国际半导体产业协会（SEMI）在其《全球半导体设备市场统计报告》（WWSEMS）中宣布，2026年第二季度全球半导体设备销售额同比增长23%，达到405.3亿美元；与第一季度相比，环比增长11%。
这一结果标志着该行业连续第二个季度创下销售纪录，反映出在人工智能投资势头以及全球AI计算基础设施加速布局的带动下，市场对技术及产能解决方案的需求持续升温。
SEMI总裁兼首席执行官Ajit Manocha表示：“半导体设备销售连续两季创下纪录，体现了行业正持续投入先进制造产能，以满足不断攀升的芯片需求，尤其是面向AI基础设施的需求。亚洲、北美和欧洲均实现增长，凸显了这一需求的全球性，也表明半导体制造在推动下一波AI驱动创新中扮演着关键角色。”
WWSEMS报告汇总了全球半导体设备行业的月度销售数据，数据来源于SEMI会员企业以及日本半导体设备协会（SEAJ）成员提交的信息。报告还按地区列出了季度销售数据（单位：十亿美元），并分别显示了环比与同比变化。
（注：原文末尾提及的地区明细数据未随文章提供。）

SEMI报告显示，2026年第二季度全球半导体设备销售额同比增长23%至405.3亿美元，环比增长11%，连续两季创纪录，主要受AI投资及全球算力基础设施布局推动，亚洲、北美和欧洲均实现增长。

SEMI报告：2026年Q2全球半导体设备销售额同比增长23%创纪录

首页

新闻

西门子今日宣布，日本半导体企业 NanoBridge Semiconductor, Inc.（NBS）已采用西门子 Precision FPGA Synthesis，用于其现场可编程门阵列（FPGA）开发计划。NBS 专注于低功耗与严苛环境半导体技术。
根据一项 OEM 协议，NanoBridge Semiconductor 将向其客户提供针对 NBS6503H 和 NBS1201 FPGA 器件系列优化的 Precision FPGA Synthesis 版本，帮助设计人员获得高质量的综合结果，同时支持高效的设计实现流程。
“NanoBridge Semiconductor 致力于推动面向航空航天、汽车和关键基础设施的低功耗与严苛环境半导体技术。”NanoBridge Semiconductor, Inc. 联合创始人兼首席技术官 Toshitsugu Sakamoto 表示，“采用西门子 Precision FPGA Synthesis，使我们能够为客户提供针对自身 FPGA 器件系列量身定制的综合流程，同时继续拓展支持我们技术的生态系统。我们重视与西门子的合作，因为我们正致力于加快创新，并扩大 FPGA 解决方案在全球一些最严苛应用和环境中的采用。”
西门子数字工业软件旗下西门子 EDA 日本副总裁 Yukio Tsuchida 表示：“创新型半导体公司正在推动可编程电子领域的下一波进步。与 NanoBridge Semiconductor 合作，将 Precision FPGA Synthesis 的能力带给其客户，并提供针对其 FPGA 器件系列优化的设计流程，证明西门子技术能够帮助半导体创新者加速开发、降低复杂性，并满怀信心地将先进产品推向市场。”
NanoBridge Semiconductor 基于其专有的 NanoBridge® 技术开发非易失性 FPGA 与存储器技术。该公司的技术面向需要出色能效和可靠性的应用，包括航空航天、智能基础设施、安全元件与汽车系统。
此次合作奠定了双方在 FPGA 设计支持、技术支持与生态发展方面持续合作的基础。NanoBridge Semiconductor 的创新 FPGA 技术与西门子在电子设计自动化领域的专业能力相结合，正帮助工程师更高效地将先进的可编程半导体解决方案推向市场。
如需了解更多关于西门子 Precision FPGA Synthesis 的信息，请访问：<a href="https://www.siemens.com/en-us/products/ic/precision/" style="color:#4f46e5;text-decoration:none">https://www.siemens.com/en-us/products/ic/precision/</a>
西门子数字工业软件（Siemens Digital Industries Software）帮助各种规模的组织利用西门子 Xcelerator 业务平台中的软件、硬件和服务实现数字化转型。西门子软件与全面的数字孪生技术使企业能够优化其设计、工程和制造流程，将今天的创意转化为未来的可持续产品——从芯片到整个系统，从产品到流程，覆盖所有行业。西门子数字工业软件——加速转型。

西门子宣布，日本半导体企业NanoBridge Semiconductor已采用Precision FPGA Synthesis用于FPGA开发。根据OEM协议，该公司将向客户提供针对其FPGA器件优化的综合流程，旨在服务航空航天、汽车及关键基础设施等低功耗严苛环境应用。此次合作将加速FPGA创新与生态发展。

