富士康FoxBrain 2.0瞄准物理AI,布局VLM与VLA
富士康正将其专有大语言模型FoxBrain扩展至视觉语言模型(VLM)和视觉语言动作模型(VLA),目标应用为智能制造、电动汽车(EV)和机器人领域。该举措与其不断增长的AI服务器和数据中心业务形成互补,同时全球竞争正日益从计算硬件延伸至AI模型与应用,且各方对主权AI的兴趣上升。原文未说明原因之外的具体动因、时间表或投资金额。
- 相关厂商
- Foxconn
- 影响评分
- 10 / 100，低影响
富士康正将其专有大语言模型FoxBrain扩展至视觉语言模型(VLM)和视觉语言动作模型(VLA),目标应用为智能制造、电动汽车(EV)和机器人领域。该举措与其不断增长的AI服务器和数据中心业务形成互补,同时全球竞争正日益从计算硬件延伸至AI模型与应用,且各方对主权AI的兴趣上升。原文未说明原因之外的具体动因、时间表或投资金额。
ChipAgents（位于圣克拉拉）宣布将其代理式AI平台扩展至数字与模拟半导体工程，推出IC-Star引擎，旨在通过可规划任务、操作工程工具并评估结果的统一系统连接碎片化的设计流程，工程师保留对需求、关键决策和最终签核的控制。据该公司称，此扩展针对的错配是：AI模型在数月内演进，而芯片开发可能需要12至18个月或更长时间，仅靠更快的代码生成无法弥合这一差距。数字能力涵盖规格分析、架构探索、RTL设计、验证、调试、覆盖率收敛以及功耗、性能和面积优化；模拟能力包括拓扑与原理图设计、仿真、行为建模、版图生成和物理验证。公司报告了超过200家半导体企业部署，并援引客户结果：Andes Technology将一个处理器验证流程从两到三个月缩短至约三周，并将一个处理器定制项目减少30%；eMemory报告数据表分析和验证测试平台构建的工程工作量减少约80%，测试模式增加18%，功能覆盖率提升5%；WhaleChip将根因分析从数天缩短至每轮约15至60分钟，并发现四个关键缺陷。这些数字均为公司自报示例，新闻稿未提供独立评估或足够的方法细节以说明结果的适用范围；公告未确立端到端的自主芯片开发。公司称该平台可与现有EDA基础设施配合使用并支持本地部署学习。一场定于10月29日的技术网络研讨会将提供进一步考察的机会。
General Micro Systems (GMS) 今日发布其 MOSA 兼容的智能外围 Expansion™ 模块，这是一系列雷电™ 使能的子系统。
据10月19日消息，奇瑞计划于10月20日在芜湖举办以“Change·改变”为主题的2026奇瑞全球创新大会，届时将发布首个汽车行业垂域大模型，并展示专为物理AI世界模型设计的车规级芯片作为底层硬件。大会期间，墨甲首款消费级家庭陪伴人形机器人“墨宝”计划全球首发并开启全球预订，奇瑞智慧农机产品矩阵也将公开亮相。出行与能源领域方面，原生前装Robotaxi将亮相，奇瑞将全球首发交流V2G技术和快充技术；10月16日，奇瑞与国家电网举行战略签约仪式，正式开启首个车网互联V2G规模化运营场站的建设。
Keysight Technologies Inc(美国加州Santa Rosa,通过其英国Winnersh办公室)与格拉斯哥大学、英国Teddington的国家物理实验室(NPL)以及总部位于台湾的MPI Corp合作,开发了一种针对下一代亚太赫兹(sub-THz)半导体器件的宽带表征新方法。这些机构共同演示了对磷化铟高电子迁移率晶体管(InP HEMT)在单次扫描中从近直流到250GHz的连续在片表征,简化了先进半导体研发中的宽带测量。
背景性文章（系列上篇）回顾台积电成功的渊源：其现代成功可追溯至美国国防高级研究计划局（DARPA）发出的一项公开征集，寻求能够突破25nm物理极限的创新设计。时任加州大学伯克利分校教授的胡正明（Chenming (Calvin) Hu）是响应者之一，他后来于2001年成为台积电首任首席技术官。文章未涉及任何价格、产能、库存或供需现状信息，原文未说明原因（无具体事件原因）。
