با نگاهی به بازار الکترونیک در سال ۲۰۲۵، کاربرد فناوری هوش مصنوعی در لوازم الکترونیکی مصرفی و خودروهای هوشمند عمیق‌تر خواهد شد و بازار نیمه‌رساناها را به سمت حفظ نرخ رشد سالانه بیش از ۱۰ درصد سوق می‌دهد، به ویژه تقاضای قوی برای هوش مصنوعی و تراشه‌های خودرو. همزمان، لوازم الکترونیکی مصرفی با افزایش ترویج محصولات سازگار با محیط زیست، به سمت پایداری گرایش دارند. صنعت مدارهای مجتمع به طور قابل توجهی از فشار بازارهای هوش مصنوعی، ۵G و خودروهای الکتریکی سود می‌برد که منجر به پیشرفت‌های قابل توجه فناوری می‌شود. علاوه بر این، فناوری‌های نوظهور مانند هوش مصنوعی مولد و ربات‌های خدماتی به نکات برجسته جدید در بازار تبدیل خواهند شد.

این گزارش، تحلیل روند و چشم‌انداز بازار را در موضوعات و زمینه‌های داغ از جمله ربات‌های انسان‌نما، پوشیدنی‌های هوشمند، رانندگی خودکار، محاسبات سبز، تلفن‌های هوشمند، هوش مصنوعی مولد، جایگزینی داخلی، تراشه‌های خودرو ۳ نانومتری، حافظه و شبیه‌سازی دیجیتال ارائه می‌دهد.

روند ۱: پیشرفت‌های مداوم در ربات‌های انسان‌نما

ربات‌های انسان‌نما که بر پایه‌های چندرشته‌ای ساخته شده‌اند و فناوری‌های پیشرفته‌ای مانند هوش مصنوعی، تولید پیشرفته و مواد جدید را با هم ادغام می‌کنند، آماده‌اند تا پس از کامپیوترها، تلفن‌های هوشمند و وسایل نقلیه انرژی جدید، به محصولاتی متحول‌کننده تبدیل شوند. آن‌ها به عنوان شاخصی حیاتی از قدرت و سطح توسعه فناوری پیشرفته یک ملت عمل می‌کنند.

توسعه سریع بازار ربات‌های انسان‌نما از دو عامل کلیدی ناشی می‌شود. اولاً، تکرار مدل‌ها و قابلیت‌های بزرگ هوش مصنوعی برای یادگیری و بهینه‌سازی خودکار، ربات‌ها را قادر می‌سازد تا دستورالعمل‌های انسانی را بهتر درک کنند، در گفتگوهای پیچیده شرکت کنند و حتی نیازهای کاربر را پیش‌بینی و برآورده کنند و به طور قابل توجهی کیفیت خدمات و تجربیات تعاملی را افزایش دهند. ثانیاً، این امر ناشی از بلوغ و اصلاح زنجیره‌های صنعتی بالادستی، میان‌دستی و پایین‌دستی، همراه با حمایت و راهنمایی سیاست‌های دولتی است.

بازارهای سرمایه نیز به بخش ربات‌های انسان‌نما روی خوش نشان می‌دهند. تا نوامبر ۲۰۲۴، حوزه ربات‌های انسان‌نمای چین ۴۹ رویداد تأمین مالی را ثبت کرد که عمدتاً در پکن، شنژن و منطقه دلتای رودخانه یانگ تسه متمرکز بودند و کل تأمین مالی آنها بیش از ۵ میلیارد یوان بود. از میان ۳۳ شرکت ربات انسان‌نما که بودجه را تأمین کردند، ۲۶ شرکت (تقریباً ۸۰٪) بین سال‌های ۲۰۲۲ تا ۲۰۲۴ تأسیس شدند.

فعالیت‌های تأمین مالی در سطح بین‌المللی نیز به همین اندازه قوی است. Figure AI در فوریه امسال ۶۷۵ میلیون دلار (تقریباً ۴.۷۳ میلیارد یوان) را با سرمایه‌گذارانی از جمله مایکروسافت، انویدیا، OpenAI و جف بزوس، بنیانگذار آمازون، تأمین کرد. در اواخر اکتبر ۲۰۲۴، Agility Robotics دور تأمین مالی سری C به ارزش ۱۵۰ میلیون دلار (تقریباً ۱.۰۵ میلیارد یوان) را تکمیل کرد و به وضعیت تک‌شاخ (unicorn) دست یافت.

نکته قابل توجه، پیشرفت در فناوری‌های کلیدی مانند هوش مصنوعی، یادگیری ماشینی و بینایی رایانه‌ای است که فرصت‌های توسعه قابل توجهی را برای گروه بزرگی از شرکت‌های تولیدکننده ربات‌های انسان‌نما با تأکید بر «هوش تجسم‌یافته» ارائه می‌دهد. اعتقاد عمومی بر این است که تحقیقات هدایت‌شده توسط این نظریه، ربات‌های انسان‌نما را قادر می‌سازد تا با محیط‌ها و وظایف پیچیده و در حال تغییر بهتر سازگار شوند و قابلیت‌هایی برای یادگیری، ادراک و تصمیم‌گیری خودکار داشته باشند.

اگرچه ربات‌های انسان‌نما را می‌توان بر اساس سناریوهای کاربردی دسته‌بندی کرد، اما نظرسنجی‌ها نشان می‌دهد که اکثر شرکت‌های چینی معتقدند که بخش تولید، به‌ویژه خودروسازی، اولین بخشی خواهد بود که به تجاری‌سازی واقعی ربات‌های انسان‌نما دست می‌یابد و بازرسی کیفیت و مونتاژ قطعات به عنوان سناریوهای تقاضای واضح شناسایی شده‌اند. در مقابل، کاربرد خدمات خانگی که بسیار مورد انتظار است، رتبه پایین‌تری دارد.

