促进软硬件协同设计，显著加快模型训练和推理的速度。?

作为微软第一款真正意义上的"亲儿子"AI加速器芯片，微软的目标就是盯向英伟达。

微软之所以大力研发自研 AI 芯片，背后的原因显而易见。

当前 AI 技术发展迅猛，尤其是以 OpenAI 的 GPT 系列为代表的大语言模型，对算力的需求极为庞大。作为云计算领域的领先企业，微软的 Azure 云服务在全球拥有众多用户。

如果能自研 AI 芯片，那能让微软在云服务领域更具主动权：一方面，可降低对其他芯片供应商的依赖，特别是在 AI 芯片市场占据主导地位的英伟达，从而缓解成本压力；另一方面，自研芯片与自家云服务、软件的深度结合，能实现更优的协同优化，为用户提供更高效的 AI 服务。例如，微软已在搜索引擎和 Office AI 产品中对 Maia 100 芯片进行测试，反馈效果良好。?

如此来看，下一代 Maia 芯片推迟发布的原因可能较为复杂。

从技术层面而言，AI 芯片研发难度颇高。尽管 Maia 100 已取得一定成果，但下一代芯片需在性能上实现更大突破，如进一步提升算力、降低功耗、提高集成度等，这些目标的实现存在较大难度，研发过程中若遭遇技术瓶颈难以短期内攻克，便可能导致发布推迟。?

从市场竞争角度分析，当前 AI 芯片市场竞争激烈。英伟达不断推出 H100、H200 等性能强劲的新产品，AMD 也在积极发力，其 MI300 系列芯片在市场上获得不少关注。微软若想在市场中占据优势，下一代 Maia 芯片必须具备足够的竞争力，这就需要更多时间进行产品打磨、测试与优化，以确保发布后能在市场立足。?

此外，经济环境与供应链问题也可能产生影响。近年来全球经济形势不稳定，而芯片研发成本高昂，微软在资金投入上可能更为谨慎。同时，芯片供应链涉及原材料供应、制造、封装测试等多个环节，任何环节出现问题都可能影响研发进度，例如台积电的产能能否满足微软下一代芯片的制造需求，仍是未知数。?

下一代 Maia 芯片推迟发布，对微软而言，短期可能使其在 AI 芯片市场的竞争中略显被动，竞争对手或借此扩大市场份额。但从长期来看，若微软能利用这段时间解决技术难题，使下一代 Maia 芯片在性能上实现质的飞跃，有望在未来竞争中实现赶超。?

对于微软的用户和合作伙伴来说，这一推迟可能会延缓他们使用更先进 AI 服务的时间。不过，微软在下一代芯片发布前，或许会通过软件优化、现有芯片资源整合等方式，努力维持并提升 AI 服务质量。?

在生物医药产业深刻变革的时代浪潮下，质谱多组学作为解析生命复杂系统的关键技术，其价值正日益凸显。

自2017年创立伊始，拜谱生物便敏锐锚定这一战略方向，确立了“创新驱动”的核心理念，致力于打造覆盖多业务领域的平台型企业。

乘着产业发展的东风，公司已从初创企业迅速成长为国家级高新技术企业及上海市“专精特新”企业，展现出强劲的发展势头。

近期，镁客网有幸与拜谱生物进行一次对话，通过这次交流，得以更深入地了解该公司在生物医药领域的发展脉络与历程。

从技术初创，到产业生态的跨越

拜谱生物的发展轨迹清晰可见：2020年与2023年，公司相继完成两轮千万级融资，??充分印证了资本市场对其技术实力与市场潜力的高度认可。?? ??同时，这两轮融资也为拜谱生物突破技术壁垒、加速成果转化??注入了强劲动力。?

也正是2023年，安徽滁州拜谱医疗分公司正式设立，标志着公司实现了“从科研创新，向临床转化的关键跨越”。通过深度整合长三角资源，拜谱生物正朝着“构建覆盖全国、辐射全球的产业生态网络”的目标稳步迈进。

据拜谱生物介绍，截至2024年，??公司累计完成项目超10000个，服务网络覆盖全国，已与500余家??优质单位建立深度合作，??支撑发表??高水平学术成果??600余篇，并依托30余项核心知识产权，在全球技术竞争中崭露头角。?

那么，拜谱生物的核心竞争力究竟何在？

答案在于其“质谱技术与多组学深度融合的先锋”定位——其核心优势在于以前瞻思维与颠覆性创新重塑研究范式，有效突破了传统单一组学的局限。

拜谱生物介绍，在蛋白质组学领域，其自主研发的超高深度血液蛋白组技术，凭借“血液中低丰度富集试剂盒”实现了7000+蛋白的高灵敏度检出，远超行业平均水平。

值得一提的是，拜谱生物是国内唯一提供成熟商业化棕榈酰化修饰蛋白质组检测服务的企业，成功填补了国内技术空白；此外，其自研的超高深度DIA磷酸化蛋白质组技术已达到国际领先水准。在代谢组学领域，其高通量靶向代谢组、色氨酸靶向代谢组、酰基肉碱靶向代谢组等技术，凭借领先的代谢物检测通量占据行业优势地位。

图 | 质谱集群

但拜谱生物最核心的突破，还是在于将蛋白质组学、代谢组学等多组学技术有机整合，构建了一套“系统化、立体化的高效研究转化体系”。

拜谱生物表示，该体系能够从多维度、全方位、深层次解析生命过程，清晰呈现分子间复杂的相互作用网络，从而推动生物医药研究从“局部认知”迈向“全景洞察”，为重大疾病研究与药物研发开辟了新路径。

多组学整合创新，破解传统研究范式局限

当然，整个多组学领域的发展也并非坦途。面对行业发展的核心挑战，拜谱生物展现出了清晰的应对策略和前瞻视野。

??首要挑战在于临床转化。?? 众所周知，从实验室发现到临床应用，这条路径往往漫长且充满不确定性。

对此，拜谱生物通过??“全流程精细化管控与技术硬核升级”??，构建了覆盖??技术转化全过程??的质量管理体系。该体系深度融合LIMS（实验室信息管理系统），将关键环节纳入??标准化流程??，有效保障数据的精准可靠。

目前，这套体系已初见成效，成功推动多个临床质谱解决方案转化落地，并完成了相关产品的I类/II类医疗器械注册备案。

图 | 试剂盒

??另一个关键挑战是多组学数据的整合与解读——不同组学产生的海量、异构数据，如何有效关联并解读其生物学意义？

拜谱生物自主研发的生物信息学平台如同一个精密的“数据翻译器”，运用??独创算法打通蛋白质组、代谢组等多组学数据壁垒??。其生信分析云平台则扮演着智能“数据工坊”的角色，显著简化了分析流程。在至关重要的数据安全方面，公司采用本地化服务器构建??“数据保险柜”，并实施严格的权限管理。