NanoBridge半导体采用西门子Precision FPGA Synthesis开发严苛环境FPGA

西门子数字化工业软件（Siemens Digital Industries Software）于9月4日宣布，NanoBridge Semiconductor 已采用西门子的 FPGA 逻辑综合工具 Precision FPGA Synthesis，将其用于自家 FPGA 器件系列的设计流程。
此项合作基于一项 OEM 协议。NanoBridge Semiconductor 将面向自有 FPGA 产品 NBS6503H 与 NBS1201，向客户提供经过调优的 Precision FPGA Synthesis 设计流程。设计人员可针对这两款 FPGA 的架构执行逻辑综合，在获得高质量的综合结果后继续推进实现工作。Precision FPGA Synthesis 是面向 FPGA 开发的商用逻辑综合解决方案，能够把设计数据转换为可在目标器件上实现的网表（netlist）。NanoBridge 将工具调优至 NBS6503H 与 NBS1201 的架构，并随芯片一起交付，目的是支持客户完成从设计到实现的工作，同时带动这两款 FPGA 扩大采用。
NanoBridge Semiconductor 开发并产品化了基于自有非易失开关“NanoBridge”的非易失 FPGA 与存储器技术。NanoBridge 开关利用固体电解质中金属离子的析出与溶解反应，实现无需供电即可保持状态的切换机制。该公司是一家从 NEC 分拆、于2019年成立的初创企业，相关研发在 NEC 时期已经持续多年：团队在2011年验证了基于 65nm 工艺的可重写 LSI（NB-FPGA）；2017年与产业技术综合研究所（AIST）共同开发了面向太空应用、具备高抗辐射能力的 NB-FPGA。2020年，这款太空用 NB-FPGA 通过 Epsilon 火箭4号机发射入轨，搭载于 JAXA 约 200kg 级“小型实证卫星1号（RAPIS-1）”，已确认拥有长期在轨运行实绩。
非易失 FPGA 在断电后仍能保存电路配置信息，因此上电时无需从外部存储器读取配置数据，有助于降低待机功耗、缩短启动时间，还可能减少或省去外部配置存储器。NanoBridge 正将这类器件推向航空航天、车载系统、智能基础设施、安全元件等重视能效与可靠性的领域；低功耗与可靠性要求较高的关键基础设施应用同样是其目标场景。
FPGA 开发中，逻辑综合是用硬件描述语言（HDL）写成的电路设计进入实际可编程器件前的关键转换步骤。在这个过程中，需要将 HDL 描述转换成能在目标 FPGA 的逻辑单元与布线资源上实现的形式；如果与器件架构匹配不佳，最终电路的规模、工作频率和功耗可能都无法达到应有水平。因此，新的 FPGA 产品要走向市场，除了器件本身，还需要有一条设计者可从既有开发环境接入的完整工具链。在半导体选型中，逻辑综合、实现、验证阶段的设计工具、技术支持、IP 等开发环境，对客户决策的影响不亚于器件性能。尤其是采用专用架构的 FPGA，能否继续复用既有设计资产并具备面向目标器件的优化工具，很可能会决定市场推广的成败。
两家公司表示，本次合作将成为双方在 FPGA 设计使能（enablement）、技术支持与生态系统开发方面持续合作的基础。西门子的 EDA 技术将与 NanoBridge 的非易失 FPGA 技术结合，为设计者构建起高效开发低功耗、可适应严苛环境的可编程半导体的环境。下一步，双方将继续完善技术支持和设计生态，以加速这类具备低功耗与高可靠性特征的非易失 FPGA 投入市场。

NanoBridge Semiconductor采用西门子Precision FPGA Synthesis优化其非易失FPGA设计流程，覆盖NBS6503H与NBS1201。双方将深化EDA与FPGA生态合作，帮助客户实现低功耗、高可靠设计，推动产品在航空航天与关键基础设施领域应用。

NanoBridge采用西门子逻辑综合工具开发非易失FPGA

东京商工调查（Tokyo Shoko Research）9月4日发布的一项针对主要半导体相关制造商的业绩调查显示，日本154家企业2025财年（2025年4月至2026年3月）销售额合计同比增长17.1%，达到7.9115万亿日元；利润合计同比增长5.4%，达到7125亿日元，双双创下过去5年最高纪录。排名方面，铠侠（Kioxia）居销售额首位，前五大企业销售额合计占154家整体的79.1%。盈利企业占比升至73.3%，受成本上涨等因素影响，42.8%的企业利润下滑。
调查对象来自东京商工调查约440万家企业的数据库，筛选条件包括：属于日本标准产业分类中的“制造业—电子部件、器件及电子电路制造业—电子器件制造业—集成电路制造业”，且以2025财年为最新财年、连续5个财年业绩可查，共计154家。调查显示，生成式人工智能（Generative AI）的普及、数据中心需求扩大，以及NAND型闪存（NAND flash memory）供应不足带动售价上涨，共同推高了业绩。
<h2 style="font-size:16px;font-weight:bold;color:#333;margin:20px 0 10px;line-height:1.4">销售额竞争格局：铠侠居首，前五强占约八成</h2>
在销售额排行榜中，铠侠销售额同比增长38.5%，位列第一。AI普及带动数据中心对高容量、高速固态硬盘（SSD）的需求增长，NAND型闪存平均售价上升也是推动因素。
第二名是索尼半导体解决方案（Sony Semiconductor Solutions），智能手机用堆叠式CMOS图像传感器（CMOS image sensor）的大尺寸、高灵敏度化，以及车载、工业相机感测需求扩大，为公司带来增长。
第三名是瑞萨电子（Renesas Electronics）。汽车电子化和智能化推动车载微控制器（Microcontroller Unit，MCU）需求增长，工业设备和物联网（IoT）用半导体需求也为其带来收益。
前五大企业合计销售额在154家整体中占比达到79.1%。半导体制造需要巨额研发和生产设备投资，因此销售额呈现出向大规模企业集中的明显趋势。
<h2 style="font-size:16px;font-weight:bold;color:#333;margin:20px 0 10px;line-height:1.4">JASM销售额增长至约143倍</h2>
销售额增幅最高的是台积电（TSMC）日本子公司JASM（Japan Advanced Semiconductor Manufacturing）。2025财年，JASM销售额为724.2亿日元，同比增长14240.5%，约为上年同期的143倍。熊本县菊阳町的工厂首次全年运转，半导体量产出货全面铺开，带动该公司出现爆发式增长。
整体看，销售额同比增幅在100%以上的企业有3家，占154家的1.9%，主要原因是生产基地全面投产。增幅在10%至100%之间的企业最多，有46家，占29.8%；销售额同比下降但降幅不足10%的企业有37家，占24.0%。半导体需求扩大带来的红利因企业和产品领域不同而呈现明显分化。
<h2 style="font-size:16px;font-weight:bold;color:#333;margin:20px 0 10px;line-height:1.4">销售规模分布：超四成企业销售额在10亿日元以上</h2>
从销售额规模看，低于1亿日元的企业最多，有36家，占23.3%；1亿至5亿日元的企业有35家，占22.7%；10亿至50亿日元的企业有28家，占18.1%。销售额500亿日元以上的企业有18家，较上财年增加1家。销售额10亿日元以上的企业合计68家，占整体的44.1%。
半导体业务需要持续投入制造设备和研发。无论是采用先进制程的逻辑半导体，还是成熟制程、功率半导体、传感器、半导体存储器，要提高生产效率都需要达到一定规模。东京商工调查认为，从提高资本使用效率的角度出发，扩大规模是难以回避的选择。
<h2 style="font-size:16px;font-weight:bold;color:#333;margin:20px 0 10px;line-height:1.4">盈亏分化：盈利企业增加，超四成利润下滑</h2>
2025财年，实现最终盈利的企业为113家，占整体的73.3%，较2024财年的107家、69.4%增加6家。不过在盈利的同时利润出现减少的企业达66家，占整体的42.8%。行业总体销售额与利润虽同步增长，但各公司盈利能力的两极分化进一步加剧。
利润下滑的主要原因包括：硅晶圆、特殊气体等材料费用上涨，能源价格上升抬高工厂水电成本，劳动力短缺导致人工费用增加。在通用产品需求低迷、成本上涨未能充分向销售价格转嫁的企业中，出现了销售额扩大但利润未见增长的情况。
利润总额虽实现同比5.4%的增长，但与2024财年高达500.8%的同比增幅相比，增速明显放缓。这表明，受益于AI服务器高附加值产品和供需紧张带来价格上升的企业，与面临成本上升和通用产品需求低迷的企业，业绩差距正在拉大。
生成式AI和数据中心相关需求正在推高日本半导体企业的业绩，但销售额进一步向头部集中，利润表现则取决于企业对成本上升的应对能力。今后，能否持续抓住AI相关高附加值产品的需求，能否将设备、材料、人工等增加的成本反映到销售价格中，将在很大程度上决定各厂商的盈利表现。

