IBM宣布在实验室环境下成功实现0.7nm节点Nanostack晶体管架构，NewScientist对此进行了独家报道。这一突破远远超越了当前业界主流的3nm/2nm制程，采用垂直堆叠的纳米片结构实现了比传统FinFET和GAAFET更高的电流密度与更低的工作电压。0.7nm节点意味着单个晶体管中仅有约3-4个硅原子的宽度，已逼近量子隧穿效应的物理极限。IBM研究院通过引入新型二维材料过渡金属二硫族化物作为沟道材料，替代传统硅，有效抑制了漏电流问题。目前该技术仍停留在R&D阶段，距离量产预计仍有5-8年时间。不过这一突破向全行业展示了超越硅基CMOS的潜在技术路径，为后摩尔时代的芯片发展提供了重要的方向性指引。
英特尔宣布其18A-P制程进入风险试产阶段，CNBC报道了这一英特尔代工战略的关键节点。18A-P作为18A的增强版本，在背面供电网络效率和SRAM密度方面进行了针对性优化，主要面向AI加速器和网络芯片等HPC场景。试产结果将直接影响英特尔代工服务能否在2027年前获得外部大客户订单。目前业内对英特尔代工的最大疑虑在于良率爬坡速度和设计生态系统成熟度。即便技术指标在纸面上领先，若无法提供稳定可靠的PDK、IP库和设计支持，客户的迁移成本仍然极高。18A-P的风险试产标志着英特尔代工战略正式进入成果检验期，公司的技术执行力将接受市场和客户的终极审视。
OpenAI与Broadcom合作开发的代号"Jalapeno"的3nm ASIC芯片传出最新进展，凤凰科技报道了这一AI芯片领域备受瞩目的定制化项目。Jalapeno专为OpenAI的大模型推理场景设计，采用台积电3nm制程，在矩阵运算和注意力机制等核心AI计算负载上进行了深度架构优化。与NVIDIA通用GPU不同，ASIC路线在特定工作负载上的能效比通常高出2-3倍，这对于OpenAI海量的推理算力成本控制至关重要。该项目也反映了AI模型提供商向上游芯片设计环节延伸的明确趋势——掌握芯片设计能力意味着在算力成本和架构迭代节奏上获得战略主动权。若Jalapeno成功量产并部署，将打破NVIDIA在AI训练推理芯片市场的垄断格局，对整个AI硬件产业链产生深远的结构性影响。
高通发布全新HBC架构，将数据中心级别的计算性能引入移动端芯片，每日经济新闻进行了详细报道。HBC架构通过在手机SoC中集成高性能计算单元和先进AI推理引擎，能够在极低功耗预算下实现此前仅限云端服务器才能完成的计算任务。这一架构突破的核心在于高通的异构计算调度技术——系统能够根据任务特性实时在CPU、GPU、NPU和专用加速单元之间动态分配算力资源，实现能效最大化。HBC架构的首款芯片预计将搭载于明年旗舰安卓机型，届时移动端AI应用体验有望实现质的飞跃。高通的这一布局也反映了AI算力从云端向边缘端迁移的大趋势，智能手机作为最大的边缘计算平台，正在经历一场AI算力的革命性升级。
韩国首尔大学研究团队在铁电存储器领域取得重大突破，新浪报道了这项有望颠覆AI半导体存储架构的研究成果。铁电存储器利用铁电材料的极化特性存储数据，具备非易失性、超低功耗和极高读写速度的独特组合优势。SNU团队开发的新型铁电材料在10nm以下节点展现出卓越的耐久性和保持特性，循环寿命提升至10^12次以上。对于AI芯片而言，冯·诺依曼架构下内存墙一直是制约性能的核心瓶颈。铁电存储器如果能够实现商业化规模量产，将有望替代传统SRAM和DRAM成为AI芯片的片上存储方案，大幅降低数据搬运功耗并提升计算效率。目前该技术距离商用化仍有材料稳定性和CMOS兼容性等工程难题需要克服，但方向性意义不容忽视。
