Tiny Tapeout做你人生的第一颗开源芯片
Tiny Tapeout 将流片成本从数万至数百万美元降低到约300美元，让普通工程师、学生和创客也能拥有自己的定制芯片。它向 GlobalFoundries、IHP、SkyWater 等晶圆厂购买芯片格子，切分成几百个微型单元（每个约4k逻辑门），数百个设计共享同一块硅晶片和24个IO引脚。受限于面积，适合做8位CPU、加密算法、VGA生成器等概念验证。文章称其为众筹拼车模式在芯片制造上的完美应用，正重塑微电子教育的门槛。
相关文档
Google 发布 Coral NPU 开放架构：让小设备拥有强大 AI 而不耗尽电池
Google 宣布进一步推进 Coral NPU 边缘 AI 硬件方案，发布完整的开放硬件蓝图、编译器工具以及由 Synaptics 等合作伙伴推出的商用芯片。传统芯片因数据在存储与计算间来回搬运而消耗大量电能，Coral NPU 通过在数据所在位置完成计算，大幅降低功耗，让智能手表、可穿戴设备、传感器和家庭机器人等小型设备具备强大 AI 能力。统一开放的硬件标准与软件工具链解决了边缘 AI 开发中各设备规范不一的难题，为下一代低功耗智能设备奠定基础。
AI 繁荣的三张账单——电、芯片、推理
本文是硅谷101 Alignment 峰会 Day 2 上午的深度笔记，提出 AI 繁荣背后有三张物理账单：电、芯片、推理。 Session 1 指出美国输电网难以建设，行业转向表后发电，从签约到出 token 需 16-17 个月，电力成为算力交付的真正瓶颈；讨论了数据中心融资期限错配、neocloud 风险、云业务利用率本质及算力短缺将持续到 2030 年的预测。 Session 2 探讨半导体，揭示 2nm 只是名义数字、硅在 5nm 以下到物理极限，AI 进晶圆厂第一站是良率检测，价值最终流向制造端。 Session 3 讲述在买不到新卡的情况下，通过推理优化软件从现有 GPU 榨取更多性能。核心结论：三张账单的解法都是效率。
为什么看好ARM
文章分析ARM从技术授权转向直接销售芯片的战略逻辑。ARM与Meta联合开发AGI CPU，瞄准AI智能体对CPU的强劲需求——智能体需打开网页、运行代码、调度任务，CPU成为瓶颈。Meta为深度合作伙伴，甲骨文、字节跳动火山引擎、OpenAI均已采购，谷歌也在新AI系统中用ARM替代x86。客户需求半年内从10亿美元上调至20亿美元以上。直接卖芯片可让ARM每颗芯片贡献从50美元提升至500美元，扩大十倍。Jefferies预计2031财年销售额达180亿美元，ARM自定目标150亿美元，对应利润可达当前全公司水平的两倍多。
NVHBM改写HBM规则，三家内存厂何去何从？
文章解析英伟达8月26日发布的NVHBM技术：将自研内存控制器移入HBM底座，带宽最高提升30%、功耗降低15%，并推动多家内存厂商共同供货。作者对比三星zHBM（Memory-on-Logic垂直堆叠）与SK海力士的3D堆叠、混合铜键合路线图，拆解内存厂商的利润公式：出货量×份额×单位毛利，指出NVHBM可能压缩独有设计溢价、提升制造能力与良率的重要性。对三星的机会在于进入更多采购名单，海力士则需证明客户有得选时仍选自己。行业增长未必等于每家公司都受益。
华为“韬定律”深度解析：以“时间缩微”突破芯片封锁
本文深度解析了华为在ISCAS 2026上发布的“韬定律”，这是中国半导体产业首次提出指导发展的新原则。文章指出，面对摩尔定律失效和外部制裁，华为通过“逻辑折叠”技术和“时间缩微”路径，试图在不依赖EUV光刻机的情况下，实现芯片性能的代际跨越。文章还详细介绍了麒麟9050及灵衢总线的战略意义，分析了华为从“跟随者”向“规则制定者”的转变。
AI 开始设计芯片，利润会留给谁？｜CASPA 峰会洞察 02