同时，拜谱生物也在积极探索AI等前沿技术的应用。引入机器学习模型作为“数据侦探”，辅助锁定关键生物标志物；其AI客服系统也能实现秒级响应。

拜谱生物向镁客网透露，未来计划让AI在多组学分析中承担更重要的角色，??将其打造为推动临床转化的核心引擎。?? 这??正顺应了??行业利用AI提升数据分析效率和精度的普遍趋势。

人才，最宝贵的战略资源

人才无疑是多组学这个“跨界破圈”领域最核心的资产，也是最普遍的挑战之一。

拜谱生物深知这一点，并将人才视为最宝贵的战略资源。其核心团队汇聚了40余位横跨生物学、质谱技术、数据科学等领域的硕士、博士等高学历人才。为应对人才挑战，公司建立了“以老带新”机制，在真实项目实战中加速年轻人才成长。

同时，拜谱生物构建了“选育用留”全周期人才管理体系，包括具有竞争力的薪酬福利政策、定制化的成长路径，以及知识产权激励和成果转化奖励机制。这套体系的核心逻辑是让创新者真正成为价值创造的受益者，从而将认同感转化为“团队最牢固的纽带”。

未来前瞻：技术整合，引领产业升级

放眼未来，技术迭代日新月异。面对第三代测序、单细胞组学及空间组学等新兴技术的蓬勃发展，拜谱生物展现出开放融合的姿态。

拜谱生物认为，这些技术与质谱多组学并非简单的替代关系，而是共同构建系统生物学完整认知体系的“互补共生体”——它们共同组成一个强大的“生命解码矩阵”。

基于此，公司正以“技术整合者”的定位进行全面布局：一方面，持续迭代其蛋白质组、代谢组核心技术的精度和深度；另一方面，积极将基因组及转录组学纳入业务版图，并探索整合单细胞组学、空间组学技术与现有质谱、测序方案，目标是构建“基因-蛋白-空间维度的立体化服务体系”。

图 | 临检车间

同时，通过引入Astral新一代质谱仪等尖端设备突破检测瓶颈，并与顶尖机构合作加速前沿成果转化；前瞻性地设立“未来技术孵化中心”，在跨组学整合、微量检测等前沿“无人区”主动探索，确保技术持续引领行业趋势。

展望未来征程，拜谱生物确立了清晰的阶段性目标：短期内， 将继续 深耕蛋白质组、修饰组、代谢组技术，提升多组学整合分析能力，加速推进新生儿筛查等临床诊断试剂盒的注册申报，建成符合GMP标准的生产车间实现规模化量产，打通科研成果转化落地的“最后一公里”。

长期来看， 公司将 聚焦科研服务与临床应用双轮驱动，致力于成为全球蛋白质组学、代谢组学科研服务、临床质谱检测和生物标志物开发的标杆企业。其终极愿景是通过构建一体化解决方案体系，以创新技术重塑产业格局。

在探索生命奥秘的伟大征途上，拜谱生物正凭借其深厚的技术积淀、前瞻的战略视野和永不停息的创新引擎，推动人类对生命科学的认知从局部不断迈向全景。

最近，由特朗普旗下虚拟运营商 Trump Mobile推出 的T1手机正在经历一场史诗级尴尬。

短短两周内，这款被寄予厚望的“爱国手机”不仅删光了官网所有“美国制造”的承诺，还被扒出疑似是中国贴牌机翻倍涨价，连参数都开始偷偷缩水——这场由特朗普家族主导的商业闹剧，正演变成一场大型翻车现场。

??消失的“美国制造”??

就在本月初，特朗普集团高调推出虚拟运营商Trump Mobile，同时发布了旗舰手机T1 。

在铺天盖地的宣传中，最显眼的卖点就是首页那条醒目的横幅：“T1是美国制造”（MADE IN THE USA）。在发布会上，特朗普家族信誓旦旦，声称这款手机是为爱国者量身打造。

然而打脸来得飞快，不到两周，官网所有“美国制造”的字样被爆突然集体消失。如今官网只剩下些模糊不清的新口号：“卓越性能，美国骄傲”、“基于美国价值观设计”、“每一部设备背后都有美国人的参与”。

有报道指出，这些空洞的标语既不敢承诺手机在美国制造，甚至不敢说在美国设计——所谓的“美国人参与”，恐怕只是在包装盒上贴了个标签？

值得一提的是，不仅口号变了，更离谱的是手机参数也偷偷缩水。

最初官网标注T1配备6.78英寸AMOLED大屏，如今悄悄缩水成6.25英寸。之前宣称的12GB内存参数更是直接消失，仿佛从未存在过。

唯一没变的只有那张粗糙的PS效果图，金色的机身泛着塑料质感的光泽。

而这款充满谜团的手机，定价却高得离谱。裸机售价500美元。

在很快扒出，T1极可能是中国制造的REVVL 7 Pro 5G（售价仅169美元）的换壳马甲。

目前这款手机因质量问题正在召回，但T1手机只是镀看层金漆价格就翻三倍。而套餐资费更是夸张，每月47.45美元的价格几乎是同类虚拟运营商的两倍。

??家族生意？??

面对外界质疑，特朗普集团的回应是沉默。

但眼尖的媒体发现官网上多了一行小字免责声明：T1手机和Trump Mobile只是付费授权项目，实际运营和特朗普集团无关。这波操作堪称教科书级甩锅——用着特朗普的名字、黄金审美和爱国口号赚钱，出了事就和家族企业切割。

虽然特朗普本人尚未公开谈论这款手机，但其商业帝国仍能从授权费中获利。

更微妙的是，尽管特朗普不再直接管理公司，但他仍通过信托掌握着最终决策权。这款荒诞手机背后的利益链条，显然比它的参数更耐人寻味。

最讽刺的是，特朗普家族曾扬言要让T1手机要在9月硬刚苹果iPhone 17。

如今官网发货时间已模糊成“今年晚些时候”，而iPhone 17的发布日期近在眼前。这场自诩为“爱国者首选”的商战，还没开打就败给了自己。

2025-08-05，英特尔正式关闭旗下汽车业务部门，并裁撤该部门绝大多数员工。这标志着自2017年以153亿美元天价收购Mobileye后，曾经的“汽车野心”在八年后画上了一个充满遗憾的句号。

新任CEO陈立武在四月的裁员预警成为现实，不仅汽车业务被裁撤，制造部门也将从7月起裁员20%，营销职能更是整体外包。

这一系列动作背后，是英特尔面对激烈竞争时不得已的战略收缩。

收购??Mobileye：伏笔的回溯??