روند ۲: گجت‌های پوشیدنی هوشمند دوباره رونق می‌گیرند، ساختار بازار متحول می‌شود

با پیشرفت‌های سریع فناوری، دستگاه‌های پوشیدنی هوشمند به طور فزاینده‌ای در زندگی روزمره ما ضروری می‌شوند. از ساعت‌های هوشمند گرفته تا ردیاب‌های تناسب اندام، هدست‌های واقعیت مجازی گرفته تا عینک‌های واقعیت افزوده، دستگاه‌های شنیداری گرفته تا حلقه‌های هوشمند، تنوع و عملکرد دستگاه‌های پوشیدنی همچنان در حال گسترش است و راحتی و تجربیات بی‌سابقه‌ای را به مصرف‌کنندگان ارائه می‌دهد.

پس از نوسانات توسعه در سال‌های اخیر، انتظار می‌رود بازار پوشیدنی‌های هوشمند ... تجارت الکترونیک بین‌المللی برای رسیدن به اوج جدید در سال 2025، پیش‌بینی می‌شود که محموله‌های جهانی به 800 میلیون دستگاه برسد.

محرک اصلی رشد، تمرکز فزاینده مصرف‌کنندگان بر سلامت و تناسب اندام است. ساعت‌های هوشمند و ردیاب‌های تناسب اندام با نظارت بر معیارهای کلیدی مانند ضربان قلب، کیفیت خواب، تعداد قدم‌ها و مصرف کالری به کاربران کمک می‌کنند تا سلامت خود را بهتر مدیریت کنند. علاوه بر این، با گسترش توسعه 5G و اینترنت اشیا، پوشیدنی‌ها به هم پیوسته‌تر و هوشمندتر می‌شوند و خدمات و تجربیات بسیار شخصی‌سازی‌شده‌ای را در زمینه مراقبت‌های بهداشتی، نظارت بر ورزش، ارتباطات و سرگرمی ارائه می‌دهند.

علاوه بر این، ادغام هوش مصنوعی و هوش مصنوعی مولد، نویدبخش تحلیل داده‌ها و پیش‌بینی‌های دقیق‌تر برای ابزارهای پوشیدنی، مانند نظارت بر شاخص‌های کلیدی سلامت مانند فشار خون، است. پیش‌بینی می‌کنیم در سال ۲۰۲۵ شاهد کاربردهای نوآورانه‌تری مانند احراز هویت بیومتریک یا برنامه‌های تناسب اندام شخصی‌سازی‌شده از طریق الگوریتم‌های یادگیری ماشین باشیم.

دو بخش به طور خاص برای سال ۲۰۲۵ قابل توجه هستند. بخش اول ساعت‌های هوشمند کودکان است که عملکردهای حیاتی مانند ارتباطات، ردیابی موقعیت مکانی، تماس اضطراری و نظارت بر سلامت را در خود جای داده‌اند و نگرانی‌های رو به رشد والدین در مورد ایمنی و سلامت کودکان را برآورده می‌کنند که نشان‌دهنده افزایش تقاضا است. بخش دوم پوشیدنی‌های هوشمند برای سالمندان است. در بحبوحه روند پیری جمعیت جهانی، این دستگاه‌ها می‌توانند به سالمندان کمک کنند تا استقلال خود را حفظ کنند و از طریق ویژگی‌هایی مانند نظارت بر سلامت، تشخیص سقوط، واکنش اضطراری و کمک به فعالیت‌های روزانه، به موقع به کمک‌های پزشکی دسترسی داشته باشند و همچنین پتانسیل رشد بالایی را نشان می‌دهند.

با بالغ شدن بازار، چشم‌انداز رقابتی در حال تغییر است. غول‌های سنتی لوازم الکترونیکی مصرفی مانند اپل، سامسونگ و هواوی همچنان پیشتاز هستند، در حالی که تعداد فزاینده‌ای از استارت‌آپ‌ها و برندهای نوظهور در حال کسب شهرت هستند و با محصولات و راه‌حل‌های نوآورانه، شرکت‌های موجود را به چالش می‌کشند.

روند ۳: بازار رانندگی خودران، دوگانگی را نشان می‌دهد

در سال ۲۰۲۴، اشتیاق برای رانندگی خودکار در خارج از کشور تا حدودی کاهش یافت، که بخشی از آن به دلیل سرمایه‌گذاری‌های عظیم تحقیق و توسعه مورد نیاز قبل از تجاری‌سازی در مقیاس بزرگ و چالش‌های مداوم سودآوری بود. به عنوان مثال می‌توان به توقف تحقیقات خودروهای خودکار توسط سامسونگ الکترونیکس و توقف پروژه «خودروی اپل» توسط اپل در اوایل سال ۲۰۲۴ اشاره کرد. این اقدامات نشان دهنده مشکلات فنی و چالش دستیابی به بازده قابل توجه سرمایه‌گذاری است.

با این حال، تصویر در چین متفاوت است. تولیدکنندگان چینی همچنان به سرمایه‌گذاری‌های سنگین در رانندگی خودکار ادامه می‌دهند و اعتماد خود را به این فناوری نشان می‌دهند.

سیاست‌گذاران در چین به طور فعال توسعه رانندگی خودران را ترویج می‌دهند و سیاست‌هایی را برای پشتیبانی از آزمایش، کاربردهای نمایشی و عملیات تجاری معرفی می‌کنند. چندین شهر، آزمایش‌های جاده‌ای خودروهای متصل هوشمند (ICV) را راه‌اندازی کرده‌اند، جاده‌های آزمایشی را افتتاح کرده‌اند، ارتقاءهای هوشمند جاده‌ای را تکمیل کرده‌اند و واحدهای کنار جاده‌ای (RSU) را نصب کرده‌اند و یک محیط سیاست‌گذاری مطلوب ایجاد کرده‌اند. به طور قابل توجهی، راه‌اندازی سرویس‌های روبوتاکسی مانند "Luobo Kuaipao" (萝卜快跑) در شهرهایی مانند ووهان و گوانگژو، شور و شوق سرمایه‌گذاری را برانگیخته است.

