展望2025年的電子市場，人工智慧技術在消費性電子和智慧汽車領域的應用將進一步深化，推動半導體市場維持10%以上的年增長率，尤其對人工智慧和汽車晶片的需求強勁。同時，消費性電子領域正朝著永續發展的方向發展，環保產品的推廣力道不斷加大。積體電路產業受益於人工智慧、5G和電動車市場的推動，技術進步顯著。此外，生成式人工智慧、服務機器人等新興技術將成為市場新的亮點。

本報告針對人形機器人、智慧穿戴、自動駕駛、綠色運算、智慧型手機、生成式人工智慧、國產替代品、3nm車用晶片、記憶體、數位模擬等熱門話題及領域提供趨勢分析及市場展望。

趨勢一：人形機器人持續突破

人形機器人是多學科交叉融合的高科技產品，融合了人工智慧、高端製造、新材料等先進技術，有望成為繼電腦、智慧型手機、新能源汽車之後的顛覆性產品，是衡量一個國家高科技實力和發展水平的重要標誌。

人形機器人市場的快速發展源自於兩個關鍵因素。首先，大型AI模型的迭代以及自主學習和優化能力的提升，使得機器人能夠更好地理解人類指令、進行複雜對話，甚至預測和滿足用戶需求，顯著提升服務品質和互動體驗。其次，得益於上中下游產業鏈的成熟與細化，以及政府政策的支持與引導。

資本市場也青睞人形機器人產業。截至2024年49月，中國內地人形機器人領域共發生5起融資事件，主要集中在北京、深圳和長三角地區，融資總額超過33億元人民幣。在獲得融資的26家人形機器人公司中，有80家（近2022%）成立於2024年至XNUMX年。

國際融資活動同樣活躍。 Figure AI 今年 675 月獲得 4.73 億美元（約 2024 億人民幣）融資，投資者包括微軟、NVIDIA、OpenAI 以及亞馬遜創始人傑夫·貝佐斯。 150 年 1.05 月下旬，Agility Robotics 完成 XNUMX 億美元（約 XNUMX 億人民幣）C 輪融資，躋身獨角獸行列。

尤其值得注意的是，人工智慧、機器學習、電腦視覺等關鍵技術的突破，為一大批以「具身智慧」為核心的類人機器人企業帶來了重要的發展機會。一般認為，以此理論為指導的研究，能夠使類人機器人更適應複雜多變的環境和任務，具備自主學習、感知和決策的能力。

雖然人形機器人可以根據應用場景進行分類，但調查顯示，大多數中國企業認為製造業，尤其是汽車製造業，將率先實現人形機器人的真正商業化，其中品質檢測和零件組裝是明確的需求場景。相比之下，備受期待的家庭服務應用程式排名較低。

趨勢二：智慧穿戴裝置重拾成長勢頭，市場格局演變

隨著科技的快速發展，智慧穿戴裝置正日益成為我們日常生活中不可或缺的一部分。從智慧手錶到運動手環，從VR頭戴裝置到AR眼鏡，從耳戴式裝置到智慧戒指，穿戴式裝置的種類和功能不斷豐富，為消費者帶來前所未有的便利體驗。

智慧穿戴市場經過近幾年的波動發展，預計 國際電子商務 2025年將達到新的高峰，預計全球出貨量將達到800億台。

主要成長動力源自於消費者對健康和健身的日益關注。智慧手錶和健身追蹤器透過監測心率、睡眠品質、步數和卡路里消耗等關鍵指標，幫助使用者更好地管理健康。此外，在5G和物聯網蓬勃發展的推動下，穿戴式裝置正變得更加互聯互通和智慧化，在醫療保健、運動監測、通訊和娛樂領域提供高度個人化的服務和體驗。

此外，人工智慧與生成式人工智慧的融合有望為穿戴式裝置提供更精準的數據分析和預測，例如監測血壓等關鍵健康指標。我們預計2025年將出現更多創新應用，例如生物辨識身分驗證或透過機器學習演算法產生的個人化健身計畫。

