4月23-25日，2025九峰山论坛（JFSC）暨化合物半导体产业博览会（CSE）（以下简称“九峰山论坛”）在中国·武汉光谷科技会展中心盛大召开。会议汇聚两院院士、行业领袖、企业代表、专业观众等，聚焦第三代半导体材料、光电子技术、功率电子、异质集成等前沿领域，其中人工智能（AI）作为核心驱动力，贯穿多个技术分支。
会上，多位专家达成共识，AI正以前所未有的速度推动半导体各个细分领域市场的发展。正如长安汽车智能化研究院副总理、长安全球智能网联汽车测试中心主任易纲在会上提到：“所有的产品都值得用数智技术再做一遍”。
半导体材料与器件的研发与生产是芯片制造的核心基础，AI技术正在重塑这一领域的创新范式。而关键材料与器件的突破又为AI硬件提供性能跃迁的物理基础。华中科技大学集成电路学院院长、国家集成电路产教融合创新平台主任缪向水在九峰山论坛报告中表示，AI算力需求增长远超摩尔定律预期，给信息计算力、网络运载力和数据存储力等提出了更高的要求。摩尔定律即将结束，器件尺寸已经趋于物理极限，功耗散热问题十分显著，仅仅依靠尺寸微缩等继续提升性能不可能，需要一些新原理的基础器件。
目前面向AI的半导体材料现状呈现出传统材料与新兴材料并行的格局。硅（Si）仍是AI芯片（如CPU、GPU、ASIC）的主流材料，依托成熟的CMOS工艺，但在5nm以下节点遭遇物理极限（如短沟道效应、量子隧穿）；第三代半导体如碳化硅（SiC）、氮化镓（GaN）等主要用于AI基础设施（如数据中心电源管理、5G基站），虽然可提升能效比，但成本高，晶圆缺陷率较高，暂未直接用于AI逻辑芯片。而一些新兴材料（光子/量子材料、2D材料与存内计算技术等）或能突破性能瓶颈，解决材料问题。
缪向水在九峰山论坛上详细介绍了硫系化合物相变材料（以化合物半导体材料为基础的一个非晶晶态的相变过程）。他表示，在高密度存储方向，硫系化合物相变材料凭借其优异的热稳定性与低损耗特性，有望突破三维堆叠与多态存储的瓶颈。在全光计算领域，其更是实现片上光计算与类脑信息处理的关键材料候选。
华中科技大学集成电路学院院长、国家集成电路产教融合创新平台主任缪向水
此外，九峰山实验室主任工程师权志恒提出，通过异质集成将新材料、薄膜 chiplet 融入硅基光电子平台，可充分发挥不同半导体及功能材料的特性，构建高性能光电子器件与新型集成芯片系统，满足高速光通信和AI计算等领域对大带宽、低功耗的功能需求。
目前，第三代半导体如碳化硅（SiC）、氮化镓（GaN）等虽暂未直接用于AI逻辑芯片，但在某些方面也可以间接推动AI的发展方向。山西烁科晶体有限公司总经理、中电科半导体材料有限公司副总经理李斌指出，国内SiC企业在8英寸到12英寸衬底技术迭代中进展迅猛，SiC材料因在光波导应用中的独特性能，伴随单位面积制造成本持续下降。AI眼镜作为一个热点，是下一步第三代半导体SiC在功率、射频之外的第三个重要的发展方向，有望推动相关细分市场快速落地。英诺赛科CEO吴金刚则表示，由于性能和价格的优势，预计GaN功率半导体市场将呈指数级增长。而人工智能对于电力的需求十分巨大，如果不解决用电问题，到2030年将无电可用。而GaN可以在体积不变或者体积尽量小的情况下，解决大量的供电问题。
山西烁科晶体有限公司总经理、中电科半导体材料有限公司副总经理李斌
英诺赛科公司首席执行官吴金刚
EDA作为集成电路设计的核心工具链，直接影响芯片设计的效率、成本和性能。AI技术的引入，可大幅提升了EDA工具的数据处理能力与设计优化效率，还可推动设计流程的自动化和智能化。AI作为新兴事物，尚未建立明显壁垒，EDA产业所迎来的AI等技术变革，为国内EDA头部厂商向全球突围提供了追赶巨头的另一赛道。
目前，全球EDA市场呈现出“海外巨头主导、国内加速追赶”的局势。以Synopsys（新思科技）、Cadence（楷登电子）、Siemens EDA（原Mentor Graphics）为代表的海外三大巨头合计占全球EDA市场约75%（2023年数据），而中国占全球半导体消费40%以上，EDA国产化率却不足10%（2023年）。
