芝能智芯出品

Omdia的《2026 Trends to Watch: Semiconductors》，里面的内容包括了半导体的总览。

我们把几个汽车、功率和MCU三部分拿出来先看一下，有哪些内容值得我们参考。

◎ Intelligent systems reshaping automotive landscape（智能系统重塑汽车行业格局）

◎ Power discrete and modules（功率分立器件与模块）

◎ CPU and MCU – 3nm adoption, Arm architecture, and edge AI growth in 2026（CPU 和 MCU——2026 年 3 纳米工艺应用、Arm 架构发展及边缘人工智能增长）

◎ MEMS and sensors – AI and IoT driving growth（微机电系统与传感器 —— 人工智能和物联网驱动增长）

● 智能系统与软件定义汽车

软件定义汽车视为 2026 年前后的关键转折，整车竞争优势逐渐转向人工智能服务能力、网络安全水平、OTA 能力以及软硬件协同效率。推动了半导体生态的重构。

汽车企业与更多先进组件供应商建立深度合作，形成跨功能、跨车型的平台化架构。

以英伟达为代表的计算平台厂商，正通过与车企和一级供应商的直接合作，提前嵌入整车技术路线。与此同时，半导体企业也在主动拓展与软件、中间件和云服务厂商的合作，以提升技术采用速度并锁定长期订单。

在车辆架构层面，行业正加速向区域化架构转型。这为 MCU 和 SoC 厂商带来了新的增长空间，显著提升了系统复杂度。多处理器平台的协同运行，需要更成熟的虚拟化、域分区和实时调度能力，对软硬件整体设计提出了更高要求。

● 功率分立器件与模块：材料结构变化中的确定性与约束

在功率分立器件与模块部分，硅基半导体在可预见的未来仍将占据主导地位，但宽禁带半导体的渗透率将持续提升，尤其是在 2026–2029 年期间。

◎ 碳化硅在汽车动力总成中的应用不断深化，虽然增速有所放缓，但依然是最具规模效应的宽禁带材料。

◎ 氮化镓目前市场规模较小，但随着数据中心等高频、高效率场景需求增长，其未来潜力开始显现。

报告对不同材料的占比变化给出了较为克制的预测，反映出材料替代过程的渐进性和现实约束。

从应用角度看，汽车和工业仍是功率器件的核心市场，汽车电动化程度提高以及工业自动化持续推进，这两大领域的营收占比预计将进一步提升。

● CPU 与 MCU：算力下沉与架构多元化并行

◎ CPU 3 纳米工艺的快速应用，高性能计算需求的强劲拉动；

◎ Arm 架构在多个领域的持续渗透，产业对能效比和定制化能力的重视，超大规模云厂商自研 CPU 趋势明确，但受成本和开发周期限制，第三方 CPU 仍将长期存在。

MCU 的变化更具“系统化”特征。随着市场复苏和库存回归健康水平，入门级 32 位 MCU 降价（成为 8 位 MCU 的替代选择），且产品阵容持续扩充，将推动 32 位 MCU 进一步渗透。

MCU 正通过集成无线连接、预驱动器和嵌入式神经网络处理器，向一体化解决方案演进。

MCU 嵌入功能模块的整合模式如下：

◎ MCU + 预驱动器（用于电机控制）

◎ MCU + 无线连接（用于边缘应用）

◎ MCU + 嵌入式神经网络处理器（eNPU，用于汽车、工业和消费领域的边缘微型人工智能负载）

工艺节点的推进以及新型嵌入式非易失性存储器的研发，也体现出 MCU 对性能与可靠性的更高要求。头部厂商通过并购强化 AI、网络和软件能力，MCU 竞争已从单一芯片转向整体解决方案能力。

头部 MCU 厂商通过并购强化解决方案能力，超越单一芯片供应。

◎ 英飞凌以 25 亿美元收购美满电子汽车以太网业务；收购 Imagimob，增强 MCU 和 MPU 的边缘人工智能微机器学习（TinyML）能力。

◎ 恩智浦 以 2.43 亿美元收购汽车串行器 - 解串器联盟（Automotive SerDes Alliance）提供商 Aviva Links，拓展汽车、工业和物联网市场的汽车网络解决方案；收购高性能、高能效、可编程分立神经网络处理器厂商 Kinara。

◎ 意法半导体收购专注于边缘人工智能深度学习及模型量化优化的初创公司 DeepLite；以 9.5 亿美元收购恩智浦 MEMS 传感器业务。

◎ 瑞萨电子 收购 Reality AI，强化微型机器学习（TinyML）。

● MEMS 与传感器

MEMS 与传感器增长的核心动力仍来自物联网与人工智能的持续扩张，终端设备数量增加以及应用复杂度提升，市场对低功耗、高精度、小尺寸传感器的需求不断增强。

真正推动新一轮增长的，是“智能传感器”形态的出现。

智能传感器是在传感器层面引入边缘计算能力，能够支持人工智能和机器学习算法的局部运行。

这种趋势使传感器从单纯的数据采集节点，逐步演变为具备初级判断与处理能力的智能单元，在自动驾驶、可穿戴设备手势识别等场景中具有重要意义。

从细分领域看，汽车仍是最具确定性的增长引擎。

车辆电动化、网联化和数字化进程持续推进，高级驾驶辅助系统的普及将对各类车载传感器形成长期支撑。

无线通信领域则依托物联网终端规模优势，成为传感器组件出货量最大的应用方向，5G 手机的普及进一步拉动了射频滤波器等器件需求。

消费电子板块面临结构性调整，部分终端产品出货量下滑，对 MEMS 麦克风等高度依赖规模效应的品类形成压力。

● 传感器融合：多模态感知成为复杂系统的基础能力

自动驾驶车辆还是人形机器人，都需要对环境进行全面、可靠的感知，仅依赖单一传感器难以满足安全性和稳定性要求。

通过整合多源数据形成更高维度的环境认知，未来传感器融合将呈现明显的多模态趋势，不同物理、化学甚至生物传感技术之间的交叉创新将逐步展开，行业竞争重点也正在从单纯缩小物理尺寸，转向在传感器内部整合更多智能功能。

通过嵌入轻量级 AI 算法，传感器可以在前端完成运动估计、信号降噪等处理，从而降低系统整体算力和延迟压力。

信号处理能力的下沉是一个重要方向，传感器内置 ISP 或神经形态预处理模块可以更高效地整合来自摄像头、雷达、激光雷达等多种传感器的数据，提升目标识别、跟踪和场景理解能力。

传感器在整车和机器人系统中的角色正不断上移，技术复杂度和价值量同步提升。

小结

半导体在多个关键应用领域在技术和市场层面变化挺大的，感知层的智能化、计算层的架构重构，还是功率层的材料升级，特征都是从器件优化走向系统整合，会影响未来数年半导体产业的竞争格局 。

       原文标题 : Omdia：2026 年半导体行业趋势之汽车篇