از نظر فناوری، ظهور سیستم‌های رانندگی خودکار سرتاسری (end-to-end) تمرکز را به خود جلب کرده است. برخلاف معماری‌های ماژولار سنتی، سیستم‌های سرتاسری از یک مدل یادگیری عمیق یکپارچه برای نگاشت مستقیم ورودی‌های حسگر به خروجی‌های کنترل خودرو استفاده می‌کنند، که باعث کاهش مراحل میانی و بهبود عملکرد و دقت در زمان واقعی می‌شود.

در سطح سازمانی، شرکت‌های چینی مانند Baidu Apollo، NIO، XPeng، Huawei و Xiaomi به طور فعال در حال استقرار فناوری رانندگی خودران هستند و از طریق نوآوری و طراحی منحصر به فرد محصولات، دیجیتالی شدن و هوشمندسازی صنعت خودرو را تسریع می‌کنند.

با نگاهی به آینده تا سال ۲۰۲۵، انتظار می‌رود بازار خودروهای خودران رشد مثبتی داشته باشد. پیش‌بینی می‌شود که محموله‌های جهانی خودروهای خودران به ده‌ها میلیون دستگاه برسد، در حالی که پیش‌بینی می‌شود فروش خودروهای هوشمند L2025+ و بالاتر در چین از ۱۰ میلیون دستگاه با نرخ نفوذ ۵۰٪ فراتر رود. خودروهای L2 نیز وارد بازار خواهند شد و چین آماده است تا به بزرگترین بازار خودروهای خودران در جهان تبدیل شود.

نکته قابل توجه این است که پتانسیل رشد سریع فراتر از توسعه‌دهندگان فناوری رانندگی خودکار، به بازیگران بالادستی و پایین‌دستی در زنجیره تأمین نیز گسترش می‌یابد. با جهانی شدن خودروهای خودران چینی، شرکت‌های چینی با محصولات بسیار رقابتی در زمینه‌هایی مانند صفحات لمسی درون خودرو و انتقال قدرت، می‌توانند از مزایای توسعه جدید و قابل توجهی بهره‌مند شوند.

روند ۴: محاسبات سبز ضروری‌تر می‌شود

در گزارش مرکز تحقیقات مدیریت انرژی اشنایدر الکتریک در سال ۲۰۲۳ آمده است که مصرف برق هوش مصنوعی در سال ۲۰۲۳ به ۴.۵ گیگاوات رسیده است و پیش‌بینی می‌شود که تا سال ۲۰۲۸ نرخ رشد مرکب سالانه آن ۲۵ تا ۳۳ درصد باشد - ۲ تا ۳ برابر سریع‌تر از نرخ رشد کلی مراکز داده. بنابراین، انتظار می‌رود تقاضای برق هوش مصنوعی تا سال ۲۰۲۸ به ۱۴ تا ۱۸.۷ گیگاوات برسد که ۱۵ تا ۲۰ درصد از کل برق مراکز داده را تشکیل می‌دهد. این رقم حتی شامل برق هوش مصنوعی پراکنده در دستگاه‌های لبه‌ای و نقطه پایانی بیشتر نمی‌شود.

این سطح از مصرف معادل میانگین مصرف سالانه برق برخی کشورها است. با توجه به مصرف انرژی در کل زنجیره طراحی و تولید تراشه‌های هوش مصنوعی و گزارش‌های مربوط به سرمایه‌گذاری بالقوه سم آلتمن در زیرساخت تراشه‌های هوش مصنوعی، کل ردپای انرژی فناوری هوش مصنوعی می‌تواند سرسام‌آور باشد.

اگر مصرف برق هوش مصنوعی از نسبت مشخصی از ظرفیت تأمین زیرساخت‌های برق فراتر رود، معیشت عمومی تحت تأثیر قرار خواهد گرفت. از این رو، همسو با روند گسترده‌تر صرفه‌جویی در مصرف انرژی و کاهش کربن، «محاسبات سبز» و «مراکز داده سبز» اکنون موضوعات داغی هستند. راه‌حل‌ها در سطوح مختلف ارائه می‌شوند.

حتی فراتر از دستگاه‌ها و تراشه‌های قدرت، برای تراشه‌های دیجیتال، به ویژه تراشه‌های هوش مصنوعی، بهینه‌سازی مشترک طراحی/ساخت تراشه و الگوریتم‌های نرم‌افزاری برای بهبود کارایی و کاهش مصرف برق در هر واحد محاسبه بسیار مهم است. علاوه بر این، برای محاسبات خوشه‌ای در مقیاس بزرگ در سراسر تراشه‌ها، بردها و گره‌ها، اتصالات داخلی و حافظه از تنگناهای کلیدی هستند؛ پیشرفت در فناوری‌هایی مانند محاسبات درون حافظه‌ای و اتصالات نوری، تحولات اساسی در این روند هستند.

همزمان، برخی از شرکت‌های تراشه در حال ترویج راه‌حل‌های سطح سیستم مانند خنک‌کننده مایع صفحه سرد و غوطه‌وری هستند. در رویدادهایی مانند WAIC، بسیاری از شرکت‌های تراشه هوش مصنوعی راه‌حل‌های کابینت POD با خنک‌کننده مایع را به نمایش گذاشتند. به عنوان مثال، Enflame (燧原科技) دستیابی به PUE ≤ 1.15 در مراکز داده آزمایشگاهی را از طریق خطی بودن عملکرد عالی در استقرار هزار کارت همراه با خنک‌کننده مایع در سطح خوشه برجسته کرد.

