1、从美国胜诉到全球布局：中国三代半企业2026密集出招突围内卷困局

2、北京大学集成电路学院/集成电路高精尖创新中心杨玉超教授团队在视觉神经形态计算领域取得进展

3、西安交大管理学院王尧教授与王开东副教授团队 在图结构数据补全研究方向取得新进展

1、从美国胜诉到全球布局：中国三代半企业2026密集出招突围内卷困局

进入2026年以来，全球功率半导体行业在技术创新、产能布局、市场应用与生态构建等维度呈现多点突破态势。国产企业凭借在第三代半导体领域的持续深耕、全产业链布局的加速完善以及国际化进程的稳步推进，正从行业追随者向规则制定者转变。

从碳化硅（SiC）、氮化镓（GaN）等宽禁带材料的规模化应用，到车规级、AI服务器等高端场景的深度渗透，国内三代半企业正迎来以技术升级驱动、应用场景扩容、产业生态协同为核心特征的新发展周期。

从标准到创新，产业链话语权争夺战升温

2026年以来，以SiC和GaN为代表的第三代半导体技术成为企业竞争的核心焦点，技术迭代速度与标准话语权争夺同步升温。在SiC领域，技术突破呈现“材料-器件-模块”全链条渗透态势：天岳先进主导的国家标准《碳化硅单晶抛光片堆垛层错测试方法》（GB/T47082-2026）正式发布，填补了国内相关测试标准的空白，其旗下上海天岳主导的《200mm碳化硅单晶抛光片》和《碳化硅单晶片残余应力测试》两项国家标准也即将落地，标志着国产企业在SiC领域从技术引领迈向标准制定。

士兰微电子实现8英寸碳化硅产线通线，该产线突破多项核心工艺难题，达产后将形成年产72万片8英寸SiC芯片的能力，为新能源汽车、AI服务器电源等高端场景提供支撑；国联万众8英寸SiC产线完成批量验证，1200V 18mΩ主驱MOSFET芯片CP良率达93%，实现出货量翻番。

GaN技术则在高压化、大功率化方向取得关键进展。英诺赛科在NVIDIA GTC 2026大会上展示的800V-to-50V全氮化镓电源模块方案，采用第三代GaN器件，可直接适配AI服务器800V HVDC供电架构，其产品已成为超过半数NVIDIA合作伙伴的核心选择，单个GW级AI数据中心的GaN潜在价值高达1.8亿美元。

华润微电子推出40V低压双向E-mode GaN产品，凭借小尺寸、低导通电阻优势，成功替代传统双MOSFET方案，在手机快充领域实现降本50%、缩容50%的双重突破。技术创新的背后是企业对研发的持续投入，行业正从单一器件优化向系统级解决方案升级，形成“材料创新-器件优化-模块集成”的技术迭代闭环。

全球化与本土化并行，高端产线成扩产重点

面对新能源汽车、AI算力等领域的爆发式需求，头部企业加速产能扩张，形成“本土扩产夯实基础、海外布局拓展市场”的双线格局。

在国内，华润微电子重庆园区的8吋、12吋产线与车规级实验室形成协同，其MOS产品线通过车规认证的产品达61颗，年复合增长率保持10%；扬杰科技密集推进产能建设，不仅启动10亿元SiC车规级功率模块封装项目，还针对越南晶圆工厂发起多项设备招标，包括17台高温扩散炉、8台低温扩散炉等核心设备，构建全球化生产网络；芯联集成凭借规模化优势，2025年营收同比增长26%，毛利率提升至6%，2026年目标收入超百亿，AI业务占比将超10%。

高端产线成为扩产核心方向，8英寸、12英寸产线占比持续提升。

士兰微电子同步推进12英寸高端模拟集成电路芯片产线建设，规划总投资200亿元，达产后将形成年产54万片的能力；基本半导体推出Pcore™6 HPD Mini碳化硅MOSFET模块，适配400V、800V及千伏系统，封装体积较标准产品缩减20%，满足新能源汽车主驱逆变器的小型化需求；露笑科技攻克8英寸碳化硅晶体生长关键技术，为后续规模化量产奠定基础。产能布局的结构性优化，不仅缓解了高端器件供给紧张的局面，更推动国产功率半导体从“量的积累”向“质的飞跃”转变。

