作者：电子创新网张国斌
在今天召开的第十一届上海FD-SOI论坛上，IBS CEO Handel jones在《AI对半导体行业增长的影响及FD-SOI的作用》演讲中指出，2028因存储于过剩可能会导致半导体行业遭遇小衰退。不过他表示半导体行业增长势头长期不变，到2030年市场总规模达到2.6 万亿美元，而到2035年市场总规模更是跃居到4.7万亿！
不过，听完他的演讲，我的感受是虽然目前AI芯片正在疯狂奔向2nm，甚至更先进的制程；但一个看起来有些“反常”的现象正在出现：FD SOI，这项曾经被先进制程光环掩盖的技术，正在重新获得关注。
这并不是因为2nm不重要了。
恰恰相反，AI训练和数据中心依然会持续推动先进制程、HBM和先进封装的发展。问题在于，真如Handel jones所言AI正在从数据中心走向另一个更大的世界——推理、终端和物理世界。
智能眼镜、机器人、汽车、智能手机，都需要AI。而这些设备需要的，并不是单纯“更多TOPS”。它们更在意功耗、实时响应、高频性能、可靠性、成本，以及能不能在有限的电池和散热条件下长期工作。
这正是FD SOI重新进入产业视野的原因。
国际商业战略公司（IBS）最新报告预测，全球半导体市场规模将从2026年的约1.59万亿美元增长至2030年的约2.59万亿美元，并在2035年达到约4.68万亿美元。报告同时认为，生成式AI、Agentic AI、Physical AI以及数字孪生将成为长期增长的重要驱动力。
但真正值得关注的是：这4.7万亿美元并不会全部流向2nm。
AI的下一场战争，不只是算力，而是Token成本
过去两年，AI半导体最清晰的增长逻辑是：模型越来越大，需要越来越多GPU。Handel jones表示但Agentic AI正在改变需求结构。AI Agent不是问一个问题、返回一个答案就结束，而是不断调用模型、规划任务、执行任务和再次推理。
这意味着，未来AI基础设施需要处理的不是越来越大的模型本身，而是越来越多的Token。IBS预计，数据中心企业2026年的资本开支将达到约1.1万亿美元，2027年仍可能维持较高水平。报告同时强调，未来AI产业需要不断降低Token生成成本。
Handel jones的报告给出的一个数据很有冲击力：Hopper架构H200系统每百万Token的计算成本约4.20美元，Blackwell GB300 NVL72约0.12美元，而Rubin平台的目标则进一步下降到约0.01美元。也就是说，AI基础设施正在从“追求最大算力”，转向“追求最低Token成本”。
这会直接改变芯片设计。因为当推理成为越来越重要的工作负载之后，计算、存储、带宽、功耗和数据搬运之间的平衡，比单纯的峰值算力更加重要。
Handel jones判断未来推理架构会越来越重视SRAM，同时在部分场景中利用NAND辅助处理器完成decode，并预计LPDDR5X、LPDDR6等低功耗存储会在推理场景中发挥更大作用。
这意味着一个重要变化：AI正在从“先进制程驱动的算力竞赛”，变成“整个半导体系统的效率竞赛”。而这恰恰给特色工艺留下了空间。
AI越走向物理世界，为什么越需要FD SOI？
如果说GPU代表的是AI的“数字世界”，那么机器人、汽车、智能眼镜代表的就是AI的“物理世界”。两者对芯片的要求完全不同。数据中心可以拥有庞大的供电系统和散热系统，可以不断增加GPU和服务器数量。
但一副眼镜不行，一个机器人也不行，一辆汽车更不行。这些设备必须在有限功耗下持续完成感知、计算、通信和控制。因此，当AI进入物理世界后，芯片的评价体系开始发生变化：低功耗本身就是性能的一部分。
这也是FD SOI值得重新审视的地方。