قابل درک است که کارخانه‌های ریخته‌گری تراشه، تأمین‌کنندگان EDA/IP و شرکت‌های طراحی تراشه، همگی در حال بحث در مورد دستیابی به بهره‌وری بالاتر از دیدگاه «سیستمی» - شامل سیلیکون، دستگاه‌ها، واحدها، تراشه‌ها، بسته‌بندی، سیستم‌ها، نرم‌افزار و برنامه‌ها - برای تحقق محاسبات سبز هستند.

لایه دیگر شامل سرمایه‌گذاری در زیرساخت‌های انرژی است. رسانه‌های خارجی پیش از این فاش کرده بودند که «طرح زیرساخت هوش مصنوعی ایالات متحده» OpenAI شامل چشم‌انداز بزرگی برای انرژی هسته‌ای است. جنسن هوانگ همچنین در مصاحبه‌هایی اشاره کرده است که مراکز داده به انرژی تجدیدپذیر نیاز دارند و انرژی هسته‌ای گزینه بسیار خوبی است. اوکلو، که سم آلتمن رئیس آن است، قصد دارد تا سال ۲۰۲۷ اولین SMR (راکتور مدولار کوچک) خود را مستقر کند. گوگل با استارتاپ هسته‌ای Kairos Power قراردادی امضا کرده است تا مراکز داده را با SMRها تغذیه کند...

بسیاری از غول‌های فناوری هوش مصنوعی در حال سرمایه‌گذاری در انرژی هسته‌ای هستند. این امر، تقاضای پیش‌بینی‌شده برای انرژی سبز و محاسبات سبز در آینده را برجسته می‌کند.

روند ۵: گوشی‌های هوشمند کاملاً از هوش مصنوعی مولد استقبال می‌کنند، اکوسیستم تثبیت می‌شود

اپل با شروع iOS 18، ویژگی‌های هوش مصنوعی مولد را برای آیفون در مناطق منتخب ارائه می‌دهد، از جمله تبدیل صدا به متن برای یادداشت‌ها، ویرایش عکس با هوش مصنوعی، ابزارهای نوشتن ایمیل، خلاصه‌های کلیدی برای ایمیل‌ها و تماس‌ها و جستجوی عکس/فیلم مبتنی بر زبان طبیعی...

اپل نه تنها سرمایه‌گذاری هنگفتی می‌کند و از TPUهای گوگل برای آموزش مدل‌های هوش مصنوعی سمت سرور و روی دستگاه استفاده می‌کند، بلکه به‌طور خاص یک مرکز داده هوش مصنوعی مبتنی بر تراشه‌های خود برای برنامه‌های هوش مصنوعی روی دستگاه می‌سازد - خوشه‌های «محاسبات ابری خصوصی» را در فضای ابری ایجاد می‌کند و در عین حال استنتاج ترکیبی هوش مصنوعی را هم به‌صورت محلی و هم در فضای ابری انجام می‌دهد.

صرف نظر از نظرات در مورد ارزش «تلفن‌های هوش مصنوعی»، این به یک جهت‌گیری جدی در تجارت تبدیل شده است. ورود اپل به مفهوم «تلفن هوش مصنوعی» اساساً نشان‌دهنده تغییر رقابت از تراشه‌های روی چیپ موبایل به دوران هوش مصنوعی مولد است. میدان نبرد برای تراشه‌های روی چیپ موبایل، سیستم‌عامل‌ها و تولیدکنندگان تجهیزات اصلی (OEM) گسترش یافته و شامل رقابت در مدل‌های هوش مصنوعی، اکوسیستم‌های توسعه هوش مصنوعی و برنامه‌های کاربردی هوش مصنوعی شده است.

برای کاربران، این تغییر مشهود است: آیفون‌های جدید اکنون با ۸ گیگابایت رم شروع می‌شوند و مک‌بوک‌های جدید معمولاً حداقل ۱۶ گیگابایت رم دارند - عمدتاً به این دلیل که مدل‌های زبان بزرگ (LLM) و سایر مدل‌های بزرگ مورد نیاز برای هوش مصنوعی مولد به فضای حافظه قابل توجهی نیاز دارند. این نشان می‌دهد که پذیرش هوش مصنوعی مولد در تلفن‌های هوشمند طی ۱-۲ سال آینده به سرعت پیشرفت خواهد کرد و فرصت‌های جدیدی را برای تراشه‌های موبایل و اجزای جانبی مختلف ایجاد می‌کند.

نکته برجسته‌تر این روند، تراشه دایمنسیتی ۹۴۰۰ مدیاتک است که در اکتبر ۲۰۲۴ عرضه شد و به طور تهاجمی واحدهای شتاب‌دهی هوش مصنوعی تخصصی‌تری را در NPU خود جای داده است تا از ورودی چندوجهی، آموزش LoRa روی دستگاه و حتی تولید ویدیوی کوتاه روی دستگاه پشتیبانی کند. مدیاتک همچنین به طور فعال با تولیدکنندگان اصلی گوشی‌های هوشمند، ارائه‌دهندگان مدل‌های بزرگ، فروشندگان سیستم عامل و ISVها برای ساخت اکوسیستم هوش مصنوعی خود همکاری می‌کند.

با تشدید نبرد هوش مصنوعی مولد گوشی‌های هوشمند در سال‌های ۲۰۲۵-۲۰۲۶، انتظار می‌رود اکوسیستم هوش مصنوعی در تلفن‌ها به تدریج از حالت پراکنده به یکپارچگی برسد. مجموعه‌ها، ویژگی‌ها و عملکردهای فناوری هوش مصنوعی نیز به سمت استانداردسازی گرایش پیدا خواهند کرد.