时间回到2017年，彼时英特尔豪掷153亿美元将Mobileye收入囊中，震动业界。当时，Mobileye在高级驾驶辅助系统（ADAS）视觉芯片领域已是隐形的王者，Eye-Q系列芯片装车量遥遥领先。

英特尔的设想是把Mobileye顶尖的感知能力，与自家在计算、5G、云计算领域的深厚积累相互结合，最终打造自动驾驶的“端到端”解决方案。

愿景虽好，现实却骨感。被收购后的Mobileye，技术确实在进步，新一代芯片性能更强，但它坚持的“芯片+感知算法”打包模式，在汽车行业拥抱“开放平台、软硬解耦”的大潮中，显得越来越格格不入。

相比之下，英伟达抓住了这个趋势，凭借开放的DRIVE平台和强大的AI算力，迅速俘获了一大批车企客户，不断蚕食Mobileye的地盘。

更棘手的是，Mobileye与英特尔内部其他汽车业务——比如用CPU、FPGA做座舱和网关，都没能擦出强烈的协同火花。

这种战略差异和整合难题，最终在2022年把英特尔推向了关键抉择：让Mobileye独立上市。这次操作表面看是资本运作，实则已为英特尔整体汽车战略的收缩埋下伏笔。

Mobileye单飞后，其技术路线和客户策略自然与英特尔主体汽车业务（小型车芯片、软件定义汽车平台等）渐行渐远，资源共享变得困难。英特尔也开始悄然调整角色，重心转向为Mobileye提供底层芯片代工支持，而非亲自下场搏杀。

英特尔汽车业务：一场迟到的追赶

即便在Mobileye独立后，英特尔自己也没完全放弃汽车芯片的野心。

2024年初，它高调宣布向汽车领域注入人工智能能力，推出了“人工智能增强型、软件定义汽车系统芯片（SDV SoC）”，还成功拉来了吉利旗下高端电动品牌极氪这样的客户捧场。

同时，英特尔出手收购了专注电动汽车能源管理芯片的Silicon Mobility公司，试图补齐电动化领域的短板。

乍一看，英特尔的汽车版图挺齐全：首先，软件定义汽车平台提供开放架构和全流程开发工具；其次，自适应控制单元（ACU U310）整合电动汽车动力传动关键控制；最后，汽车显卡瞄准下一代智能座舱对图形和多屏交互的需求。

但当英特尔在2024年卯足劲入场时，其实市场早已被瓜分。高通的骁龙座舱平台，靠着在手机界的霸主地位，几乎成了高端智能汽车的“标配”，包括新势力车企和传统豪牌都是高通的用户。

而英伟达的Orin芯片则牢牢占据了高阶自动驾驶算力的高地，客户名单里奔驰、沃尔沃、小鹏、理想等赫然在列。

英特尔作为后来者，没有先发优势，更缺乏装机量支撑，处境尴尬。更致命的是，其汽车SoC在关键的AI算力密度和能效比上，比起英伟达、高通的同期产品，并未展现出碾压性的实力。它在消费市场表现挣扎的Arc显卡，也让业界对其车规级产品的成熟度和可靠性捏了把汗。

当然，汽车芯片的竞争远不止硬件，软件生态和开发者社区更是护城河。

高通、英伟达在汽车软件工具链、中间件支持和合作伙伴生态上砸下重金，积累深厚。而英特尔作为追赶者，构建自己的生态圈需要持续烧钱和足够耐心，但市场很难再留给它的时间和空间。

钱没花在刀口上，路也走岔了??

英特尔汽车业务从踌躇满志到黯然离场，Mobileye从被寄予厚望到独立单飞，背后其反映出英特尔的资源错配和战略摇摆。

在收购Mobileye后，英特尔冰没能有效揉合Mobileye的感知优势与自身在通用计算、连接、云计算的长处，形成合力去对抗英伟达、高通凶猛的平台化攻势。

同时，Mobileye在ADAS市场积累的成功经验，也没能有效输血给英特尔拓展座舱、网关、中央计算这些增长迅猛的新市场。

在Mobileye独立已成定局后，英特尔依然选择双线作战，投入资源开发自己的汽车SoC、座舱显卡等产品。这不仅与已成为“代工客户”的Mobileye在潜在客户上形成内部竞争。

更致命的是，当核心的PC和数据中心业务不断被AMD、英伟达挑战时，这种分散资源的行为无异于自缚手脚。

最后，英特尔可能还低估了汽车行业的壁垒。汽车芯片对功能安全、超长生命周期支持、极端环境下的可靠性、以及与复杂整车电子系统的深度集成要求极高，远非消费电子或服务器芯片的经验可以简单复制。

如今，英特尔新CEO陈立武上任后的大刀阔斧，直接导火索还英特尔惨淡的业绩：销售额下滑，盈利能力告急……在半导体行业厮杀惨烈的背景下，持续烧钱供养一个非核心业务已经对投资者越来越难以交代。

如此来看，关停汽车业务只是时间问题罢了。

对于医院这样一个极度讲求效率的场所而言，AI大模型具有天生的适配性。国产大模型DeepSeek的横空出世，在国内医疗体系内引起了一阵AI浪潮，数月内，超420家医院官宣接入DeepSeek大模型，而在海外，“AI+医疗”同样发展迅速。目前已在诊断服务与临床支持、医学影像分析、药物研发与基因研究等方向广泛落地。

今年5月，全球首个真正意义上由AI主导诊疗流程的“AI诊所”在沙特Almoosa医疗集团试运营。患者就诊时面对的不再是传统人类医生，通过智能交互设备，5-8分钟内AI系统完成了从病史询问、症状分析到初步诊断工作，最终生成了一份包含鉴别诊断、检查建议和用药方案的总结报告，并提供给人类医生进行最终审核，这标志着医疗领域从“辅助诊断”迈向“主导诊疗”的历史性跨越。

值得一提的是，这一AI诊所由国内医疗人工智能独角兽公司森亿智能主导打造，而森亿智能的产品早已覆盖国内40%的头部医院。

森亿智能究竟是一家怎样的公司？在AI医疗竞争日益激烈的今天，它的核心竞争力是什么？AI诊所落地沙特的背后，有着怎样的思考和故事？

近期，镁客网与东南大学03级校友森亿智能CDO丰俊进行了一次深入对话，对AI诊所的“操盘者”做一个深度剖析。

多元交叉的顶尖人才，是企业的核心竞争力

森亿智能成立于2016年，一直专注于医疗领域的AI应用，致力于将人工智能技术、大数据技术与健康医疗领域的应用场景相结合，目前已成长为医疗人工智能独角兽企业。

从公司发展历程来看，早在国内人工智能技术快速发展的初期，森亿智能就已经在探索AI与医疗行业结合的可行性。作为新一轮技术革命的底层构造，大模型已经在诸多领域自证价值，医院场景同样不例外，但至于能在哪些关键环节提供帮助，帮助到何种程度，森亿智能的垂直领域大模型远比当下主流通用大模型更加专业。

