面包屑图标 当前位置: 首页
AI资讯
热点详情

英飞凌2026战略落地 重构业务双线布局AI赛道

AI热点日报
AI热点日报时间:2026-07-11
热点解读

英飞凌自2026年7月起将四大事业部整合为三大板块,聚焦AI数据中心“从电网到核心”全链路电源方案,目标降低能耗15%以上;同时向汽车、飞行汽车及机器人等物理AI领域渗透,采用硅基、碳化硅与氮化镓复合材料策略,并推进中国本土化产品定义与试制。

最近,英飞凌在上海媒体日上,正式公布了2026年的战略布局和未来业务规划。简单来说,这家半导体巨头正在进行一次架构和业务重心的深度调整,而这一切,都直指当前AI数据中心和物理AI领域最头疼的两个问题:能耗和硬件转型。

从2026年7月1日起,英飞凌将原本的四大事业部,整合成了汽车电子、电源系统、终端智能三大板块。英飞凌科技全球高级副总裁及大中华区总裁潘大伟对此的解释是,这项调整的核心,就是把过去分散在不同部门的中低压、高压功率器件、微控制器和传感器等产品,按照应用场景重新整合。从客户角度看,之前开发产品要对接好几个独立部门,现在可以一站式对接系统级方案,供应链流程简化了,产品研发周期也缩短了。这步棋,走得很务实。

数据中心供电系统的架构转变

现在大家都在聊AI核心芯片的算力,但一个绕不开的现实是:服务器集群的功耗正在飙升。根据英飞凌会上透露的数据,AI服务器机架的功率需求正快速攀升——过去主流配置是100到200千瓦,现在新一代AI服务器机架已经提升到约500千瓦,未来一两年,很可能会迈入1000千瓦(1兆瓦)级别。在这样的功率密度下,芯片对电压波动(浪涌负载)的容忍度极低,一旦供电不稳导致宕机,硬件和运算中断的损失成本非常高。

在这样的背景下,英飞凌抛出了“从电网到核心(From Grid to Core)”的全链路解决方案。这个方案的核心,就是提供从发电、输配电、储能系统,到数据中心的固态变压器与断路器,再到芯片端将电压从50V降至12V、最终精准降至1V的电压调节模块(VRM)这一整套电源管理方案。目标很明确:通过优化电源架构,将整机供电能耗降低15%以上。潘大伟的判断是,未来的算力竞争,很大程度上取决于基础设施对电能转换效率的控制能力。这个观点,值得深思。

物理AI的元件渗透,涵盖汽车、飞行汽车与机器人

在汽车电子领域,软件定义汽车(SDV)的趋势正在改变半导体元件的分布。英飞凌科技高级副总裁、汽车业务大中华区负责人曹彦飞透露,原本用于汽车内部的控制与驱动技术,正在向飞行汽车和人形机器人等新兴物理AI领域延伸。

以人形机器人为例,其软硬件控制元件的成本已占整机费用的一半以上。英飞凌目前在每台机器人中可提供的半导体元件价值约为500美元,包括用于机器人关节的马达驱动控制、降低温升与功耗的功率器件,以及用于感知的电子皮肤(e-skin)感测技术。

此外,通过收购美满电子(Marvell)的汽车以太网业务,以及艾迈斯欧司朗(ams OSRAM)的非光学模拟/混合信号传感器业务,英飞凌正在将其在车载通讯与感知领域的既有技术,转化为机器人与自动化设备的底层标准元件。这步棋,为未来布局了关键棋子。

材料策略的务实考量

在底层半导体材料的选择上,尽管碳化硅(SiC)和氮化镓(GaN)等第三代半导体备受关注,但英飞凌在内部技术路线上,并没有盲目追求单一材料的替代率,也没有将其营收占比设定为关键绩效指标(KPI)。

根据其披露的逻辑,虽然碳化硅业务今年预计将继续强劲增长,但未来的核心解法依然是“硅基(Silicon)+碳化硅+氮化镓”的复合材料组合。不同材料适用于不同的电压、频率与功率密度需求,混合使用才能在成本与效能之间取得最佳平衡。这不是一个“非此即彼”的选择题,而是一个“如何组合”的优化题。

