芯耀辉突围国产高速SerDes:从56G到448G,四道门槛待跨

资讯 快科技 全文 4879 字 · 约 13 分钟读完 配图 1 张 分类大模型算力

在AI崛起的早年,半导体行业的主要目光都集中在GPU、大模型、算力芯片上,但近年来,互连在产业中的重要性与日俱增。 IPnest在一份报告中指出,AI算力的竞争已不再局限于单颗CPU和GPU的性能,而

所属频道 模型发布算力与芯片

AI兴起之初,半导体行业的注意力大多放在GPU、大模型和算力芯片上。这几年情况变了,互连在产业里的分量一天比一天重。

IPnest在报告中提到,AI算力的比拼已经不只看单颗CPU、GPU的性能,整个系统的数据传输与互连能力也被拉了进来。核心计算性能要真正发挥出来,各子系统之间就得有更高带宽、更低延迟的数据传输,底层接口与互连技术因此被推到更高的要求面前。

[MD:Title]

内存这边,DDR5、HBM对应的内存控制器与PHY IP;互连接口这边,PCIe、CXL IP;再往上是面向高速网络与算力互连的112G/224G SerDes PHY IP。几个层次的接口技术合在一起,撑起新一代AI计算系统。SerDes管的是高速串行链路的物理层传输,系统互连的带宽、功耗和可靠性,很大程度上取决于这一环。

不过,高端SerDes和不少芯片技术一样,仍是海外厂商占明显上风的市场,本土供应能力怎么建起来,自然更受关注。芯耀辉志向不小,如今已是国产高速SerDes市场上绕不开的一支力量,它提供的SerDes在本土算力芯片市场里也被寄予了不小的期待。

要把这层关系讲清楚,还得从SerDes这项技术本身说起。

SerDes,谈的究竟是什么?

拆开看,SerDes由Serializer(串行器)和Deserializer(解串器)组合而成,任务是在A端把数据串行起来,到B端再解串使用。为什么要这么折腾?芯片内部数据处理越来越快,传输量越来越大,可芯片之间的物理连接数量、功耗和信号完整性都摆着限制。

芯耀辉高速SerDes产品线总监解释,芯片内部并行总线用得很普遍,但芯片之间要是一下铺开大量并行走线,引脚数量、串扰、时序偏差都会卡住。SerDes的做法是:发送端把多路并行数据转成高速串行信号,走一对差分信号线传过去,接收端再还原成并行数据。跨机柜或者更远距离的连接,通常还得配上光模块等器件。

“这就像把一排要过河的士兵,在桥头收拢成一路纵队过桥,到了对岸再重新展开成横队。”这位SerDes产品总监打了个比方。他接着讲,和列队的士兵一样,桥越窄、队伍越长,SerDes“收拢”和“展开”的技术要求就越严苛。

在他看来,SerDes的技术难度,核心在于速率不断翻倍,功耗、电压和误码率这些约束却没有跟着放宽。传输速率从56G、112G迈向224G甚至448G,信号得在更高频率、更大通道损耗、更差信噪比的环境里照样可靠传输。由此带来四个方面的挑战:

1、信号完整性:速率越高,信号对PCB、封装、连接器等传输通道的损耗和串扰越敏感,接收端眼图可能严重闭合,只能靠复杂的模拟均衡和DSP算法把信号救回来。

2、功耗:SerDes涉及PLL、驱动器、接收均衡器和时钟数据恢复等复杂电路。以配置512条高速SerDes通道的交换芯片为例,每通道多出5毫瓦功耗,通道功耗合计就要多出约2.56瓦。带宽往上走的同时,每比特能耗怎么压住,很关键。

3、工艺与封装协同:先进FinFET工艺电压低,模拟电路设计难度随之增加;2.5D/3D封装又改变了信号传输通道和设计要求。SerDes设计早已不是单纯的电路设计,工艺、封装、PCB、协议和系统层面都得一起优化。

4、可靠性与量产经验:仿真过了,不代表芯片到了真实客户环境里就能稳定工作。封装不同、PCB设计不同、温度范围不同、应用场景不同,都会冒出新的边界条件,只能靠长期流片、回片测试和客户项目一点点攒经验。