2025年有兩個細分市場尤其值得關注。首先是兒童智慧手錶，它整合了通訊、位置追蹤、緊急呼叫和健康監測等關鍵功能，滿足了家長對兒童安全和健康日益增長的擔憂，市場需求將持續增長。其次是老年人智慧穿戴設備。在全球人口老化趨勢下，這些設備可以透過健康監測、跌倒檢測、緊急應變和日常活動輔助等功能幫助老年人保持獨立並獲得及時的醫療援助，也顯示出強勁的成長潛力。

隨著市場日趨成熟，競爭格局也隨之改變。蘋果、三星、華為等傳統消費性電子巨頭繼續保持領先地位，而越來越多的新創公司和新興品牌則日益崛起，並憑藉創新產品和解決方案向現有企業發起挑戰。

趨勢三：自動駕駛市場呈現二分法

2024年，海外市場對自動駕駛的熱情有所降溫，部分原因是大規模商業化之前需要巨額研發投入，以及持續的獲利挑戰。例如，三星電子在自動駕駛汽車研發上踩了煞車，蘋果在2024年初叫停了「Apple Car」計畫。這些舉措反映了技術難度以及實現顯著投資回報的挑戰。

然而，中國的情況有所不同。中國製造商持續大力投資自動駕駛，展現出對這項技術的信心。

中國政策制定者積極推動自動駕駛發展，推出政策支持測試、示範應用和商業運作。多個城市進行智慧網聯汽車（ICV）道路測試示範，開通測試道路，完成道路智慧化升級，並安裝路側單元（RSU），營造了良好的政策環境。值得注意的是，武漢、廣州等城市推出的「蘿蔔快跑」等Robotaxi服務，激發了投資熱情。

從技術角度來看，端到端自動駕駛系統的興起備受關注。與傳統的模組化架構不同，端到端系統使用統一的深度學習模型，將感測器輸入直接映射到車輛控制輸出，從而減少中間步驟，並提高即時性能和準確性。

在企業層面，百度Apollo、蔚來、小鵬、華為、小米等中國企業正在積極佈局自動駕駛技術，透過創新和獨特的產品設計加速汽車產業的數位化、智慧化進程。

展望2025年，自動駕駛市場預計將實現正成長。全球自動駕駛汽車出貨量預計將達到數千萬輛，而中國L2+以上智慧汽車銷量預計將超過10萬輛，滲透率將達到50%。 L4級車輛將開始進入市場，中國可望成為全球最大的自動駕駛市場。

值得注意的是，快速成長的潛力不僅限於自動駕駛技術開發商，也延伸至供應鏈上下游的參與者。在中國自動駕駛汽車走向全球的推動下，在車載觸控螢幕和動力傳動系統等領域擁有高競爭力產品的中國企業將獲得顯著的新發展優勢。

趨勢四：綠色計算變得更加緊迫

施耐德電機2023年能源管理研究中心白皮書指出，人工智慧的功耗在4.5年達到2023吉瓦，預計25年的複合年增長率將達到33%-2028%，是整體資料中心成長率的2-3倍。因此，預計到14年，人工智慧的電力需求將達到18.7-2028吉瓦，佔資料中心總電力的15%-20%。這還不包括分散在更多邊緣和終端設備上的人工智慧電力。

這一能耗水準相當於一些國家年平均用電量。考慮到整個AI晶片設計和製造鏈的能耗，以及Sam Altman可能在AI晶片基礎設施上投資數萬億美元的報道，AI技術的總能耗足跡可能令人震驚。

如果人工智慧的電力消耗超過電力基礎設施供電能力的一定比例，將影響民生。因此，在節能減碳的大趨勢下，「綠色運算」和「綠色資料中心」成為熱門話題，相關解決方案也從多個層面陸續被提出。

除了功率元件和晶片之外，對於數位晶片，尤其是人工智慧晶片，晶片設計/製造和軟體演算法的聯合優化對於提高效率和降低單位運算功耗至關重要。此外，對於跨晶片、闆卡和節點的大規模集群計算，互連和內存是關鍵瓶頸；內存計算和光互連等技術的進步是這一趨勢下的關鍵發展。