东京商工调查显示，日本154家主要半导体企业2025财年销售额同比增长17.1%至7.91万亿日元，利润增长5.4%至7125亿日元，均创5年新高。铠侠领跑，AI与数据中心需求推动业绩增长，但超四成企业利润下滑。

日本半导体企业2025财年销售额利润双创纪录，AI需求成主引擎

西门子（Siemens）与 NVIDIA 宣布扩大战略合作，面向半导体与印制电路板（PCB）设计提供自验证型 Agentic AI（智能体式 AI）工作流。该工作流结合西门子 Fuse EDA AI Agent 与 NVIDIA 的 AI 基础设施、加速计算及 AI 软件，让 AI 智能体不仅能自主执行长时间的设计任务，还能在西门子基于物理的确定性 EDA 引擎中持续验证自身的判断与设计结果，确保得到可靠成果。
在常见的生成式 AI 设计辅助模式下，AI 给出的回答或脚本是否在物理和电气上正确，仍需要额外确认；半导体设计还需串联大量工具，在多个工序间进行长时间反复迭代，一旦 AI 调用工具或判断出错，可能影响后续环节。Fuse EDA AI Agent 的应对方式是：让面向半导体/PCB 设计的 AI 智能体先推理设计课题，再操作 EDA 工具完成处理，随后把结果返回给基于物理的确定性 EDA 引擎验证，并按需要修正设计或执行步骤。借助“AI 执行—工具验证”的循环，流程将从单纯的设计自动化转向在推进过程中自动核验设计结果的自验证型工作流。
该系统还与西门子工业 AI 环境 Intelligence Center X 集成。除了 AI 智能体的创建与编排外，该环境还能支持跨设计、制造和供应链的 AI 应用，并可对接综合数字孪生（comprehensive digital twin）。
自验证工作流使用了 NVIDIA 的 NeMo Gym、OpenShell、Nemotron、Switchyard 等组件。其中，NeMo Gym 用于构建和优化 EDA 智能体；智能体可从每个项目的执行结果中学习，持续改进设计流程与运行策略，并复用已经积累的上下文来提升设计质量、处理速度和 token 效率。OpenShell 为智能体提供具备访问控制和审计追踪能力的受管运行时环境，使企业设计部门能够在接触高保密性半导体/PCB 设计数据的同时使用自主智能体。Nemotron 模型与 Switchyard 负责支持 AI 智能体理解和推理设计中的权衡（trade-off）。而 NVIDIA 加速计算和 CUDA-X 库可加速 AI 推理和 EDA 引擎，使原本需要数天才能得到的签核（sign-off）质量结果缩短为数小时。
Fuse EDA AI Agent 覆盖半导体与 PCB 设计生命周期，能够协同多个领域专用智能体。工具链包括：Catapult（高层次综合），Questa One 与 Veloce（验证），Solido（定制 IC 设计与验证），Aprisa（物理实现），Calibre（签核验证），Tessent（可测试性设计），Innovator3D IC（3D IC 集成），以及 Xpedition（PCB 设计）。它不是让综合、验证、物理实现、签核等环节分别独立使用 AI，而是让各环节的智能体共享设计目标与验证结果，从而在整个设计流程层面实现优化。
在定制 IC 设计方面，西门子为 Solido Characterization Suite 增加了智能体式 AI 功能。AI 智能体协同 Solido Characterizer、Solido LibSPICE、Solido Generator 和 Solido Analytics，自动完成描述半导体库特性的 Liberty 文件的生成与验证。面向先进工艺的标准单元、存储器和定制 IP 库，特性表征时间可缩短至传统方法的十分之一以下，AI token 成本也可控制在原来的五分之一至十分之一以下。
西门子还推出了新的 Solido Layout Analyzer，用于可视化和分析版图后设计（post-layout）中出现的寄生效应与版图依赖效应。与 Fuse EDA AI Agent 联动后，用户通过自然语言即可完成从确认分析结果、提出修改建议到生成报告的全部流程。这使版图带来的电气特性影响能在设计流程早期被发现，减少后期返工。
在数字验证领域，西门子将 Questa One Agentic Toolkit 与 NVIDIA 的推理模型 Nemotron 3 Ultra 配合使用。验证工作最多可占半导体开发周期的 70%。随着 AI 芯片、chiplet（芯粒）和 3D IC 的复杂度不断提高，验证项目也在增加，传统方法已难以覆盖设计空间与测试场景。AI 智能体将在评估设计权衡的同时，以基准测试平台（test harness）持续验证设计，从而更早发现问题、加快验证收敛，缩短获得量产级质量结果所需的时间。
西门子表示，计划通过后续发布的 AI 原生 EDA 产品组合逐步提供此次扩展的 AI 驱动型 EDA 功能。