说到底,SerDes的竞争不是单看单通道传输速率,而是信号完整性、功耗、工艺封装协同和长期量产可靠性的综合较量。面向不同工艺平台与应用场景,SerDes IP要突破,资金和研发投入之外,更离不开长期流片验证和真实客户项目的积累。这也是SerDes技术壁垒很难靠短期投入快速追平的原因。

放到国内看,国产SerDes的高端突破更显紧迫。2026年9月发布的《电子信息制造业发展“十五五”规划》首次把IP核(知识产权核)单列为独立细分领域,高速SerDes正是其中技术门槛最高的方向之一。

巨头环伺之下,芯耀辉悄然崛起

为什么要盯住高速SerDes?如文章开头所说,首先是需求变了。以AI GPU为例,对外互连带宽提升至1.6TB/s至3.2TB/s,内部HBM访问带宽达到数TB/s,SerDes在AI芯片和服务器集群的功耗、芯片面积及封装资源里,已经占了重要一块。

“对高带宽交换芯片来说,面积和功耗预算里,SerDes占的分量不小。算力由GPU提供,但万卡级AI集群的数据传输效率,还要看SerDes跟交换架构、互连协议这些环节配合得如何,超大规模集群的算力能不能放出来,这里是关键一环。”芯耀辉SerDes产品总监表示。

全球高速SerDes产业里,主要参与者可以看到两类:一类是对外授权的IP供应商,以Synopsys(新思科技)、Cadence(楷登电子)和Alphawave Semi(高通于2025年12月完成收购)为代表;另一类是用自研SerDes支撑自家芯片产品的公司,Broadcom(博通)、Marvell(美满电子)和NVIDIA(英伟达)是其中的头部玩家。

芯耀辉SerDes产品总监接着说:“这几家公司的共同点在于技术和工程上的长期积累,从最早的1G、2G、5G,一直做到现在的112G/224G,下一代的448G也已经写进行业技术路线图,进入前沿研究。他们手里握着的不是某一张电路图,而是大量芯片在不同工艺、不同板级、不同封装条件下攒下来的工程数据库和调校经验。”

换句话说,高速SerDes不是一朝一夕能打磨出来的。面向112G/224G及更高速率,厂商得结合不同工艺平台的器件特性、供电条件与封装约束,挑出适合目标场景的架构,在性能、功耗和面积之间找平衡。

芯耀辉在这个赛道深耕多年,如今已是国内头部厂商。公司围绕本土算力客户的需求推进研发,和国际巨头比,部分细分方向并不逊色。据披露,其112Gbps SerDes PHY已进入样片测试阶段,UCIe并口PHY则通过了多个头部客户的项目验证,可以满足AI芯片Scale-Up互连的需要。

在巨头环伺的市场里能走到这一步,芯耀辉SerDes产品总监把原因归结为三条策略:围绕AI时代高速互连需求,聚焦核心接口、走差异化技术竞争、与客户深度协同。

具体来看,公司把重心放在AI高速互连的核心接口上,高速SerDes PHY、Die-to-Die、UCIe及Memory Interface是重点布局方向。竞争上走差异化路线,针对多元化工艺平台与国内AI集群应用场景,在低功耗、低延迟、小面积上做文章。还有一点,公司从成立起就没把自己限定在标准化IP销售里,而是提前介入客户芯片架构设计,从SerDes Lane数量、功耗预算、通道规划到封装协同,给出全栈式接口IP方案。和客户共同定义产品、提供深度工程服务,这套打法让芯耀辉攒下了较强的竞争优势。

在芯耀辉等企业的推动下,国产SerDes正从“能用”转向“好用”。10G、25G、32G这类中低速段,国内已有不少公司能拿出成熟IP,并在大量国产交换、网卡、终端芯片中量产。高速段方面,56G PAM4已有国内厂商提供商用IP产品;到了112G PAM4这一代,各厂商、工艺平台及应用场景的成熟度并不一致,流片、样片测试、客户系统验证与量产这几个阶段要分开看。

单说芯耀辉,这次披露的112G PHY进展停留在已开展样片测试。224G产品方面,该公司已进入预研阶段。不过按其产品总监的说法,进步虽然明显,本土SerDes的差距仍然存在。

