编者按：2026年政府工作报告正式发布，“培育壮大新兴产业和未来产业”被写入政府工作任务。其中，集成电路被列为新兴支柱产业之首。在大模型和智能体的带动下，2026年半导体产业将继续受益于人工智能，实现超越周期的增长。据WSTS（世界半导体贸易统计组织）预测，2026年全球半导体市场规模将增长26.3%，达到9750亿美元，逼近万亿美元大关。站在“十五五”规划开局之年，为发掘市场动能、把握市场未来趋势，《中国电子报》记者采访了半导体产业链重点环节的多家企业代表，本版摘要刊登其中的精彩观点，以飨读者。
话AI：从“对话”转向“做事”
记者：政府工作报告提出深化拓展“人工智能+”行动，促进新一代智能终端和智能体加快推广，推动重点行业领域人工智能商业化规模化应用，培育智能原生新业态新模式。2026年人工智能产业有何亮点，将为半导体产业带来哪些机遇？
杨新辉：近两年具身智能产业正在快速发展。与此同时，具身智能正在推动模型从虚拟世界的模型向实体世界的模型演化，就是我们所说的物理AI的概念。与纯语言类模型、视觉模型、多模态模型相比，物理AI的复杂度更高。这是因为这种模型需要理解物理世界，并与具身状态下采集的数据结合。在这种情境下，很多数据的处理并不是传统知识领域所能覆盖的。举例来说，要使机器人完成某一项作业，当前常规采用的方式是由人或者老师傅做一遍，机器人再学习人操作过程中产生的数据。为了使机器人完成任务，每条数据在每个场景中都需要完成规模化采集。
我们看到，当前整个具身智能的产业规模并没有很大，聚焦于具身智能门类的芯片产品的发展也仍处于初级阶段，很多芯片厂商正在定义面向机器人和具身智能的芯片。为了满足具身智能场景的芯片需求，我们看到不同厂商采取了不同的方案。例如，有的厂商正在通过改进汽车芯片、手机芯片或者算力中心芯片的方式满足具身场景的需求。在具身智能市场的拉动下，半导体厂商也在做对应的升级和变化，以更好地适配具身智能或者物理AI需求。
王宇成：AI正在重塑EDA工具的开发和使用模式。我们积极引入大语言模型（LLM）与智能体技术，打造了智能化的EDA助手。一方面，我们利用机器学习算法优化版图布局、时序预测和功耗分析，大幅提升了设计效率；另一方面，我们通过自然语言交互，辅助工程师快速完成复杂配置、调试与报告解读，降低了设计门槛。未来，我们将持续推动AI与EDA的深度融合，使工具具备自主学习和迭代优化的能力。
王雅儒：2026年人工智能产业的亮点是从“对话”走向“做事”。智能体（Agent）有望成为产业的重要抓手。人形机器人、工业智能机器人等将在制造、仓储、民生、医疗等众多领域实现标志性产品落地。这标志着物理AI与具身智能正在不断突破数字边界，AI开始与物理世界深度交互，同时也开始对半导体芯片的算力以及能源系统提出了颠覆性的要求，这同时为半导体产业带来了机遇。
在基建投资领域，半导体产业打破周期性定律，进入“超级景气周期”。AI与数据中心成为核心增长引擎，全球进入新一轮AI基础设施领域的投资高峰。同时我们看到了市场对高能效、低功耗芯片的迫切需求。面向真实世界部署的物理AI要求芯片理解物理规律并具备因果推理能力。要实现这一点，芯片提升算力密度和功率密度是前提。由此，高带宽内存、先进封装等需求将为半导体产业带来新的机遇。
在能源需求方面，破解“功耗墙”难题的必要性随着大模型训练与推理需求的提升呈指数级上升。而节能降耗，正是碳化硅衬底材料发挥作用的重要场景之一。从具体应用场景来看，我们注意到，AI服务器的功耗正在不断攀升，单机柜功率密度升至100kW以上。传统的电源方案在效率与散热方面无法满足当前AI服务器需求，而碳化硅器件凭借其高耐压、低损耗的开关特性，成为构建800V乃至更高电压架构服务器电源的成熟选择，碳化硅基电源架构将成为标准配置。
此外，先进封装的散热需求也将催生全新的市场空间。当前，AI芯片的功率密度与热管理已成为其性能释放的核心瓶颈。在新一代GPU处理器开发蓝图中，碳化硅衬底将应用在中介层材料中，有望破解更高功耗与高密度封装的热管理、结构可靠性、互连密度三大瓶颈。
