展望2025年的电子市场，人工智能技术在消费电子和智能汽车领域的应用将进一步深化，推动半导体市场保持10%以上的年增长率，尤其对人工智能和汽车芯片的需求强劲。同时，消费电子领域正朝着可持续发展的方向发展，环保产品的推广力度不断加大。集成电路行业受益于人工智能、5G和电动汽车市场的推动，技术进步显著。此外，生成式人工智能、服务机器人等新兴技术将成为市场新的亮点。

本报告针对人形机器人、智能穿戴、自动驾驶、绿色计算、智能手机、生成式人工智能、国产替代、3nm车用芯片、存储器、数字仿真等热点话题和领域提供趋势分析及市场展望。

趋势一：人形机器人持续突破

人形机器人是多学科交叉融合的高科技产品，融合了人工智能、高端制造、新材料等先进技术，有望成为继电脑、智能手机、新能源汽车之后的颠覆性产品，是衡量一个国家高科技实力和发展水平的重要标志。

人形机器人市场的快速发展源于两个关键因素。首先，大型AI模型的迭代以及自主学习和优化能力的提升，使得机器人能够更好地理解人类指令、进行复杂对话，甚至预测和满足用户需求，显著提升服务质量和交互体验。其次，得益于上中下游产业链的成熟和细化，以及政府政策的支持和引导。

资本市场也青睐人形机器人行业。截至2024年49月，中国内地人形机器人领域共发生5起融资事件，主要集中在北京、深圳和长三角地区，融资总额超过33亿元人民币。在获得融资的26家人形机器人公司中，有80家（近2022%）成立于2024年至XNUMX年期间。

国际融资活动同样活跃。Figure AI 今年 675 月获得 4.73 亿美元（约合 2024 亿人民币）融资，投资者包括微软、NVIDIA、OpenAI 以及亚马逊创始人杰夫·贝佐斯。150 年 1.05 月下旬，Agility Robotics 完成 XNUMX 亿美元（约合 XNUMX 亿人民币）C 轮融资，跻身独角兽行列。

尤其值得注意的是，人工智能、机器学习、计算机视觉等关键技术的突破，为一大批以“具身智能”为核心的类人机器人企业带来了重要的发展机遇。普遍认为，以此理论为指导的研究，能够使类人机器人更好地适应复杂多变的环境和任务，具备自主学习、感知和决策的能力。

虽然人形机器人可以根据应用场景进行分类，但调查显示，大多数中国企业认为制造业，尤其是汽车制造业，将率先实现人形机器人的真正商业化，其中质量检测和零部件装配是明确的需求场景。相比之下，备受期待的家庭服务应用排名较低。

趋势二：智能可穿戴设备重拾增长势头，市场格局演变

随着科技的飞速发展，智能可穿戴设备正日益成为我们日常生活中不可或缺的一部分。从智能手表到运动手环，从VR头戴设备到AR眼镜，从耳戴式设备到智能戒指，可穿戴设备的种类和功能不断丰富，为消费者带来前所未有的便捷体验。

智能穿戴市场经过近几年的波动发展，预计 国际电子商务 2025年将达到新的高峰，预计全球出货量将达到800亿台。

主要增长动力源于消费者对健康和健身的日益关注。智能手表和健身追踪器通过监测心率、睡眠质量、步数和卡路里消耗等关键指标，帮助用户更好地管理健康。此外，在5G和物联网蓬勃发展的推动下，可穿戴设备正变得更加互联互通和智能化，在医疗保健、运动监测、通讯和娱乐领域提供高度个性化的服务和体验。

此外，人工智能与生成式人工智能的融合有望为可穿戴设备提供更精准的数据分析和预测，例如监测血压等关键健康指标。我们预计2025年将出现更多创新应用，例如生物识别身份验证或通过机器学习算法生成的个性化健身计划。

2025年有两个细分市场尤其值得关注。首先是儿童智能手表，它集成了通讯、位置追踪、紧急呼叫和健康监测等关键功能，满足了家长对儿童安全和健康日益增长的担忧，市场需求将持续增长。其次是老年人智能可穿戴设备。在全球人口老龄化趋势下，这些设备可以通过健康监测、跌倒检测、紧急响应和日常活动辅助等功能帮助老年人保持独立并获得及时的医疗援助，也显示出强劲的增长潜力。

随着市场日趋成熟，竞争格局也在发生变化。苹果、三星和华为等传统消费电子巨头继续保持领先地位，同时越来越多的初创企业和新兴品牌正在崭露头角，凭借创新产品和解决方案挑战着现有企业。