日本理化学研究所（RIKEN）及其合作团队在硅自旋量子比特并行控制方面取得实验进展，相关研究于2026年10月15日发表于《自然·物理》（Nature Physics），论文题为《硅自旋量子比特阵列中的高保真度单量子比特门并行操作》。研究团队使用包含五个硅自旋量子比特的实验装置，通过一条共享微波控制线路进行控制：经优化的器件设计和精细校准后，五个量子比特分别单独进行单量子比特操作时量子门保真度均超过99.99%，其中最好者接近99.999%；在最多三个量子比特同时操作时保真度维持在99.99%以上；五个量子比特全部同时运行时保真度约为99.9%。研究人员发现，并行操作时精度下降的一个重要原因是微波信号引起的量子态相位偏移，即交流斯塔克位移（AC Stark shift），并开发了基于量子比特两两校准的方案来补偿部分误差；剩余误差的一项重要来源被团队认为是驱动诱导退相干（drive-induced decoherence），仅靠相位补偿无法完全解决。研究人员指出，该实验仅在五个量子比特装置上验证，并不意味着已构建实用规模的量子计算机；该成果被视为利用现有半导体制造技术构建更大规模硅基量子处理器的重要一步，长期目标是实现基于硅自旋量子比特的容错量子计算机。
快科技10月19日消息，Intel下代Nova Lake-HX与Nova Lake-H移动处理器的封装布局近日首次曝光，信息来自Moore's Law Is Dead公布的裸片图片。据披露，Nova Lake-HX采用6芯片堆叠封装，核心配置为8个P核+16个E核+4个LPE核共28核，封装尺寸12×30mm，面积约360mm²；其中计算模块面积约104mm²，采用台积电N2P工艺，承载全部8P+16E共24个核心；图形模块采用Intel 3-E工艺，集成4个Xe核心，面积约26mm²；SoC枢纽模块和外围控制模块均采用Intel 18A-P工艺，面积分别为72mm²和58mm²，SoC枢纽模块承载4个LPE核；另有两颗被动填充模块，面积分别为21mm²和85mm²，用于物理支撑和散热均衡。Nova Lake-H的图形、SoC枢纽和外围控制模块与HX版完全相同，差异在计算模块和被动模块：H版计算模块面积缩至55mm²，承载4P+8E共12核，被动模块缩减至45mm²，封装尺寸12×23mm，面积约276mm²，比HX版短7mm。MLID还提到测量值与真实值误差在5%以内，且修改了数值以保护消息源；此外12 Xe配置将使用一个占据图形模块和相邻填充模块空间的单一芯片。该信息为第三方爆料，原文未说明产品发布时间。
据快科技10月19日报道，美光正在推进面向物理AI的专用存储芯片——边缘推理内存（Edge Inference Memory，EIM）的研发。美光高管表示，自动驾驶、人形机器人、增强现实与虚拟现实等物理AI市场正在迅速崛起，公司正与核心客户沟通共同推进适配产品研发。EIM的架构是在逻辑芯片之上垂直堆叠低功耗内存（LPDDR），与存内计算（PIM）属于不同概念，EIM的具体计算架构目前尚未公开；EIM介于AI处理器与内存之间，主要用于降低数据处理延迟并提高系统带宽。美光尚未披露具体目标性能指标，正在推进将EIM集成至LPDDR6方案的技术研发，业内预计其量产时间将在2028年下半年（为业内预计，非美光官方确认）。现阶段人形机器人主要采用LPDDR等低功耗内存而非HBM；美光表示目前机器人AI模型参数量多在十亿至二十亿左右，对内存带宽需求有限，随着更强的视觉语言模型引入，仅凭LPDDR将难以为继，必然会向HBM架构演进。原文未说明价格或供给影响。