要继续往前走,国内企业得贴合本地需求,摸索出一条适合中国SerDes的路。

群策群力,引领国产SerDes突围

芯耀辉SerDes产品总监表示,和Synopsys、Cadence以及Alphawave等国际巨头相比,本土SerDes的差距集中在三处:代际完整度、工程数据库与案例数、系统级协同能力。

代际完整度指的是,国际主要供应商在多个速率等级、传输距离和工艺平台上都有较丰富的产品组合,部分产品已经覆盖224G。反观国内厂商,通常先在某个速率、工艺或应用场景上取得突破,产品组合还得继续补齐。

工程数据库与案例数,靠的是长期流片、工艺适配、回片测试与客户部署攒下来的数据。有了这些经验,才能看出仿真和实测之间的偏差,把校准策略做完善,交付的可预期性也会提高。国内厂商还得靠持续的客户项目把工程验证的覆盖面铺开。

系统级协同能力这块,是因为眼下最先进的SerDes早已不是一颗IP单打独斗,得和Retimer、Redriver、光模块DSP、交换芯片、PCB板材一起做联合优化。国际产业链在PHY IP、Retimer和光DSP等环节都有成熟供应商,协同生态也比较完善;国内产业链在跨环节的联合验证与适配上还需要补课。

芯耀辉SerDes产品总监说,差距意味着还有追赶余地,不必把它看成难以跨越的深渊。AI这轮热潮重写了整条赛道的玩法,短距D2D、UCIe、CPO、UALink这些方向往前走,给本土厂商开出了新的入口;不过国际厂商攒下的技术和生态家底,照样不能小看。按这个判断,他为中国SerDes产业突围给出了四条行动建议。

第一,别等“性能全面追平”,先在新场景里建根据地。

国际巨头在传统数据中心互连市场优势深厚,正面硬拼不如换个打法:国产厂商可以优先布局AI芯片D2D互连、UCIe芯粒接口以及NPO/CPO配套短距SerDes等新兴应用。这些领域还在快速演进,技术路线和市场格局都没完全定下来,国际厂商虽有布局,本土厂商仍能围绕具体需求找差异化机会。更贴近本土客户、响应更快、定制服务更灵活,这些优势用好了,靠差异化竞争就能先立住市场基础。

第二,别只做“模拟电路”,要做“模拟+数字+系统”的混合能力。

以后的高速SerDes,比拼的不只是模拟前端(AFE),还覆盖模拟电路、ADC/DAC架构、DSP算法、链路自适应,以及与目标协议和系统架构的协同。不同应用对传输距离、能耗与时延的要求不一样,厂商得按目标场景挑架构,再通过系统级验证把能力做到可交付。

第三,别靠一家公司单打独斗,要让“国产系统”一起跑通。

SerDes是要装进客户芯片里的IP,客户不会为了支持国产就去冒流片失败的风险。所以国产SerDes厂商必须拉上国内的Foundry、封装厂、板卡厂、整机厂、光模块厂,从工艺PDK到通道模型再到整机验证,把整条链路“端到端”联合打磨。芯耀辉这两年下的一步重棋,就是和工艺及封测伙伴协同,围绕通道建模、封装寄生参数提取与可靠性验证做联合优化,让客户“能用”“敢用”“好用”。

第四,别只盯着国内市场,从定义开始就按国际标准做。

要进全球生态,SerDes IP得依据目标应用满足相应的电气与协议规范,比如OIF CEI、IEEE 802.3.以及适用的PCI-SIG规范;接入特定厂商生态时,还要符合其技术规范与授权要求。除了协议兼容与互操作验证,IP集成还得评估工艺平台、金属层、宏单元尺寸、凸点布局以及性能、功耗和面积(PPA)目标,把客户的适配与验证成本降下来,才更容易进入全球供应链。

在芯耀辉SerDes产品总监看来,高速SerDes表面上只是个很窄、很硬核的技术IP,实际上它折射的是中国半导体产业从“单点突破”迈向“系统能力”的整个进程。

这位产品总监坦言,这条路走起来很漫长,也注定寂寞,要靠时间熬、靠耐性磨,还得有一整代工程师甘愿坐冷板凳。不过方向并不含糊:AI 的大潮已经把整个行业的接口标准翻新了一遍,对国产高速SerDes而言,眼下是离全球第一梯队最近的一回机会。芯耀辉愿当这支过桥队伍里冲在最前面的那个,也盼着产业链上的伙伴一道,把这条路蹚通。