2026年，人工智能正从“技术赋能”阶段迈向“智能经济新形态”的系统性重塑。对碳化硅衬底产业而言，这不仅是市场规模的扩张，更是从“新能源汽车单极驱动”向“电动汽车+AI算力+光储”多轮驱动的结构性升级。随着AI算力需求持续爆发、先进封装散热要求不断提升，碳化硅将凭借其卓越的物理特性，实现了从“功率器件选项”向“算力基础设施刚需”的跨越。
谈未来：以开源精神推动产业进步
记者：2026年是“十五五”开局之年，对于半导体产业的创新发展有何建议？
巩小亮：在半导体设备领域，我想提出三条建议。
一是强化国家战略牵引，以新型举国体制突破高端装备核心瓶颈。持续把关键半导体装备纳入国家重大专项，统筹产学研用协同攻关，集中资源攻克关键核心技术，推动从“单点突破”向整机成套、批量验证、稳定供货跨越。把国产装备纳入重大工程、重点项目的优先采购与强制替代目录，以大规模真实应用倒逼技术迭代，推动我国半导体装备实现“能用”到“好用”、从“追跑”到“并跑领跑”的跨越。
二是构建整机-零部件-材料协同创新体系，夯实装备产业底座。以龙头装备企业为牵引，打造垂直整合、配套协同的产业生态。支持装备整机厂与零部件、关键材料企业建立联合实验室、同步研发、风险共担机制，打通“设计-制造-验证-迭代”闭环。在重点晶圆厂设立国产装备验证线与示范产线，加快首台（套）突破、规模化应用和可靠性提升，形成自主可控的装备供应链。提升研发费用加计扣除比例，延续并强化集成电路企业所得税优惠；对首台（套）/首批次国产设备/芯片实施高比例保险补偿。
三是深化产教融合与应用牵引，打造装备长期竞争力。面向“十五五”半导体设备领域人才缺口，支持高校、科研院所与龙头企业共建半导体设备学院、工程师实训基地，重点培养精密机械、真空、测控等交叉领域高端人才，为产业发展提供智力支撑。
杨新辉：在AI时代，操作系统正在从传统程序驱动向模型驱动的模式演进。但与此同时，我们也观察到，模型存在很多局限性，且仍处于快速迭代的状态。在模型到达足够稳定的状态之前，AIOS需要完成很多面向场景的差异化定义。基于这样的思考，我们在AIOS方面会专注几个方向的探索和研究。
其一是如何更优地控制半导体芯片，以更低的功耗把模型跑得更顺畅；其二是AIOS如何实现对混合模型这一模式的管控，也就是在云端模型和本地模型之间进行有效的管理和切换，实现最优配置；其三是面向场景驱动的需求，如何利用多模态模型、语言模型、视觉模型等多模型融合，将更多有效的场景解决方案定义出来，并进行细分，融合到AIOS这个基础操作系统中。这样的操作系统虽然并不是一个完全通用的操作系统，但会适配不同领域的需求。
面向未来，我们对半导体产业最大的期许就是开放。所谓的开放，既包括半导体能力的开放，也包括模型能力、操作系统的基础能力以及不同生态模块、生态组件的开放。近期，OpenClaw之所以爆火，也是因为它是一个开源开放的系统，大家都能用它做自己的创新。我们期待上下游产业链都能保持开放的心态，在技术快速迭代、快速进步的过程中，不要过早地封闭，反而要把自己能力和优点开放出来，以开源精神推动整个产业的进步。在这样的情况下，产业链伙伴能够实现更好的互联，共同构建更好的场景基础。
说路径：先进装备、自主EDA多点开花
记者：半导体产业有哪些创新方向？接下来企业或机构将重点开拓哪些领域？
巩小亮：AI与算力驱动了先进制程、先进存储、先进封装、光芯片等半导体新的增长极，带动装备需求能级激增，电科装备重点围绕产业对装备的需求发力。
在先进制程、先进存储领域，电科装备将进一步加快离子注入机、CMP等核心装备在头部客户的验证与量产进程，持续提升国产化率，以硬核装备实力支撑我国先进制程和高端存储芯片产业自立自强。
在先进封装领域，面向2.5D/3D集成核心装备能力形成，重点开展以晶圆键合为代表的高端装备研发与产业化，全力抢占先进封装装备产业制高点。同时，前瞻布局面板级封装、玻璃基板核心装备，赋能产业未来发展。