西门子与NVIDIA推出面向半导体与PCB设计的自验证型Agentic AI工作流，集成Fuse EDA AI Agent与NVIDIA加速计算，让AI智能体在EDA引擎中自动验证结果，缩短特性表征与签核时间，提升设计质量与效率。

西门子联合英伟达发布自验证智能体AI，加速半导体与PCB设计

荷兰ASML旗下子公司ASML日本（ASML Japan）9月3日在东京都内举行成立25周年纪念媒体发布会。ASML日本社长藤原祥二郎与技术营销总监永原诚司出席，披露日本市场营收占比已达5%，并宣布到2030年度将人员从500人扩充至700人，同时更新了高NA EUV产品路线图。
作为全球光刻设备龙头，ASML是目前唯一能够量产供应EUV光刻机的厂商。EUV光刻机在7nm及以下逻辑工艺以及1c nm/1γ nm DRAM工艺中不可或缺，使用这些最先进工艺的客户均导入了ASML的EUV设备。因EUV设备单价高昂，ASML业绩持续强劲：2022年营收为212亿欧元，今年预计达到430亿至450亿欧元，几乎翻番。其中，今年以来的DRAM需求爆发是重要推动力。从销售金额占比看，2025年面向DRAM的光刻设备销售额仅为面向逻辑设备的一半左右，而目前两者已大致持平。除排名前三的DRAM厂商外，长鑫存储（CXMT）、南亚科技（Nanya）、华邦电子（Winbond）等存储企业均公布了大规模扩产投资计划，部分已开始动工，订单随之大量涌入ASML。逻辑方面，台积电等厂商也在大幅扩产，据称目前有20座工厂同时在建。按这一势头，预计到2026年末，面向DRAM的设备出货金额将超过面向逻辑的设备。
从出货量与金额结构看，EUV光刻机的出货量仅占ASML总量的9%，DUV光刻机（KrF、ArF/ArF浸没式）占52%，其余为计量/检测设备；但在销售金额中，EUV占比高达48%，可见EUV设备的昂贵程度。
按地区来看，日本市场近期增长迅速，营收占比已达到5%。ASML年报显示，日本市场营收占比2023年为2.22%，2024年为4.09%，2025年为4.35%，近期才突破5%。增长主要来自美光广岛工厂导入EUV光刻机、日本产业技术综合研究所（产综研）导入High-NA EUV（高数值孔径EUV）光刻机，此外面向功率半导体的DUV光刻机销售也推高了数字。不过藤原社长强调，对ASML而言，日本不只是销售光刻设备和计量检测设备的市场。
今年是ASML日本设立25周年，该公司目前在8个据点共拥有500名员工。按藤原社长的说法，这些据点本质上就是客户所在之处。回顾2010年代，日本半导体厂商相继关闭或缩小自有晶圆厂，转向Fabless（无晶圆厂）或Fab Lite（轻晶圆厂）模式，ASML日本主要承担设备的交付、安装和售后服务，处境相当艰难。期间虽有与其它光刻设备厂商竞争中胜出而获得客户的时刻，但总体上是在缩小的市场中坚持了下来。与其他地区不同，日本的材料、掩膜、零部件和半导体设备厂商依然活跃，保有全球竞争力。ASML日本的另一项重要工作，正是与这些生态系统伙伴进行对接与合作，这一点与英特尔日本（Intel Japan）的情形非常相似。
面向2030年度，ASML日本计划将员工规模从目前的500人扩充到700人，以进一步强化生态系统合作及供应链。新增的200个岗位大多用于客户支持。此外，ASML无论在日本还是其他国家，都不会在本地设立研发部门，与客户和合作伙伴的联合研究、联合开发均直接与荷兰总部对接。
永原诚司还在会上简要介绍了未来的产品路线图，包括NA=0.33的NXE:3000系列和NA=0.55（高NA）的EXE:5000系列。针对高NA工艺使用的光刻胶材料，ASML也给出了一份候选路线图，不过该路线图并非最终确定方案，只是目前最有潜力的若干选项。永原还比较了逻辑与DRAM工艺的K1（工艺系数）：逻辑芯片在0.7nm世代可将K1压缩到0.33，而DRAM即使到了0D nm世代，K1仍维持在0.45～0.49。原因是逻辑电路多为一维布局，对焦更加容易；DRAM的二维结构则难以实现同等程度的聚焦控制。
值得关注的是，在2024年imec技术论坛（ITF 2024）上，ASML的Martin van den Brink曾展示Hyper-NA（NA=0.75）对应HXE系列的路线图，原定2028年导入；但在此次发布的内容中，该系列并未出现。藤原社长就此回应称，ASML本就有在2030年代导入Hyper-NA的计划，目前仍在推进开发，但具体时间尚未确定，将根据市场行情与客户协商，在必要的时间点提供必要的技术。早前在2024年路线图发布时，就有Hyper-NA面临多项课题、解决尚需时间的说法，因此Hyper-NA的实际落地恐怕还要等待相当长的时间。

