AI算力持续增长，半导体产业的竞争边界也在发生变化。当GPU从单芯片走向大规模集群，互联带宽、传输功耗和供电能力开始制约系统扩展；当AI从数据中心走向汽车和机器人，低功耗计算、传感、实时控制与可靠通信又成为新的技术需求。

在近日举行的格罗方德媒体圆桌会上，公司管理层围绕AI基础设施、硅光子、电源管理、汽车电子和物理AI阐述了技术布局。一个清晰的信号是：格罗方德并不以追逐最先进的数字逻辑制程为核心，而是试图通过特色工艺、处理器IP与全球制造能力，切入AI产业链的更多环节。

当AI竞争从单颗芯片延伸到整个系统，决定产业价值的就不只是制程节点，还有互联、供电、低功耗计算与异构集成等综合能力。

格罗方德光子与射频业务高级副总裁Shankaran Janardhanan指出，当前AI发展的瓶颈正在从单纯的算力，向互联和供电扩展。

随着GPU集群规模扩大，机架内部、机架之间乃至不同数据中心之间，需要交换的数据量不断增加。行业正推动互联速率从100Gbps、200Gbps向400Gbps等更高速率演进，同时降低单位比特传输能耗。Shankaran提到，将传输能耗降至5pJ/bit以下，是行业关注的方向之一。

这为硅光子和高速射频技术创造了新的机会。格罗方德正在推进硅光子与硅锗（SiGe）技术的协同布局。硅光子用于集成波导、调制器等光学器件，SiGe则适合高速接收机、低噪声放大器等高性能模拟与射频电路。两者与驱动器、光电探测器及数字信号处理电路共同构成高速光通信系统。

格罗方德通过收购新加坡硅光子晶圆代工企业Advanced Micro Foundry（AMF），进一步强化了硅光子能力。公司管理层表示，按照纯硅光子相关收入的统计口径，格罗方德已处于全球领先位置。

这项布局的意义，不仅在于增加一项技术。硅光子要实现规模化应用，还需要解决工艺、封装耦合、测试、良率和成本等问题。晶圆代工厂的价值，在于帮助客户将光子器件从设计推进到稳定量产。

目前，光互联主要涉及可插拔光模块、近封装光学（NPO）和共封装光学（CPO）等方案。

可插拔光模块成熟度较高，便于维护和更换；NPO通过缩短光学引擎与交换芯片之间的距离，减少高速电互联的负担；CPO则将光学引擎与交换或计算芯片集成在同一封装体系内，以提高带宽密度、降低部分互联功耗。

不过，CPO仍面临热管理、封装良率、光纤连接和维护等工程挑战，短期内不同方案仍将根据应用场景并存。这也解释了格罗方德为何将先进封装列为持续投入的方向。AI系统越来越依赖多芯片协同，晶圆制造之外，芯片之间如何连接、供电和散热，同样影响系统性能。

AI服务器的功率密度持续上升，供电架构也需要随之演进。在相同传输功率下，提高电压可以降低电流，减少导体损耗。因此，800V直流供电受到数据中心行业关注。不过，高压供电还涉及电源转换、绝缘、保护、连接器和安全规范等系统设计问题，并非简单提高电压即可实现。

在芯片层面，格罗方德重点布局的BCD工艺，为电源管理提供了重要技术基础。BCD通常将双极型器件、CMOS逻辑器件和DMOS功率器件集成于同一工艺平台，兼顾模拟控制、数字逻辑与功率驱动。除了数据中心电源管理，这类技术也广泛应用于汽车电池管理、电源转换和执行器控制。

这体现了格罗方德的技术逻辑：不同芯片对器件性能的要求存在差异，先进数字制程并不能替代所有特色工艺。先进制程提升计算能力，特色工艺则为计算系统提供互联、供电和控制等关键支撑。两者不是替代关系，而是互补关系。

格罗方德首席执行官Sameer Wasson认为，AI的下一轮增长不会局限于数据中心，还将进入汽车、机器人和工业设备，推动物理AI发展。

他将物理AI概括为一个由感知、思考、行动和通信组成的闭环：感知依赖摄像头、毫米波雷达、激光雷达等传感器；思考既需要云端大型处理器，也需要设备侧MCU和嵌入式处理器；行动涉及电机控制、执行器与功率驱动；通信则负责设备内部及设备与云端之间的数据交换。这意味着，物理AI并不是简单地在传统设备中增加一颗AI芯片，而是需要计算、传感、控制、通信和供电等多个环节协同工作。

例如，机器人可以使用高性能处理器执行复杂的感知与规划任务，但关节控制、传感器采集和电源管理并不需要采用相同的工艺节点。对于这些任务，功耗、实时响应和可靠性往往比峰值算力更重要。

格罗方德重点布局的FDX，即FD-SOI（全耗尽型绝缘体上硅）技术，正是面向低功耗应用的一种特色工艺路线。它通过薄硅层与埋氧层结构改善器件特性，并可利用体偏置等技术调节晶体管工作状态，在性能与功耗之间进行优化。

结合BCD、射频和硅光子等技术，格罗方德希望覆盖物理AI系统中的低功耗计算、电源管理和通信需求。其背后的判断是：未来的智能系统将由大量功能各异的芯片共同构成，而不是所有任务都集中在一颗大型处理器上。