汽车与AI双轮驱动，场景渗透持续深化

2026年以来，功率半导体的应用场景呈现“汽车电动化+AI算力化”双轮驱动特征，同时向工业、消费电子等领域全面渗透。

在新能源汽车领域，SiC替代IGBT进程加速，800V高压平台成为主流，主驱应用逐步成为标配。比亚迪、鸿蒙智行、吉利、奇瑞等车企密集发布SiC车型；芯联集成入围功率器件装机量市场前三，车规产品覆盖90%的国内新能源车企；捷捷微电车规级MOS器件成功应用于智己汽车50W车载无线充电模块，通过AEC-Q101认证，实现供电控制、电压转换等多环节协同。

AI服务器成为新的增长引擎，推动功率半导体向高压、高效方向升级。

芯联集成布局一、二、三级服务器电源全产品矩阵，提供“功率器件+隔离驱动+MCU+磁器件”完整解决方案，导入人形机器人客户超10家；英诺赛科GaN器件凭借高密度集成、低损耗优势，成为AI数据中心800V HVDC架构的核心选择；华润微电子聚焦AI服务器、人形机器人等新兴市场，推动代理商从“分销商”向“技术增值服务商”转型。

此外，工业领域的光伏逆变器、储能系统，消费电子领域的大功率快充等场景也实现快速渗透，捷捷微电助力小米140W氮化镓桌面充电站、安克160W智显充电器实现高效能量转换，展现了功率半导体在多场景的适配能力。

战略合作与国产替代并行，产业协同成趋势

行业竞争已从单一企业比拼升级为产业生态竞争，企业通过战略合作、渠道整合、国产化替代等方式强化竞争力。

在战略合作方面，天域半导体与青禾晶元联手推进键合碳化硅、12英寸SiC复合散热基板等工艺开发，与韩国EYEQ Lab达成SiC外延片供应合作，覆盖6-8英寸全规格；芯联集成与浩思动力战略合作，为吉利混动车型定制IGBT/SiC功率模组，应用SPD先进封装技术降低动态损耗15-20%；芯联集成还与星宇股份、九峰山实验室共建Micro-LED项目，拓展车载照明、光通信等新场景。

国产替代与渠道升级同步推进，产业链自主可控能力持续增强。

华润微电子超结MOS、SGT MOS性能达到国际先进水平，车规产品实现规模化上车；国联万众碳化硅MOSFET从新能源汽车拓展至充电桩、工业电源等领域，国产替代成效显著；捷捷微电召开2026年大中华区代理商大会，构建“产研销”协同体系，2026年MOS产品线新增销售目标5-6亿元，重点布局无人机电调、算力电源等前沿市场。

与此同时，企业积极应对国际市场挑战，英诺赛科获得美国CBP裁定支持，新一代GaN产品不受有限排除令限制，扫清进入美国市场障碍，为国产功率半导体国际化提供范例。

机遇与竞争并存，高质量发展成主旋律

尽管行业发展势头强劲，但仍面临多重挑战：SiC领域存在产能过剩与同质化竞争问题，6英寸SiC MOSFET价格于2025年跌幅超30%；GaN高压大功率技术瓶颈尚未完全突破，产业链部分环节仍依赖进口；国际市场的技术壁垒与贸易摩擦也给企业出海带来不确定性。

但长期来看，随着新能源汽车、AI算力、储能等领域的持续增长，功率半导体市场空间将进一步扩大，全球SiC功率器件市场规模预计将从2025年的65亿美元提升至2030年的220亿美元，GaN市场规模也将破30亿美元。

未来，技术创新、生态协同与全球化布局将成为企业突围的关键。在技术层面，SiC将向更大尺寸、更低损耗方向发展，GaN将突破高压应用瓶颈，模块集成化、封装小型化成为趋势；在生态层面，“企业+高校+科研机构”的协同创新模式将加速技术转化，代理商向技术服务商转型将提升渠道价值；在全球化层面，国产企业将通过技术输出、海外建厂等方式拓展国际市场，提升全球产业链话语权。