ASML日本庆祝成立25周年，披露日本营收占比达5%，计划2030年前将员工从500人扩至700人，并更新高NA EUV路线图，显示对日本市场和先进光刻技术的长期投入。

ASML日本成立25周年扩编至700人 高NA EUV路线图更新

国际半导体产业协会（SEMI）9月4日发布数据称，2026年第二季度全球半导体制造设备销售额达到405.3亿美元，较2025年同季度增长23%，较上季度增长11%，连续两个季度创下单季历史最高纪录。随着AI相关投资持续活跃，全球各地加速推进AI计算基础设施建设，对支撑其运转的半导体制造技术和产能的需求随之扩大，成为拉动市场增长的主要动力。
在生成式AI和智能体AI（agentic AI）不断普及的背景下，AI加速器、高带宽存储器（HBM）和先进逻辑半导体的需求正在增加。为了制造这些芯片，器件制造商和代工厂持续在全球范围内开展前道晶圆制造与后道封装方面的投资。在AI半导体领域，除先进工艺所需的薄膜沉积、蚀刻、光刻和检测/测量设备外，面向芯粒（chiplet）以及2.5D/3D封装等技术的先进封装设备重要性也在上升。由于HBM堆叠层数的扩大以及AI加速器与HBM的集成度不断提升，从晶圆制造到封装环节的各类设备需求均受到明显带动。
SEMI总裁兼首席执行官阿吉特·马诺查（Ajit Manocha）表示，连续两个季度刷新历史纪录，反映出业界为满足以AI基础设施为核心的半导体需求增长，正持续对先进制造能力进行投资；亚洲、北美和欧洲的增长则说明AI需求与半导体制造投资正在全球范围内铺开。
分地区看，除了承担全球主要半导体生产的亚洲之外，北美和欧洲对半导体制造能力的投资也带动了设备销售额增长。亚洲地区的先进逻辑半导体、存储芯片和先进封装产能正在持续增强；受AI数据中心所用GPU、定制AI加速器和HBM需求增加推动，先进工艺和存储两大领域均出现设备投资增长。北美和欧洲则在推进旨在强化半导体供应链、分散制造基地的工厂建设，各国及地区的半导体产业支持政策形成助力，带动了面向逻辑、存储和功率半导体产能构建的设备需求。AI基础设施投资既推高了运算类半导体和存储半导体的需求，而各国出于经济安全考量也在积极推进半导体制造能力建设，这为全球设备市场提供了有力支撑。
关于本次销售额的详细数据，SEMI表示将在基于SEMI会员企业和日本半导体制造装置协会（SEAJ）提交的数据编制的《全球半导体制造设备市场统计》（WWSEMS）报告中提供。WWSEMS汇总了全球半导体制造设备行业的月度销售额，覆盖7个地区和超过22个细分市场。
2026年第二季度，AI用先进半导体产能增强与全球多地新厂建设及产能扩张形成叠加，推动市场继上季度之后再次登顶。随着AI计算基础设施投资延续，支撑AI半导体先进逻辑、存储及先进封装的设备需求预计也将持续处于高位。

SEMI数据显示，2026年第二季度全球半导体制造设备销售额达405.3亿美元，同比增长23%，环比增长11%，连续两季创历史新高。AI基础设施投资带动先进逻辑、存储及先进封装设备需求，亚洲、北美和欧洲均出现增长。