丰俊告诉镁客网，森亿智能的团队具有独特的交叉学科背景优势。“我们公司本身属于交叉团队，我个人是生物医学工程背景。同时，公司近25%的同事具备医学领域从业经验或者通过执业医师资格考试，团队成员主要由国内外顶尖学校的博士和硕士组成，公司创始人张少典博士，毕业于美国哥伦比亚大学医学信息学专家，在他的带领下，打造了一支在AI和医疗尖端技术方面实力强劲的团队。”

这样的团队背景，使得森亿智能在理解医疗行业需求和运用AI技术解决实际问题方面具有天然优势，能够更好地弥合医学与技术之间的鸿沟。

除此以外，，森亿智能还拥有一只“接地气”的本地医疗人工智能实施团队以及产品研发团队。他们可以深入了解医院的流程和信息化情况，极大提高与客户的沟通效率以及产品研发速度。

也正是这三支团队的“交叉”特性，从公司成立第一天起一直保持至今，并已经成为森亿智能的核心竞争力之一。

医院的场景复杂难题恰是数据护城河

对于医院来说，在进入大模型时代后，最理想的状况就是全面赋能院内的信息化系统，提升整体工作效率。但实际情况是，大模型本身需要大量的语料，在医院系统中存在大量非标准化的、质量参差不齐的情况，比如各家医院模式不同的电子病历、影像数据、检查报告等，导致数据清洗治理是一个耗时巨大的工程。

而这一部分工作，恰好是森亿智能这类专业医疗公司的强项。据介绍，丰俊表示森亿智能的核心技术之一是自主研发了一套针对医学数据的数据治理框架，奠定了公司的数据应用基础，在此基础上构建了丰富多样的AI应用体系。

这些服务从不同层面上帮助帮助医院实现精细化管理，提高临床科研工作效率，加速医学研究进展，目前已整合为面向全院的智慧医院整体解决方案，实现了医疗数据的互联互通和协同工作，为医疗机构和区域卫生管理提供了全面的智能化支持。

当然，在大模型应用方面，森亿智能也走在行业前列。丰俊介绍：“我们在大模型探索方面比较早，是业内率先发布病历生成式大语言模型的公司。目前会根据中国医院私有化部署环境的特点，结合产品研发的战略定位，推动智能体在医院业务中的深入应用。”

经过多年发展，森亿智能在国内医疗市场取得了显著成绩。丰俊透露：“从成立以来到现在，我们已经服务了超过800家医院。40%的头部医院都是我们的合作伙伴。”

在与这些医疗机构的合作过程中，森亿智能不仅深入了解了医院的实际需求和业务流程，还通过不断优化产品和服务，积累了丰富的实践经验。这些经验为森亿智能的技术研发和产品创新提供了有力支撑，使其能够更好地满足市场需求。

发力海外市场，全球首家AI诊所落地沙特

在国内市场取得成绩后，森亿智能开始积极拓展海外业务。丰俊表示：“我们在两年以前就开始实施出海战略，目前已经在海外市场奠定了一定基础。”

而沙特AI诊所的试运营，正是森亿智能出海战略的重要成果。

谈及选择在沙特落地AI诊所的契机和背景，丰俊介绍：“从团队内部情况来看，我们的核心团队很多成员都是海外回来的，有较强的海外背景，在医疗行业出海布局也比较早。而从整体战略上来说，沙特是较早支持并参与共建“一带一路”的国家之一。近年来，‘一带一路’倡议与中东多国的发展愿景深度交融，其中与沙特“2030愿景”的对接尤为紧密，这也为公司提供了出海布局的契机。”

为了确保AI诊所在沙特能够顺利运营并取得良好效果，森亿智能进行了多方面的努力和创新。在技术层面，针对大模型可能出现的“幻觉”问题，森亿智能设置了多重保障机制。

丰俊解释道：“我们的AI诊所不是单一的大模型或智能体方案，而是一整套协同的智能体方案。大模型本身存在‘幻觉’情况，但我们有很多机制去解决。首先，为AI诊疗智能体设定严格的规则和临床路径，确保其诊断行为符合医学规范；其次，采用多智能体协同工作模式，让多个AI模型交叉验证结果，降低单一模型出错风险；最后，划定明确的诊疗边界，目前仅覆盖呼吸内科30种常见疾病，一旦超出范围，系统将自动触发人类医生介入机制。”

在本地化方面，森亿智能针对沙特的医疗习惯和文化特点，做了大量针对性优化。AI诊所的智能系统不仅能说流利的英语，还能使用阿拉伯语与患者交流。研发团队专门构建了包含30万条本地化医学词条的数据库，以应对阿拉伯语医学表述的特殊性。同时设置性别隔离问诊模式，充分尊重当地文化习俗。从患者和医生的反馈来看，目前AI诊所在沙特试点期间取得了较好的效果。

垂直大模型爆发正当时

展望未来，丰俊认为当前的AI时代为森亿智能带来了良好的发展机遇。深耕医疗行业多年的实践累积，让森亿智能有了更多创新突破的可能，通过更多既创新又可能具有颠覆性的产品和解决方案，真正帮助到医生和医务工作人员。

在产品研发方向上，森亿智能将继续聚焦医疗垂类大模型和智能体应用。关于AI诊所的未来规划，计划在未来三年逐步将可诊治病种扩展至消化科和皮肤科，覆盖80%的基层门诊需求。

当然，AI医疗领域的竞争日益激烈，森亿智能也面临着诸多挑战。虽然随着越来越多企业进入这个领域，竞争肯定会加剧。森亿智能也有信心能够凭借自身的团队优势、技术积累、行业认知以及丰富的实践经验，在竞争中保持领先地位。未来，也将持续关注市场需求和技术趋势，不断创新，为医疗行业带来更多价值。

在全球能源结构加速向低碳化转型的当下，锂电池作为新能源汽车、储能系统、消费电子等领域的核心能量载体，其安全性、效率与寿命直接决定着终端产品的性能。

而电池管理芯片（BMS）作为锂电池的 “大脑中枢”，承担着电压 / 温度监测、充放电控制、电池均衡、故障诊断等关键功能，是保障锂电池安全运行、提升系统能效的核心组件。