随着国产企业在技术、产能、市场等方面的持续突破，功率半导体行业将迎来更加波澜壮阔的发展阶段，为新能源革命与数字经济转型提供核心支撑。

2、北京大学集成电路学院/集成电路高精尖创新中心杨玉超教授团队在视觉神经形态计算领域取得进展

随着智能感知与边缘计算的快速发展，传统基于CMOS传感器的视觉系统在处理效率与能耗方面面临严峻挑战。现有架构中，感知、存储与计算单元彼此分离，数据频繁搬移，导致系统复杂度提升，延迟与功耗显著增加。为突破这一瓶颈，视觉神经形态计算架构逐渐兴起，其核心是在传感器层面融合光学感知与初步处理功能，实现输入数据的本地实时预处理。其中，神经元与突触器件是实现信息编码、权重调控与计算的关键单元。在基于脉冲神经网络（SNN）的框架下，泄漏-积分-发放（LIF）神经元因硬件兼容性强、支持稀疏事件驱动编码而备受关注。然而，现有光电LIF神经元受限于结构与材料体系，难以充分模拟生物神经元的动态行为。同时，神经元器件通常需要具备易失性的短时动态响应特性，而突触器件则强调非易失性权重存储功能，两类器件在材料与工艺层面的兼容性不足，进一步增加了系统集成难度，成为制约高效神经形态视觉系统发展的关键瓶颈。

针对上述问题，北京大学杨玉超教授、陶耀宇研究员团队联合北京交通大学张小娴教授、王永生教授团队，利用二维材料MoS2的良好光电响应与可集成性，以及HZO铁电体的非易失存储特性，探索了一种同质集成解决方案。在器件层面，团队构建了基于MoS₂光电晶体管的光电 LIF 神经元，通过光生电荷俘获-去俘获机制与短路放电通道，实现多光谱感知、无电容积分、阈值触发及自动复位等神经元功能。同时，开发了基于 MoS₂ 铁电场效应晶体管（FeFET）的人工突触器件，实现可调记忆窗口与稳定的多级非易失存储。

图 1 基于MoS2同质集成的视觉神经形态计算系统

在系统验证层面，研究团队实现了神经元与突触器件的同质集成，将神经元电路与MoS₂器件阵列结合，构建了面向光电SNN的传感器内计算架构。该系统中，光信号由光电晶体管（PT）阵列感知，经神经元编码为脉冲后输入铁电突触（FeFET）阵列完成乘累加（MAC）运算，实现端到端神经形态处理。基于该平台的 RGB 颜色分类任务仿真准确率达到 91.7%，验证了其在视觉感知计算中的应用潜力。

图 2 用于光电 SNN 的MoS2同质集成神经元-突触阵列

除基础色彩识别外，研究团队进一步将提出的视觉神经形态系统拓展至自动驾驶等复杂机器视觉场景。在多噪声道路环境中，系统通过光电 LIF 神经元将环境图像转换为脉冲序列，并采用首脉冲时间（TTFS）与速率编码相结合的混合策略，实现快速响应与鲁棒性的兼顾。编码后的脉冲信号输入脉冲神经网络模型完成特征提取与分类判断。最终，系统在测试集上实现了93.5%的目标检测准确率，表明该平台具备处理真实复杂场景的能力。

上述结果为构建高性能、可扩展的视觉神经形态系统提供了新的设计范式。

图 3 视觉神经形态系统在辅助驾驶场景中的目标识别验证

相关成果以“Homogeneous integration of two-dimensional material-based optoelectronic neurons and ferroelectric synapses for neuromorphic vision”为题，发表于《自然∙通讯》（Nature Communications）。北京大学与北京交通大学物理科学与工程学院联合培养博士生王嘉融、北京大学集成电路学院博士后刘柯钦和北京大学集成电路博士生张柏骏为该论文共同第一作者。北京大学集成电路学院杨玉超教授、陶耀宇研究员与北京交通大学物理科学与工程学院张小娴教授、王永生教授为通讯作者。该工作得到了新基石研究员项目、国家重点研发计划、国家自然科学基金、广东省存算一体芯片重点实验室、深圳市重点产业研发计划、北京市自然科学基金等项目的资助。