本文由本站编辑组整理与排版,内容基于公开信息核实后归纳发布,与文中提及的产品、公司无隶属关系。我们持续跟踪 AI 领域的模型、产品与行业动态,力求信息准确、表述清晰;文中涉及的名称、价格与功能细节可能随官方调整而变化,请以官方最新说明为准。如发现疏漏或表述有误,欢迎通过站内渠道反馈指正。

相关推荐 按相关度与热度排序

全部资讯 →
  1. 操控400万账号薅AI算力,男子获刑三年

    近日,上海市首例利用AI伪造签名、盗用大模型算力的案件一审宣判,被告人宗某某因犯非法获取计算机信息系统数据罪,被徐汇区人民法院判处有期徒刑三年,缓刑三年,并处罚金人民币四万元。 据澎湃新闻报道,11月2日,记者从上海市徐汇区人民检察院获悉,至案发,男子宗某某非法调用AI平台接口29万余次,靠转卖生成服务违法所得3.4万

    来源 AI 行业观察
  2. 801-30B模型开源:上海团队公开预训练级RSI技术报告

    超智能这场竞赛的胜负手不在后训练,而在谁先跑通 RSI 预训练。负责人表示:预训练和后训练不是一个量级的事:算力、经验、工程,每一样都高出一个数量级。但很不幸,它也是最重要的事,是我们对智能进行加工的第一性基础。正因如此,RSI 必须落到预训练上,智能制造才开始复利:没跑通的一方只能眼看着代差一代代拉大。一间教室,和一

    来源 腾讯网
  3. Z Potentials|北大张牧涵:从图神经网络开拓者到RSI,让模型学会更新自己

    文|武静静推荐语大模型出厂之后,能不能像人一样边用边学?人能在使用中实时成长,这本是常识,对大模型却是难以逾越的僵局。因为模型训练与推理从一开始就被划清了界限,出厂即“固化”,推理时无法吸收新知。全行业的共识高度一致:把上下文拉得越来越长,再靠庞大算力定期“回炉重造”训练新模型。但中国创业公司无涯智...

    来源 腾讯网
  4. Anthropic三季度营收增速环比大幅放缓,AI支出承诺近9000亿美元

    大模型巨头Anthropic在IPO前夕提醒称,为满足Claude及其他AI产品激增的需求,公司签订了成本高昂的短期算力合同,导致其营业利润率在第三季度受到拖累。当地时间11月2日,Anthropic在更新的S-1注册文件中表示,今年第三季度,公司营收达到169.56亿美元,较第二季度的115.55亿美元环比增长47%

    来源 腾讯网
  5. 百度AI收入首超广告:136亿背后,旧引擎失速与组织重构

    (本文作者为 Tech商业,钛媒体经授权发布)文 | Tech商业原基础模型研发部负责人吴甜的离开,为文心过去一年的承压添了一个人事注脚。。但人事从来只是表层。真正值得追问的是:当百度在2026年连续拆掉职级标签、合并管理通道、把基础模型研发交给一位29岁的外部博士时,它拆掉的究竟是什么?是“楚门世界”的墙,还是墙倒.

    来源 腾讯网
  6. 智元彭志辉谈大模型冲击:物理AI要过五道坎,精灵G2便利店连干24小时

    GPT-6 Astra 在仿真和真机测试中的表现,让具身智能行业出现了一场新的争论:当通用大模型越来越强,专门研发具身模型还有多大价值?机器人公司的竞争壁垒又将建立在哪里? 在 2026 智元创新日上,智元联合创始人、总裁兼 CTO 彭志辉从物理 AI 的长期发展路径出发,给出了智元的判断。 在他看来,物理 AI 走向

    来源 AI 行业观察
  7. 蔡崇信:开源才能让AI普及,千问已开源超470款模型

    IT之家 11 月 3 日消息,2026 年世界互联网大会于今日(11 月 3 日)在浙江乌镇开幕。据界面新闻报道,阿里巴巴集团联合创始人及董事会主席蔡崇信在开幕式上表示,AI 需求持续攀升,算力供不应求。他认为“只有开源才能普及”,开源能够有效降低中小企业研发成本,对发展中国家尤其重要。蔡崇信透露,目前阿里千问已开源