在由海外巨头主导的格局下，国产厂商宜矽源半导体通过精准的战略布局和技术突破，在BMS芯片领域开辟了一条独特的发展路径。

这家成立于 2016 年的企业，凭借15年以上的研发积累和全建制团队，不仅构建了坚实的技术壁垒，更在车规级芯片的国产替代浪潮中展现出强劲的竞争力。

本土 BMS 芯片的崛起

从技术架构看，BMS 芯片主要分为模拟前端（AFE）、电池监控芯片（BS）、保护芯片（Protection IC）等多个细分品类。其中 AFE 芯片因集成度高、技术难度大，已经成为衡量厂商技术实力的核心指标。

据介绍，一颗高性能AFE 芯片需实现毫伏级电压采样精度、支持多节电池串联，并具备过压、过流、过热等多重保护功能。想要实现这些技术参数或功能，不仅依赖先进的半导体工艺，更需融合算法优化、可靠性设计等跨学科能力。

从市场层面，全球 BMS 芯片市场此前基本上由海外Tier1巨头主导，呈现高度集中化格局。

据 IC Insights 数据，2023 年全球 BMS 芯片市场规模达 78 亿美元，其中德州仪器（TI）、ADI、英飞凌等海外巨头占据近 80% 份额，而国产厂商市场渗透率不足 15%。也正是这种垄断格局，使得早期BMS 芯片行业出现了多个壁垒，包括技术、生态以及供应链安全。

然而，近些年国内新能源产业的爆发式增长正重塑行业格局。中国作为全球最大的新能源汽车市场与储能市场，对本土 BMS 芯片的需求呈指数级增长。

据 GGII 预测，2025 年中国 BMS 芯片市场规模将突破 200 亿元，年复合增长率达 35%，为国产厂商提供了历史性机遇。

BMS 产品矩阵：从消费电子到车规级的全场景覆盖

国产 BMS 芯片厂商的破局之路，始于对细分市场的精准切入与技术迭代。当前在消费电子领域，国产芯片已实现规模化应用。

例如，宜矽源半导体推出的 DVC11XX 系列芯片，该系列产品是一款采用车规级高压BCD工艺设计的多申锂电池组监控芯片，适用于总电压不超过100V的锂电池包。凭借高性能、高可靠、高安全以及低功耗的产品优势，受到行业客户的青睐，现已实现大规模商用。关键数值超越国际主流产品水平。

再例如，车规BMS芯片需要对高压信号进行采样，对芯片模拟性能要求高，在投放市场前需要经过严格的环境可靠性测试，其周期可能长达数年，需要进行可靠性、稳定性、精准度、长周期使用寿命等更加严格的测试，还需要满足IS0 26262 ASIL D的功能安全等级要求，可见车规AFE芯片的综合门槛非常之高。宜矽源半导体推出的车规芯片，展现了卓越的研发实力以及高标准的生产测试要求。

其次，宜矽源投入超 5000 万元建立车规级测试实验室，其芯片通过多项认证，适用于多种严苛环境，这其中就包括ISO26262功能安全管理体系认证等权威认证，体现了公司卓越的产品性质和优质的服务；

最后，宜矽源也在积极与国内供应链企业达成合作，包括与知名电池厂商合作开发电池解决方案，通过实时电池健康度（SOH）算法，将电池循环寿命提升20%，同时降低 15% 的能量损耗。

国产替代突围：技术、服务与政策的协同破局

在技术创新之外，国产厂商更需构建差异化竞争力。

宜矽源 “本土化定制” 策略，使其在国内车企供应链招标中脱颖而出，进入多家头部企业的合格供应商名单。

国产 BMS 芯片的崛起，本质是政策驱动、技术突破与生态重构的共同结果。

目前，国家 “十四五” 规划将车规级芯片列为重点攻关领域，通过大基金投资、税收优惠等政策，推动国产芯片的研发和生产，为国产芯片提供产能保障。

另外，宜矽源提到，生态合作已经成为破局关键。国产厂商正与车企、电池厂共建开放生态，针对国产替代需求，开发适配本土车企的定制化芯片方案。推动国产芯片与本土供应链的兼容性，建立长期可靠性测试体系，增强客户信任。

结语

在这场国产替代的攻坚战中，宜矽源等企业的实践揭示了一条清晰路径：以消费级市场积累技术与资本，以车规级市场树立品牌与标准，最终通过生态协同实现从 “国产替代” 到 “国产引领” 的跨越。

随着新能源产业进入深度内卷期，BMS 芯片作为核心竞争要素，其国产化进程不仅关乎企业的商业成功，更将决定中国在全球新能源产业链中的话语权。

当国产芯片突破最后一道技术关卡，嵌入每一辆电动汽车、每一座储能电站的 “心脏”，中国半导体产业的自主化蓝图，才真正具备了可持续的底层支撑。

当地时间周三，AMD宣布收购一家名为Enosemi的初创公司。

该公司是一家专注于硅光子设计支持和设计IP的新型无晶圆厂半导体企业，由一群经验丰富的管理团队领导，在硅光子、模拟混合信号、激光器、控制、封装和系统硬件方面都拥有非常丰富的知识储备。

随着 AI 大模型从百亿参数向万亿参数跃迁，数据中心的算力需求正以指数级爆发。

当传统电互连技术开始遭遇速率的瓶颈时，硅光子技术有望成为打破算力瓶颈的战略突破口。

这种利用光子传输数据的创新方案，不仅能实现每秒数百吉比特的传输速率，更将能耗降低 20% 以上，成为支撑下一代 AI 系统的核心技术之一，AMD自然不会错过。

从外部合作到战略并购：AMD 的技术整合路径

AMD 对硅光子技术的探索其实早有铺垫。

早在2023年底，AMD就与多家初创公司展开硅光子研发合作，试图通过外部资源快速切入这一领域。而Enosemi 的出现则为其提供了更直接的技术跳板。

这家成立于2023年的硅谷初创公司，虽仅筹集了15 万美元风险投资，却掌握着光子集成电路的量产能力 —— 其产品已应用于数据中心光互连场景，将计算与网络组件高效集成。

更关键的是，Enosemi 团队与 AMD 早有合作基础，其创始人Ari Novack和 Matthew Streshinsky在半导体工程领域的积累，尤其是在高密度光互连技术上的突破，与 AMD 的 AI 芯片路线高度契合。