趋势三：自动驾驶市场呈现二分法

2024年，海外市场对自动驾驶的热情有所降温，部分原因是大规模商业化之前需要巨额研发投入，以及持续的盈利挑战。例如，三星电子在自动驾驶汽车研发上踩了刹车，苹果在2024年初叫停了“Apple Car”项目。这些举措反映了技术难度以及实现显著投资回报的挑战。

然而，中国的情况有所不同。中国制造商持续大力投资自动驾驶，展现出对这项技术的信心。

中国政策制定者积极推动自动驾驶发展，出台政策支持测试、示范应用和商业运营。多个城市开展智能网联汽车（ICV）道路测试示范，开通测试道路，完成道路智能化升级，并安装路侧单元（RSU），营造了良好的政策环境。值得注意的是，武汉、广州等城市推出的“萝卜快跑”等Robotaxi服务，激发了投资热情。

从技术角度来看，端到端自动驾驶系统的兴起备受关注。与传统的模块化架构不同，端到端系统使用统一的深度学习模型，将传感器输入直接映射到车辆控制输出，从而减少中间步骤，并提高实时性能和准确性。

在企业层面，百度Apollo、蔚来、小鹏、华为、小米等中国企业正在积极布局自动驾驶技术，通过创新和独特的产品设计加速汽车行业的数字化、智能化进程。

展望2025年，自动驾驶市场预计将实现正增长。全球自动驾驶汽车出货量预计将达到数千万辆，而中国L2+及以上智能汽车销量预计将超过10万辆，渗透率将达到50%。L4级别车辆将开始进入市场，中国有望成为全球最大的自动驾驶市场。

值得注意的是，快速增长的潜力不仅局限于自动驾驶技术开发商，还延伸至供应链上下游的参与者。在中国自动驾驶汽车走向全球的推动下，在车载触摸屏和动力传动系统等领域拥有高竞争力产品的中国企业将获得显著的新发展优势。

趋势四：绿色计算变得更加紧迫

施耐德电气2023年能源管理研究中心白皮书指出，人工智能的功耗在4.5年达到2023吉瓦，预计到25年的复合年增长率将达到33%-2028%，是整体数据中心增长率的2-3倍。因此，预计到14年，人工智能的电力需求将达到18.7-2028吉瓦，占数据中心总电力的15%-20%。这还不包括分散在更多边缘和终端设备上的人工智能电力。

这一能耗水平相当于一些国家年平均用电量。考虑到整个AI芯片设计和制造链的能耗，以及Sam Altman可能在AI芯片基础设施上投资数万亿美元的报道，AI技术的总能耗足迹可能令人震惊。

如果人工智能的电力消耗超过电力基础设施供电能力的一定比例，将影响民生。因此，在节能减碳的大趋势下，“绿色计算”和“绿色数据中心”成为热门话题，相关解决方案也从多个层面陆续被提出。

除了功率器件和芯片之外，对于数字芯片，尤其是人工智能芯片，芯片设计/制造和软件算法的联合优化对于提高效率和降低单位计算功耗至关重要。此外，对于跨芯片、板卡和节点的大规模集群计算，互连和内存是关键瓶颈；内存计算和光互连等技术的进步是这一趋势下的关键发展。

与此同时，一些芯片公司正在推广系统级解决方案，例如冷板和浸没式液冷。在世界人工智能大会（WAIC）等展会上，许多AI芯片公司展示了液冷POD机柜解决方案。例如，燧原科技（Enflame）强调，通过在千卡部署中实现卓越的性能线性度，并结合集群范围的液冷，在实验室数据中心实现了PUE≤1.15。

可以理解的是，芯片代工厂、EDA/IP供应商和芯片设计公司都在讨论从“系统”角度（包括硅片、设备、单元、芯片、封装、系统、软件和应用程序）实现更高的效率，以实现绿色计算。

另一层面涉及能源基础设施的投资。此前有外媒披露，OpenAI 的“美国 AI 基础设施蓝图”中包含了对核电的宏伟愿景。黄仁勋也在采访中提到，数据中心需要可再生能源，而核能是一个不错的选择。山姆·奥克洛核电站（Sam Altman 担任董事长）计划在 2027 年前部署其首座小型模块化反应堆 (SMR)。谷歌已与核能初创公司 Kairos Power 签署协议，将使用 SMR 为数据中心供电……

许多人工智能科技巨头正在对核能进行资本投资。这凸显了未来对绿色能源和绿色计算的预期需求。

趋势五：智能手机全面拥抱生成式人工智能，生态系统进一步巩固

从 iOS 18 开始，Apple 将在部分地区为 iPhone 推出生成式 AI 功能，包括 Notes 的语音转文本、AI 照片编辑、电子邮件撰写工具、电子邮件和电话的关键摘要以及基于自然语言的照片/视频搜索......