Handel jones认为，FD SOI相比Bulk CMOS和FinFET，在低功耗和高频性能方面具有优势；GlobalFoundries的22FDX已经进入高量产阶段，并在汽车等应用中体现出相应优势。报告还指出，FD SOI在高频应用中具有潜力，截止频率有望超过500GHz，同时保持较好的线性度。
目前FD SOI已经形成28nm、22nm以及向18nm演进的技术路线，其中22nm已经实现高量产，18nm正在接近量产。
这里最重要的不是“18nm能不能打败2nm”，因为它根本不是同一场比赛。2nm解决的是极致计算密度和性能功耗比的问题；FD SOI更适合解决的是，在不追求极致晶体管密度的情况下，如何获得低功耗、高频、可靠性和成本之间的平衡。
这正是Physical AI大量芯片需要解决的问题。
在随后的演讲中，格罗方德首席执行官Tim Breen在演讲中也持有同样的观点，他认为低功耗、射频性能以及可以集成存储都让FD-SOI工艺非常适合Physical需求。
FD SOI真正的机会，可能在“AI+传感器”
在前几届FD-SOI论坛中，芯原股份董事长 CEO兼总裁戴伟民博士就一直在布道这个观点，他说FD-SOI非常适合传感器，未来机器人、汽车和智能眼镜中的AI，并不是一个NPU独立完成所有工作。它前面连接的是摄像头、毫米波雷达、IMU、麦克风等传感器；后面连接的是电机、显示、通信、电源管理等系统。
这意味着Physical AI需要的是一个复杂的异构计算体系：感知芯片 + MCU/CPU + NPU/GPU + 模拟/射频 + 连接 + 电源管理。
在这个体系中，有大量芯片并不需要使用最先进的逻辑制程。它们需要的是：低功耗、高频、模拟性能、可靠性、成熟供应链以及足够低的成本。FD SOI的价值由此显现出来。
所以，FD SOI的“复兴”并不是先进制程的退潮，而是AI应用边界扩大之后，半导体技术栈本身变宽了。这也是为什么机器人可能成为FD SOI的新战场
Handel jones指出与体硅CMOS或FinFET相比，FD SOI具有更低的功耗和更优异的高频性能。GlobalFoundries已通过22nm FD SO（22FDX）验证了FD SOI的优势，并于2025年提供了大量的晶圆。此外FD SOI具有有效的抗粒子干扰能力，适用于汽车和其他应用。 FD SOI非常适用于高频应用。截止频率可能超过500GHz，并具有良好的线性度。采用FD SOI的Wi-Fi 7和Wi-Fi 8可能比其他技术具有更低的功耗。
他指出目前FD SOI有三个技术节点：28nm：量产； 22nm：大规模量产；18nm：接近量产；FD SOI的关键问题在于衬底和晶圆加工能力。FD SOI 具有非常好的增长潜力：他指出格罗方德的 22FDX 工艺表现非常出色；下一代 FD SOI 工艺的市场潜力比 22FDX 更大；意法半导体的 18nm FD SOI 工艺预计将实现增长。
Handel jones对Physical AI的判断相当积极，他预测全球人形机器人产量将从2026年的约11.4万台增长至2035年的约1178万台，其中中国市场约883万台。报告同时认为，中国企业在机器人领域具有较强技术基础。
如果机器人真的进入百万乃至千万级规模，那么芯片需求就不会只有一颗AI主控芯片。每一个机器人都需要大量传感、控制、通信和电源管理芯片。
更重要的是，机器人不能像数据中心服务器一样依赖巨大的供电和散热系统。它必须“省电”。它还必须“实时”。这使得FD SOI这样的工艺具备了一个新的产业逻辑：它不需要成为最强的计算工艺，只需要成为特定物理AI场景下更合适的工艺。