根据网上公布的信息，在收购完成后，Enosemi 团队将迅速转化为 AMD 内部的硅片设计工程力量。

这种从合作伙伴到子公司的身份转变，将显著缩短新技术的整合周期。

硅光子：弯道超车？

虽然AMD一直在多方面发力AI芯片，但在与英伟达的竞争中，AMD始终“差一口气”。

例如，在性能差不多的情况下，AMD的ROCm平台远没有英伟达的CUDA和cuDNN广泛和成熟，应用生态更丰富的英伟达自然是优先选择。

既然如此，那AMD只能从性能上做文章。

CPO 技术的优势，主要是速率。在AI系统中，数据传输延迟往往成为算力发挥的最大瓶颈——当数千颗 AI 芯片协同工作时，节点间互连带宽需求可达传统网络的数十倍。而CPO 技术通过将光引擎直接与 AI 芯片封装集成，可实现更低延迟、更高带宽的系统级互连。

AMD 技术与工程高级副总裁 Brian Armick 指出，随着 AI 模型复杂度提升，“更快、更高效的数据传输” 成为刚需。

据行业预测，到 2027 年，CPO在超大规模数据中心的渗透率将达 35%，成为替代传统可插拔光模块的主流方案。如果AMD能在短时间能率先商用CPO 技术，那自然能打开新的市场机会。

值得一提的是，在硅光子赛道，英特尔、英伟达等巨头其实比AMD更早进行布局。

英特尔作为先行者，已出货超 800 万个光子集成电路，其 1.6Tbps CPO 模块带宽密度较传统方案提升 40%；英伟达则将硅光子技术融入交换机与 GPU 集群，构建光电融合的数据平台。

虽然AMD入局稍晚一步，但好在其全栈技术生态足以支撑新技术的整合。

从 x86 CPU、RDNA 架构 GPU 到自适应 SoC，再到通过收购 ZT Systems 建立的服务器制造能力，其已形成 “芯片 - 封装 - 系统” 的完整链条。随着Enosemi 的加入，AMD可以立即扩展光子学解决方案的开发能力，恰好补强了高速互连这一关键短板。这种整合能力使 AMD 能够快速提供端到端解决方案。

挑战与未来：技术落地的多道门槛

尽管前景广阔，硅光子技术的大规模商用仍需跨越多个挑战。

首先，是技术整合难题：硅基材料的发光效率较低，需通过异质集成工艺融合磷化铟（InP）等新材料，这对封装技术提出极高要求。

Enosemi 与 GlobalFoundries 的合作经验，或许可能成为 AMD 突破这一瓶颈的关键。

其次，是成本控制：目前硅光子芯片的量产成本仍高于传统方案，AMD 需通过扩大产能和优化工艺降低单位成本。

最后是生态竞争：英伟达、英特尔等对手拥有更庞大的专利池和客户基础，AMD 需加速与光学材料供应商、EDA 工具厂商的合作，构建开放生态。

从行业趋势看，硅光子技术正从数据中心向智能驾驶、光计算等领域延伸，其市场规模预计将从 2023 年的 14 亿美元增长至 2030 年的 61 亿美元。

AMD 此次收购 Enosemi，不仅是技术层面的补位，更是对未来 AI 计算架构的重新定义。在这场关乎算力霸权的竞赛中，其能否凭借全栈整合能力后来居上，取决于技术落地速度与生态协同效率。而无论结果如何，硅光子技术引发的变革，都将深刻重塑全球半导体产业的竞争格局 毕竟，在 AI 时代，数据传输的速度与能效，已经确定是定义算力未来的关键维度。

自2024年政府工作报告首次将“低空经济”列为新增长引擎后，我国空中交通体系正经历从二维平面向三维立体的历史性跃迁。也正是从今年开始，各地政府开始加速推进“低空经济”最新政策的发布，与该赛道相关的产业再次成为各方备受瞩目的焦点。

据民航局统计的数据显示，目前全国注册无人机数量达387万架。这些无人机的应用场景日益多元化，包括军事领域和民用领域，广泛应用于农业植保、地理测绘、巡检应急、物流运输等多个行业。特别是在物流运输领域，配送无人机的出现为解决“最后一公里”配送难题提供了新的思路和方法。

低空经济下，激光雷达重构安全

根据低空经济的定义，低空飞行器的的运行高度大约为1000米以下，这是地球上最复杂的空域层。这里既有城市建筑的视觉盲区，又有鸟类的活动轨迹，还会存在各种随机障碍物。

因此繁荣背后暗藏危机，无人机也存在着“飞行危机”。

据报道称，2023年民航局记录的327起无人机事故中，63%源于感知系统失效。在深圳无人机测试基地的模拟场景中，未搭载激光雷达的飞行器穿越城市峡谷的避障失败率达17%，传统毫米波雷达在检测直径小于10cm的高压线时漏报率高达42%。这些数据揭示了一个事实：无人机的发展也和智能汽车一样，不能忽视安全性。

这时，传统解决方案的局限性在此暴露无遗：双目视觉系统在逆光环境下分辨率暴跌80%，毫米波雷达对静止物体的识别犹如"高度近视"。即使是经验老道的无人机飞行员，也不能做到100%的避障。

而激光雷达的加入，可以大幅提高飞行精度以及安全性。2024年开始，物流配送无人机已成最大增长极，市场规模超过50亿元。其中，搭载激光雷达的末端物流配送无人机数量预计为6-8万台，2024年新增数量约1万台。

根据北京航空航天大学仿真实验提供的数据，搭载激光雷达的物流无人机，在能见度低于50米的雾天仍能保持92%的障碍物识别率，较纯视觉方案提升47%。

而这种技术优势也能间接提高无人机的商业价值——顺丰在珠三角的无人机配送试点表明，激光雷达可将单机日均起降次数从15次提升至22次，运营效率提高46%。

成本下探与商业模式进化

值得一提的是，除了安全性以外，激光雷达也能进一步促进无人机成本的下探。

有分析师表示，低空经济的挑战之一在于如何管理日均百万架次的飞行器。如果不能解决成本问题，自然无法进一步推动商业化进度。

而上海虹桥低空交通管理中心的实践表明：通过部署672台激光雷达构建空域感知网络，结合多源数据融合算法，可以将空域资源利用率提升至82%。这套系统不仅能实时监测飞行器位置，还可预测未来15分钟的空中交通流量，为调度决策提供支持。

据报道，美团第四代无人机通过多传感器融合技术，将激光雷达与视觉结合，能够帮助无人机保持在设定的高度稳定飞行‌。目前，美团配送无人机已在中国完成了400,000多次交付。

而远在中东地区，美团也正在通过其子公司Keeta Drone，通过多传感器融合将激光雷达与IMU和视觉系统相结合，安全地在摩天大楼之间的狭窄空间中导航。目前在迪拜硅绿洲（DSO）利用先进技术克服传统送货方式的限制，提高客户体验和物流效率，交付时间已缩短至原来的三分之一甚至更短，将交付效率提高了60%以上。