苹果不仅大力投入，使用谷歌TPU训练服务器端和设备上的AI模型，还专门为设备上的AI应用搭建了基于自家芯片的AI数据中心——在云端创建“私有云计算”集群，同时在本地和云端进行混合AI推理。

无论人们对“AI手机”的价值有何看法，这已成为一个严肃的商业方向。苹果进军“AI手机”概念，本质上标志着移动应用处理器SoC的竞争进入了生成式AI时代。移动应用处理器SoC、操作系统和OEM厂商的战场已经扩展至AI模型、AI开发生态系统和AI应用的竞争。

对于用户来说，这种转变显而易见：新款 iPhone 的起步内存为 8GB，新款 MacBook 通常至少配备 16GB 内存——这主要是因为大型语言模型 (LLM) 和其他生成式 AI 所需的大型模型需要大量的内存空间。这表明，生成式 AI 在智能手机上的应用将在未来 1-2​​ 年内快速发展，为移动芯片和各种外围组件创造新的机遇。

联发科于9400年2024月发布的天玑XNUMX芯片进一步凸显了这一趋势。该芯片积极在其NPU（神经处理单元）中集成更专业的AI加速单元，以支持多模态输入、设备端LoRa训练，甚至设备端短视频生成。联发科还积极与智能手机OEM厂商、大型模型提供商、操作系统供应商和ISV合作，构建自己的AI生态系统。

随着2025-2026年智能手机生成式AI之争的加剧，手机上的AI生态系统预计将从碎片化状态逐渐整合。AI技术栈、特性和功能也将趋于标准化。

趋势 6：生成式人工智能走向边缘

NVIDIA 的研究团队专注于尖端技术，长期致力于“高效 AI”研究。模型剪枝、稀疏化和 AWQ 权重量化等技术旨在在边缘或终端设备上运行大型模型——不仅是 AI PC，还包括 Jetson Nano 等平台。

像 Efficient AI 这样的研究为将生成式 AI 引入 PC 和手机等终端设备奠定了基础。但这并非“边缘生成式 AI”的全部。

在2024年WAIC（世界人工智能大会）上， 国际电子商务 观察到许多小型 AI 芯片声称其规格能够运行 LLM。例如，Axera（爱芯元智）的 AX630C，INT8 计算能力为 3.2 TOPS，典型功耗低于 1.5W，可以以每秒约 2 个 token 的速度运行 Qwen0.5 10B 模型。虽然 Axera 表示具体的应用方向尚不确定，但其可能性非常巨大。

纵观2024年，几乎所有受访的AI芯片公司都一致认为，包括生成式AI在内的AI将走向边缘，融入万物之中。鉴于模型规模相对较大，以及边缘设备存储、I/O和计算能力的限制，AI芯片架构设计与软件算法优化之间的深度协作将变得至关重要。

芯原在其2024年AI技术研讨会上提到，其NPU和GPU IP最初面向AI视觉、语音和图形，现已覆盖自然语言处理，并涵盖AR/VR、自动驾驶、PC、智能手机、可穿戴设备和机器人等领域。芯原表示，下一步将进军“Go Transformer”（译注：Go Transformer是当代大型模型的结构基础）。

因此，许多边缘和终端 AI 芯片正在集成“Transformer 引擎”。芯原还提到，正在优化其 NPU IP 以实现 Transformer 加速，包括支持混合精度数据格式，并实现 4 位和 8 位权重量化，从而大幅降低带宽消耗。这些努力将有助于将生成式 AI 推向边缘——不仅应用于汽车、PC、手机和机器人，还可能应用于计算能力受限的嵌入式应用。

趋势七：中国国内替代加剧

中国国产芯片替代进口的比例稳步提升。2023年，中国芯片产量飙升至351.4亿颗，同比增长6.9%，自给率达到23%。135.4年前四个月，产量进一步跃升至2024亿颗，增长势头强劲。受益于边缘AI的部署趋势，国产CIS、存储器接口芯片、利基存储器、模拟芯片以及云/边缘计算芯片等领域的需求预计将大幅增长。

贸易摩擦导致全球供应链碎片化，加之对供应稳定性的需求推动国内采购，预计将在未来2-3年推动国内晶圆代工厂、设备以及封装/测试设施的需求持续增长。目前，在芯片制造的八个主要环节中，中国本土半导体设备行业在热处理、薄膜沉积、刻蚀和清洗等领域取得了重大突破，客户工艺已达到14纳米，刻蚀机已达到5纳米能力。