    来源 腾讯网
  8. 清华团队Nature子刊研究:上千大模型智能体联网后自发分化观点

    新智元报道 当数千个大语言模型智能体被连入同一个网络、彼此可以自由交流并不断更新观点时,会发生什么?清华大学团队在《自然·通讯》(Nature Communications)上发表的最新研究给出了答案:在没有预设任何规则的情况下,这些智能体会自发地「站队」——观点逐渐分化成对立的两极,连接关系也随之重组为「物以类聚」的

    来源 腾讯网
  9. Fal完成13亿美元融资:估值翻倍至160亿美元,AI推理赛道升温

    成立仅五年的AI推理初创公司Fal完成13亿美元新一轮融资,由Bessemer领投,估值一举翻倍至160亿美元。在生成式AI从训练转向大规模应用的拐点上,推理算力与成本优化正成为资本追逐的新焦点。本文梳理本轮融资细节、推理赛道升温的产业逻辑,以及Fal在激烈竞争中的机会与隐忧。

    来源 AI 科技快讯
  10. 王兴兴:未来5大核心资源是数据算力芯片能源矿?

    IT之家 11 月 4 日消息,据中国新闻网报道,宇树科技创始人王兴兴在 2026 世界互联网大会乌镇峰会互联网企业家论坛上分享了自己的预测,称未来世界最核心的资源是数据、算力、芯片产能、能源和矿。 据IT之家今日早些时候报道,王兴兴还认为,大概率明年将是机器人行业或机器人模型的临界点。另外,在 2026 世界物理 A

    来源 AI 行业观察
  11. Anthropic算力边际利润不升反降:规模效应为何在推理侧失灵

    在AI公司普遍期待规模效应压低推理成本的节点上,Anthropic的算力边际利润却出现反向恶化。本文基于TechCrunch报道,拆解其算力经济学的结构性矛盾:训练与推理成本高企、价格竞争加剧、云基础设施依赖,以及“越大越省”叙事在真实商业场景中的失灵。

    来源 AI 科技快讯
  12. 阿里巴巴蔡崇信乌镇谈AI发展:只有开源开放 才能普惠普及

    11月3日上午,2026年世界互联网大会乌镇峰会开幕。阿里巴巴集团联合创始人、董事会主席蔡崇信在开幕式上发言,他表示,AI只有开源才能普及,只有普及才能创造可持续、普惠的智能时代。中国开源模型下载量、衍生模型数等关键指标保持领先,是当前全球开源智能的引领者。 (图为阿里巴巴集团联合创始人、董事会主席蔡崇信在乌镇峰会开幕

    来源 AI 行业观察
  13. 8GB显存也能玩转128K超长上下文!开源本地大模型工具Strata 0.2. 10 发布

    开源本地 AI 工具Strata近日正式迎来了0.2.10版本更新。作为一款专为消费级显卡设计的本地大模型运行神器,本次更新在降低显存门槛、提升推理速度以及优化多显卡协同方面带来了突破性进展,让普通电脑运行千亿参数大模型变得更加轻松。 显存大幅瘦身:8GB 显卡如何玩转128K 超长上下文? 在以往的本地运行场景中,如

    来源 AI 开发者社区
  14. 我为什么不太看好苹果国行AI

    千呼万唤始出来,苹果国行AI (Apple Intelligence)终于于11月4日凌晨向中国大陆用户开放了开发者Beta测试,预计于12月随着iOS 27.3正式版全面推出。基座大模型将采用苹果本地模型+阿里千问的方式,这一点也早已被双方的公告证实。 我是一个忠实的苹果用户。我无法想象把自己的手机从iOS生态换成安

    来源 AI 行业观察
  15. 游族网络42.25亿买GPU:游戏公司转身做算力硬件

    (本文作者为 不慌实验室,钛媒体经授权发布)文 | 不慌实验室,作者|任天勤,编辑|王以沫11月3日晚,游族网络(002174.SZ)披露一笔42.25亿元GPU产品重大合同,金额相当于公司2025年全年营收的三倍。图片来源:游族网络公告这家靠《少年三国志》等产品起家的游戏公司,正在向AI算力产业链延伸。但比合同规模更

    来源 腾讯网
向下滚动自动加载更多