未来，相信随着技术的不断进步和产业的持续发展，低空经济有望在未来为我国经济增长和社会发展带来更多惊喜，引领我们进入一个更加高效、便捷、安全的立体交通新时代。

近日，国产手机品牌荣耀突然宣布停止在印度的运营和支持，使用荣耀设备的印度用户们都从官方渠道收到了这则通知。

但离谱的是，荣耀的退出并非销量不佳或是资金不足，其背后更像是一次蓄谋已久的“调包计划”。

这一系列操作的核心人物——前 Realme 印度负责人 Madhav Sheth，曾在2023 年 9 月一手主导了荣耀品牌回归印度，而如今再次出现在公众视野中，却是以 “阿尔卡特印度公司创始人” 的身份。

 “退出 - 回归 - 再退出”：一场精心设计的局？

荣耀手机在印度的营业模式，并非直接销售，而是通过第三方公司——一家名为HONOR Tech的印度本地企业负责在当地销售。

时间回到2018 年，当时作为华为子品牌的荣耀曾豪言 “三年内做到印度市场第一”。然而随着中印边境频繁爆发冲突，印度政府开始对中资企业的系统性打压升级，包括小米、OPPO在内的国产手机品牌接连遭遇税务调查、资产冻结等不平等对待，荣耀也在2021年选择撤出印度团队。

当然，站在现在的视角回头看，荣耀其实一直背靠着合作伙伴PSAV Global继续隐形运营（）荣耀此前的印度业务同样由 PSAV Global 负责维持），而Madhav Sheth所创立的HONOR Tech，恰好是由PSAV Global的母公司CPKhandelwal全部投资。

由此来看，2023年的回归看似突然，实则是是一场精心策划的 “曲线救国”，HONOR Tech本质上就是荣耀规避政策风险的手段。

在回应外界传闻时，荣耀表示：“荣耀公司在印度一直通过分销商的方式开展业务目前在印度没有子公司也没有成立子公司的计划，不存在也没有任何技术转让计划。”

此外，PSAV作为荣耀在印度的分销商，只是被授权在印度进口和分销荣耀产品，并针对产品进行相关宣传和推广，而并非得到荣耀公司品牌（HONOR），因此HONOR Tech公司不是荣耀的合作伙伴，也同荣耀之间没有任何关联关系。

这正是这番说辞，为后续的品牌切换埋下了隐患。

从荣耀操盘手，到阿尔卡特掌门

Madhav Sheth的角色转换，堪称这场商业闹剧的最大看点。

作为 Realme印度的功臣，他在2022年推动该品牌实现2000万部销量。

在加入荣耀后，他迅速启动 “印度制造” 计划，与ODM厂商闻泰科技合作，计划 2024 年在印度生产“印度制造”的荣耀手机。

但在2025 年初，Madhav Sheth突然从TCL手中购得阿尔卡特品牌在印度的冠名权，并成立 NxtQuantum 公司。

这一操作的精妙之处在于：阿尔卡特作为法国老牌通信企业，其品牌属性天然规避了 “中国标签”；而 TCL作为阿尔卡特的全球合作伙伴，早已通过 2004 年的合资协议获得技术控制权。

这样的品牌相比于荣耀，更适合在印度当地销售。

值得一提的是，新公司NxtQuantum的名称，恰好与TCL 旗下的 NxtPaper、NxtVision 商标高度相似。

由此我们可以猜测一下：Madhav Sheth很早就在策划阿尔卡特进入印度的计划，而HONOR Tech成立背后，很有可能就是空手“套用”荣耀的供应链和渠道资源。

前文所说，荣耀手机在印度只有销售渠道，所谓的HONOR Tech与荣耀并没有关系。因此对于这次品牌变动，荣耀方面也只能“被迫”接受。

印度市场的 “陷阱”

一直以来，印度都被外界调侃成“外企坟墓”，如今荣耀的二度退出，再次印证了印度市场的结构性矛盾。

印度政府的 “印度制造” 计划看似诱人，实则是一个精心设计的政策陷阱。尽管莫迪政府承诺将制造业占 GDP 比重提升至 25%，但实际效果却令人失望 ——2023 年制造业占比仅为 13%，且智能手机生产仍停留在组装阶段，关键零部件依赖进口。

荣耀在印度的生产计划受制于 PLI 激励政策，而该政策要求企业必须与本地合作伙伴绑定，这直接导致HONOR Tech在供应链管理上的很难与荣耀很难保持一致，更换品牌只是时间问题、

除了不靠谱的印度制造以外，印度手机市场的竞争已进入白热化阶段。

2024 年数据显示，vivo、小米、三星、OPPO 和 realme 占据印度市场前五位，中国品牌合计占比 59%。

荣耀回归后，层试图以中端机型突围，但面临着 realme、小米等品牌的激烈挤压。更致命的是，印度消费者对品牌忠诚度极低，价格敏感度极高，而荣耀在本地化运营上的投入不足，导致其市场份额始终未能突破 3%，很容易就会被新品牌取代。

一直想在桌面CPU干大事的高通，最近成功拿下了一家大客户。

近日，高通正式与沙特主权财富基金（PIF）旗下 AI 企业 HUMAIN 达成合作，高通将为后者的数据中心开发和供应最先进的数据中心CPU和AI解决方案。

在目前的数据中心市场，前有英特尔、AMD，后有Arm，竞争程度远远大于移动端CPU。

如今有中东土豪主动出手，高通也算是开了一个好头。

再次入局

在数据中心CPU市场，高通也有过一段失败的经历。早在 2017 年，高通曾推出基于Arm架构的Centriq 2400 处理器，试图打破英特尔、AMD 在 x86 架构的垄断。