北京华大九天科技股份有限公司EDA中心总经理董森华在九峰山论坛上也指出，“目前中国EDA国产化率，或者说国产类EDA工具占整个中国EDA的比例大约在15%-16%，也就是有大约80%以上的EDA软件供应还是来自国外三大巨头”。这样的一个现状极其容易受到国外的遏制与打压。
2024年，新思科技宣布其计划收购工程仿真软件公司Ansys，打造从芯片到系统的设计解决方案。华大九天也紧跟市场及技术发展趋势，全面布局云计算、AI技术及数字孪生与EDA深度融合。董森华表示，“从2018年至2019年，中国EDA公司数量已从不到20家增长到超过100家”，行业快速发展并在多个领域取得重大突破。“现在中国的EDA产品已基本能够支撑化合物半导体的重要领域”，如射频微波系统等，但要实现全面国产化替代，还需经历市场导入和规模化批量替换的过程。在这个过程中，核心技术和市场需求的协同配合至关重要。
芯和半导体科技(上海)股份有限公司创始人、总裁代文亮认为，随着AI大模型的复杂度和参数量不断增加，导致对算力的需求爆发式上升。EDA赋能加速A1高性能计算芯片设计，尤其后摩尔时代，Chiplet成为突破先进工艺瓶颈的重要方向，Die-to-Die 高密高速互连的设计仿真非常关键，EDA 可解决系统级和大规模互连结构的信号/电源完整性问题。同时，EDA 协同大模型能力将有效提高AI芯片设计流程效率。在九峰山论坛上，他提出的 “EDA + Deepseek 提效AI芯片高速接口设计仿真”，创新性地将EDA工具与Deepseek技术（AI技术）相结合，加速AI芯片产品的开发与上市。
华中科技大学教授王兴晟研究的“半导体器件建模仿真的智能化方法”，以及西安电子科技大学教授游海龙的“数据驱动的半导体器件智能建模方法”，均致力于将AI技术融入半导体器件建模过程。传统的半导体器件建模依赖大量人工经验和复杂公式推导，效率较低且准确性有限。而这些智能化建模方法，借助AI算法对大量器件数据进行学习和分析，能够更准确地建立器件模型。以数据驱动的建模方法为例，通过对海量实际器件数据的挖掘，可自动提取关键特征，构建更贴合实际情况的模型，为EDA设计提供更精准的器件参数，提高设计可靠性。
东南大学李胜的“GaN功率HEMT器件SPICE模型研究”，以及湖北九峰山实验室研究员郭涛的“射频氮化镓器件建模及PDK技术”，专注于特定半导体器件的建模研究。对于GaN功率 HEMT器件和射频氮化镓器件，准确的建模是其在电路设计中正确应用的基础。利用AI技术，能够更精确地模拟这些器件的电学特性，考虑到更多实际因素对器件性能的影响。这不仅有助于EDA工具在电路设计中更好地优化器件布局和参数设置，还能提高整个电路系统的性能和可靠性。
近年来，随着人工智能、物联网等新兴技术的快速发展，半导体设备行业迎来了新的发展机遇，市场规模持续扩大。目前，全球半导体制造/检测设备仍以美国、日本、欧洲为主导。尤其是光刻机方面，ASML（荷兰）垄断EUV光刻机（7nm以下制程），日本尼康、佳能则主导中低端DUV设备。国内还处于快速追赶、关键环节依赖进口的阶段。在地缘政治的背景下，美国对华技术封锁，切断了半导体设备、EDA工具等关键技术的供应，对中国计算机与通信设备行业造成显著冲击，但同时倒逼国产替代加速与全球布局优化，中国本土企业在成熟制程设备领域逐步突破。
在近期3月的上海国际行业展会上，一家深圳晶片设备商新凯来（SiCarrier Technologies）成为全场焦点，该公司首次公开展示了涵盖光刻、薄膜沉积、蚀刻等核心制程的30余款自主设备，其中28nm级300毫米晶圆光刻技术更引发全球半导体产业的高度关注。由此，从短期看来，美国技术封锁将延缓中国先进制程发展，中国企业将面临高压，但正如英诺天使基金管理合伙人周全在九峰山论坛上所说，目前半导体材料、设计、信息部件、装备、量测设备等呈现“短期利空，长期利好”。北京华大九天科技董森华也指出，“目前是一个最坏的时代，也是一个最好的时代”。应对封锁困境，提高半导体设备国产化自主供给水平至关重要。