基于 CASPA CEO 峰会的观察，文章探讨 AI 设计芯片的落地现状与利润分配。核心结论：AI 先落地于可分步验收的局部任务（生成测试、参考模型、布局探索），决定成败的是验证而非生成；设计提效不等于工具费用下降，客户可能用省下的时间探索更多方案；可靠的评估环节可能成为新收费点，如 GPT-Synopsys 合作中的收入分享框架。文章还分析大客户自研对设计公司议价能力的冲击，提出利润变化的三档推演，并给出投资人视角的观察信号与 2028 年回报检验窗口。
AI大模型把Arduino、ESP32变成可交互的在线实验室
文章认为入门AI硬件开发的最佳方式是在AI生成的交互式在线实验室中学习，而非先购买开发板。这种实验室由大模型生成的交互式UI、硬件行为模拟和渐进式教程流组成。文章介绍了Learn Arduino、Claude 3D设备拆解和ESP Labs三个项目：分别提供3D电路学习、可拆装的设备模型和完整的ESP32开发板教学平台。大模型在结构建模、原理动画、状态逻辑和固件映射方面能力已足够强，大幅降低了开发成本。文章同时指出其边界：模拟不等于真实芯片仿真，AI生成内容需专业人员把关，并给出了学习路线和维护者建议。
AI Semiconductor Endgame (IV)：开源模型对半导体的影响
文章探讨开源模型的崛起是否冲击半导体需求这一热门问题。作者指出市场担忧的核心在于开源是否会压低毛利，进而削弱模型公司购买GPU的能力。但通过动态均衡框架分析，token价格下降的同时，硬件与软件的效率提升（每十年各贡献千倍优化）使成本同步快速下降，毛利得以维持。以每GW算力测算，旗舰模型推理毛利率仍达75%-80%以上，开源模型约60%-70%，token收入是硬件摊销成本的十倍。结论是开源不会伤害半导体行业，动态均衡将持续推动AI基础设施扩张。
CH633: 面向下一代SoC的eUSB2与USB 3.0桥接芯片
随着半导体工艺进入5nm及以下节点，SoC的I/O电压不断降低，传统USB 2.0信号难以直接实现。WCH的CH633是一款集成eUSB2上游接口的USB 3.2 Gen 1集线器芯片，整合了eUSB2中继与USB集线器控制功能。它集成五个USB 3.0 PHY、四个USB 2.0 PHY和一个eUSB2 PHY，支持双上游架构（eUSB2与5Gbps SuperSpeed），原生支持USB Type-C方向自适应、BC1.2充电（最高15W）、MTT多事务转换器架构，并支持引脚或EEPROM灵活配置及SMBus管理。该芯片基于WCH自研QingKe RISC-V内核与USB IP，为先进节点SoC提供低电压接口与传统USB生态的高效桥接方案。
ESP32 模拟器盘点：乐鑫下场做了官方模拟器
文章盘点了近期热门的 3 个 ESP32 模拟器：Velxio（3.3k 星，浏览器拖线画电路，支持 40 块板，基于 QEMU）、esp32sim（364 星，从芯片 ROM 启动，支持屏幕、触摸、摄像头，S3 最成熟，甚至能跑 Linux）、乐鑫官方 esp-emulator（芯片型号最全，支持蓝牙、Thread、GDB，但经典 ESP32 不支持，仓库暂未开源）。作者用自己固件实测官方模拟器：点灯、双核、NVS、PSRAM、LVGL 均可运行，但外设支持尚不完善。最后预告作者自研的 TryBoard 项目，可在浏览器本地 3D 实验台上运行 ESP-IDF / Arduino 固件。
AI硬件大白话扫盲指南：从入门到榨干
作者以通俗语言介绍如何入门AI硬件制作。文章先说明AI大模型需要实体'身体'的趋势，解释ESP32（尤其是ESP32-S3）凭借价格低、自带Wi-Fi、性能够用、教程丰富成为AI玩具首选芯片的原因及局限。随后给出新手选购指南，包括主板参数（S3/N16/R8）识别、外设选择、固件与云服务的区别，并对比立创·实战派与M5Stack CoreS3等热门开发板。作者最终自费选择CoreS3，认为桌面机械机器人是更具生命力的方向。文章还介绍了Meta Ray-Ban、Plaud Note、Friend吊坠等商业化AI硬件形态。