2024年上半年，中国大陆半导体设备采购额达25亿美元，其中国产设备约8亿美元。光刻胶剥离、清洗、蚀刻、封装等工艺的国产设备替代率已超过30%，这既反映了巨大的需求，也反映了国产替代步伐的加快。

先进封装技术对全球和中国都至关重要，它能够应对摩尔定律放缓带来的挑战以及出口管制带来的供应链问题。中国企业在这方面拥有雄厚的实力。尽管在前端晶圆制造方面存在局限性，但先进封装仍拥有广阔的增长前景，是中国市场发展的关键驱动力。

全球扩张（“走出去”）和智能化是驱动中国消费终端行业持续增长的动力。汽车电子是重点关注领域，海外扩张是企业2025年的首要任务。中国本土汽车产业的快速发展提升了其供应链企业的国际竞争力，为龙头企业带来了新的机遇。

不过，总体来看，从全球半导体供应链区域份额来看，美国、欧洲等国家占据主导地位，中国在中游晶圆制造和封测环节仅占一定份额。自给率仍然较低，在EDA/IP、设备、高端工艺节点、高性能计算（HPC）以及一些关键材料等上游领域，仍然普遍存在“受制于人”的现象。

趋势八：8nm汽车芯片开始部署

回顾一下，台积电于2022年4月底宣布量产其第一代3nm工艺（N3，又称N3B），随后于2023年第四季度量产第二代N3E，并于2024年下半年量产第三代N3P。根据台积电的路线图，N3X将于2025年推出，N3A（车规级）将于2026年推出。

通常，5nm 和 3nm 等先进节点与智能手机和 AI 芯片相关。事实上，苹果、高通、NVIDIA 和 AMD 等公司目前占据了台积电 3nm 产能的主导地位，其他供应商也在排队等待订单。值得注意的是，在 3nm 芯片首次量产近两年后，3nm 技术终于进入了汽车芯片领域。

2024年9400月，联发科在“天玑1发布会”上宣布，其首款“天玑AI座舱芯片CT-X2025”将于1年量产并应用于汽车。CT-X3基于台积电260纳米工艺，拥有3,000万DMIPS的CPU性能和46GFLOPS的硬件级GPU性能。其终端侧生成式AI NPU提供13+TOPS的计算能力，支持高达1亿个参数的多模态生成式AI模型。凭借这一性能，CT-X10支持多达16个显示屏、8个摄像头、30K 9fps视频播放/录制、5K分辨率显示以及7G和Wi-Fi XNUMX等通信技术。

CT-X1 作为一款座舱芯片，并不符合车规级标准。在高度集成的 E/E 架构下，算力是最稀缺的资源。车规级芯片漫长的开发周期难以满足快速增长的算力需求。在此背景下，特斯拉、比亚迪等汽车制造商也在座舱芯片中采用非车规级芯片。

当然，采用台积电 N3A 工艺的汽车芯片也正在涌现。13 年 2024 月 5 日，瑞萨电子发布了其下一代汽车多域融合 SoC——R-Car X5 系列。该系列的首款 SoC——R-Car X3H，基于 Chiplet 架构，采用台积电专为汽车 SoC 开发的 3 纳米汽车级工艺（N100A），并符合 AEC-Q1 一级可靠性标准。

R-Car X5H 提供高达 400 TOPS 的 AI 性能和卓越的 TOPS/W 效率，同时具备高达 4 TFLOPS 的 GPU 处理能力和超过 1,000K DMIPS 的 CPU 性能。凭借 38 个 Arm 核心、强大的 AI 和 GPU 功能，单芯片可同时支持多种车载应用，包括 ADAS、车载信息娱乐系统 (IVI) 和网关。R-Car X5H 样品将于 1 年上半年向部分汽车客户提供，并计划于 2025 年下半年实现量产。

此外，早在 2023 年 3 月，日本芯片设计公司 Socionext 宣布已开始开发 3nm ADAS 和自动驾驶定制 SoC，同样采用台积电的 N2026A 工艺，预计将于 XNUMX 年实现量产。

这些进展表明，3nm制程工艺正逐渐成为汽车芯片领域的新标准，为智能汽车发展提供强劲的算力。随着更多基于3nm制程的汽车芯片进入市场，汽车向智能化、电动化的转型将加速，为消费者带来更安全、更智能的驾驶体验。

趋势九：内存市场在价格波动中寻求新的平衡

内存价格在4年第四季度开始从低谷回升，并在2023年上半年强劲反弹后，不同内存产品在下半年开始分化，导致第四季度市场呈现“两极分化”的局面。预计1年内存市场将出现哪些趋势？