但FD SOI的真正瓶颈，也越来越明显
当然，FD SOI重新受到关注，并不意味着它已经进入全面爆发期。恰恰相反，Handel jones指出，FD SOI未来最大的约束之一可能不是技术，而是衬底和制造产能。
FD SOI需要SOI衬底，而衬底成本和供应能力将直接影响其规模化应用；与此同时，晶圆加工能力也需要同步扩大。
这实际上暴露了AI时代半导体产业一个非常重要的变化。以前行业讨论“先进制程”，更多讨论晶体管、EUV、GAA和背面供电。现在随着AI需求不断扩散，产业真正面对的问题越来越复杂：有没有晶圆？有没有封装？有没有HBM？有没有SOI衬底？有没有光互联？有没有足够的制造设备？
IBS预计，2026年主要半导体企业资本开支将达到约2584亿美元，同比增长58.3%，WFE约占半导体资本开支的70%。这意味着，AI带来的并不是一条“所有芯片向2nm迁移”的单向通道，而是一场制造能力的全面扩张。
AI正在把半导体重新分成两条路
到这里，FD SOI重新受到关注的逻辑就比较清楚了。一条路，是数据中心，模型越来越大，推理越来越多，Token数量不断增加，于是需要更先进的逻辑制程、更高带宽存储、更先进封装和更高速互联。
另一条路，是物理世界。AI进入汽车、机器人、智能眼镜和手机之后，芯片需要在有限的功耗和成本下完成感知、计算和控制。
前者需要“更强”，后者需要“更合适”。而FD SOI的机会，就在后者。这也解释了为什么一个看起来并不“先进”的22nm/18nm技术，在AI时代反而可能获得新的市场空间。
真正的“先进”，正在被重新定义
过去半导体产业对先进的理解非常简单：7nm比14nm先进，5nm比7nm先进，2nm又比3nm先进。但AI正在改变这种单一的技术评价体系。对于一块数据中心AI加速器来说，2nm可能非常重要。
但对于一颗长期工作的机器人控制芯片、一颗智能眼镜里的无线连接芯片、一颗汽车传感与处理芯片来说，决定产品竞争力的可能是功耗、频率、可靠性、模拟性能和成本。
节点数字只是工艺先进性的一个维度。AI真正带来的变化，是把半导体从过去高度集中的“先进制程竞赛”，重新拉回到一个更加复杂的系统竞争。
因此，FD SOI的机会并不是“卷赢2nm”。而是：当AI从数据中心走向现实世界之后，终于有人开始重新问一个问题——这颗芯片真的需要2nm吗？如果答案是否定的，那么FD SOI这样的特色工艺，就有了自己的位置。而这可能才是AI给半导体产业带来的一个更有意思的变化--AI没有让所有芯片都变得更“先进”，而是让更多不同的芯片重新变得有价值，AI真正改变的，不只是芯片需求量，而是半导体产业对于“什么样的芯片才有价值”的定义。
Handel jones特别强调中国企业利用FD SOI技术开发物理人工智能应用具有诸多优势。例如：智能眼镜、智能手表、机器人（预计到2035年，人形机器人数量将超过800万台）、汽车电子产品等，关键问题在于物流供应链。
戴伟民在演讲中也指出从市场维度看，汽车电子、IoT与可穿戴设备、边缘AI、5G/6G及卫星通信雷达，构成FD-SOI四大核心应用阵地，市场需求持续向上。FD-SOI的价值释放离不开设计者充分用好自适应体偏置等核心特性；产业做大，更需要衬底材料、晶圆制造、IP设计、终端系统、科研机构全链条协同发力。
截止目前，上海FD-SOI论坛历经十一届，十一年了，中国FD-SOI的完整产业链也将形成闭环，期待在Physical AI爆发的风口，中国FD-SOI产业发挥出巨大的商业价值！
这是发稿前一个产业朋友发来的信息，真是英雄所见略同！
注：本文为原创文章，未经作者授权严禁转载或部分摘录切割使用，否则我们将保留侵权追诉的权利
