8月31日开幕的2026集成电路（无锡）创新发展大会，传递出一个比“AI芯片需求旺盛”更具体的判断：AI正在把半导体产业的压力点，从先进逻辑芯片制造进一步推向高带宽存储器（HBM）、先进封装、供电和散热。

换句话说，决定AI系统能否持续扩展的，已不只是GPU等计算芯片本身，还包括如何让计算芯片与存储芯片高速连接、如何降低供电损耗、如何排出不断攀升的热量，以及相应设备和材料能否形成稳定供给。2137

4万亿美元预测背后：AI投资扩展到整条芯片链

SEMI中国区总裁冯莉在大会上表示，预计到2028年，全球新建数据中心基础设施投资将超过4万亿美元，其中半导体支出将达约2.8万亿美元。她还预计，全球半导体产业规模有望在2026年底突破1万亿美元，较此前市场普遍预期的2030年明显提前。2120

这些数字是大会披露的行业预测，并非已经实现的市场结果。但其指向十分明确：AI建设正在把投入从单一的算力芯片，延展至存储、网络、封装、制造设备和关键材料等多个层面。1937

对产业链而言，这意味着竞争的焦点正在从“能否制造更先进的单颗芯片”，转向“能否把不同芯片高效组合成一套高性能计算系统”。

HBM成为眼前最紧的供给环节

HBM（高带宽存储器）是当前AI服务器的重要配置。它通过多层DRAM堆叠及先进封装方式，在更紧凑的空间内提供更高的数据传输带宽，直接影响AI加速器能否高效调用数据。

大会引用的预测显示，2026年全球HBM市场规模预计增长约58%，至546亿美元，占DRAM市场接近四成。与此同时，即使三星、SK海力士和美光已将70%的新增或可调配产能向HBM倾斜，HBM产能仍可能较需求短缺50%—60%。2126

这正是AI硬件面临的现实矛盾：计算能力提升后，系统还必须获得足够的存储带宽。而HBM的生产不仅受制于存储芯片本身，也依赖能够实现高密度连接和堆叠的先进封装能力。

先进封装不再只是“后道工艺”

中国科学院微电子研究所副所长、研究员曹立强将先进封装的发展挑战概括为“小、大、进、出”：更密的互连、更大且集成更多功能的封装、更高效的供电，以及更强的散热能力。34

混合键合：把互连密度推到新量级

曹立强表示，传统封装的互连密度约为每平方毫米几十个I/O连接，而混合键合（Hybrid Bonding）有望超过每平方毫米100万个。这类高密度互连有助于提升芯片之间的带宽，为突破“存储墙”和互连带宽限制提供路径。34

在AI系统中，逻辑芯片、HBM等组件之间距离更近、连接更多、传输更快，往往是提升整体性能和能效的重要条件。

供电架构向垂直化演进

随着算力密度提高，电力损耗本身也会成为系统瓶颈。大会提出，AI供电体系可能由平面式三级供电转向垂直式两级供电，以减少能耗并提升效率。34

这并非单纯的封装技术变化。电源芯片、模块、封装集成和可靠性验证，都要随之适配更高功率密度的计算系统。

散热从配套问题变成设计前提

芯片和AI数据中心服务器功耗持续上升，散热已不能只依赖机房末端设施，而要进入芯片、封装和服务器的协同设计。曹立强以英伟达采用两相浸没式液冷为例，说明热管理技术正在走向更高效的方案。34

同期设备论坛的讨论也指向先进封装关键工序。围绕减薄、切割和混合键合，相关厂商展示了80纳米、50纳米和30纳米等不同档位的混合键合对位精度选择。35

江苏布局：实验室、平台与产业联盟同步推进

大会也是江苏组织半导体产业资源的一次集中动作。现场启动建设3个省级重点实验室，计划总投入超过5亿元；江苏省集成电路产业联盟也正式揭牌。341

已公布的项目包括：

• 由长电科技牵头筹建的江苏省高密度光和电微系统集成重点实验室，聚焦高密度光电合封、大尺寸异质集成、先进基板及2.5D/3D集成等方向。33
• 由芯朋微电子牵头筹建的江苏省智能功率集成电路及模块重点实验室，面向AI算力供电场景，开展功率器件设计、封装集成和可靠性验证等工作。3338
• 涉及2.5D/3D先进封装研发平台、硅基氮化镓射频芯片和高分辨率电子束缺陷检测装备的新产品与新平台。4