NAND Flash方面，消费级SSD占据​​超过80%的市场份额，企业级SSD则接近15%。从3年第三季度开始，不同闪存产品的表现开始分化。受AI服务器需求的拉动，企业级SSD表现优于消费级SSD，在2024年下半年保持小幅增长。另一方面，消费电子市场低迷，尤其是智能手机和笔记本电脑的疲软表现，导致消费级SSD的合约价从第三季度开始下滑。市场对2年第四季度和2024年第一季度消费电子市场的悲观预期，预示着NAND Flash价格将持续疲软。

此外，虽然边缘 AI 应用预计将在 2025 年实现商业化规模，但 NAND Flash 尚未从这一趋势中获得显著推动。 国际电子商务 数据显示，至少在4年第四季度和2024年第一季度，NAND Flash价格整体趋势将呈下行趋势。同时，内存制造商吸取了1年全行业亏损的教训，在供应过剩的情况下积极控制产能。消费级SSD价格预计将在2025年下半年反弹。

为了更好地满足AI的数据传输需求，NAND Flash技术正朝着更高容量、更高安全性、更低延迟和更低功耗的方向发展。平衡容量和成本已成为NAND供应链关注的重点，预计将出现更多QLC NAND产品。

占据内存行业50%以上份额的DRAM主要分为三种：标准DDR、移动DDR（LPDDR）以及Graphics DDR（GDDR、HBM）。相比标准DDR4/DDR5，以GDDR和HBM为代表的Graphics DDR拥有显著更高的带宽。

图形 DDR 专为高性能计算和图形处理而设计。GDDR 已发展至 GDDR6X，GDDR7 也正在兴起，主要用于高端游戏 GPU 和专业工作站。HBM 及其迭代产品（HBM2、HBM2E、HBM3、HBM3E）凭借超高带宽和能效，广泛应用于高性能计算 (HPC) 和人工智能 (AI) 加速器。随着半导体工艺的进步，图形 DDR 将进一步提升密度和效率，以满足数据处理需求，并随着 5G、AI 和 VR 的发展而获得更广泛的应用。

移动 DDR (LPDDR) 和标准 DDR (DDR4/DDR5) 的价格趋势受多种因素影响，通常呈波动下降趋势。受移动设备更新周期影响，移动 DDR 需求保持稳定；新一代产品初期价格较高，但随着成熟度和规模扩大而下降，由于功率/性能要求，其价格通常高于标准 DDR。标准 DDR4 已成熟且价格稳定，并逐渐被 DDR5 取代。DDRXNUMX 初期价格较高，但随着产量增加和需求增长，预计价格会下降。总体价格受市场供需、原材料成本、产能调整和全球经济环境的影响。

趋势10：数字仿真改变更多传统行业

火箭发射前的研发通常要经历四个阶段：可行性研究 - 详细设计 - 原型测试 - 飞行模型测试。其中最昂贵的阶段是原型测试——制造所有组件进行物理验证。

SpaceX 颠覆了这种传统做法。他们在详细设计阶段就进行了广泛的仿真测试，以实现更快、更经济的火箭发射。关键在于 SpaceX 对仿真技术的大量投资，使其成为航空航天领域的领导者，据称领先竞争对手 10 年。

除了航空航天领域，数字仿真目前仅占飞机设计流程的20%左右，其余80%则依赖于物理测试。在生命科学和药物研发等领域，仿真在研发流程中的占比通常不到1%。

与大多数设计在软件/虚拟环境中进行的半导体行业相比，许多传统行业面临着数字化转型的迫切需要。数字仿真的普及将帮助这些行业提高效率并降低成本。

对于半导体和电子行业，尤其​​是EDA/IP供应商和软件/解决方案提供商等参与者而言，这代表着数字仿真和数字孪生等技术领域的重大机遇。这也符合半导体和系统集成（或芯片和系统融合）的更广泛趋势。

这种融合体现在几个方面：像苹果、特斯拉和AWS这样的系统公司正在设计自己的芯片；像NVIDIA和高通这样的传统芯片公司正在转向系统级设计；由于各应用领域的数字化程度较低，EDA/IP供应商在系统设计领域发现了巨大的新机遇。各大EDA公司近期举办的开发者大会都大力强调探索这些新的系统相关市场。

这对电子和半导体行业来说是一个不容忽视的重要机遇。像 NVIDIA Omniverse 这样的应用于船舶、铁路、医疗保健和制造业的工业元宇宙，正是这一趋势的体现——它是席卷所有行业和社会的更广泛数字化转型的一部分。