NVIDIA与Google联合宣布将在下一代AI加速器中使用HBF高速闪存方案，TrendForce报道了这一存储架构的重要创新。HBF在大容量和低延迟之间找到了新的平衡点，通过将3D NAND闪存与高速缓存层级进行优化整合，实现了TB级容量和接近DRAM的读写延迟。对于AI训练和推理场景而言，模型规模的指数级增长使得HBM的容量上限成为瓶颈——当前最大的HBM3E模块容量约288GB，已难以满足下一代万亿参数模型的部署需求。HBF方案的推出正是为了解决这一迫切的存储容量瓶颈。NVIDIA与Google的合作意味着HBF有望成为AI存储架构的新标准，推动整个存储产业链向更高容量、更低延迟的方向加速演进。
安森美半导体以70亿美元收购人机交互芯片设计公司Synaptics，财新网报道了这笔半导体领域的重要并购交易。Synaptics在触摸控制器、指纹识别和显示驱动等领域拥有深厚的技术积累和广泛的客户基础，其产品线覆盖手机、PC、汽车和IoT市场。安森美通过此次收购将业务从传统的功率半导体和传感器领域大幅拓展至人机交互芯片赛道，旨在打造更为多元化的产品组合。70亿美元的收购对价在当前的并购市场中属于中等规模，但对于安森美的战略转型具有里程碑意义。Synaptics的IP组合和技术团队将在安森美的产品线中发挥重要的协同效应，特别是在汽车座舱芯片和工业HMI领域。这笔交易也反映了半导体行业整合趋势的持续深化，中型芯片设计公司正成为行业巨头争夺的稀缺资产。
高通以40亿美元收购AI基础设施初创公司Modular，Yahoo财经报道了这起移动芯片巨头向AI软件栈延伸的关键战略投资。Modular的核心产品是AI编译器基础设施和运行时系统，能够将AI模型高效地部署到不同硬件平台上。对于高通而言，收购Modular的战略意义在于获得在移动端和边缘端优化AI模型部署的软件能力，使其芯片硬件优势与软件生态形成更强的绑定效应。Modular的CEO曾表示，AI硬件的价值越来越取决于其软件栈的成熟度，而非硬件参数本身。高通在移动SoC领域的硬件优势毋庸置疑，但AI软件生态的建设一直是其相对薄弱的环节。此次收购有望补齐这一关键短板，帮助高通在AI时代的移动和边缘计算竞争中建立更完整的软硬件一体化壁垒。
高通正在与字节跳动洽谈ASIC定制芯片合作，联合早报报道了这家移动芯片巨头在AI定制化芯片市场的积极探索。字节跳动作为全球最大的短视频和内容推荐平台之一，对AI推理算力的需求极为庞大，其推荐算法和内容理解模型需要大量的推理计算资源。通过委托高通定制ASIC，字节跳动有望在降低算力成本的同时获得与自身算法深度耦合的芯片架构优化。高通近年来在AI加速方面积累了丰富的技术储备，其Hexagon NPU和Adreno GPU在移动端AI推理中表现出色。向定制化ASIC方向拓展将帮助高通开拓数据中心和服务器边缘AI芯片市场，减少对智能手机单一市场的依赖。谈判若最终达成，将是高通从消费级芯片供应商向AI基础设施芯片供应商转型的重要里程碑。
高通与Meta宣布达成战略合作，高通的Dragonfly平台将为Meta的下一代AR/VR设备提供核心算力支持。Dragonfly是高通专门为扩展现实设备设计的低功耗高性能计算平台，集成了异构计算单元和专用的空间计算加速引擎。Meta在VR/AR领域的硬件布局正处于关键阶段，其Quest系列VR头显和即将推出的AR眼镜对芯片性能尤其是AI处理能力和图形渲染能力提出了极高要求。高通与Meta的战略绑定意味着Dragonfly平台将深度适配Meta的Horizon OS生态。对于高通而言，AR/VR芯片市场是其继手机、汽车之后着力打造的第三增长曲线。Meta作为全球最大的VR/AR设备厂商，其平台选择对整个行业具有风向标意义。双方的合作将加速AR/VR芯片从通用方案向专用方案的演进，推动空间计算时代的早日到来。
