7月2日，2026汽车生态创新大会在上海国家会议中心举行。论坛现场，首传微电子（常州）有限公司CEO张晨光发表了关于《AI高速互联-从车载和机器人网络到数据中心》的精彩演讲。

以下为演讲实录：

各位来宾，下午好！

简单介绍一下我们公司：2020年成立，经历车载芯片泡沫，2021—2023年车规芯片很火。6年前做高速SerDes传输，2024年开始推量产芯片，2025年大批量上车。车用SerDes市场80%-90%在TI和ADI手里。国内大批量量产超百万颗的，一个瑞发科，一个是我们。研发三地：上海、达拉斯、荷兰埃因霍温。今年重点拓展机器人和高速Fid市场。

SerDes前几年很热，几十家进来，但SerDes有区别。最难的是车规场景——距离远（卡车30米以上，一般汽车10米以上），高速传输十几G频率，要满足EMI/EMC，高低温（-40到120℃），信号传输温度敏感（超过2G对温度敏感度很高）。首传微产品覆盖2-16G，做了很多全球第一、全国第一：首家国际标准量产，首家和ADI Open GMS互通，今年在拉斯维加斯和底特律与ADI做了图传互通（费用他们出），技术上有相互认可。拓展以太网、TSN Switch和高速光互联产品。

10G以内，全世界只有我们和ADI两家在模拟电路做十几G高速信号链路。模拟链路优势：体积小、功耗低，设计滤波器、均衡器、CTLE全在模拟下跑，能跑8G Hz，而手机7nm/5nm/3nm只能跑2-3G且功耗高。整个设计无ADC，全Analog实现，要求深模拟造诣。国内其他家基本都是数字结构（传统以太网、PCIE结构），前面有ADC，数字电路做DFE，好处是先进工艺可做复杂，所以100G/200G用到数字。

股市涨跌相关：涨得高的中际旭创等光模块，光电转换电口都是SerDes铜线，所有芯片电信号CMOS。光传输主要800G、1.6T、3.2T（明年2027年升级到3.2T）。高速光互联主要在数据中心，铜线基本在222G以内，博通和Crudo主要用3nm/4nm工艺。铜线互联在机柜上很粗很重，速度继续上升，铜线瓶颈已到。铜线222G SerDes已到顶。112G光传输波特率56G，频率28G。高速信号在铜线传输，频率越高越像光，挑战不同——车上更长更抗噪抗温循；数据中心短距离，主要插损高、功耗高，看PPA。400G时铜线无法继续，波长1mm左右，铜线表面不平整无法传输。

回顾Maxwell方程：高速铜线传输是电磁场电磁波，不是电流。远距离是信道处理，更像通讯芯片。AI数据中心、车FSD那么多摄像头雷达，稳定准确低延时依赖铜线连接。无线是为碳基生命服务，但服务AI和机器，有线铜线能量最集中，可更高速、安全、准确，同时远端供电。我们处理内容从2G/8G/12G SerDes到56G/112G/224G，信道都是铜线。无非200G/400G短距离，机房恒温，不用考虑快速温循；车上要考虑-20到70℃频谱变化，信号不能断。数据中心高速100G/200G挑战是Insertion Loss（趋肤效应），频率越高趋肤深度越浅，100G信号趋肤深度0.19微米，铜线微小起伏会使电磁波反射，Return Loss要处理。车上SerDes双向对传，发送接收同一根铜线，接收信号受20倍大信号干扰，难度更高。100G/200G再对传不现实。448G铜线用薄膜材料，先进封装。

介质损耗：高频时信号在铜线和绝缘介质间反射，要求绝缘质高频材料，否则吸收热能。222G时铜线很细，波长需是直径几倍大。趋肤效应使电阻变小但发热，铜皮不平整使传输路径变长衰减更大。数据中心最终用光，主流800G到1.6T/3.2T，224G不够用，微软发布Micro LED光纤技术——用1000根光纤像蜂窝，每根对应一个LED，电信号控制开关，可降低单路速率，但要精准对准。光纤比铜线细很多。马斯克讲数据中心问题：重量和功耗。铜线重，挡住散热；光纤细，液冷时防水技术已做好。

我们把车用纯模拟架构用在高速200G上，功耗降30%-50%，适合极短（1厘米）互联；拉长到1—3米需224G DSP；5—6米要中继。短距离纯模拟（River）功耗低，TI最早最好；4米以上Retire需3nm/4nm工艺。光模块热，但本质缺的不是芯片公司，缺的是台积电3nm/4nm产能。内存长期缺货（推理需求大），A股光传输公司看头部，有供应链话语权。国内7nm产能有限，战略储备，优先大芯片。首传微在台积电/三星供应链稳定，但仍未碰3nm/4nm。电的SerDes芯片永远存在——光电转换能量损失必然，光模块离电芯片越近越好。

博通224G架构：信号进来模拟CTLE补偿，但博通数据通讯厉害，数字链路玩得溜。ADC用电容开关阵列比较，替代传统比较器，功耗转到数字域，需3nm先进工艺。数字DSP算法有积累。博通自研加法器、乘法器，手工化，功耗比第二梯队低30%-40%。国内赛道热，需冷静看技术积累和产能。缺的还是光模块、高速、内存，不缺AI GPU算力，缺产能和工厂。我今天就讲到这里，谢谢大家。