巴克莱最新报告预测，全球（不含中国）数据中心新增容量的同比增速将从2026年逾100%大幅回落至2027年的约35%，2028年可能趋于平稳（此为预测，非已实现数据）。报告预计2027年全球（不含中国）新增投运容量约25GW，其中超大规模云服务商占比超过60%；建模时保守假设非超大规模项目管道的实际转化率仅约40%，理由是土地、电力接入及供应链等物理瓶颈。报告同时警告债务成本上升与融资环境收紧对开发商构成额外压力，并提及CoreWeave正在进行的投资者融资讨论为佐证；CoreWeave计划在2030年前新增5GW数据中心容量，其融资进展受市场关注。巴克莱认为2027年后增速放缓的核心逻辑是物理约束与资本约束共同作用，并建议超配半导体、低压电气及冷却设备，对电力设备及中压电气持相对谨慎态度。
美光正在开发面向人形机器人的内存架构，加入三星电子和SK海力士的行列，共同瞄准必须处理传感器数据同时受电池功耗限制的物理AI系统。三家公司在为机器人和自动驾驶汽车追求内存设计与存储产品。文中未说明具体时间、投资规模或量产时间表，该开发属于进行中/计划中的研发事项，尚无落地或出货的确认信息。
美光正在为物理AI应用开发边缘推理内存（EIM），该内存通过将低功耗DRAM堆叠在逻辑芯片上以提高数据处理效率，预计将在2028年下半年实现量产。
华为科学家黄宇在2026年10月15日的湾区芯片博览会上表示，EDA工具是Tau（τ）定律面临的最大挑战。华为于2026年5月25日在ISCAS 2026正式提出Tau定律，并在2026年10月发布搭载基于LogicFolding技术的Kirin 9050 Pro芯片的Mate 90系列，标志该理论从概念走向商用。
据SPIE Digital Library的技术分析，常规极紫外（EUV）光刻使用13.5纳米波长、通过反射光学系统配合定制光掩模，虽能以高产能打印极小特征，但每个新设计都需要昂贵的掩模组。无掩模EUV光刻提出不将图形存储在物理掩模上，而是使用可编程阵列或其他快速可寻址光学元件，将数字图形直接写入晶圆，从而避开电子束光刻串行逐点写入的速度瓶颈，缩短设计迭代周期并降低小批量生产的固定成本。文章指出该技术并非对EUV扫描仪或电子束工具的简单替代：EUV辐射被大多数材料强吸收，系统需在真空和专用反射光学下运行；可编程图形发生器需在EUV曝光下保持纳米级定位精度、控制热量与污染并避免缺陷；光刻胶在极小尺寸下的随机变异以及海量图形文件的实时处理也是挑战。首批成功应用可能是有选择性的，如快速原型、小批量先进器件、研究、掩模修复或特定关键层，而非全面取代大规模量产光刻。此内容为技术背景分析，不涉及具体厂商、产量、价格或订单数据。
快科技10月18日消息，海外用户DallasGrave继为RTX 5090加装两个8pin接口分担16pin原装接口负载后，推出全新设计，在PCB上焊接四个8pin接口，可完全脱离原装16pin接口独立供电；新PCB直接焊接在显卡供电触点上，可与原有12V-2x6接口并联使用，也可完全独立运行。DallasGrave表示设计采用保险丝连接和等长PCB走线分配电流，600W负载下每根导线电流约4.1至4.4A，相比标准16pin接口几乎减半；该方案已在分流改装的显卡上测试至800W，PCB温度达到45°C。原文指出，RTX 5090自发售以来12V-2x6接口熔毁事故反复出现，主要原因是显卡功耗高达575W，逼近接口600W理论上限，未完全插紧或极端负载下容易过热熔毁。DallasGrave正在为多款显卡设计适配版本，团队还在开发可选的主动监控模块和定制背板；改装计划通过邮寄服务提供，12月还将在拉斯维加斯开设实体店提供当日安装。DallasGrave还承认，原计划出售预改装RTX 5090的方案已行不通，因为库存预计即将售罄。