江苏省集成电路产业联盟的意义，并不局限于某一项产品发布。其目标是联动企业、高校、科研机构和公共技术平台，覆盖设计、装备、封装、材料和功率器件等环节，为区域产业生态提供协同机制。4142

FPGA与AI智能体：开发周期或从“按月”缩短到“按周”

复旦微电子董事长、总经理张卫提出，在AI智能体时代，FPGA可通过与智能体协作形成更紧密的开发—验证闭环。按他的说法，产品迭代速度有望从以月计缩短至以周、甚至以天计。复旦微电子计划于9月开放其fmfpga agent FPGA开发平台的试用。34

FPGA即现场可编程门阵列，因可在部署后重新配置逻辑，常被视为兼顾灵活性与硬件性能的方案。若AI智能体能够参与设计、调试和验证流程，可能进一步降低其开发门槛、拓宽应用场景。

接下来该看什么？

无锡大会将AI定义为一场“半导体系统能力”的竞争，而不只是先进制程的竞争。几个关键观察点包括：

1. HBM供给能否跟上AI服务器部署速度；
2. 混合键合等先进封装技术能否在成本和良率可控的条件下规模化；
3. 垂直供电和高效散热能否支撑持续上升的计算密度；
4. 新实验室、产业联盟及装备研发，能否转化为覆盖设计、材料、设备、封装和电源环节的长期能力。

当AI将需求推向整条供应链，存储、封装、供电和散热这些过去更偏“配套”的环节，正在成为决定算力能否真正落地的核心变量。3335

8月31日开幕的2026集成电路（无锡）创新发展大会，传递出一个比“AI芯片需求旺盛”更具体的判断：AI正在把半导体产业的压力点，从先进逻辑芯片制造进一步推向高带宽存储器（HBM）、先进封装、供电和散热。

换句话说，决定AI系统能否持续扩展的，已不只是GPU等计算芯片本身，还包括如何让计算芯片与存储芯片高速连接、如何降低供电损耗、如何排出不断攀升的热量，以及相应设备和材料能否形成稳定供给。2137

4万亿美元预测背后：AI投资扩展到整条芯片链

SEMI中国区总裁冯莉在大会上表示，预计到2028年，全球新建数据中心基础设施投资将超过4万亿美元，其中半导体支出将达约2.8万亿美元。她还预计，全球半导体产业规模有望在2026年底突破1万亿美元，较此前市场普遍预期的2030年明显提前。2120

这些数字是大会披露的行业预测，并非已经实现的市场结果。但其指向十分明确：AI建设正在把投入从单一的算力芯片，延展至存储、网络、封装、制造设备和关键材料等多个层面。1937

对产业链而言，这意味着竞争的焦点正在从“能否制造更先进的单颗芯片”，转向“能否把不同芯片高效组合成一套高性能计算系统”。

HBM成为眼前最紧的供给环节

HBM（高带宽存储器）是当前AI服务器的重要配置。它通过多层DRAM堆叠及先进封装方式，在更紧凑的空间内提供更高的数据传输带宽，直接影响AI加速器能否高效调用数据。

大会引用的预测显示，2026年全球HBM市场规模预计增长约58%，至546亿美元，占DRAM市场接近四成。与此同时，即使三星、SK海力士和美光已将70%的新增或可调配产能向HBM倾斜，HBM产能仍可能较需求短缺50%—60%。2126

这正是AI硬件面临的现实矛盾：计算能力提升后，系统还必须获得足够的存储带宽。而HBM的生产不仅受制于存储芯片本身，也依赖能够实现高密度连接和堆叠的先进封装能力。

先进封装不再只是“后道工艺”