同時，一些晶片公司正在推廣系統級解決方案，例如冷板和浸沒式液冷。在世界人工智慧大會（WAIC）等展會上，許多AI晶片公司展示了液冷POD機櫃解決方案。例如，燧原科技（Enflame）強調，透過在千卡部署中實現卓越的性能線性度，並結合集群範圍的液冷，在實驗室數據中心實現了PUE≤1.15。

可以理解的是，晶片代工廠、EDA/IP供應商和晶片設計公司都在討論從「系統」角度（包括矽片、設備、單元、晶片、封裝、系統、軟體和應用程式）實現更高的效率，以實現綠色運算。

另一層面則涉及能源基礎設施的投資。先前有外媒披露，OpenAI 的「美國 AI 基礎設施藍圖」中包含了對核電的宏偉願景。黃仁勳也在訪談中提到，資料中心需要再生能源，核能是不錯的選擇。山姆·奧克洛核電廠（Sam Altman 擔任董事長）計劃在 2027 年前部署其首座小型模組化反應器 (SMR)。谷歌已與核能新創公司 Kairos Power 簽署協議，將使用 SMR 為資料中心供電…

許多人工智慧科技巨頭正在對核能進行資本投資。這凸顯了未來對綠色能源和綠色運算的預期需求。

趨勢五：智慧型手機全面擁抱生成式人工智慧，生態系統進一步鞏固

從 iOS 18 開始，Apple 將在部分地區為 iPhone 推出生成式 AI 功能，包括 Notes 的語音轉文字、AI 照片編輯、電子郵件撰寫工具、電子郵件和電話的關鍵摘要以及基於自然語言的照片/影片搜尋...

蘋果不僅大力投入，使用谷歌TPU訓練伺服器端和設備上的AI模型，還專門為設備上的AI應用搭建了基於自家芯片的AI數據中心——在雲端創建“私有云計算”集群，同時在本地和雲端進行混合AI推理。

無論人們對「AI手機」的價值有何看法，這已成為一個嚴肅的商業方向。蘋果進軍「AI手機」概念，本質上標誌著行動應用處理器SoC的競爭進入了生成式AI時代。行動應用處理器SoC、作業系統和OEM廠商的戰場已擴展至AI模型、AI開發生態系統和AI應用的競爭。

對於用戶來說，這種轉變顯而易見：新款 iPhone 的起步記憶體為 8GB，新款 MacBook 通常配備至少 16GB 記憶體——這主要是因為大型語言模型 (LLM) 和其他生成式 AI 所需的大型機型需要大量的記憶體空間。這表明，生成式 AI 在智慧型手機上的應用將在未來 1-2 年內快速發展，為行動晶片和各種外圍組件創造新的機會。

聯發科於9400年2024月發布的天璣XNUMX晶片進一步凸顯了這個趨勢。該晶片積極在其NPU（神經處理單元）中整合更專業的AI加速單元，以支援多模態輸入、裝置端LoRa訓練，甚至裝置端短視訊生成。聯發科也積極與智慧型手機OEM廠商、大型模型供應商、作業系統供應商和ISV合作，建構自己的AI生態系統。

隨著2025-2026年智慧型手機生成式AI之爭的加劇，手機上的AI生態系統預計將從零碎狀態逐漸整合。 AI技術堆疊、特性和功能也將趨於標準化。

趨勢 6：生成式人工智慧走向邊緣

NVIDIA 的研究團隊專注於尖端技術，長期致力於「高效 AI」研究。模型剪枝、稀疏化和 AWQ 權重量化等技術旨在在邊緣或終端設備上運行大型模型——不僅是 AI PC，還包括 Jetson Nano 等平台。