روند ۶: هوش مصنوعی مولد به سمت لبه حرکت می‌کند

تیم تحقیقاتی انویدیا، که بر فناوری‌های پیشرفته متمرکز است، مدت‌هاست که تحقیقات «هوش مصنوعی کارآمد» را دنبال می‌کند. تکنیک‌هایی مانند هرس مدل، پراکنده‌سازی و کوانتیزاسیون وزن AWQ با ​​هدف اجرای مدل‌های بزرگ روی دستگاه‌های لبه یا دستگاه‌های انتهایی - نه فقط رایانه‌های شخصی هوش مصنوعی، بلکه پلتفرم‌هایی مانند جتسون نانو - انجام می‌شوند.

تحقیقاتی مانند Efficient AI پایه و اساس آوردن هوش مصنوعی مولد به دستگاه‌های نهایی مانند رایانه‌های شخصی و تلفن‌ها را تشکیل می‌دهد. اما این تمام داستان «هوش مصنوعی مولد در لبه» نیست.

در کنفرانس جهانی هوش مصنوعی (WAIC) سال ۲۰۲۴، تجارت الکترونیک بین‌المللی تراشه‌های هوش مصنوعی کوچک متعددی را مشاهده کردیم که ادعا می‌کردند می‌توانند LLMها را در مشخصات خود اجرا کنند. به عنوان مثال، تراشه AX630C شرکت Axera با توان محاسباتی INT8 معادل 3.2 TOPS و توان مصرفی معمول کمتر از 1.5 وات، می‌تواند مدل Qwen2 0.5B را با سرعت حدود 10 توکن در ثانیه اجرا کند. در حالی که Axera اظهار داشت که دستورالعمل‌های کاربردی خاص هنوز نامشخص است، اما احتمالات بسیار زیاد است.

در طول سال ۲۰۲۴، تقریباً تمام شرکت‌های تراشه هوش مصنوعی که با آنها مصاحبه شد، متفق‌القول موافق بودند که هوش مصنوعی، از جمله هوش مصنوعی مولد، به لبه و همه چیز منتقل خواهد شد. با توجه به اندازه نسبتاً بزرگ مدل‌ها و محدودیت‌های ذخیره‌سازی، ورودی/خروجی و قدرت محاسباتی در دستگاه‌های لبه، همکاری عمیق بین طراحی معماری تراشه هوش مصنوعی و بهینه‌سازی الگوریتم نرم‌افزار بسیار مهم خواهد شد.

VeriSilicon (芯原) در سمپوزیوم فناوری هوش مصنوعی ۲۰۲۴ خود اشاره کرد که IP های NPU و GPU آن، که در ابتدا بینایی، گفتار و گرافیک هوش مصنوعی را هدف قرار می‌دادند، اکنون زبان طبیعی را پوشش می‌دهند و AR/VR، رانندگی خودران، رایانه‌های شخصی، تلفن‌های هوشمند، پوشیدنی‌ها و ربات‌ها را در بر می‌گیرند. VeriSilicon اعلام کرد که حرکت بعدی آن "Go Transformer" است - پایه ساختاری مدل‌های بزرگ معاصر.

در نتیجه، بسیاری از تراشه‌های هوش مصنوعی لبه‌ای و نقطه‌ای در حال استفاده از «موتورهای ترانسفورماتور» هستند. VeriSilicon همچنین به بهینه‌سازی IP NPU خود برای شتاب‌دهی ترانسفورماتور، از جمله پشتیبانی از فرمت داده با دقت مختلط و پیاده‌سازی کوانتیزاسیون وزن ۴ بیتی و ۸ بیتی برای کاهش چشمگیر مصرف پهنای باند اشاره کرد. این تلاش‌ها به آوردن هوش مصنوعی مولد به لبه کمک خواهد کرد - نه فقط برای خودروها، رایانه‌های شخصی، تلفن‌ها و ربات‌ها، بلکه به طور بالقوه برای برنامه‌های تعبیه‌شده با محدودیت محاسباتی بیشتر.

روند ۷: افزایش جایگزینی داخلی در چین

نسبت تراشه‌های تولید داخل که جایگزین واردات در چین می‌شوند، به طور پیوسته در حال افزایش بوده است. در سال 2023، تولید تراشه چین به 351.4 میلیارد واحد افزایش یافت که نسبت به سال قبل 6.9 درصد افزایش یافته و به نرخ خودکفایی 23 درصدی دست یافت. تولید در چهار ماه اول سال 135.4 به 2024 میلیارد واحد افزایش یافت که نشان دهنده شتاب قوی است. با بهره‌گیری از روند استقرار هوش مصنوعی لبه، انتظار می‌رود تقاضا در بخش‌هایی مانند CIS داخلی، تراشه‌های رابط حافظه، حافظه‌های خاص، تراشه‌های آنالوگ و تراشه‌های محاسبات ابری/لبه به طور قابل توجهی افزایش یابد.

انتظار می‌رود اصطکاک تجاری که باعث چندپارگی زنجیره تأمین جهانی می‌شود، همراه با نیاز به ثبات تأمین که محرک تأمین داخلی است، در ۲ تا ۳ سال آینده به رشد مداوم تقاضا برای کارخانه‌های ریخته‌گری، تجهیزات و تأسیسات بسته‌بندی/آزمایش داخلی دامن بزند. در حال حاضر، در هشت مرحله اصلی تولید تراشه، صنعت تجهیزات نیمه‌هادی داخلی چین در زمینه‌هایی مانند پردازش حرارتی، رسوب لایه نازک، حکاکی و تمیزکاری به پیشرفت‌های چشمگیری دست یافته است، به طوری که پیشرفت مشتری به ۱۴ نانومتر و دستگاه‌های حکاکی به قابلیت ۵ نانومتر رسیده است.