3、西安交大管理学院王尧教授与王开东副教授团队 在图结构数据补全研究方向取得新进展

在大数据与人工智能深度融合的当下，矩阵补全（Matrix Completion）作为机器学习与数据挖掘领域的核心技术，广泛应用于推荐系统、计算机视觉、社交网络分析等场景。传统矩阵补全方法多依赖矩阵自身低秩特性，对数据背后潜在图结构信息的利用存在诸多局限。近日，西安交通大学管理学院智能决策与机器学习研究中心王尧教授与王开东副教授团队在图结构数据补全研究方向取得新进展，提出一种名为“Graph-regularized Scaled Gradient Descent”的非凸优化算法，为解决复杂数据关联下的矩阵补全难题提供了新方案。

随着互联网平台与智能信息系统的快速发展，其产生与积累的大规模数据日益呈现出稀疏且结构缺失的复杂特征。如在电影推荐系统中，用户通常只对少数电影进行评分，平台需要根据有限的评分信息预测用户对其他电影的偏好；在社交网络中，用户之间只建立了部分可观测的关系，系统需要进一步预测潜在的用户连接关系。这类问题通常可以抽象为矩阵补全问题，即在仅观察到部分矩阵数据的情况下恢复完整的数据结构。

电影推荐系统中的图结构示意

而在实际场景中，数据之间往往存在天然的结构关联，如兴趣相似的用户通常表现出相近的评分行为，社交网络中的用户之间也通过关系连接形成复杂的网络结构。这些关联关系通常可以表示为图结构信息。然而，现有多数方法主要依赖图拉普拉斯正则化来利用图结构信息，该方法通常只刻画相邻节点之间的局部相似性，难以捕捉更复杂的长程关联关系。同时，现实网络中往往包含噪声连接或错误边，传统方法对此较为敏感，容易影响恢复效果。此外，相关算法在理论层面普遍缺乏系统的统计与计算复杂度分析，使得算法在何种条件下能够稳定、高效地恢复数据仍缺乏明确的理论保证。

针对上述难题，西安交通大学管理学院智能决策与机器学习研究中心王尧教授与王开东副教授联合博士研究生杨一扬，以及高山行教授、廖貅武教授共同开展相关研究。该研究团队提出了一种名为GSGD（Graph-regularized Scaled Gradient Descent”的非凸优化算法。该方法基于预条件投影梯度下降框架，通过在优化过程中引入图结构信息，实现对缺失数据的高效恢复，并在理论上给出了线性收敛速率和近乎最优样本复杂度的严格保证。

与传统依赖图拉普拉斯正则化的方法不同，该研究通过构建基于图拉普拉斯矩阵逆的高阶图矩阵刻画节点之间的关联关系，从而能够同时利用直接连接信息和图结构中的长程关联，提高对图结构信息的利用效率。在此基础上，研究团队提出了基于预条件投影梯度下降的 GSGD 算法，实现了对图结构信息的高效融合，并在理论上首次从非凸优化视角为图正则化矩阵补全方法建立了统计与计算复杂度的双重保证。一系列合成数据与真实数据实验进一步表明，GSGD 在恢复精度、计算效率以及对噪声边的鲁棒性方面均优于现有主流方法，在推荐系统与社交网络等场景中展现出显著优势与广阔应用前景。

GSGD算法与对比算法在不同采样率的恢复精度对比

该研究成果以“耦合图结构信息的矩阵补全：一种具有理论保证的非凸优化方法”（Matrix Completion with Graph Information: A Provable Nonconvex Optimization Approach）为题，在运筹学与管理科学顶级期刊 INFORMS Journal on Computing 在线发表，为大数据时代的数据处理与分析提供有效工具，有助于推动人工智能技术的实际应用落地。王尧教授为论文第一作者，王开东副教授为通讯作者，西安交通大学管理学院为论文第一完成单位与通讯单位。