在光芯片领域，我们坚持差异化突破、特色化领跑、体系化布局，构建起覆盖材料制备、高端外延、精细光刻的全链条能力。面向薄膜铌酸锂领域，我们自主研制的铌酸锂剥离注入机已实现规模化应用，成为国内企业扩产的主力装备。面向高性能激光器、长波VCSEL、DFB、光通信芯片对外延质量的极致要求，我们突破传统外延装备局限，首创MBE+MOCVD一体化装备，实现颠覆性技术创新，下一步将快速推进工艺验证和产业化落地。面向光芯片亚微米、纳米级特色图形制备需求，我们自主研制的高精度电子束光刻装备已小批量进入产线应用。
同时，电科装备将充分拥抱AI带来的技术迭代机遇，内协同、外联合推动“装备+AI”平台能力全面形成，加速装备技术性能和产线适用性提升，逐步打造装备特色的数据、模型体系和发展生态，加速智能化转型。
王宇成：随着AI下沉、工艺演进与系统复杂度的提升，半导体产业正迎来多维度的创新浪潮。作为本土数字后端全流程EDA工具链的领军企业，鸿芯微纳重点关注以下几个方向，并将在这些领域持续深耕：
其一，国产数字全流程EDA工具链的自主突破。EDA工具是芯片设计的基石，全流程的自主可控关乎产业链安全。我们正全力攻坚从前端综合到后端布局布线、从时序分析到物理验证的全流程工具链，确保在先进工艺节点下性能与精度的国际竞争力，打破长期以来的技术垄断。
其二，面向国产新工艺的深度支持。随着国产晶圆厂在FinFET、GAA（全环绕栅极）以及BSPDN（背面供电网络）等先进制程技术上取得突破，EDA工具必须与之同步演进。我们正与国内代工厂紧密合作，针对这些新工艺特性开发定制化的模型、规则和优化算法，确保国产芯片在设计阶段就能充分利用工艺红利，实现更高能效与集成度。
其三，新一代设计优化方法——DTCO与STCO（3DIC）。
单纯的工艺缩放已难以满足算力与功耗的极致要求，设计-工艺协同优化（DTCO）成为必由之路。我们通过DTCO技术，在设计早期协同考虑工艺特性，优化标准单元库、布图规划和功耗管理策略，实现PPA（性能、功耗、面积）的全局最优。同时，系统技术协同优化（STCO）将优化维度扩展至三维集成领域——3DIC通过垂直堆叠、异质集成，将长互连转为短互连，可大幅降低功耗并提升带宽。我们正在构建完整的3DIC EDA解决方案，涵盖多物理场仿真、堆叠规划、热分析及封装协同设计，为Chiplet、高带宽存储集成等应用提供全流程支撑。
王雅儒：碳化硅衬底材料已经在声、光、电、热多维度展现出其优越的物理性能，结合AI产业带来的新机遇，我们将沿着上述四个方向持续关注相关产业的发展。例如，新一代通信、AR眼镜、先进封装和热管理、数据中心的能源方案，碳化硅器件在电动汽车、人形机器人电力电子中的应用，快充、能源系统小型化、高速通信等。作为碳化硅衬底厂商，我们正在推动行业从6英寸向8英寸转型，我们的高品质8英寸产品和12英寸产品也已开始批量交付，今后将继续在衬底材料方面做好大尺寸产品产业化和稳定交付能力的持续强化，以实现顺应行业需求的材料性能优化，构建“声光电热+特高压”全品类矩阵，切入高价值赛道。
杨新辉：模型的能力和运行要求，已经内化为半导体厂商定义芯片的要素。芯片厂商开始更多地思考如何提高算力，如何更好地完成推理，推理能达到多少个token的输出，如何更快地、在更低功耗的情况下来实现这样的效果。各个厂商都在尝试提高算力，努力实现从几十到几百再到上千tokens的算力提升。这些都是当前半导体企业在不断思考、定义的内容。在这样的需求下，我们看到，CPU的能力在不断提升；存算一体、提升内存带宽等技术方向也在同步推进。
在量化之前，模型的规模还是很大的。即便是量化过的模型，也仍然会有十几个G或几十个G的大小。因此，很多企业正致力于提高存储的访存数量，以期将访存规模从原来的几个G、十几个G，提升到上百个G，使存储能够装得下模型，这也驱动着半导体厂商推进存算结合。