但当时受限于软件生态适配不足、性能未达预期，该项目于 2019 年黯然终止。

时隔多年，高通此次卷土重来，采取了截然不同的策略。

此前，高通通过收购 Nuvia 获得其 Phoenix 架构技术，并将其自研架构融入到高通平台中。

该公司由前苹果A系列芯片核心成员组成，其设计的 Oryon 内核在能效比上表现优异，在当时一度引起行业轰动。

从2023年开始，高通正式在桌面级CPU发力，旗下骁龙 X Elite 处理器已经进入消费级PC市场。

而在更专业的数据中心CPU，沙特 HUMAIN 项目算得上该战略落地的第一级台阶。

根据协议，高通将为 HUMAIN 开发基于 Snapdragon 和 Dragonwing 的 AI 数据中心解决方案，重点支持云边协同的混合 AI 推理场景。

这一布局与高通近年来推动的 “5G+AI” 战略高度契合 —— 通过将边缘计算与数据中心算力结合，实现毫秒级响应的实时 AI 应用。

由此可见，双方对于这次合作都非常用心。

沙特的 AI 野心：构建全球算力枢纽

值得一提的是，沙特这边并没有全部押注高通，而是与英伟达、亚马逊AWS、AMD和思科等公司达成了类似的合作协议，真可谓是“有钱任性”。

从沙特的角度来看，这次合作的背后是其 “2030 愿景” 下的 AI 基础设施建设计划。

作为 PIF 全资控股的企业，HUMAIN承担着整合全球科技资源、提升沙特在AI行业竞争力的核心任务。

因此，沙特同时与英伟达、AMD、AWS 等AI巨头达成合作，形成多元化的算力生态，这其实是与沙特的AI战略有很大关系。

根据网上公开的消息，在具体实施层面，沙特采取了 “超级工程 + 技术主权” 的策略。

第一步，HUMAIN通过旗下子公司在沙特NEOM新城建设巨型AI 数据中心园区，实现可再生能源供电，目标成为全球最大的绿色算力枢纽。

第二步，HUMAIN 正在开发阿拉伯语多模态大语言模型（ALLaM），计划将其与高通的边缘设备生态深度集成，形成从芯片到应用的完整技术闭环。

这种战略布局具有多重意义。

首先，通过引入高通等国际企业，沙特可快速获得先进技术，缩短自主研发周期；

其次，作为三大洲枢纽，沙特的数据中心可辐射欧洲、亚洲和非洲市场，成为全球 AI 基础设施的关键节点；

最后，结合其能源优势，沙特试图在算力竞争中占据可持续发展的制高点。

高通的破局之路

高通此次重返数据中心市场，本质上是 Arm 架构与 x86 架构长期竞争的延续。

近年来，随着 AI 算力需求激增，Arm 架构的能效优势逐渐凸显。2025 年第一季度，Arm 在全球数据中心 CPU 市场的份额已达 13.6%，预计年底将突破 50%。随着高通的加入，将进一步加速这一趋势。

尽管高通的技术布局具有吸引力，但其在数据中心CPU市场仍面临多重挑战。

首先，英特尔、AMD 等 x86 厂商已建立深厚的市场壁垒。2025 年第一季度，英特尔仍占据数据中心 CPU 市场 65.3% 的份额，AMD 占 21.1%，两者在服务器主板设计、散热方案等方面拥有成熟的生态体系。

其次，软件适配问题依然存在。

虽然 Arm 架构在移动和边缘计算领域已获广泛认可，但其在数据中心的应用仍需重新编译大量企业级软件。高通需与 ISV（独立软件开发商）紧密合作，确保关键应用的性能表现。

再者，地缘政治风险不容忽视。

沙特作为中东国家，其科技项目易受国际局势影响。

例如，美国对 AI 芯片的出口管制可能影响 HUMAIN 数据中心的建设进度，而高通作为美国企业，需在技术输出与合规要求之间找到平衡。

随着台积电在2025年北美技术研讨会上进一步揭晓最新工艺进展，比2nm工艺更先进的1.4nm工艺（A14工艺）开始逐渐披露最新细节。

据悉，A14是台积电（TSMC）首个1.4nm级工艺，基于第二代GAA纳米片晶体管，并通过NanoFlexPro技术提供进一步的灵活性。台积电预计A14将于2028年投入量产，但不会采用背面供电。而背面供电的A14版本将在次年提出。

值得一提的是，继A16工艺放弃使用High-NA EUV光刻机后，A14 工艺将再次弃用该设备，转而继续使用 0.33 数值孔径 EUV光刻机。这一消息由台积电高级副总裁Kevin Zhang在数值孔径技术研讨会上透露，并被BITS&CHIPS报道。

相比之下，英特尔和三星等竞争对手都将在类似的制程节点使用High-NA EUV光刻机，英特尔更是目前High-NA唯一的使用者，试图通过技术跳跃重夺制程领导地位。

High-NA EUV，开始投产

High-NA EUV光刻机，又叫高数值孔径光刻机，是下一代光刻的核心突破。

目前常见的EUV光刻机（极紫外光刻机）以其独特的极紫外光源和更短的波长，成功将光刻精度推向了新的高度，而High-NA EUV光刻机更是进一步提升了光刻的精度和效率，为制造更小、更精密的芯片提供了可能。

有资料显示，ASML的High NA EUV（EXE:5000）的分辨率为 8nm，可以实现比现有EUV光刻机小1.7倍物理特征的微缩，从将单次曝光的晶体管密度提高2.9倍，可以使芯片制造商能够简化其制造流程。晶圆生产速度达到了每小时400至500片晶圆，是当前标准EUV每小时200片晶圆的2-2.5倍的速度，即提升了100%至150%，将进一步提升产能，并降低成本。

根据目前英特尔已经安装的两台ASML High NA EUV光刻机的早期数据，High NA EUV 机器只需要一次曝光和个位数的处理步骤，即可完成早期机器需要三次曝光和约40个处理步骤的工作。

如此强悍的性能，如果英特尔能顺利完成所有机器的安装，那确实可以“弥补”工艺差距。

台积电放弃High NA，以稳求胜

虽然High NA EUV光刻机很强，但产业专家们却并持有保守态度，大多数都提到了“成本问题”。

根据ASML 发言人在媒体活动上给出的数据，英特尔首台High-NA EUV光刻机重达 150000 公斤，安装这台系统共计用时6个月，250名工程师，而价格更是高达3亿至4亿美元。

值得注意的是，英特尔订购该光刻机的时间约为2022年1月，此后英特尔更是包下了ASML几乎全部产能，这意味着台积电在短时间内也无法接收到新设备。

以ASML每年生产5台High-NA EUV光刻机的速度计算，仅购买成本就已经达到了约15亿美元，这还没有算上工厂建设、人工等费用。此外，新工艺节点的研发、制造成本更是天文数字。

这些成本向下平摊，最终限制其在消费产品中的应用。

另据媒体报道称，台积电的 A14 单层芯片设计需要多个光罩，而使用最新的光刻工具只会抬高成本，而得不到太多好处。

相反，通过专注于0.33 NA EUV，台积电可以使用多重曝光技术来保持相同的设计复杂度，而无需高NA EUV的极高精度，最终降低生产成本。

简单来说，如果综合考量必要性，英特尔如果不能保证未来的产能利用率，那预期不排除可能面临亏损扩大的窘境。

相比之下，台积电在良率、成本等方面的挑战压力远远小于竞争对手，完全有时间利用“旧设备”实现更加经济高效的解决方案。