中国科学院微电子研究所副所长、研究员曹立强将先进封装的发展挑战概括为“小、大、进、出”：更密的互连、更大且集成更多功能的封装、更高效的供电，以及更强的散热能力。34

混合键合：把互连密度推到新量级

曹立强表示，传统封装的互连密度约为每平方毫米几十个I/O连接，而混合键合（Hybrid Bonding）有望超过每平方毫米100万个。这类高密度互连有助于提升芯片之间的带宽，为突破“存储墙”和互连带宽限制提供路径。34

在AI系统中，逻辑芯片、HBM等组件之间距离更近、连接更多、传输更快，往往是提升整体性能和能效的重要条件。

供电架构向垂直化演进

随着算力密度提高，电力损耗本身也会成为系统瓶颈。大会提出，AI供电体系可能由平面式三级供电转向垂直式两级供电，以减少能耗并提升效率。34

这并非单纯的封装技术变化。电源芯片、模块、封装集成和可靠性验证，都要随之适配更高功率密度的计算系统。

散热从配套问题变成设计前提

芯片和AI数据中心服务器功耗持续上升，散热已不能只依赖机房末端设施，而要进入芯片、封装和服务器的协同设计。曹立强以英伟达采用两相浸没式液冷为例，说明热管理技术正在走向更高效的方案。34

同期设备论坛的讨论也指向先进封装关键工序。围绕减薄、切割和混合键合，相关厂商展示了80纳米、50纳米和30纳米等不同档位的混合键合对位精度选择。35

江苏布局：实验室、平台与产业联盟同步推进

大会也是江苏组织半导体产业资源的一次集中动作。现场启动建设3个省级重点实验室，计划总投入超过5亿元；江苏省集成电路产业联盟也正式揭牌。341

已公布的项目包括：

• 由长电科技牵头筹建的江苏省高密度光和电微系统集成重点实验室，聚焦高密度光电合封、大尺寸异质集成、先进基板及2.5D/3D集成等方向。33
• 由芯朋微电子牵头筹建的江苏省智能功率集成电路及模块重点实验室，面向AI算力供电场景，开展功率器件设计、封装集成和可靠性验证等工作。3338
• 涉及2.5D/3D先进封装研发平台、硅基氮化镓射频芯片和高分辨率电子束缺陷检测装备的新产品与新平台。4

江苏省集成电路产业联盟的意义，并不局限于某一项产品发布。其目标是联动企业、高校、科研机构和公共技术平台，覆盖设计、装备、封装、材料和功率器件等环节，为区域产业生态提供协同机制。4142

FPGA与AI智能体：开发周期或从“按月”缩短到“按周”

复旦微电子董事长、总经理张卫提出，在AI智能体时代，FPGA可通过与智能体协作形成更紧密的开发—验证闭环。按他的说法，产品迭代速度有望从以月计缩短至以周、甚至以天计。复旦微电子计划于9月开放其fmfpga agent FPGA开发平台的试用。34

FPGA即现场可编程门阵列，因可在部署后重新配置逻辑，常被视为兼顾灵活性与硬件性能的方案。若AI智能体能够参与设计、调试和验证流程，可能进一步降低其开发门槛、拓宽应用场景。

接下来该看什么？

无锡大会将AI定义为一场“半导体系统能力”的竞争，而不只是先进制程的竞争。几个关键观察点包括：

1. HBM供给能否跟上AI服务器部署速度；
2. 混合键合等先进封装技术能否在成本和良率可控的条件下规模化；
3. 垂直供电和高效散热能否支撑持续上升的计算密度；
4. 新实验室、产业联盟及装备研发，能否转化为覆盖设计、材料、设备、封装和电源环节的长期能力。

当AI将需求推向整条供应链，存储、封装、供电和散热这些过去更偏“配套”的环节，正在成为决定算力能否真正落地的核心变量。3335