在大国博弈的背景下，各国都将国家意志和战略意图嵌入到具体的产业政策中，而工业半导体是这一战略意图的核心载体。

文｜邓洲

ID | BMR2004

进入2026年，业界普遍认为“物理AI”正从概念走向落地，“物理AI”的时代已经到来。

在过去相当长一段时间里，信息技术的发展和应用都以虚拟世界为主要战场，例如过去20余年快速发展的电子商务、社交网络、短视频，以及近期火热的AIGC广泛应用于工业和商业领域形成的商务信息系统等。甚至智能手机等其他智能设备，表面上看是实物产品，但真正带动智能设备普及和发展的，仍然是以设备为载体的虚拟数字世界应用生态。

区别于虚拟世界的应用生态，AI技术的应用进入物理世界，将推动半导体产业更快增长，其逻辑在于：相对于AI在虚拟世界的应用，在物理世界（特别是在工业场景中）的应用需要部署大量硬件设备以实现AI与物理世界的联通，例如大量传感器、专用芯片、算力设施等，这些都会引发对半导体的刚性需求。这将构成半导体产业在AI新发展阶段的巨大市场增量。

01

“多极协同、局部竞争”的发展格局

受大国博弈的影响，全球集成电路竞争格局将从 “全球化分工”走向“区域化+多中心”。

AI要在现实世界，即物理世界得到充分应用，就必须具备感知和理解物理世界，与物理世界主体（主要是人类本身）交互，并在规定范围内操作和改变物理世界的能力，这些能力在制造工厂中的具体体现是智能化的机器人和机器设备。

今年7月以来，英伟达CEO黄仁勋密集访日，与丰田、发那科、安川电机、川崎重工等工业巨头达成全面合作，传递出一个信息：作为AI算力供应商的美国和作为工业应用方的日本，正在试图绕开全球最大工业经济体中国，构建一套独立于现有全球供应链的工业AI生态体系。这种“美日联手”的模式，如果成功，将意味着工业半导体领域的技术标准、数据接口和软件生态可能出现分化，即以美国AI算力为核心、日本工业应用为场景的封闭生态，与中国以应用为核心的开放生态并行。

中国社会科学院国家经济发展与经济风险研究中心主任、副研究员邓洲

对全球而言，在新科技革命和产业变革中形成两条工业智能化升级路线并不是一件好事。这意味着更高的研发成本、更复杂的供应链管理，以及更碎片化的技术标准，最终可能拖慢全球工业数字化转型的整体效率。但是，“效率优先”让位于“安全优先”已经是当前各国产业战略选择的一条基本思路，对长期统一标准和高效率的追求不会成为短期博弈中的首要考量。

在大国博弈的背景下，各国都将国家意志和战略意图嵌入到具体的产业政策中，而工业半导体是这一战略意图的核心载体。

从今年日本公布的650亿美元物理AI计划，到此前美国的《芯片与科学法案》、欧盟的《芯片法案》、中国的产业扶持政策等，各国正在全面发力半导体产业。

美国仍然是智能经济生态的主导者，握有GPU、AI框架和高端EDA工具，优势在于定义标准和引领架构创新，但其制造环节高度依赖台积电等亚洲代工厂，导致供应链存在结构性脆弱；日本是材料和设备领域的隐形冠军，在机器人、功率半导体、车规级芯片领域底蕴深厚，正试图通过主权AI计划重振制造业话语权；欧洲在汽车芯片、工业MCU和功率半导体领域拥有英飞凌、意法半导体等巨头，但在先进制程和AI芯片领域存在明显短板，正通过《欧洲芯片法案》加速追赶；韩国在存储芯片方面占据全球主导地位，但在先进逻辑芯片和AI加速器领域仍依赖外部代工。

相较之下，中国的优势是拥有全球最大的工业应用市场、最完整的产业链配套，以及极强的国产替代驱动力，在成熟制程的工业芯片设计和制造上具备成本和服务优势。但同时，在高端AI算力芯片、先进制程代工、HBM堆叠封装以及部分EDA工具和半导体材料领域仍依赖进口或受制于欧美日韩的出口管制。