像 Efficient AI 這樣的研究為將生成式 AI 引入 PC 和手機等終端設備奠定了基礎。但這並非「邊緣生成式 AI」的全部。

在2024年WAIC（世界人工智慧大會）上， 國際電子商務 觀察到許多小型 AI 晶片聲稱其規格能夠運行 LLM。例如，Axera（愛芯元智）的 AX630C，INT8 運算能力為 3.2 TOPS，典型功耗低於 1.5W，可以以每秒約 2 個 token 的速度運行 Qwen0.5 10B 模型。雖然 Axera 表示具體的應用方向尚不確定，但其可能性非常巨大。

綜觀2024年，幾乎所有受訪的AI晶片公司都一致認為，包括生成式AI在內的AI將走向邊緣，融入萬物之中。鑑於模型規模相對較大，以及邊緣設備儲存、I/O和運算能力的限制，AI晶片架構設計與軟體演算法最佳化之間的深度協作將變得至關重要。

芯原在2024年AI技術研討會上提到，其NPU和GPU IP最初面向AI視覺、語音和圖形，現已涵蓋自然語言處理，並涵蓋AR/VR、自動駕駛、PC、智慧型手機、穿戴式裝置和機器人等領域。芯原表示，下一步將進軍「Go Transformer」（譯註：Go Transformer是當代大型模型的結構基礎）。

因此，許多邊緣和終端 AI 晶片正在整合「Transformer 引擎」。芯原也提到，正在優化其 NPU IP 以實現 Transformer 加速，包括支援混合精度資料格式，並實現 4 位元和 8 位元權重量化，從而大幅降低頻寬消耗。這些努力將有助於將生成式 AI 推向邊緣——不僅應用於汽車、PC、手機和機器人，還可能應用於運算能力受限的嵌入式應用。

趨勢七：中國國內替代加劇

中國國產晶片替代進口的比例穩定提升。 2023年，中國晶片產量飆升至351.4億顆，較去年同期成長6.9%，自給率達23%。 135.4年前四個月，產量進一步躍升至2024億顆，成長動能強勁。受惠於邊緣AI的部署趨勢，國產CIS、記憶體介面晶片、利基記憶體、類比晶片以及雲端/邊緣運算晶片等領域的需求預計將大幅成長。

貿易摩擦導致全球供應鏈碎片化，加之對供應穩定性的需求推動國內採購，預計在未來2-3年推動國內晶圓代工廠、設備以及封裝/測試設施的需求持續成長。目前，在晶片製造的八個主要環節中，中國本土半導體設備產業在熱處理、薄膜沉積、蝕刻和清洗等領域取得了重大突破，客戶製程已達到14奈米，而刻蝕機已達到5奈米能力。

2024年上半年，中國大陸半導體設備採購額達25億美元，其中國產設備約8億美元。光阻剝離、清洗、蝕刻、封裝等製程的國產設備替代率已超過30%，這不僅反映了巨大的需求，也反映了國產替代步伐的加快。

先進封裝技術對全球和中國都至關重要，它能夠應對摩爾定律放緩帶來的挑戰以及出口管制帶來的供應鏈問題。中國企業在這方面擁有雄厚的實力。儘管在前端晶圓製造方面存在局限性，但先進封裝仍擁有廣闊的成長前景，是中國市場發展的關鍵驅動力。

全球擴張（「走出去」）和智慧化是驅動中國消費終端產業持續成長的動力。汽車電子是重點關注領域，海外擴張是企業2025年的首要任務。中國本土汽車產業的快速發展提升了其供應鏈企業的國際競爭力，為龍頭企業帶來了新的機會。

不過，整體來看，從全球半導體供應鏈區域份額來看，美國、歐洲等國家佔據主導地位，中國在中游晶圓製造和封測環節僅佔一定份額。自給率仍然較低，在EDA/IP、設備、高階製程節點、高效能運算（HPC）以及一些關鍵材料等上游領域，仍普遍存在「受制於人」的現象。

趨勢八：8nm汽車晶片開始部署

回想一下，台積電於 3 年 3 月下旬宣佈量產其第一代 3nm（N2022，又稱 N3B），隨後於 4 年第四季度度量產其第二代 N2023E，並於 3 年下半年量產其第三代 N2024P。根據台積電的路線圖，N3X 將於 2025 年推出，N3A（汽車級）將於 2026 年推出。