در نیمه اول سال ۲۰۲۴، خرید تجهیزات نیمه‌هادی در سرزمین اصلی چین به ۲۵ میلیارد دلار رسید که تجهیزات داخلی حدود ۸ میلیارد دلار از آن را تشکیل می‌داد. نرخ جایگزینی تجهیزات داخلی در فرآیندهایی مانند سلب مقاومت، تمیز کردن، حکاکی و بسته‌بندی از ۳۰ درصد فراتر رفته است که نشان دهنده تقاضای گسترده و سرعت فزاینده جایگزینی داخلی است.

فناوری بسته‌بندی پیشرفته در سطح جهانی و برای چین بسیار مهم است و چالش‌های ناشی از رکود قانون مور و مشکلات زنجیره تأمین ناشی از کنترل‌های صادراتی را برطرف می‌کند. شرکت‌های چینی در اینجا قابلیت‌های محکمی دارند. علیرغم محدودیت‌های تولید ویفر، بسته‌بندی پیشرفته چشم‌انداز رشد گسترده‌ای را در پیش دارد و محرک اصلی توسعه بازار چین است.

گسترش جهانی ("خروج") و هوشمندی، رشد پایدار را در صنعت پایانه‌های مصرفی چین رقم می‌زنند. الکترونیک خودرو یکی از محورهای اصلی است و گسترش خارج از کشور در سال 2025 اولویت اصلی شرکت‌ها خواهد بود. توسعه سریع صنعت خودروسازی داخلی چین، رقابت‌پذیری شرکت‌های زنجیره تأمین آن را در سطح بین‌المللی افزایش می‌دهد و فرصت‌های جدیدی را برای شرکت‌های پیشرو فراهم می‌کند.

با این حال، به طور کلی، از منظر سهم منطقه‌ای زنجیره تأمین نیمه‌هادی جهانی، ایالات متحده، اروپا و سایر کشورها اکثریت را در اختیار دارند. چین تنها سهم مشخصی در تولید و بسته‌بندی/آزمایش ویفر میان‌دستی دارد. خودکفایی همچنان نسبتاً پایین است و اتکا به دیگران ("受制于人") در حوزه‌های بالادستی مانند EDA/IP، تجهیزات، گره‌های فرآیند پیشرفته، محاسبات با کارایی بالا (HPC) و برخی از مواد کلیدی همچنان ادامه دارد.

روند ۸: تراشه‌های ۳ نانومتری خودرو شروع به استفاده می‌کنند

به یاد بیاورید که TSMC تولید انبوه نسل اول فناوری 3 نانومتری خود (N3، با نام مستعار N3B) را در اواخر دسامبر 2022 اعلام کرد، و پس از آن نسل دوم N3E را در سه ماهه چهارم 2023 و نسل سوم N3P را در نیمه دوم 2024. طبق نقشه راه TSMC، N3X در سال 2025 و N3A (درجه خودرو) در سال 2026 عرضه خواهند شد.

معمولاً گره‌های پیشرفته‌ای مانند ۵ نانومتر و ۳ نانومتر با تراشه‌های گوشی‌های هوشمند و هوش مصنوعی مرتبط هستند. در واقع، شرکت‌هایی مانند اپل، کوالکام، انویدیا و AMD در حال حاضر بر ظرفیت ۳ نانومتری TSMC تسلط دارند و سایر فروشندگان نیز در صف سفارش هستند. نکته قابل توجه این است که تقریباً دو سال پس از اولین تولید انبوه تراشه‌های ۳ نانومتری، فناوری ۳ نانومتری سرانجام وارد حوزه تراشه‌های خودرو می‌شود.

در اکتبر ۲۰۲۴، مدیاتک در جریان «رونمایی از دایمنسیتی ۹۴۰۰» اعلام کرد که اولین «تراشه کابین خلبان هوش مصنوعی دایمنسیتی CT-X2024» آن در سال ۲۰۲۵ وارد تولید انبوه و استقرار در خودروها خواهد شد. CT-X9400، مبتنی بر فناوری ۳ نانومتری TSMC، دارای عملکرد CPU با ۲۶۰ هزار DMIPS و عملکرد GPU در سطح سخت‌افزار با ۳۰۰۰ GFLOPS است. واحد پردازش عصبی هوش مصنوعی مولد روی دستگاه آن، بیش از ۴۶ TOPS را ارائه می‌دهد و از مدل‌های هوش مصنوعی مولد چندوجهی با حداکثر ۱۳ میلیارد پارامتر پشتیبانی می‌کند. با بهره‌گیری از این عملکرد، CT-X1 از حداکثر ۱۰ نمایشگر، ۱۶ دوربین، پخش/ضبط ویدیوی ۸K با سرعت ۳۰ فریم بر ثانیه، نمایشگر با وضوح ۹K و فناوری‌های ارتباطی مانند ۵G و Wi-Fi 2025 پشتیبانی می‌کند.

به عنوان یک تراشه کابین خلبان، CT-X1 به استانداردهای سطح خودرو پایبند نیست. تحت معماری‌های E/E بسیار یکپارچه، قدرت محاسباتی کمیاب‌ترین منبع است. چرخه‌های طولانی توسعه برای تراشه‌های سطح خودرو برای پاسخگویی به تقاضاهای محاسباتی رو به رشد، با مشکل مواجه است. در این زمینه، خودروسازانی مانند تسلا و BYD نیز در حال استفاده از تراشه‌های غیرخودرویی در کابین خلبان خود هستند.

البته، تراشه‌های خودرو با استفاده از فرآیند N3A TSMC نیز در حال ظهور هستند. در ۱۳ نوامبر ۲۰۲۴، Renesas Electronics از SoC فیوژن چند دامنه‌ای خودرو نسل بعدی خود، سری R-Car X13، رونمایی کرد. اولین SoC در این سری، R-Car X2024H، مبتنی بر معماری چیپلت است و از فرآیند ۳ نانومتری درجه خودرو TSMC (N5A) استفاده می‌کند - که به طور خاص برای SoC های خودرو توسعه یافته و مطابق با استانداردهای قابلیت اطمینان AEC-Q5 درجه ۱ است.