国家与国家之间的科技和产业竞争，是一把双刃剑。从积极方面看，各国加大投入将加速技术迭代，推动工业的智能化转型；从消极的方面看，若缺乏协调机制，可能导致重复建设与产能过剩，尤其是在成熟制程领域，这对中国而言可能加剧“内卷式”竞争。此外，支持政策的集中实施可能干扰市场信号，导致资源向低效率领域集中，造成一定程度的资源错配。

必须明确的是，唯有各国合作，才能推动人工智能技术和产业的健康发展，全球几乎没有任何国家或地区能够提供人工智能技术和产业发展所需的全部要素资源。即便能做到，也必然要承担高昂的成本和效率损失。因此，在工业半导体领域，未来的全球版图更可能呈现“多极协同、局部竞争”的格局。

但也必须要认识到，贸易规则变化和地缘政治博弈使国家间符合市场规律、能够带来最大福祉的合作关系并不稳固，在各大国都在强调供应链自主可控的背景下，必须在效率与安全之间找到新的平衡，而这首先要看清“实力分化”的现实和未来趋势。

受大国博弈的影响，全球集成电路竞争格局将从“全球化分工”走向“区域化+多中心”。各国均会强化本土供应链安全，在博弈中形成中、美、欧、日、韩并存且相互竞争的“多极”体系。

02

工业环节的价值将如何重新分配

要在工业芯片市场的竞争中脱颖而出，关键在于能否精准理解工业场景的真实痛点，并围绕这些痛点构建高效的软硬件协同方案。

AI的推广和普及会对半导体产业链产生深远影响，推动价值链各环节的价值重新分配：

首先，芯片设计端的价值创造会更加集中。英伟达等公司凭借AI架构（如GPU、DPU）占据价值链顶端，其高研发投入通过高收入得以兑现，而中小型设计公司则面临更大的生存压力，要么转向细分领域（如边缘AI芯片），要么被巨头收购整合。

其次，晶圆制造的价值会被重新分配。先进制程产能成为战略稀缺资源，代工价格持续上涨，制造环节可能从“代工”的从属地位变为“核心产能提供方”，获得更强的议价能力。相比之下，成熟制程的产能虽然仍占据较大份额，但价值增长相对有限，更多依赖规模效应和成本控制。

再次，封装环节的价值将显著提升。HBM和Chiplet（小芯片）技术成为突破“存储墙”和“功耗墙”的关键，封装环节的系统级价值显著提升，甚至被视为新的“卡脖子”环节。对于中国而言，封装技术的自主可控能力将直接决定AI芯片的整体性能与成本竞争力，可能成为在先进制程受阻情况下实现突破的重要路径选择。先进封装不再只是“后道工序”，而是决定芯片性能上限的关键环节。

最后，EDA与工业软件的价值会被重塑。AI正被用于优化EDA工具本身（AI辅助设计），同时物理AI对仿真、数字孪生软件的需求快速增长，这会改变软件技术进步的规律和节奏，创造新的价值增长点。

进一步看，HBM和先进封装很可能成为新的核心瓶颈环节。表面上看，工业芯片市场确实存在“规模不经济”的悖论，但并非无解。一方面，对像中国这样拥有庞大制造业体量的国家而言，即便有极其细分的工业场景，其绝对需求总量依然可观，仍然可以形成必要的“规模经济”；另一方面，通过平台化、模块化的芯片设计策略，将不同工业场景的共性需求抽象出来，可以在满足特定需求的基础上降低成本。

对于头部芯片企业而言，可以开发基础芯片平台，通过固件、软件和封装方案的差异化配置来满足不同工业场景的碎片化需求。而对于中小企业而言，仍然可以在中国庞大的工业场景中找到自己的细分赛道。

因此，笔者认为，在工业芯片市场的竞争中，企业规模大小、方案采用专用还是通用方案，都不是决定胜负的因素。要在竞争中脱颖而出，关键在于能否精准理解工业场景的真实痛点，并围绕这些痛点构建高效的软硬件协同方案。

03

从替代到创新的差异化路径

中国应在开放合作与自主可控间寻求平衡，在战 略上强调开放协同，但在具体关键环节坚持自主可控。

如前文所述，尽管中国在工业半导体领域仍与国外先进水平存在显著差距，但正走出一条“从替代到创新”的差异化路径。

当前，国内企业正加速向高附加值领域渗透，例如在工业AI芯片、车规级MCU和先进封装等方面加大研发投入，并尝试在RISC-V架构、异构计算等新兴方向建立自主生态。与三星、美光等巨头不同，国内企业更注重“场景驱动”和“系统级优化”，即围绕国内庞大的制造业需求，从应用端倒推芯片设计，通过定制化、低功耗、高可靠性的产品切入细分市场，逐步积累工艺经验和客户信任。这种路径的优势在于能够快速形成商业闭环，但也面临技术积累不足、高端人才短缺和生态建设滞后的挑战。