通常，5nm 和 3nm 等先進節點與智慧型手機和 AI 晶片相關。事實上，蘋果、高通、NVIDIA 和 AMD 等公司目前佔據了台積電 3nm 產能的主導地位，其他供應商也在排隊等待訂單。值得注意的是，在 3nm 晶片首次量產近兩年後，3nm 技術終於進入了汽車晶片領域。

2024年9400月，聯發科在「天璣1發表會」上宣布，其首款「天璣AI座艙晶片CT-X2025」將於1年量產並應用於汽車。 CT-X3基於台積電260奈米工藝，擁有3,000萬DMIPS的CPU性能及46GFLOPS的硬體級GPU性能。其終端側生成式AI NPU提供13+TOPS的運算能力，支援高達1億個參數的多模態生成式AI模型。憑藉此性能，CT-X10支援多達16個顯示器、8個攝影機、30K 9fps視訊播放/錄製、5K解析度顯示器以及7G和Wi-Fi XNUMX等通訊技術。

CT-X1 作為座艙晶片，並不符合車規級標準。在高度整合的 E/E 架構下，算力是最稀缺的資源。車規級晶片漫長的開發週期難以滿足快速成長的算力需求。在此背景下，特斯拉、比亞迪等汽車製造商也在座艙晶片中採用非車規級晶片。

當然，採用台積電 N3A 製程的汽車晶片也正在湧現。 13 年 2024 月 5 日，瑞薩電子發布了其下一代汽車多域融合 SoC——R-Car X5 系列。該系列的首款 SoC——R-Car X3H，基於 Chiplet 架構，採用台積電專為汽車 SoC 開發的 3 奈米汽車級製程（N100A），並符合 AEC-Q1 一級可靠性標準。

R-Car X5H 提供高達 400 TOPS 的 AI 效能和卓越的 TOPS/W 效率，同時具備高達 4 TFLOPS 的 GPU 處理能力和超過 1,000K DMIPS 的 CPU 效能。憑藉 38 個 Arm 核心、強大的 AI 和 GPU 功能，單晶片可同時支援多種車載應用，包括 ADAS、車載資訊娛樂系統 (IVI) 和網關。 R-Car X5H 樣品將於 1 年上半年向部分汽車客戶提供，並計劃於 2025 年下半年實現量產。

此外，早在 2023 年 3 月，日本晶片設計公司 Socionext 宣布已開始開發 3nm ADAS 和自動駕駛定制 SoC，同樣採用台積電的 N2026A 工藝，預計將於 XNUMX 年實現量產。

這些進展表明，3nm製程製程正逐漸成為汽車晶片領域的新標準，為智慧汽車發展提供強勁的算力。隨著更多基於3nm製程的汽車晶片進入市場，汽車轉型為智慧化、電動化的轉型將加速，為消費者帶來更安全、更智慧的駕駛體驗。

趨勢九：記憶體市場在價格波動中尋求新的平衡

記憶體價格在4年第四季開始從低潮回升，並在2023年上半年強勁反彈後，不同記憶體產品在下半年開始分化，導致第四季市場呈現「兩極化」的局面。預計1年記憶體市場將出現哪些趨勢？

NAND Flash方面，消費級SSD佔超過80%的市場份額，企業級SSD則接近15%。從3年第三季開始，不同快閃記憶體產品的表現開始分化。受AI伺服器需求的拉動，企業級SSD表現優於消費級SSD，在2024年下半年維持小幅成長。另一方面，消費性電子市場低迷，尤其是智慧型手機和筆記型電腦的疲軟表現，導致消費級SSD的合約價格從第三季開始下滑。市場對2年第四季和2024年第一季消費性電子市場的悲觀預期，預示著NAND Flash價格將持續疲軟。