2026年Q2全球半导体设备销售额达405亿美元，连续两季创新高

日本理化学研究所（理研）和宇都宫大学等机构的国际联合研究小组于8月25日宣布，在用2μm固体激光器产生极紫外（EUV）光的过程中，采用“多激光照射法”将激光分成多束同时照射锡靶，EUV光转换效率可从2.6%提升到3.6%，相对升幅约40%。该方法的亮点是降低了单束激光的能量需求，同时维持了更高的转换效率，为EUV光刻设备降低功耗提供了可行路线。
目前，最先进半导体的线宽已经达到数纳米以下。这类芯片的电路图形需要利用波长13.5nm的EUV光进行光刻。常见EUV光源是由大功率二氧化碳激光（波长10.6μm）轰击锡靶生成锡等离子体，再辐射EUV光。该EUV光源的功耗超过1MW，是先进制程进一步发展的制约因素。2μm固体激光器的电光转换效率较高，因此被寄望于替代二氧化碳激光器；问题是2μm固体激光器的输出能力尚未达到EUV光刻设备所需水平，实用化前景不明。
在先进半导体的开发中，若要继续微缩电路图案，就需要更高输出的EUV光源。如果只是提高光源功率，半导体制造成本和环保压力都会进一步增大。有报道称，台积电公司的耗电量已经逼近台湾地区总用电量的10%，问题已经开始显现。
研究团队此次采用了一种替代方案：将一台2μm固体激光器输出的光束分成多束，在总激光能量不变的前提下降低每一束的能量，再以不同入射角同时照射锡靶，从而在较低单束能量下提高转换效率。这种方案称为“多激光照射法”。实验在真空容器内进行。Ho:YAG（掺钬钇铝石榴石）固体激光器输出的是波长为2090nm、脉宽20ns、重复频率1kHz的2μm波段激光脉冲；激光照射锡金属平板靶后，研究人员测量了EUV光谱、EUV光转换效率、光源图像、高速离子等参量。
单束激光实验显示，当总激光能量为40mJ、入射角为0°时，靶面激光强度约为1.6×10^11 W/cm²，EUV光转换效率达到最大，为2.6%。辐射流体力学模拟计算出的等离子体温度和发射光谱与实验数据吻合。在该单束条件下，光谱纯度最高达到8%，带外发光受到强烈抑制。
在总能量仍为40mJ的前提下，研究团队将激光能量分成两束（每束20mJ），以±30°的入射角同时照射锡靶。通过调节聚焦透镜的焦点位置和焦点光斑大小，两束激光在靶面的强度均保持在1.6×10^11 W/cm²左右。结果显示，与总能量相同的单束照射相比，双束照射的EUV光转换效率从2.6%升至3.6%，提高了约40%。研究团队称，这是使用锡平板靶的2μm固体激光EUV光源中世界最高水平的转换效率。
EUV能量计的记录显示，双束照射时EUV脉冲时间波形的积分面积大于单束照射。团队分析认为，多束激光同时加热使等离子体区域扩大，进而抑制了等离子体冷却，使更多EUV光被辐射出来。
针孔相机图像显示，单束和双束条件下的EUV光源尺寸都在约60～70μm，几乎没有变化。这意味着该技术可以在不扩大光源尺寸的前提下提高转换效率。这样的光源尺寸也满足未来高数值孔径的“高NA/Hyper-NA EUV光刻设备”所要求的100μm以下条件。
这项研究给出了一条新设计思路：通过较低能量的多束激光同时照射，可以实现EUV光转换效率的提升。研究团队下一步将优化2μm固体激光的束数，并在EUV光刻设备实际采用的液滴状锡靶上进行验证，推动其走向实际应用。由于2μm固体激光器具有较高的电光转换效率，采用该技术有望降低EUV光刻设备整体耗电，并为先进半导体产业的持续发展和日本半导体产业国际竞争力的提升带来帮助。
参与研究的主要人员包括：理研光量子工学研究中心（RAP）未踏激光科学研究团队负责人高桥荣治（兼任理研最先进研究平台合作事业本部计算领域扩展项目先进半导体技术开发课题负责人），该团队基础科学特别研究员西宫海人；宇都宫大学工学部基础工学系教授东口武史（兼任RAP未踏激光科学研究团队客座研究员），该系研究生长浜直辉、山本隼也（兼任RAP团队研修生）、矢泽隼斗（研究当时）、高井悠太、田中千智（兼任RAP团队客座研究员）；东京大学大学院工学系研究科副教授坂上和之；美国普渡大学极端环境物质中心研究员砂原淳；爱尔兰都柏林大学学院教授Jerry O'Sullivan；广岛大学大学院先进理工系科学研究科教授难波慎一等。相关论文已发表于Optica（原美国光学会）出版的期刊《Optics Letters》。

日本理化学研究所与宇都宫大学等团队用多激光照射法，将2μm固体激光分束同时照射锡靶，在总能量不变下，EUV光转换效率从2.6%升至3.6%，提升约40%，且光源尺寸未扩大，有望降低EUV光刻设备功耗。

多激光照射法使2μm固体激光器的EUV光转换效率提升约40%

无晶圆厂（Fabless）半导体厂商博通（Broadcom）发布2026财年第三季度（2026年5月至7月）财报。期内营收为295.91亿美元，同比增长86%；净利润为130.88亿美元，相当于上年同期的3.2倍。
分业务看，半导体业务营收为208.39亿美元，同比增长127%，占总营收的70%（上年同期为57%）；其中AI半导体营收达到167亿美元，同比增长221%，相当于上年同期的3.2倍。基础设施软件业务营收为87.52亿美元，同比增长29%，占总营收的30%（上年同期为43%）。随着大型科技企业对定制AI芯片（custom AI chip）的需求持续增长，半导体业务营收占比预计将进一步上升。
<h2 style="font-size:16px;font-weight:bold;color:#333;margin:20px 0 10px;line-height:1.4">第四季度展望</h2>
展望2026财年第四季度（8月至11月），博通预计营收为348亿美元，同比增长93%。公司总裁兼CEO陈福阳（Hock Tan）表示：“定制AI加速器与网络的需求依然强劲，第四季度这一势头将继续，AI半导体营收有望加速增长至217亿美元，同比增长236%。”他同时指出，AI需求将持续驱动增长，公司未来将聚焦面向大型科技企业、增长潜力大的定制AI半导体业务。
在财报电话会上，陈福阳还披露，博通已握有足够的订单储备（backlog），可使2027年AI半导体营收达到1100亿美元，相当于目前水平的两倍；2028年也有望在此基础上再翻一番。面对部分金融市场人士对大型科技公司AI投资过热、资本开支见顶，以及经济和利率走势的担忧，博通通过披露巨额在手订单强调，AI半导体需求未来将继续扩大。
博通还透露，公司正在为OpenAI开发第三代处理器，并强调该芯片在OpenAI运行环境中展现出与英伟达（NVIDIA）下一代平台“Vera Rubin”相当的性能。

博通发布2026财年Q3财报，营收295.91亿美元，同比增86%；AI半导体营收167亿美元，同比暴增221%。公司预计Q4营收348亿美元，AI半导体业务将加速增长，并披露握有足以支撑2027年1100亿美元AI营收的订单储备。