此外,潘大伟提到,为了确保产能的灵活性,英飞凌除了扩建德国工厂外,也在马来西亚建设全球规模最大且最高效的200毫米碳化硅功率半导体晶圆厂,并通过“虚拟一体化工厂 (One Virtual Fab)”模式的产能调配系统,依据全球不同应用市场的需求弹性调整生产线。这种“全球一盘棋”的布局,体现了其长远的战略眼光。

行业挑战与本土化路径

针对近期半导体行业的价格波动,潘大伟在回答记者提问时表示,当前市场波动和供需格局受半导体价值链中诸多结构性因素的影响,整个行业持续面临较大的成本压力,涵盖能源、原材料、运输、服务等多个环节,涨价是较为普遍的行业现象。这并非某一家公司的问题,而是整个行业面临的共同挑战。

在中国市场的本土化战略上,英飞凌正在将“在中国、为中国”的本土化策略推向产品开发、定制化服务以及将全球领先的创新转化为可落地交付的客户价值层面。新启用的英飞凌创新空间与位于无锡的本地样品服务中心,打破了以往由海外总部定义产品、国内仅负责销售的模式,允许中国团队直接根据本地客户需求进行产品定义,并在本地工厂完成试制。这使得产品的上市时间(Time-to-Market)得以有效压缩。

从数据来看,英飞凌已连续22年在全球功率半导体市场排名第一。在可再生能源装机量增加、AI计算功耗大幅攀升的技术交汇点上,这家企业的路径非常清晰:利用其在功率半导体与控制芯片上的深厚积累,通过“从电网到核心”再到涵盖新能源汽车、机器人等物理AI应用在内的全链路技术布局,并进一步通过适配市场和客户需求的架构调整,来应对高能耗计算与物理AI带来的转型需求。这不仅是技术上的应对,更是战略上的远见。

热点追踪提示词
你是一名 AI 行业编辑,请围绕下面这条热点输出一份资讯解读:
热点:英飞凌2026战略落地 重构业务双线布局AI赛道要求:
1. 先用一句话解释这条热点在讲什么
2. 再总结它为什么重要
3. 说明会影响哪些 AI 产品或内容方向
4. 最后给出 3 个适合资讯站使用的标题
来源:https://www.eefocus.com/article/2048712.html
英飞凌

游乐网为非赢利性网站,所展示的游戏/软件/文章内容均来自于互联网或第三方用户上传分享,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系youleyoucom@outlook.com。

相关热点
AI热点2026-07-11 18:46
传统企业AI转型RAG项目最难啃的骨头是什么

传统企业RAG项目最难的骨头是数据处理,包括数据整合、清洗和知识提取,沟通与技术成本极高。其次检索模块要求精细打磨分块策略、Embedding选择及混合检索,生成部分需控制上下文长度、防止幻觉并固定输出格式。

AI热点2026-07-11 18:46
Claude 4正式发布:最强AI编程模型与最强AI Agent基建全面解析

二零二五年五月,人工智能公司Anthropic发布Claude4系列(Opus4与Sonnet4),在SWE-bench编程测试中超越Gemini2 5Pro。其智能体基础设施四大改进:扩展思维与工具使用、记忆能力、指令遵循,奖励黑客行为减少百分之八十。Sonnet4成本仅为Opus4的五分之一,是日常编程首选模型。

AI热点2026-07-11 18:46
SLAM技术为何不采用神经网络特征提取

SLAM技术主流采用传统特征提取方法,因其算力成本低、可在CPU实时运行,且多数场景下精度已满足需求。深度学习特征在长时定位、光照剧变等极端场景更具优势,但受限于GPU成本和泛化性,目前落地较少。两者将在不同场景中并行发展。

AI热点2026-07-11 18:46
OpenCV中基于深度学习的边缘检测方法

基于深度学习的边缘检测技术可在OpenCV中通过DNN模块实现,采用整体嵌套边缘检测(HED)模型,利用卷积神经网络融合多尺度特征,比经典Canny检测器更精确,需OpenCV3 4 3及以上版本,并正确配置blobFromImage参数与均值。

延伸阅读