此外，雖然邊緣 AI 應用預計將在 2025 年實現商業化規模，但 NAND Flash 尚未從這一趨勢中獲得顯著推動。 國際電子商務 數據顯示，至少在4年第四季和2024年第一季度，NAND Flash價格整體趨勢將呈現下降趨勢。同時，記憶體製造商吸取了1年全行業虧損的教訓，在供應過剩的情況下積極控制產能。消費級SSD價格預計將在2025年下半年反彈。

為了更好地滿足AI的資料傳輸需求，NAND Flash技術正朝著更高容量、更高安全性、更低延遲和更低功耗的方向發展。平衡容量和成本已成為NAND供應鏈關注的重點，預計將出現更多QLC NAND產品。

佔據記憶體產業50%以上的DRAM主要分為三種：標準DDR、行動DDR（LPDDR）以及Graphics DDR（GDDR、HBM）。相較於標準DDR4/DDR5，以GDDR和HBM為代表的Graphics DDR擁有顯著更高的頻寬。

圖形 DDR 專為高效能運算和圖形處理而設計。 GDDR 已發展至 GDDR6X，GDDR7 也正在興起，主要用於高階遊戲 GPU 和專業工作站。 HBM 及其迭代產品（HBM2、HBM2E、HBM3、HBM3E）憑藉著超高頻寬和能源效率，廣泛應用於高效能運算 (HPC) 和人工智慧 (AI) 加速器。隨著半導體製程的進步，圖形 DDR 將進一步提升密度和效率，以滿足資料處理需求，並隨著 5G、AI 和 VR 的發展而獲得更廣泛的應用。

行動 DDR (LPDDR) 和標準 DDR (DDR4/DDR5) 的價格趨勢受多種因素影響，通常呈現波動下降趨勢。受行動裝置更新週期影響，行動 DDR 需求保持穩定；新一代產品初期價格較高，但隨著成熟度和規模擴大而下降，由於功率/性能要求，其價格通常高於標準 DDR。標準 DDR4 已成熟且價格穩定，並逐漸被 DDR5 取代。 DDRXNUMX 初期價格較高，但隨著產量增加和需求成長，預期價格會下降。總體價格受市場供需、原物料成本、產能調整及全球經濟環境的影響。

趨勢10：數位模擬改變更多傳統產業

火箭發射前的研發通常要經歷四個階段：可行性研究 - 詳細設計 - 原型測試 - 飛行模型測試。其中最昂貴的階段是原型測試——製造所有組件進行物理驗證。

SpaceX 顛覆了這種傳統做法。他們在詳細設計階段就進行了廣泛的模擬測試，以實現更快、更經濟的火箭發射。關鍵在於 SpaceX 對仿真技術的大量投資，使其成為航空航太領域的領導者，據稱領先競爭對手 10 年。

除了航太領域，數位模擬目前僅佔飛機設計流程的20%左右，其餘80%則仰賴實體測試。在生命科學和藥物研發等領域，模擬在研發流程的佔比通常不到1%。

與大多數設計在軟體/虛擬環境中進行的半導體產業相比，許多傳統產業面臨數位轉型的迫切需求。數位模擬的普及將有助於這些行業提高效率並降低成本。

對於半導體和電子產業，尤其是EDA/IP供應商和軟體/解決方案供應商等參與者而言，這代表著數位模擬和數位孿生等技術領域的重大機會。這也符合半導體和系統整合（或晶片和系統融合）的更廣泛趨勢。

這種融合體現在幾個方面：像蘋果、特斯拉和AWS這樣的系統公司正在設計自己的晶片；像NVIDIA和高通這樣的傳統晶片公司正在轉向系統級設計；由於各應用領域的數位化程度較低，EDA/IP供應商在系統設計領域發現了巨大的新機會。各大EDA公司近期舉辦的開發者大會都大力強調探索這些新的系統相關市場。

這對電子和半導體產業來說是一個不容忽視的重要機會。像 NVIDIA Omniverse 這樣的應用於船舶、鐵路、醫療保健和製造業的工業元宇宙，正是這一趨勢的體現——它是席捲所有行業和社會的更廣泛數位轉型的一部分。