另外，芯片是硬件底座，而标准和生态则是决定这一底座能否被高效调用、广泛适配、持续迭代的软件与规则层，三者各有侧重，相互依存。

相较于商业等服务业，工业领域的场景更加碎片化和专业化，需要大量的定制化开发和系统集成。从工业信息化的历史可以看出，大量工业软件和协议标准往往由工业头部企业主导研发和推广，这也反映出，工业领域的智能化路径有别于商业服务业。在工业AI时代，成熟的开发者生态能提供丰富的工具链、预训练模型和参考设计，大幅降低工业客户的开发门槛，形成极强的用户黏性。同时，工业通信协议、数据接口标准等的制定权，直接影响整个产业链的协同效率，至少从目前的情况看，开发者生态和标准制定都离不开工业企业的深度参与。

因此，中国在此方面处于追赶阶段，但潜力巨大。国内拥有海量的工业数据和应用场景，这是构建自主生态的宝贵资源。但也必须客观看到，中国目前在基础软件栈、开源社区影响力、全球标准话语权上，与国际领先水平仍有显著差距。

中国应在开放合作与自主可控间寻求平衡，在战略上强调开放协同，但在具体关键环节坚持自主可控。

未来，产业政策着力点可以包括：重点支持先进封装、Chiplet互联、新型存储器等系统级技术的研发和产业化，发挥中国应用市场的规模优势；加大对国产EDA工具和关键半导体材料的扶持力度，补齐基础短板；设立国家级示范工程，开放真实工业场景，加速软件、硬件与应用场景协同迭代；积极参与和主导工业AI、Chiplet互联、车规级芯片等新兴领域的国际标准与国内标准制定，争取话语权；坚持高水平对外开放，与欧洲（功率半导体）、日本（材料设备）、韩国（存储）等保持技术合作，推动供应链多元化，避免形成完全割裂的阵营。同时，应利用中国超大规模市场优势，吸引全球半导体企业共享发展机遇，形成利益共同体。

04

警惕过热与回调风险

近期资本市场对“物理AI”概念的追捧明显升温， 相关概念股估值快速抬升，资金在短期内集中涌入，可能催生股市泡沫和过度投资。

当下工业需求驱动的半导体景气周期，与消费电子主导的周期存在根本性差异：前者源于产业数字化转型和AI基础设施投资的长期战略需求，后者主要取决于终端消费者的换机需求。

景气周期更长，并不意味着风险更小。正因为各方都将工业AI视为长期战略方向，一旦预期与现实出现偏差，回调造成的冲击可能更大，需要警惕一些风险。

近期资本市场对“物理AI”概念的追捧明显升温，相关概念股估值快速抬升，资金在短期内集中涌入，可能催生股市泡沫和过度投资，一旦业绩兑现不及预期，回调将十分剧烈。

此外，各国新增产能集中在未来2—3年释放，如果工业智能化改造的投资节奏放缓，或者应用落地不及预期，可能引发成熟制程和存储芯片的结构性供过于求，重演上一轮半导体下行周期的库存调整。

半导体技术迭代历来伴随投资的“创造性破坏”，如果Chiplet、存算一体等新技术路线大幅降低对尖端制程和HBM的依赖，当前基于传统架构的巨额产能投资可能面临减值风险。对正在追赶的中国工业半导体而言，这既是风险，也是换道超车、实现赶超的机会窗口，关键在于提前布局下一代技术路线，而不是在旧路线上重复加码。

总体而言，工业AI为半导体开辟了一条长坡厚雪的赛道，但共识度越高的方向，越需要对周期和风险保持清醒。对企业而言，比追逐概念更重要的，是在真实工业场景中打磨产品、构建生态，这才是穿越周期的底气。

（本文作者邓洲系中国社会科学院国家经济发展与经济风险研究中心主任、副研究员，本刊记者哀佳采访整理）

来源 | 《商学院》杂志9月刊