AI技术已进入“工业化应用”阶段，大模型成为核心基础设施，中美欧在技术、市场、监管上呈现差异化竞争，未来5-10年可能决定全球AI主导权。紧跟行业趋势，是实现国产化替代过程的必由之路。目前，芯片制造对于检测精度的要求极高，人工目检无法满足质检要求，整个制造过程几乎完全要依赖机器视觉。在检测领域，AI可助力半导体材料与器件检测实现智能化、精准化；在装备领域，AI可推动化合物半导体制造装备向高效、智能发展。台积电是AI技术应用的集大成者，通过人工智能技术的应用推动其由“自动化晶圆厂”向“智能化晶圆厂”转型。刻蚀设备供应商Lam公司的Equipment Intelligence（设备智能）解决方案，能够将数据化建模、虚拟化和人工智能(AI)融入到设计、开发、采购、构建和支持系统与工艺的每一个环节。
近期举行的九峰山论坛上，Evatec高级战略营销经理兼副总裁Maurus Tschirky介绍了Clusterline 200系列设备，凭借其多平台兼容性（200mm/300mm/600mm晶圆）、自动化晶圆传输系统及卓越的颗粒控制能力，可显著提升生产效率与良率，尤其适用于Mini/Micro LED、AI芯片等高精度制造场景。上海先普气体技术有限公司仪器仪表和电磁测量技术专家罗毅表示，气体浓度仪在半导体行业中有着广泛的应用，尤其是在 MOCVD 和 ALD (ALCVD) 设备上。先普浓度仪数据总线接口丰富，可与众多设备进行数据传输通讯，满足半导体行业的技术指标要求。若借助AI算法对源浓度数据进行深度分析，可实现更精准的浓度控制。AI 能快速处理复杂数据，及时反馈浓度变化，优化外延生长工艺，提高化合物半导体外延层质量，增强器件性能。
Evatec高级战略营销经理兼副总裁Maurus Tschirky
类脑计算使机器能够以大脑启发的方式实现人类的各种认知能力和协调机制，最终达到或超过人类的智能水平。目前，类脑计算涵盖神经形态计算、超维计算、储层计算和内存计算等多个子领域。近年来，随着AI技术的发展，实时数据呈现爆炸式增长，对处理器芯片的运算能力提出了新的挑战。类脑计算可用于解决人工智能技术的当前局限性。
忆阻器技术方面，复旦大学张续猛老师在近期九峰山论坛上介绍了其课题组近期的探索工作，包括构建忆阻H-H神经元电路，实现24种脉冲编码方式，打破了传统CMOS电路高仿生-轻量化瓶颈；耦合铁电和电荷俘获机制，制备长短时程融合突触器件与阵列，利用其时空加权能力，实现了轨迹预测与运动目标脑补等。北京大学信息工程学院副院长、科学智能学院副院长杨玉超表示，其项目组研发出了一种可支持多种工作模式的忆阻器，并将其与光晶体管进行集成，构建了一个具有可重构特性的视觉感存算一体化集成阵列MP1R与硬件系统，这种系统不仅能够实时感知和处理图像，还能够通过新型硬件支持多种神经网络算法，克服现有视觉感知硬件在光图像信息处理和编码功能上的不足。
硬件-算法协同优化方面，之江实验室时拓提出通过算法优化（如稀疏计算、脉冲神经网络）与忆阻器硬件协同设计，降低AI计算能耗。湖北工业大学赵斌则认为，借鉴生物神经网络结构，设计新型类脑芯片架构，提升AI模型的泛化能力。
一场前所未有的技术风暴正在席卷全球，AI算力革命引爆了半导体行业的变革浪潮！曾经，半导体行业在摩尔定律的轨道上一路狂奔，但如今，它正被AI等新兴技术的巨浪推到了一个全新的十字路口——从“摩尔定律驱动”向“应用需求驱动”的惊险一跃！
在这场惊心动魄的变革中，芯片设计领域首当其冲，一场从通用走向领域专用（DSA）的革命正在如火如荼地展开。通用芯片的时代即将落幕，取而代之的是一颗颗为特定应用量身定制的“超级芯片”，它们将如同一把把锋利的手术刀，精准地解决各种复杂问题，彻底颠覆我们对芯片的认知！
制造与封装环节也迎来了翻天覆地的变化。3D集成技术如同一位神奇的魔术师，突破了传统物理限制的枷锁，将芯片的性能和集成度推向了一个全新的高度。曾经被认为不可能实现的微型化和高性能化，如今正在一步步变为现实，为半导体行业注入了新的活力和希望。
而技术融合的浪潮更是汹涌澎湃，光子、量子、生物芯片等新兴技术如同一颗颗璀璨的新星，正在冉冉升起，它们有可能彻底颠覆传统架构，为半导体行业带来一场前所未有的大洗牌。这是一场关乎未来的生死之战，半导体企业必须迎接AI等技术变革的挑战，紧紧抓住AI带来的“超异构计算”机遇，在材料、架构、封装等全链条实现颠覆性创新，才能在这场激烈的竞争中实现“突围”，赢得属于自己的辉煌未来！