R-Car X5H عملکرد هوش مصنوعی تا ۴۰۰ TOPS و راندمان عالی TOPS/W را در کنار قدرت پردازش GPU تا ۴ TFLOPS و عملکرد CPU بیش از ۱۰۰۰K DMIPS ارائه می‌دهد. با ۳۸ هسته Arm، قابلیت‌های قدرتمند هوش مصنوعی و GPU، یک تراشه واحد می‌تواند همزمان از چندین برنامه درون خودرویی از جمله ADAS، In-Vehicle Infotainment (IVI) و دروازه‌ها پشتیبانی کند. نمونه‌های R-Car X400H در نیمه اول ۲۰۲۵ برای مشتریان منتخب خودرو در دسترس خواهد بود و تولید انبوه برای نیمه دوم ۲۰۲۷ برنامه‌ریزی شده است.

علاوه بر این، در اکتبر ۲۰۲۳، شرکت ژاپنی Socionext، طراح تراشه، اعلام کرد که توسعه‌ی سیستم‌های روی تراشه‌ی سفارشی ۳ نانومتری ADAS و رانندگی خودکار را آغاز کرده است که از فرآیند N2023A TSMC نیز استفاده می‌کنند و انتظار می‌رود تولید انبوه آن‌ها در سال ۲۰۲۶ انجام شود.

این پیشرفت‌ها نشان می‌دهد که فناوری پردازش ۳ نانومتری به تدریج در حال تبدیل شدن به یک استاندارد جدید در حوزه تراشه‌های خودرو است و قدرت محاسباتی قوی را برای توسعه خودروهای هوشمند فراهم می‌کند. با ورود تراشه‌های خودرو مبتنی بر ۳ نانومتر بیشتر به بازار، تحول به سمت خودروهای هوشمندتر و برقی‌تر سرعت خواهد گرفت و تجربیات رانندگی ایمن‌تر و هوشمندانه‌تری را برای مصرف‌کنندگان فراهم می‌کند.

روند ۹: بازار حافظه در بحبوحه نوسانات قیمت، به دنبال تعادل جدید است

پس از آنکه قیمت حافظه‌ها در سه‌ماهه چهارم ۲۰۲۳ شروع به بهبود از پایین‌ترین سطح خود کرد و در نیمه اول ۲۰۲۴ جهشی قوی را تجربه کرد، محصولات مختلف حافظه در نیمه دوم شروع به واگرایی کردند و منجر به وضعیت «دوگانگی» بازار در سه‌ماهه چهارم شدند. چه روندهایی برای بازار حافظه در سال ۲۰۲۵ پیش‌بینی می‌شود؟

در مورد فلش NAND، SSDهای مصرفی بیش از ۸۰٪ از بازار را تشکیل می‌دهند، در حالی که SSDهای سازمانی تقریباً ۱۵٪ را تشکیل می‌دهند. از سه‌ماهه سوم ۲۰۲۴، عملکرد محصولات مختلف فلش شروع به واگرا شدن کرد. SSDهای سازمانی، که با تقاضای سرورهای هوش مصنوعی تقویت شده بودند، از SSDهای مصرفی عملکرد بهتری داشتند و رشد جزئی را در نیمه دوم ۲۰۲۴ حفظ کردند. در مقابل، بازار راکد لوازم الکترونیکی مصرفی، به ویژه عملکرد ضعیف در تلفن‌های هوشمند و لپ‌تاپ‌ها، منجر به کاهش قیمت‌های قراردادی برای SSDهای مصرفی از سه‌ماهه سوم شد. بدبینی نسبت به بازار لوازم الکترونیکی مصرفی در سه‌ماهه چهارم ۲۰۲۴ و سه‌ماهه اول ۲۰۲۵ نشان می‌دهد که قیمت‌های NAND Flash همچنان ضعیف خواهد ماند.

علاوه بر این، در حالی که انتظار می‌رود کاربردهای هوش مصنوعی لبه‌ای در سال ۲۰۲۵ به صورت تجاری گسترش یابند، حافظه‌های فلش NAND هنوز از این روند پیشرفت قابل توجهی نداشته‌اند. تجارت الکترونیک بین‌المللی داده‌ها نشان می‌دهد که حداقل برای سه‌ماهه چهارم ۲۰۲۴ و سه‌ماهه اول ۲۰۲۵، روند کلی قیمت NAND Flash نزولی خواهد بود. همزمان، تولیدکنندگان حافظه، با درس گرفتن از ضررهای گسترده صنعت در سال ۲۰۲۳، به طور فعال ظرفیت را در بحبوحه عرضه بیش از حد کنترل می‌کنند. انتظار می‌رود قیمت SSD مصرفی در نیمه دوم ۲۰۲۵ دوباره افزایش یابد.

برای برآورده کردن بهتر نیازهای انتقال داده در حوزه هوش مصنوعی، فناوری NAND Flash در حال تکامل به سمت ظرفیت بالاتر، امنیت بیشتر، تأخیر کمتر و مصرف انرژی کمتر است. ایجاد تعادل بین ظرفیت و هزینه به تمرکز اصلی زنجیره تأمین NAND تبدیل شده است و انتظار می‌رود محصولات QLC NAND بیشتری عرضه شوند.

برای DRAM که بیش از ۵۰٪ از صنعت حافظه را تشکیل می‌دهد، سه نوع اصلی وجود دارد: DDR استاندارد، DDR موبایل (LPDDR) و DDR گرافیکی (GDDR، HBM). در مقایسه با DDR50/DDR4 استاندارد، DDR گرافیکی که توسط GDDR و HBM ارائه می‌شود، پهنای باند قابل توجهی بالاتری ارائه می‌دهد.