美光科技发布Q3财报，毛利率高达80.4%，创下公司历史最佳纪录，Chosun报道了这一存储芯片行业景气度爆棚的里程碑数据。毛利率突破80%在半导体行业极为罕见，这主要得益于HBM高带宽存储器的量价齐升——HBM3E的售价是普通DRAM的数倍，而需求依然供不应求。美光作为全球第三大DRAM厂商和主要的NAND Flash供应商，在HBM产能布局上走在行业前列。Q3财报的超预期表现进一步确认了存储芯片正处于新一轮超级周期的上升阶段。数据中心AI服务器的存储需求、手机存储容量升级以及汽车电子的存储渗透率提升叠加形成了需求的共振效应。不过80%以上的超高毛利率也引发了市场对可持续性的担忧，高利润率通常会刺激竞争对手加速扩产，供需平衡可能在12-18个月内出现变化。
文汇报发表深度报道，称存储芯片行业正经历"百年一遇"的供需失衡，供应紧张程度远超业界预期。此轮失衡的核心驱动因素来自需求端——AI服务器的HBM需求以每年超过200%的速度爆发式增长，同时传统服务器和PC的DRAM容量也在稳步提升，形成了需求的多极共振。供给端则面临三重制约：先进制程产能转换成本极高、HBM封装产能瓶颈短期内难以突破、新建晶圆厂需要2-3年周期才能投产。供需剪刀差的持续扩大推动存储芯片价格连续多个季度上涨。文汇的分析认为，此轮存储景气周期与以往最大的不同在于需求的结构性而非周期性——AI驱动的存储需求增长具备长期持续性。但对于下游终端厂商而言，存储芯片持续涨价将压缩其利润空间，部分中小企业可能被迫推迟产品更新计划。
苹果正向美国政府申请许可，寻求获准从中国DRAM厂商长鑫存储采购内存芯片，FT报道了这一可能改变全球DRAM市场格局的重大动向。若获批，这将是有史以来美国头部科技公司首次大规模采购中国大陆生产的DRAM产品。长鑫存储在DDR5和LPDDR5领域的技术水平已接近国际主流，产能和良率持续爬升。苹果此举背后的动机是深刻的供应链多元化战略——目前苹果的DRAM供应高度依赖三星和SK海力士，通过引入长鑫存储获得第三个供应源，将显著增强议价能力和供应韧性。然而地缘政治阻力巨大，美国商务部必须在技术安全与商业利益之间做出平衡。该申请的结果将成为衡量中美半导体"脱钩"政策实际弹性的重要风向标，对全球存储芯片供应链格局具有深远影响。
意法半导体宣布年内第二次上调MCU产品价格，新价格于6月28日正式执行，TrendForce跟踪报道了此轮涨价潮。涨价涉及STM32系列等多款通用型微控制器，主因包括8英寸晶圆代工成本持续攀升、封装测试产能紧张以及原材料价格上行。MCU作为工业控制、汽车电子和IoT设备的核心器件，其价格波动对下游影响广泛。此次年内二度调价释放了几个关键信号：成熟制程产能并未因先进制程繁荣而放松、8英寸产能结构性短缺仍在持续、IDM厂商正主动调整策略以修复毛利率。预计其他MCU厂商或将跟进调价，下游ODM/OEM的BOM成本控制压力进一步加大。对于中小型终端厂商而言，MCU持续涨价可能影响其新品上市节奏和成本竞争力。
功率半导体行业再现阶梯式涨价潮，各代工厂针对不同制程和产品类型分别调涨5%-20%，每日经济新闻进行了专题报道。此轮涨价的覆盖范围从IGBT、MOSFET到SiC器件几乎全线产品，涨价幅度在不同制程和客户类型之间存在显著差异。功率半导体的供需紧张根源于新能源汽车和光伏储能两大高景气赛道的强劲需求拉动——一辆电动汽车使用的功率器件数量是燃油车的3-5倍，光伏逆变器的IGBT需求也在持续攀升。供给端方面，功率半导体产能主要依赖8英寸和6英寸成熟制程，而全球8英寸产能的扩张速度极为有限，新建产线的投资回报周期较长。目前多家IDM和代工厂已在加速推进SiC和GaN第三代半导体的产能扩张，但新产能释放仍需12-18个月。短期来看，功率半导体的涨价趋势仍将持续。
