5月27日至29日，第十屆集微大會在上海張江科學會堂隆重舉行。本屆大會以“AI重構未來、生態協同致遠”為主題，由半導體投資聯盟、浦東科創、ICT知識產權發展聯盟和海望資本聯合主辦，愛集微承辦，匯聚全球資源，共筑產業新生態。

在5月29日舉辦的主峰會上，一場主題為“AI與半導體行業變革”的圓桌論壇成為現場關注焦點。Silicon Valley Research Initiative（SVRI）CEO Eric Bouche擔任主持，哥本哈根商學院教授Douglas B. Fuller、新加坡國家科學院院士/新加坡工程院院士Kiat Seng YEO，以及Counterpoint Research中國市場研究總監Kevin Li圍繞中國AI發展路線、全球市場競爭、人才體系重構及產業盈利模式等核心議題展開深入討論。

中國AI路線圖：先進算力仍是關鍵挑戰

在論壇開始，Eric Bouche指出，中國在AI領域已處于全球第一梯隊，但在發展路徑上仍面臨結構性挑戰，并提出首個問題：中國AI發展路線圖的關鍵瓶頸與解決方案是什么？

Silicon Valley ResearchInitiative (SVRl) CEO Eric Bouche

Douglas B. Fuller表示，現在中國AI算力短期確實存在瓶頸，這是一個必須正視且最緊迫的問題。但從1年到4-5年的中期視角來看，這個問題有可能通過本土先進的芯片制造能力逐步解決。

哥本哈根商學院教授Douglas B.Fuller

Kiat Seng YEO則強調，AI發展不僅是技術問題，更是系統工程。他認為中國下一階段關鍵在于兩點：一是持續強化全球人才引進與培養體系；二是推動AI在交通、城市、醫療等核心產業的規模化落地，并與6G/7G、自動駕駛等優勢產業融合，形成難以復制的綜合技術體系，從而增強全球競爭力。

新加坡國家科學院院士/新加坡工程院院士Kiat Seng YEO

Kevin Li則從產業落地角度指出兩大關鍵挑戰：一是面向L3/L4自動駕駛的智能駕駛SoC仍依賴更先進制程能力，國際主流已進入4nm/5nm階段，而國內車規級量產仍以7nm為主，先進產能不足在一定程度上限制高階智能駕駛規?；欢菙祿蕟栴}，目前行業普遍處于“各自閉環（close loop）”模式，數據割裂嚴重，重復訓練與重復建設較為突出。他認為，若能建立跨企業的數據協同與基礎數據庫體系，將顯著提升訓練效率并降低整體成本。

Counterpoint Research中國市場研究總監Kevin Li

Eric Bouche最后補充指出，未來算力提升不僅依賴更先進制程，還需同步推進先進封裝、3D IC及Chiplet等系統級技術路徑，并強調異構集成（如光電融合）也可能成為重要突破方向。

從智能汽車到具身機器人：中國AI如何擴大全球市場份額？

在“如何提升中國AI全球市場份額”的討論中，與會嘉賓普遍認為，競爭焦點已從模型能力轉向具體產業場景的落地與復制能力。

Kevin Li首先從智能汽車切入。他指出，中國AI出海最現實的抓手仍在汽車產業，尤其是智能駕駛的兩條路徑：一是L2++級輔助駕駛能力的海外滲透。在滿足當地法規與數據合規的前提下，可以在海外乘用車中盡可能提升智能駕駛配置比例，讓更多車型具備城市導航輔助等功能，從而擴大整體搭載率；二是L4 Robotaxi的全球化推進，目前文遠知行、小馬智行、Momenta以及百度等企業，已在中東、歐洲等市場持續布局，并與Uber等平臺形成合作合作網絡，推動商業化落地。

Kevin Li同時強調，中國在電動化階段已經建立優勢，接下來“下半場”的競爭在于智能化能力能否同步輸出海外市場。

Kiat Seng YEO進一步把討論擴展到更廣泛的產業結構。他認為，中國AI提升全球市場份額，可以從已經具備優勢的產業率先切入，例如電動汽車與機器人（具身智能）領域，通過AI賦能進一步擴大國際競爭力。同時，在通信、空間技術等領域，也存在通過AI提升市場占有率的空間。

他補充指出，在國家層面，還需要關注半導體與網絡安全等基礎能力建設，這些領域雖然不完全以市場份額衡量，但關系到整體產業安全與技術體系完整性。他強調，要真正擴大AI影響力，需要政府、企業與高校形成協同機制，加快技術轉化與產業落地效率。