格罗方德的另一项重要布局，是将处理器IP纳入技术组合。格罗方德首席执行官Sameer Wasson在圆桌会上介绍，继此前收购MIPS后，又通过收购ARC IP相关业务扩展了处理器IP能力，希望将IP与工艺平台、参考设计及晶圆制造结合起来，降低客户开发芯片的门槛。

传统晶圆代工厂主要在设计完成后提供制造服务，而处理器IP位于芯片设计的前端。拥有相关IP后，格罗方德便有机会更早参与客户的产品开发，提供从处理器核心选择、工艺适配到制造的协同支持。

公司介绍了三个计算参考平台：

• Acies：面向推理原生应用，采用RISC-V架构，并结合MIPS、ARC相关IP资源。

• Actus：面向汽车和机器人等事件驱动型嵌入式应用，采用FDX与ARM相关技术。

• Aegis：定位于安全原生CPU方向，采用RISC-V架构。

这些平台反映出格罗方德希望将处理器IP与特色工艺结合起来，覆盖不同类型的嵌入式计算需求。

需要注意的是，RISC-V是一种开放指令集架构，并不对应某个特定制造节点；处理器架构、IP实现与制造工艺也属于不同层面。最终产品的竞争力，仍取决于性能、功耗、面积、软件生态和客户采用情况。

因此，格罗方德这项布局的关键，不只是拥有更多IP，而是能否借此扩大自身在芯片设计与制造价值链中的参与程度。

汽车电子是格罗方德重点关注的另一大市场。格罗方德全球高级副总裁Faisal Saleem指出，汽车行业正在经历感知能力增强、软件定义汽车、电气化和供应链重构等变化。其中，区域控制架构与电气化的结合尤其值得关注。

随着汽车电子系统日益复杂，整车厂开始从大量分布式电子控制单元，转向域控制与区域控制相结合的架构，以降低线束复杂度，提高系统集成效率。

区域控制器负责汇集特定区域内的传感器、执行器等设备信号，再通过车载网络与中央计算平台或其他控制单元通信。这并不意味着MCU会消失，传感器接口、区域控制、电源管理和执行器控制仍然需要大量专用芯片。与此同时，汽车向48V供电架构演进，有望降低相同功率下的电流，减少线束损耗和配电系统负担。

不过，12V系统已形成成熟的供应链和整车设计体系，向48V转换还涉及电源转换器、线束、连接器和保护电路等环节。实际方案也可能同时保留12V与48V供电，并通过DC-DC转换器适配不同负载，因此大规模普及仍需要时间。

格罗方德通过FD-SOI、BCD及其他特色工艺平台，覆盖汽车电源管理、电池监测、传感器和控制等应用。公司还强调了AutoPro汽车技术平台，将质量要求贯穿设计、工艺、PDK、IP和制造运营等环节。汽车芯片需要面对较长的产品生命周期、宽温度范围和严格的可靠性要求，经过验证的工艺平台、质量一致性与长期供货能力，都是重要的竞争因素。

格罗方德中国区总裁Victor Hu胡维多表示，公司正在持续增加中国市场投入，覆盖客户支持、技术服务、研发与生产支持等环节，并通过与本地合作伙伴增芯科技的合作，进一步加强本地化制造能力。公司已在上海、武汉、北京和广州等地布局相关资源，其中广州办公室的设立与本地生产生态建设密切相关。

对于汽车、工业控制和通信等领域，本地化制造的价值不只是缩短交付距离，更在于提高供应链灵活性。不过，制造地点变化涉及工艺一致性、产品可靠性和客户认证，并不是将原有流程简单复制到另一座工厂。格罗方德强调其全球制造网络的灵活性，部分成熟制程技术可以在不同制造基地生产，为客户提供更多选择，但具体产品能否跨厂生产，仍取决于工艺平台、制造条件和客户验证要求。

在全球供应链不确定性增加的背景下，中国客户希望同时具备本地供应与全球供应能力。格罗方德通过本地合作伙伴、全球制造网络和技术支持体系，试图满足这种需求。

回看此次媒体圆桌会，格罗方德的布局贯穿着一条主线：AI时代的半导体竞争，正在从单一制程节点扩展到系统级能力组合。

数据中心需要硅光子、高速互联和高效供电；汽车与机器人需要低功耗计算、传感、实时控制和高可靠性；这些应用背后，还需要成熟的制造平台、处理器IP、设计支持和稳定的供应链。

格罗方德试图通过FD-SOI、BCD、SiGe、硅光子等特色工艺，结合MIPS、ARC处理器IP及全球制造网络，覆盖从AI基础设施到物理AI的多种需求。这一路线能否形成长期竞争优势，仍取决于技术性能、量产能力、客户采用和生态建设，尤其是硅光子与先进封装，还需要持续解决成本、可靠性和规模化制造等问题。

但趋势已经显现：当AI从云端走向真实世界，半导体产业需要的不只是更强的计算芯片，还包括让计算能够高效连接、稳定供电、实时感知并可靠执行的一整套技术体系。先进制程决定部分计算能力的上限，而特色工艺、互联、电源与封装等技术，决定这些计算能力如何转化为真正的系统价值。（完）