资深半导体分析师Bernstein Rasgon发布重磅研报，提出全球半导体行业正进入"首个真正意义上的超级周期"的核心判断。Rasgon认为此轮周期与以往任何一轮的本质区别在于需求驱动力——过去的半导体周期均由单一终端品类驱动（PC、手机），而本轮是AI算力、汽车电子、工业自动化和物联网四大需求同步爆发，形成多极共振效应。市场规模预测方面，Rasgon预计全球半导体销售额将在2028年前达到1.3万亿美元。超级周期的持续性是市场最关心的焦点问题。Rasgon强调，关键变数在于供给端——先进封装产能、HBM供应和设备交付周期能否跟上需求的爆炸式增长。若供给扩张不及预期，超级周期或将表现为价格驱动的通胀式增长而非健康的量价齐升，届时终端用户的承受能力将受到考验。
NVIDIA创始人兼CEO黄仁勋在公开演讲中提出"AI工厂"与"Token经济"的全新概念框架。黄仁勋认为，未来的AI计算将像今天的电力一样成为一种基础设施级服务——AI工厂将大规模生产"智能Token"，按Token用量计费。在这一范式中，NVIDIA的GPU不再是单纯的芯片产品，而是AI工厂的核心生产设备，其价值将随着Token经济规模的扩张而持续增长。黄仁勋预测到本年代末，全球将建成数千座AI工厂，每年产生价值数万亿美元的Token经济。这一愿景描绘了AI芯片需求的长期结构性增长空间，但也引发了市场对AI算力泡沫的担忧——Token经济的前提是AI应用的商业化闭环能够持续打通，若下游应用的收入增速跟不上算力投入，泡沫破裂的风险不可忽视。黄仁勋的愿景能否实现有待时间和市场检验。
知名半导体投资人陈立武发表重要观点，称在AI驱动的半导体超级周期中要实现十倍回报，必须精准识别并率先突破七大产业瓶颈。这七大瓶颈包括：先进封装产能（CoWoS等）、HBM供应、EUV光刻机产能、EDA工具链、高纯度化学品与电子特气、先进衬底材料以及AI芯片设计人才。陈立武认为，上述瓶颈环节的产能扩张速度和效率将直接影响AI芯片的供给弹性和成本曲线，进而决定整个产业链的价值分配格局。投资布局方面，他建议关注在各自细分领域拥有不可替代技术和产能壁垒的公司——这些公司拥有最强的定价权和最确定的量价齐升逻辑。陈立武的框架为投资者提供了一个结构化的分析工具，但同时也强调十倍回报必然伴随极高的风险，充分的研究和精准的判断是获取超额收益的前提条件。
360创始人周鸿祎在行业论坛上提出"百亿智能体年"的概念，认为当全球AI智能体年出货量突破百亿级别时，NVIDIA在AI芯片市场的单极垄断格局将被打破。周鸿祎认为，百亿智能体的市场需求意味着AI芯片将从单一通用架构向高度多元化的专用架构演进——不同场景、不同形态的智能体需要不同规格的芯片方案。一些场景需要极致能效比的边缘AI芯片，另一些场景需要超低功耗的端侧推理芯片，还有场景需要兼顾算力与成本的中端方案。这种需求的极度多元化将为ASIC和RISC-V等新兴架构创造前所未有的市场空间。周鸿祎的观点在业界引发了广泛讨论——支持者认为AI的普及必然带来芯片的多元化趋势，怀疑论者则认为NVIDIA的CUDA生态护城河短期内难以被攻破。无论如何，这一讨论本身反映了AI芯片市场格局正处于深刻变革的前夜。
华为提出的"韬定律"先进封装理念在业界持续引发热议，搜狐进行了深度专题分析。韬定律的核心思想是在不必依赖最先进制程的前提下，通过3D堆叠、混合键合和硅桥等封装创新实现等效的AI芯片性能——本质上是以空间换制程，通过异构集成将相对成熟制程的芯片组合成高性能系统级封装。韬定律的提出背景是先进制程的获取受到越来越多出口管制的限制，而先进封装领域的约束相对较少。韬定律的可行性已在华为部分AI芯片产品中得到初步验证，但要实现大规模的商业落地，仍面临封装良率、散热密度和标准化等多重工程挑战。韬定律代表了中国半导体产业在受限环境下的一条差异化突围路径，它的成功与否将在很大程度上影响后摩尔时代全球半导体技术路线图的走向。