Douglas B. Fuller則從海外市場約束角度提醒，在歐洲等高度監管市場，尤其是汽車相關AI應用，將面臨更嚴格的安全與合規審查，這可能影響技術優勢的釋放速度。

Eric Bouche在總結時指出，一個容易被忽視的結構性需求來自人口老齡化。他以日本為例指出，隨著全球老齡人口占比持續上升，對機器人、輔助型AI以及Robotaxi等“物理AI”的需求將快速增長，這一趨勢本身就構成了中國AI企業全球化的重要機會窗口。

人才結構調整：從崗位替代到技能重構，再培訓成為關鍵推動力

在“AI時代中國勞動力與人才發展的重點方向是什么？”這一人才議題方面，與會嘉賓從汽車產業結構變化切入，討論了AI帶來的就業崗位重構與技能錯配問題。

Kevin Li指出，中國汽車產業正處于結構調整階段。一方面，電動化帶來傳統崗位收縮；另一方面，智能化階段對軟件與AI人才需求快速上升，尤其在感知算法、系統集成及軟件開發等中層崗位存在明顯缺口。他認為當前核心問題在于技能錯配，需要通過系統性再培訓機制進行緩解。

Kiat Seng YEO用“aim（目標）”概括人才結構問題。他強調AI發展需要目標導向的人才體系，并以數學與科學為基礎，同時覆蓋制造、材料、半導體等多個領域，實現人才多元化配置。

Douglas B. Fuller表示，全球范圍內AI轉型將帶來結構性就業變化，同時對被替代群體的再就業與再培訓提出挑戰，該問題在各國具有普遍性。

Eric Bouche則強調，“reskilling（再培訓）”將成為關鍵。他指出，未來2至4年AI將創造大量新崗位，但崗位結構變化更快，關鍵不在于新增人才培養，而在于對存量勞動力進行系統性技能升級，使其適應AI產業體系。

從成本控制到效率重構：AI影響產業盈利模式

在產業盈利議題上，與會嘉賓重點討論了AI對企業經營模式的影響。

Kevin Li以汽車行業為例指出，當前行業整體仍處于低利潤運行狀態，“軟件定義汽車（SDV）”成為重要發展方向。通過推動硬件平臺標準化與模塊化，實現零部件及軟硬件接口復用，可以將更多資源投入軟件開發與用戶體驗提升，從而形成增值空間。他以特斯拉為例表示，其核心優勢在于硬件平臺長期穩定，價值主要來源于軟件能力與自研芯片，而非頻繁的硬件迭代。

Kiat Seng YEO認為，AI對產業的意義不僅在于提升盈利能力，更在于增強可持續發展能力。他強調，企業推進AI的關鍵在于管理層率先接受并推動落地，通過內部共識降低執行阻力。他提出“TEACH”框架，即通過信任、賦能、行動與變革，實現AI驅動的組織轉型。

Douglas B. Fuller則指出，當前全球AI投資存在一定過熱現象，部分領域估值偏高，未來可能通過盈利壓力進行市場修正。

Eric Bouche在總結中表示，當前AI軟件迭代速度與半導體制造周期之間存在明顯錯配，晶圓廠及先進封裝建設周期較長，難以匹配AI快速演進節奏。他認為，應加快產業周期優化，例如縮短晶圓廠建設周期，以提升整體產業響應效率。

結語

本場圓桌論壇圍繞AI與半導體產業變革的核心議題展開多維度討論，嘉賓從算力瓶頸、數據效率、全球競爭到人才結構與盈利模式等方面進行了深入交流。整體來看，行業共識逐步清晰：AI發展的底層約束仍集中在先進算力與制造能力，但技術演進正從單點突破走向先進封裝、系統集成與異構計算的協同推進。

與此同時，AI產業競爭正在從模型能力之爭轉向場景落地與產業融合能力之爭。在這一過程中，數據協同效率與人才再培訓機制，以及產業周期與技術迭代之間的匹配關系，將共同決定AI與半導體產業的長期發展路徑與競爭格局。

作為本屆集微大會主峰會的重要環節，本次圓桌論壇不僅呈現了來自學界與產業界的多元視角，也在一定程度上勾勒出AI時代半導體產業發展的關鍵坐標：在全球競爭加速演進的背景下，技術突破與產業協同將并行推進，而開放合作與體系化能力建設，將成為決定未來產業格局的重要變量。