日本半导体公司瑞萨(Renesas)正在加速拓展物理AI市场，近期在其用户体验(UX)组织内成立了专门的物理AI团队，为人形机器人开发提供所需的半导体和解决方案。瑞萨总监梁泰永(Yang Tae-young)于10月16日在首尔COEX举行的SEDEX半导体展会期间的"Semiconductors Powering Humanoids"会议上作出上述表示。瑞萨于2024年下半年建立UX组织，该全球组织覆盖包括日本在内的所有市场，由物理AI、市场营销和技术战略三个团队组成，共有403名员工，其中物理AI团队超过108人。物理AI团队提供全面的机器人开发服务，包括工程支持和系统架构实现，产品涵盖微控制器(MCU)、微处理器(MPU)、电机控制半导体和传感器。瑞萨已在中国北京建立实验室，与当地人形机器人公司共同开发解决方案并开发自主技术。其开发工具包括配备两个64位内核、可用于自主移动机器人(AMR)的MPU。瑞萨同时为机器人领域扩展半导体产品组合，供应机器人关节电机控制产品和工业网络通信设备；人形机器人占这些产品收入的8%，且该份额每年增长超过一倍，其中中国需求尤为强劲。公司还在为人形机器人应用缩小半导体封装尺寸，部分机器人关节采用双MCU以在故障时维持安全运行。
Micron副总裁Lee Cheol于10月16日在首尔COEX举行的SEDEX 2026“Semiconductors Powering Humanoids”会议上表示，Micron正为物理AI应用准备边缘推理内存（EIM），并与主要客户讨论开发适合自动驾驶、人形机器人、AR/VR等新兴市场的产品。EIM定位于AI芯片与内存之间，用于降低数据处理延迟并提升带宽；其将LPDDR堆叠在逻辑裸片之上，与PIM不同，EIM的计算架构尚未公开，Micron也未披露具体性能目标。该公司正在开发将EIM应用于LPDDR6的方法，业界观察人士预期2028年下半年量产。Micron指出，当前机器人AI模型约使用10亿至20亿参数，内存带宽要求不高，但随着更先进的视觉-语言模型（VLM）出现，仅靠LPDDR将不足，需要转向HBM。Micron预计未来高性能人形机器人将需要约200GB DRAM和4TB存储，而目前服务机器人使用12GB DRAM和256GB存储。该公司称正从早期设计阶段与机器人制造商、芯片组公司及超大规模云厂商合作。
英特尔副总裁赵敏成（Cho Min-sung）于10月16日在首尔三成洞COEX举行的"Semiconductors Powering Humanoids"会议上介绍，公司计划于2028年推出面向机器人应用的SoC产品Razor Lake AX，目标性能约为700 TOPS；其现有基于Panther Lake的机器人开发工具理论上可提供180 TOPS，下一代Nova Lake计划于明年初推出。文中提到，英伟达面向机器人设计的SoC Jetson AGX Orin的性能约为275 TOPS。赵敏成还表示，韩国国内客户计划明年开始量产自主移动机器人（AMR），多数以2028年为目标推出人形机器人，这也解释了Razor Lake AX计划于2028年推出。英特尔拟通过Core Ultra Series 3机器人计算平台（集成CPU、NPU和GPU）支持工业机械臂、AMR和人形机器人等多种应用，并提供Robinson Bay软硬件开发平台及OpenVINO、Physical AI Studio、Robotics AI Suite等软件工具。以上产品推出均为计划，尚未落地。