博通财报：AI半导体营收增221%，下季营收预增93%

铠侠（Kioxia）9月3日在美国举行的内存与存储技术领域最大规模国际展会“FMS 2026（The Future of Memory and Storage 2026）”上召开技术说明会，详细介绍了面向AI时代的NAND闪存战略。铠侠表示，将从低延迟、高耐久性的XL-FLASH，到适合大容量化的QLC进行组合，围绕DRAM容量扩展、大规模数据摄取、模型训练与推理、GPU近存储等AI用例，分门别类地提供最合适的SSD产品。铠侠存储器事业部存储器应用技术统括部部长松寺克树与SSD事业部SSD应用技术统括部部长滨田诚分别进行了说明。
<h2 style="font-size:16px;font-weight:bold;color:#333;margin:20px 0 10px;line-height:1.4">生成式AI驱动需求分化</h2>
生成式AI正在从由有限用户生成文本的阶段，经由支持图像、语音和视频的多模态化，走向多个AI互相协作执行任务的智能体AI（Agentic AI）阶段。伴随AI生成、处理和存储的数据量持续增加，铠侠预计，到2026年每颗芯片的最大容量在DRAM侧将达到32Gbit，在NAND闪存侧将达到2Tbit——这为NAND在AI系统中打开更大应用空间。
AI基础设施对NAND的要求也并非单一：长期保存更看重容量与成本，大规模数据摄取要求容量和读取性能，训练与推理要求带宽和耐久性，向GPU直接供数据则需要低延迟和细粒度访问。针对这些差异，铠侠计划以低延迟高耐久性的XL-FLASH、性能与容量平衡的TLC、适合大容量化的QLC分别应对，并从NAND、控制器到SSD进行垂直整合开发，按使用场景提供产品。
<h2 style="font-size:16px;font-weight:bold;color:#333;margin:20px 0 10px;line-height:1.4">用XL-FLASH扩展DRAM容量</h2>
AI系统中的数据并非都以相同频率被访问。铠侠引用典型的“20／80”分布：全部数据的约20%承载了约80%的访问，其余数据的访问频率较低。如果让DRAM去容纳这些低频数据，高企的DRAM价格会让缓存成本不断上升；但直接放入SSD，需要时再读回DRAM又会导致系统性能下降。这正是既有AI系统面临的困境。
XL-FLASH的目标是填补这一空档。它比DRAM慢，但远比SSD快，位于DRAM和SSD之间的中间层，也就是存储级内存（SCM）。把高频数据留在DRAM，将低频数据放进XL-FLASH，可在控制成本的同时避免性能出现明显滑坡。承载该方案的产品，是搭载第二代XL-FLASH的CXL内存扩展模块“KIOXIA XL1系列”。
第二代XL-FLASH基于第5代BiCS FLASH开发，基本构成采用MLC，也可作为SLC使用。SLC工作时的读延迟在5微秒以下，写入寿命为15万至25万次。NAND依靠单元电压状态来区分数据：SLC需要区分0/1两档，MLC需要区分00/01/10/11四档，TLC则需要区分000至111八档。单元存储的数值越多，容量越大，但电压判断也更耗时，因此读取延迟会变长。第二代XL-FLASH以MLC方式运行时，读取延迟会比SLC慢2至3微秒。
即使单独读取再快，如果在写入或擦除过程中接到读请求，等待时间仍可能超过100微秒。这种尾部延迟也是把NAND用作内存扩展时必须突破的障碍。XL1系列通过专用控制器隐藏写入／擦除造成的等待，让CPU能够以内存语义直接访问，从而稳定实现10微秒以下的读延迟。铠侠称，仿真结果显示这种方式可将延迟相比传统方式减少90%以上。
在仿真器验证中，把DRAM中的33%数据转移到XL1系列后，148GB DRAM加77GB XL-FLASH的配置相比225GB纯DRAM配置，仍能保持95%以上的性能；若用相近成本重新优化配置，等效内存容量可扩大1倍，并因减少容量不足而向SSD换页的频率，使应用性能提升到1.3倍。XL1系列接下来将尽快在包括超大规模云厂商在内的客户和合作伙伴系统中做评估；量产时间将根据客户评价与认证进度决定，未来计划导入第三代XL-FLASH。
<h2 style="font-size:16px;font-weight:bold;color:#333;margin:20px 0 10px;line-height:1.4">第三代XL-FLASH：借力CBA技术继续提速</h2>
第三代XL-FLASH仍以第5代BiCS FLASH为基础，但引入了第9代、第10代BiCS FLASH中采用的CBA技术和高速接口技术。CBA把存储单元阵列和CMOS逻辑电路分别制作在两块晶圆上，再整片贴合，因此两侧可按需独立优化，在不牺牲存储单元可靠性的前提下提升数据传输速率和功耗效率。
第三代XL-FLASH的数据速率为4.8Gbps，目标是将读取性能提高到第二代的200%、写入性能提高到150%，读取功耗效率提升40%、写入功耗效率提升80%。铠侠表示，后续开发仍会将低延迟放在最优先位置，继续使用SLC，并让MLC也实现性能改善，同时考虑提升容量。TLC和QLC目前的延迟改善尚未达到可用水平，即使未来能够用于此类场景，可能也是相当久远的事情。
<h2 style="font-size:16px;font-weight:bold;color:#333;margin:20px 0 10px;line-height:1.4">AI市场分成四个演进方向</h2>
AI市场的投资重心正在从模型训练转向以服务形式交付模型的推理。处理图像、语音和文本时，AI需要先把数据切分为更小单位并完成token化，再添加表示特征的数值信息和索引。铠侠指出，这一流程可能让AI处理的数据集膨胀到原始数据的100倍至1000倍。铠侠将AI催生的SSD需求归为四个方向：归档、大规模数据摄取、训练与推理、NVIDIA Storage-Next。归档方向推出基于大容量QLC的nearline SSD；数据摄取方向使用“KIOXIA LC系列”；训练推理与上下文缓存方向使用“KIOXIA CM系列”；面向GPU近旁细粒度存储访问的是“KIOXIA GP系列”。