حافظه‌های DDR گرافیکی برای محاسبات با کارایی بالا و پردازش گرافیکی طراحی شده‌اند. حافظه‌های GDDR به GDDR6X ارتقا یافته‌اند و GDDR7 در حال ظهور است که عمدتاً در پردازنده‌های گرافیکی بازی سطح بالا و ایستگاه‌های کاری حرفه‌ای استفاده می‌شود. حافظه‌های HBM و نسخه‌های آن (HBM2، HBM2E، HBM3، HBM3E) به دلیل پهنای باند فوق‌العاده بالا و بهره‌وری انرژی، به طور گسترده در شتاب‌دهنده‌های HPC و هوش مصنوعی استفاده می‌شوند. با پیشرفت‌های فرآیند نیمه‌هادی، حافظه‌های DDR گرافیکی چگالی و بهره‌وری را برای برآورده کردن نیازهای پردازش داده افزایش می‌دهند و کاربردهای گسترده‌تری را در کنار توسعه 5G، هوش مصنوعی و واقعیت مجازی شاهد خواهند بود.

روند قیمت DDR موبایل (LPDDR) و DDR استاندارد (DDR4/DDR5) تحت تأثیر عوامل متعددی قرار دارد و عموماً با نوسانات کاهش می‌یابد. تقاضای DDR موبایل به دلیل چرخه‌های نوسازی دستگاه‌های تلفن همراه ثابت می‌ماند؛ نسل‌های جدید با قیمت بالا شروع می‌شوند اما با بلوغ و مقیاس کاهش می‌یابند و اغلب به دلیل الزامات توان/عملکرد، قیمتی بالاتر از DDR استاندارد دارند. DDR4 استاندارد به بلوغ رسیده و قیمت‌های ثابتی دارد و به تدریج جای خود را به DDR5 می‌دهد که در ابتدا گران است اما انتظار می‌رود با افزایش تولید و افزایش تقاضا، قیمت آن کاهش یابد. قیمت‌های کلی تحت تأثیر عرضه/تقاضای بازار، هزینه‌های مواد اولیه، تعدیل ظرفیت و فضای اقتصادی جهانی قرار دارند.

روند ۱۰: شبیه‌سازی دیجیتال، صنایع سنتی‌تر را متحول می‌کند

قبل از پرتاب موشک، تحقیق و توسعه به طور سنتی چهار مرحله را طی می‌کند: مطالعه امکان‌سنجی - طراحی دقیق - آزمایش نمونه اولیه - آزمایش مدل پرواز. گران‌ترین مرحله، آزمایش نمونه اولیه است - ساخت تمام قطعات برای تأیید فیزیکی.

اسپیس ایکس این رویکرد مرسوم را تغییر داد. آنها در طول مرحله طراحی دقیق، آزمایش‌های شبیه‌سازی گسترده‌ای انجام می‌دهند تا به پرتاب‌های سریع‌تر و مقرون‌به‌صرفه‌تر موشک دست یابند. کلید این موفقیت، سرمایه‌گذاری قابل توجه اسپیس ایکس در فناوری شبیه‌سازی است که آن را به یک پیشرو در هوافضا تبدیل کرده و طبق گزارش‌ها، 10 سال از رقبا جلوتر است.

فراتر از هوافضا، شبیه‌سازی دیجیتال در حال حاضر تنها حدود ۲۰٪ از فرآیند طراحی هواپیما را تشکیل می‌دهد و ۸۰٪ باقی‌مانده به آزمایش فیزیکی متکی است. در زمینه‌هایی مانند علوم زیستی و کشف دارو، سهم شبیه‌سازی در فرآیند تحقیق و توسعه اغلب کمتر از ۱٪ است.

در مقایسه با صنعت نیمه‌هادی، که بیشتر طراحی‌ها در محیط‌های نرم‌افزاری/مجازی انجام می‌شود، بسیاری از صنایع سنتی با ضرورت تحول دیجیتال روبرو هستند. گسترش شبیه‌سازی دیجیتال به این بخش‌ها کمک می‌کند تا به کارایی بالاتر و هزینه‌های پایین‌تری دست یابند.

برای صنعت نیمه‌هادی‌ها و الکترونیک، به ویژه بازیگرانی مانند فروشندگان EDA/IP و ارائه‌دهندگان نرم‌افزار/راهکار، این نشان‌دهنده فرصت‌های قابل توجهی در فناوری‌هایی مانند شبیه‌سازی دیجیتال و دوقلوهای دیجیتال است. همچنین با روند گسترده‌تر ادغام نیمه‌هادی‌ها و سیستم‌ها - یا همگرایی تراشه‌ها و سیستم‌ها - همسو است.

این همگرایی به چندین شکل خود را نشان می‌دهد: شرکت‌های سیستمی مانند اپل، تسلا و AWS تراشه‌های خود را طراحی می‌کنند؛ شرکت‌های سنتی تراشه مانند NVIDIA و Qualcomm به سمت طراحی در سطح سیستم حرکت می‌کنند؛ و فروشندگان EDA/IP به دلیل سطوح پایین دیجیتالی شدن در زمینه‌های مختلف کاربردی، فرصت‌های جدید گسترده‌ای را در طراحی سیستم پیدا می‌کنند. کنفرانس‌های اخیر توسعه‌دهندگان از شرکت‌های بزرگ EDA به شدت بر کاوش در این بازارهای جدید مرتبط با سیستم تأکید داشته‌اند.

این نشان‌دهنده یک فرصت قابل توجه و غیرقابل چشم‌پوشی برای صنعت الکترونیک و نیمه‌هادی است. برنامه‌هایی مانند NVIDIA Omniverse در متاورس صنعتی برای کشتی‌سازی، راه‌آهن، مراقبت‌های بهداشتی و تولید، مظاهر این روند هستند - بخشی از تحول دیجیتال گسترده‌تر که در تمام صنایع و جامعه در حال گسترش است.