据韩国媒体The Elec报道，美光正与主要客户讨论面向物理AI的新型内存产品，开发名为"边缘推理内存"（EIM）的方案，重点应用包括人形机器人、自主驾驶以及AR、VR设备。美光高管李哲在SEDEX 2026相关活动上表示，物理AI市场正快速发展，公司正与客户推进适配新市场的产品开发。EIM的设想是在逻辑裸片上堆叠低功耗LPDDR，目标与HBM类似但更注重降低功耗，适合电池供电的机器人；EIM不同于PIM，其具体计算结构、容量、带宽、延迟、功耗或性能目标均未公布。报道称美光正研究将EIM与LPDDR6结合，业界预期量产时间可能在2028年下半年，但这是产业界预测，并非美光公布的正式量产承诺。美光估算目前机器人使用的AI模型约有10亿至20亿个参数，现有LPDDR仍可满足不少需求；美光预计未来高性能人形机器人可能需要约200GB DRAM和4TB存储，而目前工厂服务型机器人常见配置约为12GB DRAM和256GB存储，这些是估算不代表所有在售机器人配置。美光认为未来机器人或许会采用HBM，但需考虑功耗、散热和空间；EIM若能以较低功耗提升传输效率，可能成为LPDDR与HBM之间的新选择。在规格、功耗和实际产品公布前，EIM能否满足下一代机器人需求仍有待验证。
英特尔高级副总裁 Cho Min-sung 在韩国首尔三成洞举行的“半导体驱动人形机器人”研讨会上确认，下一代 Razor Lake-AX 系统级芯片计划于 2028 年推出，AI 算力目标为 700 TOPS，约为现有 Panther Lake 平台的 3.88 倍。他表示英特尔计划在明年率先推出下一代 Nova Lake 并实现 700 TOPS 级别性能，随后于 2028 年通过 Razor Lake-AX 达成这一目标；报道指出 Razor Lake-AX 将是重点承载该算力水平的产品。与现有 Panther Lake “Core Series 3” 芯片的 180 TOPS 相比，700 TOPS 约为其 3.88 倍；英特尔还将其与英伟达 AI 算力为 275 TOPS 的 Jetson AGX Orin 平台对比，Razor Lake-AX 约为其 2.5 倍。报道认为 Razor Lake-AX 更接近 AMD Ryzen Halo 一类的集成式高性能平台，预计配备更多核心、更大规模 GPU 和更强内存能力，主要面向高端设备，目标市场之一是面向机器人、自动化设备的“物理 AI”；由于 AI 工作负载对大容量高带宽内存依赖显著，预计将采用统一的大容量内存池，并可能重新引入曾在 Lunar Lake “Core Series 2” 平台上使用的 MoP（Memory on Package）封装内内存设计。报道同时提到英伟达近期更新 Jetson 产品线，主流型号 AI 算力覆盖 160 至 275 TOPS，Jetson Thor T2000 平台提供约 400 TFLOPS 的 FP4 AI 算力、T3000 达到 865 TFLOPS，功耗分别约为 40W 和 70W，配备 8GB 至最高 64GB 显存，用于说明 Razor Lake-AX 未来面临的竞争环境。上述均为计划中的路线图信息，尚未实现。
爆款新品里，到底装了谁的芯片？拆开，一颗一颗给你看。
全部拆解| Analog | $0.68 | −5.9% |
|---|---|---|
| 连接器 | $0.75 | +0.2% |
| CPU | $386.74 | −21.3% |
| DDR4 | $88.40 | −0.2% |
| DDR52026-W13 | $14.89 | −11.2% |
| GPU | $478.20 | +8.2% |
| MCU | $0.68 | −61.7%异常波动 |
| MLCC | $0.01 | +54.0%异常波动 |
| MOSFET | $0.12 | −82.8%异常波动 |
| PMIC2026-W13 | $0.44 | −12.5% |
| SSD/HDD | $288.43 | 暂无 |