TrendForce在TSS2026半导体峰会上发布了与会专家达成的七大行业共识，为未来2-3年的产业发展方向提供了权威判断框架。七大共识包括：HBM供不应求格局至少持续至2027年；AI ASIC出货量将于2027年超越GPU；先进封装产能缺口在30%以上；SiC器件成本将在2027年降至与硅基器件平价；全球半导体市场规模2028年触及1万亿美元；中国半导体设备国产化率将在2028年提升至40%；共封装光学CPO市场将在明年实现翻倍增长。这七大共识涵盖了存储、逻辑、封装、材料、设备和光学互连等多个产业链环节，勾勒出了一幅清晰的行业景气路线图。七大共识中最令人关注的是ASIC出货量超越GPU的预测，若果真如此，将对整个AI芯片供应链结构产生根本性的重塑效应。
美国商务部工业与安全局发布新规，将出口管制范围扩展至中国企业的境外子公司，禁止向其直接出口AI芯片及相关制造设备，AlJazeera报道了这一管制升级的重要动向。此前美国对华芯片出口管制主要针对"实体清单"上的中国本土实体，新规将管辖范围延伸至中企在第三国（如新加坡、马来西亚、墨西哥）设立的子公司或分支机构。这一升级的根本目的在于封堵中企通过海外子公司间接获取受限芯片和设备的灰色通道。受影响企业面临供应链全面重构的挑战，亦将加速中国半导体供应链的"去美化"布局。BIS此举标志着美国对华科技管制从"点状打击"向"网状围堵"的系统性演进，中企的合规成本和供应链风险显著上升。
美国参议院拟将三项与芯片出口管制相关的法案附入年度《国防授权法案》，Punchbowl News报道了这一具有重大影响的法律推进策略。三项法案分别涉及扩大对华AI芯片出口许可审查范围、收紧EDA工具出口管控、以及建立半导体技术"推定拒绝"清单。纳入NDAA意味着这些法案将绕过常规委员会审议流程，借助国防授权法案这一必须通过的立法渠道加速成法。若三项法案全部通过，将构成自2022年10月出口管制新规以来最系统性的管制升级。NDAA通常在每年9月前完成两院协商，这意味着未来三个月是相关企业进行合规准备和政府游说的关键窗口期。对于中国半导体产业而言，这一立法动向意味着外部技术封锁的紧箍咒将进一步收紧，自主可控的紧迫性空前提高。
荷兰经济事务大臣公开表示反对MATCH法案中针对ASML对华出口的额外限制条款，The Edge Malaysia报道了荷兰政府在中美芯片博弈中的立场。MATCH法案由美国部分议员提出，旨在进一步限制荷兰向中国出口先进光刻机设备。荷兰大臣的反对立场反映了荷兰政府在企业利益与地缘政治之间的两难处境：ASML约15%的营收来自中国市场，进一步收紧出口将直接损害荷兰科技巨头的经济利益和全球竞争力。荷兰政府的表态也预示着美国在协调盟友出口管制政策方面面临的现实挑战——各国有各自的产业利益和外交考量，完全一致的管制步调难以实现。荷兰在此问题上的最终立场将对EUV和DUV光刻机对华出口的松紧程度产生直接影响，是半导体产业链各方高度关注的焦点。
中国新一批反制法规将于7月1日正式施行，凤凰网报道了此次法规升级的核心条款与潜在影响。新法规扩大了出口管制物项的覆盖范围，新增了稀土加工技术、特定半导体制造设备零部件以及先进材料制备工艺等多项受控技术。更重要的是，新规引入了更为严格的最终用户核查机制，强化了对"视同出口"（即向在华外资企业转让技术）的管控。这轮反制是中国针对美方持续升级的芯片出口管制所做出的系统性回应，标志着中美科技博弈从单向施压进入双向反制的新阶段。新法规的实施将对在华运营的外资半导体设备和技术公司产生直接合规影响，同时也将加速中国在关键材料和设备领域的进口替代进程。7月1日之后的执行力度和执法频率将是各方持续关注的焦点。