<h3 style="font-size:14px;font-weight:bold;color:#333;margin:16px 0 8px;line-height:1.4">归档与数据摄取：LC9系列最高245.76TB</h3>
对归档场景，HDD容量仍在增长，但单位容量的性能提升跟不上，导致每TB性能密度不断下降。铠侠认为，从占地、功耗和读取性能等总拥有成本角度衡量，大容量SSD将获得替代近线HDD的机会。面向大规模数据摄取的“KIOXIA LC9系列”已经量产出货。该系列采用将32枚第8代BiCS FLASH 2Tbit QLC芯片堆叠在一起的封装，在2.5英寸和E3.L规格下最高可实现245.76TB容量。在Dell PowerEdge R7725xd上部署时，2U空间可提供9.8PB存储容量，适合AI数据摄取、对象存储、数据湖和向量数据库等应用。
<h3 style="font-size:14px;font-weight:bold;color:#333;margin:16px 0 8px;line-height:1.4">训练与推理：CM10系列与上下文缓存</h3>
面向训练和推理，铠侠已向限定客户提供PCIe 6.0企业级SSD“KIOXIA CM10系列”样品。CM10采用第10代BiCS FLASH，顺序读取性能比上代CM9最大提高约92%，随机读取性能最大提高约85%；除风冷外，还支持直接液冷，可适应NVIDIA Vera Rubin等以液冷为前提的AI系统。
上下文缓存是AI推理中备受关注的一种SSD用途。GPU将之前算出的token结果存入SSD，遇到相同处理时直接复用而不用重新计算，这样GPU便可集中算力生成新token，从而提高利用效率。铠侠测算显示，在HBM+DRAM基础之上增加基于SSD的KV缓存后，成本只增加约10%，功耗增加2%至3%，每秒生成的token数却可以提高约5倍。这意味着原本需要5台GPU完成的“token工厂”工作，现在1台GPU即可完成，铠侠认为这将成为改变游戏规则的一步。
为配合NVIDIA CMX的上下文缓存场景，铠侠已将支持直接液冷的CM9系列产品化。CM9采用第8代BiCS FLASH，最大容量25.6TB，耐久性为3 DWPD，支持风冷和直接液冷。后续PCIe 6.0版CM10也将进入这一应用领域，铠侠计划在2027年启动量产。
<h3 style="font-size:14px;font-weight:bold;color:#333;margin:16px 0 8px;line-height:1.4">GPU近存储：GP1系列冲刺1000万IOPS</h3>
在更低延迟的GPU近存储领域，铠侠正在开发Super High IOPS SSD“KIOXIA GP1系列”。GP1采用第二代XL-FLASH、PCIe 6.0和NVMe 2.2，在512字节粒度的随机读取中可实现最高1000万IOPS。其应用路径是让GPU通过NVIDIA在Storage-Next框架下推进的SCADA机制直接访问SSD。需要说明的是，GP系列并非用来替代HBM，而是把HBM/DRAM装不下的大规模数据放到SSD中，在GPU需要时按需供数，从而减少因内存容量限制造成的GPU等待时间。
在FMS 2026期间，铠侠开展前约一周确认了演示机可以运行，于是临时在会场追加了1000万IOPS真机演示。该系列也因此获得FMS 2026特别存储（Specialized Storage）类别的Best of Show Award。GP1系列首批将提供800GB SLC与1600GB MLC两个版本，采用E1.S和E3.S外形，功耗低于25W。面向限定客户的评估样品计划在2026年底前出货，量产时间将根据客户和适用用例的确认结果再定。此外，铠侠还在开发搭载第三代XL-FLASH与PCIe 7.0的下一代GP系列，目标超过1亿IOPS，实现时间将配合NVIDIA平台及SCADA部署规划，暂定2028年。
<h2 style="font-size:16px;font-weight:bold;color:#333;margin:20px 0 10px;line-height:1.4">NAND功耗效率：决定SSD性能上限</h2>
SSD性能提升不仅看PCIe带宽，还受到不同外形规格功耗上限的制约。NAND在SSD总功耗中的占比通常超过一半，所以即使PCIe代际升级，顺序写入也很难占满接口带宽；到PCIe 7.0时代，AI应用看重的随机读取性能也可能先被功耗限制卡住。
铠侠正以第10代BiCS FLASH缓解这一问题。其1Tbit TLC产品通过332层堆叠和平面方向的高密度化，使位密度比第8代提升59%；单颗NAND读取功耗效率改善40%，写入功耗效率改善30%。配合改良的接口芯片，封装最大可实现每颗4TB容量，读取功耗效率比第8代基准封装方案提升100%，写入功耗效率提升40%。铠侠的目标是在SSD功耗预算内增加NAND并行数量，从而让PCIe 7.0的随机读取性能趋于饱和。
<h2 style="font-size:16px;font-weight:bold;color:#333;margin:20px 0 10px;line-height:1.4">结语</h2>
铠侠的整体策略并不是把NAND统一推向大容量、低成本，而是根据AI系统内部数据放置与访问方式，按需组合容量、低延迟、细粒度访问、带宽、耐久性和功耗效率。支撑该策略的是XL-FLASH、TLC和QLC三种技术。在不同市场上，铠侠也会选择不同代际的BiCS FLASH：面向需要高速、中等容量的AI PC和智能手机使用第9代BiCS FLASH；面向重视大容量与功耗效率的AI数据中心使用第10代BiCS FLASH，以平衡制造投资与市场需要。
除CMX和SCADA外，铠侠与NVIDIA还在AI PC、物理AI（Physical AI）等未来存储需求上推进讨论。随着AI数据量持续增长，铠侠希望建立一套高效向CPU/GPU供给所需数据的闪存存储体系。截至2026年9月，其面向AI数据中心的SSD解决方案已覆盖上述归档、摄取、训练推理与GPU近存储等多个方向。

铠侠在FMS 2026上阐述AI时代的NAND战略，推出XL-FLASH系列以扩展DRAM容量，并展示面向归档、数据摄取、训练推理及GPU近存储的SSD产品，其中GP1系列实现1000万IOPS演示。